一种自动驾驶车辆驾驶安全度量化系统技术方案

本发明专利技术公开了一种自动驾驶车辆驾驶安全度量化系统，包括驾驶区域环境风险量化模块、周围交通参与者冲突干扰量化模块、自车行为风险量化模块、车辆驾驶安全度量化模块、显示模块，其中驾驶区域环境风险量化模块、周围交通参与者冲突干扰量化模块和自车行为风险量化模块的输出最终合成至车辆驾驶安全度量化模块，计算得到车辆驾驶实时安全度值，采用不同颜色区别显示于显示模块，提示驾驶员自动驾驶系统的安全度状态。该系统将影响人类驾驶员在驾车时安全度的环境复杂度、周围交通参与者干扰、自身行为状态因素进行量化，可以对自动驾驶车辆系统及其中的人类驾驶员提供不同程度的安全警示，约束车辆使其处于一种相对稳定的行驶状态。行驶状态。行驶状态。

【技术实现步骤摘要】
一种自动驾驶车辆驾驶安全度量化系统


[0001]本专利技术涉及自动驾驶车辆的驾驶安全领域，特别涉及一种基于车辆行驶环境复杂度、交通参与者干扰、自车危险驾驶与违规行为的自动驾驶车辆综合驾驶安全度量化系统。

技术介绍

[0002]得力于汽车电动化与智能化的发展浪潮，小型车辆的自动驾驶系统在近十年来得到了飞速的发展。随着L3级别自动驾驶汽车的正式商业化，驾驶者对自动驾驶系统的信赖程度逐渐得到提高，其对自动驾驶功能的使用也越来越频繁。自动驾驶顾名思义就是车辆自身独自完成从起点到终点的全部或大部分驾驶任务，在非必要时无需人类驾驶员兼顾。正因为自动驾驶的完全自主性，在行车安全方面与其配套的自动化安全检测与评估系统是自动驾驶车辆所必要的，该类安全系统的存在是为了避免特殊情境下的错误驾驶决策带来的负面后果。
[0003]目前已投入使用的实时车辆自动化安全检测系统主要从使用的方法角度可以分为：基于车辆可达集的安全评估、基于安全势场的安全评估和基于安全熵的安全评估。比较有代表性的产品有Inter公司的推出的mobileye中所配制的RSS责任安全评估系统。这些方法与系统主要是基于对自身车辆以及周围交通参与者的行驶状态分析，以不同的方式量化发生交通事故的概率，通过对计算所得的概率值高低的阈值设置完成不同安全级别的划分，再根据划分的安全级别采取相应的保障响应措施。
[0004]中国专利技术专利CN113485301A公开了一种自动驾驶汽车控制系统的预期功能安全性能的量化评价方法，其是针对自动驾驶汽车的横向输出参数响应性能和纵向输出参数响应性能的量化评价；中国专利技术专利CN102991504A公开了一种对驾驶员换道安全性进行判断并预警的装置及方法，其是针对驾驶员换道行为安全性的评估；中国专利技术专利CN111231971A公开了一种基于大数据的汽车安全性能分析评价方法及系统，其基于车辆驾驶数据进行大数据分析，从而对汽车辅助驾驶策略的安全性进行评价；中国专利技术专利CN112829751A公开了一种车辆状态的安全性评价方法及装置，根据当前车辆的状态信息及当前车辆周围的环境信息确定候选驾驶策略并评估其对应的危险指数。然而，目前的安全检测评估方法及系统无法对一些相对模糊的安全概念进行量化，例如车辆违反相关交通法规的行驶，对交通法规的数字化以及数字化后如何评估的问题是目前相关领域的重要研究方向。同时，现有的安全系统的安全评估内容覆盖度较为单一，其危险数值的评估是个瞬时的量，没有考虑多个安全隐患在短时间内依次发生时危险累计的记忆效应。与安全评估配套的安全响应系统的操作也相对绝对，在车辆的状态被评估为足够危险时采取应急响应，在没有风险时不采取措施。这两个系统的配合只能起到强制结束自动驾驶系统的作用，无法达到约束自动驾驶系统驾驶行为的功能。现在自动驾驶相关领域的有些研究者正在开发相关技术让自动驾驶系统变得更类人智能，决策与行为更像一个经验丰富的驾驶员，与此同时在自动驾驶车辆的行车安全方面也在寻找并设计一个类似人类驾驶时的危险预警、驾驶安全构建的方法与系统。
[0005]目前，在自动驾驶车辆安全系统领域并没有关于自动驾驶系统驾驶安全度量化相关的技术，也不存在利用量化的驾驶安全度参数对车辆的行为进行安全约束的系统。对于有驾驶经验的人类驾驶员来说，驾驶安全度是个短时的具有一定记忆效应的变量。例如，在其正常行驶过程中，周围环境简单、无潜在危险的情况下驾驶安全度将处于一个初始较高值，然而若旁边车道有一个车辆快速朝自车前方变道，并且没有留出足够安全距离时，驾驶员的驾驶安全度将会受到一定程度的冲击从而部分下降。同时，若在接下来的短时间内道路开始变得拥挤，环境复杂度大幅度上升，则安全度会进一步的下降，驾驶行为也会随之变得拘谨，但若在一定时间内没有其余冲突的发生，驾驶安全度又会逐渐恢复，驾驶行为也会回归正常。类似驾驶安全度的技术，可以为自动驾驶系统构建一套与至今为止所有安全评估与响应方法都不同的拟人化潜在安全保障系统。

技术实现思路

[0006]本专利技术的目的在于填补自动驾驶系统类人化安全意识方面存在的技术空缺，提供一种基于环境复杂度、交通参与者冲突干扰、自车危险行为的自动驾驶车辆行驶安全度量化系统，目的在于提高自动驾驶系统安全性，同时通过为自动驾驶车辆添加量化的驾驶安全度变量，对其行为提供拟人化约束参考，解决目前车辆行为安全保障的割离化、绝对化问题，推进自动驾驶系统的进一步智能化。本专利技术采用如下技术方案：一种自动驾驶车辆驾驶安全度量化系统，包括：驾驶区域环境风险量化模块、周围交通参与者冲突干扰量化模块、自车行为风险量化模块、车辆驾驶安全度量化模块、显示模块；所述驾驶区域环境风险量化模块，获取当前自动驾驶车辆行驶的道路区域的环境风险的若干影响因素，将各影响因素进行数据归一化，利用改进安全熵算法计算得到环境风险熵值；根据环境风险熵值计算获得安全度恢复量，并将其提供给车辆驾驶安全度量化模块；所述周围交通参与者冲突干扰量化模块，获取周围交通参与者的位置、速度、航向信息，计算周围车辆与行人的未来轨迹从而获得未来可达区域，通过对比各个交通参与者未来时空轨迹与自车未来时空轨迹的重合程度，将该重合程度量化为每个区域交通参与者对自动驾驶车辆的攻击值；以及通过对周围交通参与者速度差的计算获取其加速度，当存在异常加速度车辆时，量化该异常加速度为对自动驾驶车辆的另一攻击值；将各所述攻击值标准化为冲突量化攻击值，提供给驾驶安全度量化模块；所述自车行为风险量化模块，获取自身车辆速度、航向角信息计算车辆加速度与角加速度，当加速度与角加速度超过固定阈值时量化为行为风险，产生风险值；对于自动驾驶车辆行驶时违反交通法规，包括：超速行驶、逆行、快速连续换道，将其分别量化得到各自的风险值；将各所述风险值经过标准化后融合为行驶风险量化值，提供给驾驶安全度量化模块；所述车辆驾驶安全度量化模块，通过接收到的安全度恢复量、冲突量化攻击值、行驶风险量化值计算出车辆驾驶实时安全度值，该安全度值将反应车辆实时的安全状况以及对目前决策正确性的把握程度；所述车辆驾驶安全度显示模块，根据车辆驾驶实时安全度值，将车辆的驾驶安全
度分为若干级别，采用不同颜色区别显示，提示驾驶员自动驾驶系统的安全度状态。
[0007]进一步，所述环境风险分为天气信息、道路静态环境信息、道路交通参与者静态信息三大类，其中所述天气信息的影响因素包括：降雨雪量、能见度、行驶时间、静止风速，所述道路静态环境信息的影响因素包括：当前道路的曲率半径、当前道路与道路边界的距离、当前的道路类型、当前道路同一方向的车道数，所述道路交通参与者静态信息的影响因素包括：道路交通参与者的平均速度、周围活动的交通参与者的最大速度差、周围交通参与者的数量、周围大型车辆的数量。
[0008]进一步，所述环境风险熵值的计算流程具体为：环境风险的若干影响因素分别通过归一化处理操作：式中，x为输入的环境风险的影响因素的数据值；x
norm
为输出的归一化值，均为0.001至1.001之间的值；处理后的归一化值依据三大类的分类划分为三个类别，根据下式计算每个类别的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自动驾驶车辆驾驶安全度量化系统，其特征在于，包括：驾驶区域环境风险量化模块、周围交通参与者冲突干扰量化模块、自车行为风险量化模块、车辆驾驶安全度量化模块、显示模块；所述驾驶区域环境风险量化模块，获取当前自动驾驶车辆行驶的道路区域的环境风险的若干影响因素，将各影响因素进行数据归一化，利用改进安全熵算法计算得到环境风险熵值；根据环境风险熵值计算获得安全度恢复量，并将其提供给车辆驾驶安全度量化模块；所述周围交通参与者冲突干扰量化模块，获取周围交通参与者的位置、速度、航向信息，计算周围车辆与行人的未来轨迹从而获得未来可达区域，通过对比各个交通参与者未来时空轨迹与自车未来时空轨迹的重合程度，将该重合程度量化为每个区域交通参与者对自动驾驶车辆的攻击值；以及通过对周围交通参与者速度差的计算获取其加速度，当存在异常加速度车辆时，量化该异常加速度为对自动驾驶车辆的另一攻击值；将各所述攻击值标准化为冲突量化攻击值，提供给驾驶安全度量化模块；所述自车行为风险量化模块，获取自身车辆速度、航向角信息计算车辆加速度与角加速度，当加速度与角加速度超过固定阈值时量化为行为风险，产生风险值；对于自动驾驶车辆行驶时违反交通法规，包括：超速行驶、逆行、快速连续换道，将其分别量化得到各自的风险值；将各所述风险值经过标准化后融合为行驶风险量化值，提供给驾驶安全度量化模块；所述车辆驾驶安全度量化模块，通过接收到的安全度恢复量、冲突量化攻击值、行驶风险量化值计算出车辆驾驶实时安全度值，该安全度值将反应车辆实时的安全状况以及对目前决策正确性的把握程度；所述车辆驾驶安全度显示模块，根据车辆驾驶实时安全度值，将车辆的驾驶安全度分为若干级别，采用不同颜色区别显示，提示驾驶员自动驾驶系统的安全度状态。2.根据权利要求1所述的自动驾驶车辆驾驶安全度量化系统，其特征在于，所述环境风险分为天气信息、道路静态环境信息、道路交通参与者静态信息三大类，其中所述天气信息的影响因素包括：降雨雪量、能见度、行驶时间、静止风速，所述道路静态环境信息的影响因素包括：当前道路的曲率半径、当前道路与道路边界的距离、当前的道路类型、当前道路同一方向的车道数，所述道路交通参与者静态信息的影响因素包括：道路交通参与者的平均速度、周围活动的交通参与者的最大速度差、周围交通参与者的数量、周围大型车辆的数量。3.根据权利要求1或2所述的自动驾驶车辆驾驶安全度量化系统，其特征在于，所述环境风险熵值的计算流程具体为：环境风险的若干影响因素分别通过归一化处理操作：式中，x为输入的环境风险的影响因素的数据值；x
norm
为输出的归一化值，均为0.001至1.001之间的值；处理后的归一化值依据三大类的分类划分为三个类别，根据下式计算每个类别的环境熵值：熵值：
式中，j对应不同类别，i对应不同类别中的具体影响因素，P
hi
为环境风险概率，S
j
为第j类环境风险的环境熵值；根据每个类别的环境熵值计算影响权重w
j
：计算每个类别中每个影响因素的熵和，利用熵和乘上对应的影响权重得到最终的环境风险熵值：风险熵值：式中，En
j
为第j类环境风险的影响因素的熵和，C为环境风险熵值。4.根据权利要求3所述的自动驾驶车辆驾驶安全度量化系统，其特征在于，将所述环境风险熵值划分为若干不同环境风险级别，所述级别的划分边界数值通过参数标定获得，环境风险熵值越大，环境风险级别越高；所述安全度恢复量代表车辆安全度每个时刻的自然恢复量，环境风险级别越高自然恢复量越低，按照下式计算获得：式中，Recover
t
为t时刻的安全度恢复量，S
co
为环境风险级别，为1
‑
5的5个数字；k
r
为常数；HP
t
为t时刻的车辆驾驶安全度值。5.根据权利要求4所述的自动驾驶车辆驾驶安全度量化系统，其特征在于，所述冲突量化攻击值的计算流程具体为：获取周围交通参与者的位置、速度、航向信息，计算周围车辆与行人的未来轨迹从而获得未来可达区域，获得各个交通参与者未来时空轨迹...

【专利技术属性】
技术研发人员：杨世春，卢家怿，曹耀光，冯鑫杰，冯斌，张群力，穆郁澄，张梦月，马源，闫啸宇，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：