一种驾驶人认知驱动的智能汽车类人行车风险管理系统技术方案

本发明专利技术涉及一种驾驶人认知驱动的智能汽车类人行车风险管理系统，包括类人风险认知主模块和类人风险响应主模块，类人风险认知主模块包括环境客观各向异性风险场子模块、驾驶人主观时空认知场子模块和类人时空认知风险计算子模块；类人风险响应主模块包括类人风险接受子模块和类人预期轨迹恢复子模块；本发明专利技术通过构建环境客观各向异性风险场和驾驶人主观时空认知场获得类人时空认知风险，进而通过类人风险接受和与预期轨迹恢复实现类人风险响应，从而使智能汽车具备类人的风险认知和风险响应能力，有效解决了现有技术中环境风险描述不准确、安全系统功能单一且关系割裂以及人机风险认知和风险响应差异大的问题。风险认知和风险响应差异大的问题。风险认知和风险响应差异大的问题。

【技术实现步骤摘要】
一种驾驶人认知驱动的智能汽车类人行车风险管理系统


[0001]本专利技术涉及一种智能汽车行车风险管理系统，特别涉及一种驾驶人认知驱动的智能汽车类人行车风险管理系统。

技术介绍

[0002]智能汽车作为多项高新技术的核心载体，已经成为全球汽车产业的战略发展方向。然而由于汽车智能化技术不完备以及自动驾驶系统设计缺陷等原因导致的交通事故在全球范围内层出不穷。因此，近年来，学术界和工业界围绕智能汽车行车风险评估和行车风险应对开展了大量研究和实践，但是现有相关技术中仍存在一些技术问题有待解决：
[0003](1)在评估行车风险时，现有方法对交通环境中客观风险的描述不准确、不充分，目前广泛应用的碰撞时间、跟车时距、风险暴露时间等指标难以有效描述风险源的定义属性、运动状态与其所产生风险之间的复杂动态映射关系。
[0004](2)目前智能汽车所搭载的用于评估和应对行车风险的主被动安全系统功能单一且系统间的关系割裂，普遍被设计为相互独立的纵向安全系统和侧向安全系统，且系统的原始设计可行域十分有限，难以作为一个耦合的整体系统来有效应对智能汽车可能遇到的各种行车风险。
[0005](3)现有智能汽车的行车风险评估和应对系统普遍将智能汽车的行车风险作为一个客观变量进行评估和响应，但不同驾驶人可能对相同的客观行车风险具有个性化的认知特性和响应行为。而现有系统对驾驶人异质化因素的不充分考虑极易使智能汽车在风险认知和风险响应上产生巨大的人机差异，从而导致智能汽车用户的接受度、舒适度和信任度以及智能汽车本身的社会认同度下降。
[0006]因此，开发一套能够准确描述并灵活应对各类行车风险，且在充分保障行车安全性的同时能够为用户所接受的智能汽车行车风险管理系统已经迫在眉睫。

技术实现思路

[0007]为了解决上述技术问题，提升行车风险管理系统与驾驶人在应对行车风险上的相似性以提升用户的接受度、适应度和舒适度以及智能汽车本身的社会认同度，本专利技术提供一种驾驶人认知驱动的智能汽车类人行车风险管理系统，由驾驶人应对行车风险的过程衍生而来，包括类人风险认知主模块和类人风险响应主模块，所述类人风险认知主模块对应驾驶人的风险认知过程，所述类人风险响应主模块对应驾驶人的风险响应过程；
[0008]所述的类人风险认知主模块包括环境客观各向异性风险场子模块、驾驶人主观时空认知场子模块和类人时空认知风险计算子模块；所述的环境客观各向异性风险场子模块用于量化描述交通环境中的客观行车风险；所述的驾驶人主观时空认知场子模块用于表达驾驶人对预期轨迹不可侵入性和不确定性的主观认知；所述的类人时空认知风险计算子模块根据环境客观风险和驾驶人主观认知得到类人的认知风险；
[0009]所述的类人风险响应主模块包括类人风险接受子模块和类人预期轨迹恢复子模
块；所述的类人风险接受子模块用于表征驾驶人将风险降低至可接受水平的过程；所述的类人预期轨迹恢复子模块用于表征驾驶人在风险低于可接受水平后控制自车返回预期轨迹的过程。
[0010]本专利技术所述的驾驶人认知驱动的智能汽车类人行车风险管理系统处理步骤如下：
[0011](1)在类人风险认知主模块中，所述环境客观各向异性风险场子模块接收交通环境信息，计算由车道线、交通车、静态障碍物以及路面状态产生的客观风险，进而输出交通环境客观总风险；
[0012](2)所述驾驶人主观时空认知场子模块接收自车状态信息，根据自车的预期轨迹计算并输出自车驾驶人对预期轨迹不可侵入性和不确定性的主观时空认知；
[0013](3)所述类人时空认知风险计算子模块接收交通环境的客观总风险和驾驶人对预期轨迹的主观时空认知，基于时空卷积运算得到类人时空认知风险；
[0014](4)在类人风险响应主模块中，首先判定类人时空认知风险是否超出自车驾驶人能够承受的时空认知风险阈值：如果类人时空认知风险低于阈值，则判定当前情况下不需对风险做出响应，自车按照预期轨迹行驶即可；如果类人时空认知风险超出阈值时，则类人风险接受子模块介入，所述类人风险接受子模块在考虑自车驾驶人特性的基础上，根据自车预期轨迹和自车状态利用风险稳态理论对自车轨迹进行基于类人时空认知风险的修正，直至将自车轨迹的类人时空认知风险降低至阈值以下；
[0015](5)所述类人风险接受子模块将自车轨迹的类人时空认知风险降低至阈值以下后，类人风险接受子模块退出，类人预期轨迹恢复子模块介入；所述类人预期轨迹恢复子模块以类人风险接受子模块修正后的自车轨迹和自车预期轨迹为输入，根据类人风险接受子模块退出时自车的位置、运动状态与预期轨迹上自车位置、运动状态之间的差距，控制自车重返预期轨迹，从而完成整个类人风险响应过程。在自车重返预期轨迹后，所述类人预期轨迹接受子模块退出；
[0016](6)将所述类人风险接受子模块修正后的轨迹和所述类人预期轨迹恢复子模块恢复后的轨迹进行拼接，即可得到完整的经风险响应后的自车轨迹。
[0017]进一步的，所述环境客观各向异性风险场子模块包括车道线各向异性风险场、交通车各向异性风险场、静态障碍物各向异性风险场以及路面状态风险：
[0018](1.1)所述车道线各向异性风险场的各向异性体现为车道线场强在车道线两侧具有非对称分布，通过构建关于车道线呈现非对称性的高斯分布来描述车道线产生的各向异性风险场E
L
；根据道路曲率，所述车道线各向异性风险场E
L
进一步分为直道车道线各向异性风险场E
SL
和弯道车道线各向异性风险场E
CL
；
[0019]某直道车道线sl在点j(x
j
,y
j
)处产生的场强定义为：
[0020][0021]d
sl,j
＝(0,y
j
‑
y
sl
)
[0022]其中，μ
L
为位于车道线上的场强峰值；d
sl,j
为j与sl之间的距离向量，y
sl
为sl在世界坐标系下的侧向位置；σ
L1
和σ
L2
的直观意义为高斯分布的集中程度，用于表征车道线场强的变化速率；
[0023]某弯道车道线cl在点j(x
j
,y
j
)处产生的场强定义为：
[0024][0025][0026]其中，d
c,j
为cl的曲率中心c(x
c
,y
c
)到j的距离向量，r
cl
为cl的曲率半径，d
cl,j
为j与cl的距离向量；
[0027](1.2)所述交通车各向异性风险场的各向异性由交通车的运动状态决定。所述环境客观各向异性风险场子模块综合考虑了直行、换道和转弯多种工况，构建了能够全面准确地反映交通车定义属性和运动状态的交通车各向异性风险场。在世界坐标系下，在时刻t，交通车k与点j的距离向量d
k本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种驾驶人认知驱动的智能汽车类人行车风险管理系统，其特征在于：包括类人风险认知主模块和类人风险响应主模块；所述的类人风险认知主模块包括环境客观各向异性风险场子模块、驾驶人主观时空认知场子模块和类人时空认知风险计算子模块；所述的类人风险响应主模块包括类人风险接受子模块和类人预期轨迹恢复子模块；所述的驾驶人认知驱动的智能汽车类人行车风险管理系统处理步骤如下：(1)在类人风险认知主模块中，所述环境客观各向异性风险场子模块接收交通环境信息，计算由车道线、交通车、静态障碍物以及路面状态产生的客观风险，进而输出交通环境客观总风险；(2)所述驾驶人主观时空认知场子模块接收自车状态信息，根据自车的预期轨迹计算并输出自车驾驶人对预期轨迹不可侵入性和不确定性的主观时空认知；(3)所述类人时空认知风险计算子模块接收交通环境的客观总风险和驾驶人对预期轨迹的主观时空认知，基于时空卷积运算得到类人时空认知风险；(4)在类人风险响应主模块中，首先判定类人时空认知风险是否超出自车驾驶人能够承受的时空认知风险阈值：如果类人时空认知风险低于阈值，则判定当前情况下不需对风险做出响应，自车按照预期轨迹行驶即可；如果类人时空认知风险超出阈值时，则类人风险接受子模块介入，所述类人风险接受子模块在考虑自车驾驶人特性的基础上，根据自车预期轨迹和自车状态利用风险稳态理论对自车轨迹进行基于类人时空认知风险的修正，直至将自车轨迹的类人时空认知风险降低至阈值以下；(5)所述类人风险接受子模块将自车轨迹的类人时空认知风险降低至阈值以下后，类人风险接受子模块退出，类人预期轨迹恢复子模块介入；所述类人预期轨迹恢复子模块以类人风险接受子模块修正后的自车轨迹和自车预期轨迹为输入，根据类人风险接受子模块退出时自车的位置、运动状态与预期轨迹上自车位置、运动状态之间的差距，控制自车重返预期轨迹；在自车重返预期轨迹后，所述类人预期轨迹接受子模块退出；(6)将所述类人风险接受子模块修正后的轨迹和所述类人预期轨迹恢复子模块恢复后的轨迹进行拼接，得到完整的经风险响应后的自车轨迹。2.根据权利要求1所述的一种驾驶人认知驱动的智能汽车类人行车风险管理系统，其特征在于：所述环境客观各向异性风险场子模块包括车道线各向异性风险场、交通车各向异性风险场、静态障碍物各向异性风险场以及路面状态风险：(1.1)所述车道线各向异性风险场的各向异性体现为车道线场强在车道线两侧具有非对称分布，通过构建关于车道线呈现非对称性的高斯分布来描述车道线产生的各向异性风险场E
L
；根据道路曲率，所述车道线各向异性风险场E
L
分为直道车道线各向异性风险场E
SL
和弯道车道线各向异性风险场E
CL
；某直道车道线sl在点j(x
j
,y
j
)处产生的场强定义为：
其中，μ
L
为位于车道线上的场强峰值；d
sl,j
为j与sl之间的距离向量，y
sl
为sl在世界坐标系下的侧向位置；σ
L1
和σ
L2
的直观意义为高斯分布的集中程度，用于表征车道线场强的变化速率；某弯道车道线cl在点j(x
j
,y
j
)处产生的场强定义为：其中，d
c,j
为cl的曲率中心c(x
c
,y
c
)到j的距离向量，r
cl
为cl的曲率半径，d
cl,j
为j与cl的距离向量；(1.2)所述环境客观各向异性风险场子模块综合考虑直行、换道和转弯多种工况，构建交通车各向异性风险场：在世界坐标系下，在时刻t，交通车k与点j的距离向量d
k,j
(t)为:d
k,j
(t)＝(x
j
‑
x
k
(t),y
j
‑
y
k
(t))(3)其中，x
k
和y
k
分别为k在世界坐标系下的纵向和侧向位置；所述环境客观各向异性风险场子模块建立固连在交通车k上的坐标系X
k
O
k
Y
k
，其中O
k
为k的中心，OX
k
代表k的前进方向，OY
k
代表k前进方向的法向；所述环境客观各向异性风险场子模块将世界坐标系下的距离向量d
k,j
转换为X
k
O
k
Y
k
坐标系下的等效向量坐标系下的等效向量其中，和分别为世界坐标系下OX
k
和OY
k
方向的单位向量，α
k
和β
k
分别为OX
k
和OY
k
方向的距离放缩因子，α
k
和β
k
分别等于交通车车身外接椭圆的长轴和短轴的长度；则k在时
刻t于点j处产生的风险场场强为：其中，的方向为从交通车k的中心指向点j；a
k1
和a
k2
分别为OX
k
和OY
k
方向的加速度,λ
K1
和λ
K2
为加速度系数，μ
K
为出现在交通车中心的场强峰值，θ
k1
和θ
k1
分别为与OX
k
和OY
k
的夹角，M
k
为考虑交通车体积和速度的等效质量：M
k
(t)＝m
k
·
(b
M
+k
M
·
v
k2
(t))(6)其中，m
k
为k的体积系数，b
M
和k
M
为常数；当交通车k没有变换车道的意图时，k在相邻车道产生的场强需要乘以车道线过滤因子f
L,k
，所述车道线过滤因子f
L,k
定义为:其中，Δd
L,k
为交通车k的车身边缘距离车道线的距离，Δd0为交通车k沿车道中心线行驶时车身边缘和车道线的距离；当交通车有改变车道的意图时，原始车道和目标车道的车道分界线将失去对交通车风险场的过滤作用，取f
L,k
＝1；(1.3)所述的静态障碍物各向异性风险场的各向异性由静态障碍物的几何尺寸决定，在世界坐标系下，静态障碍物s(x
s
,y
s
)与点j的距离向量d
s,j
为:d
s,j
＝(x
j
‑
x
s
,y
j
‑
y
s
)(8)所述环境客观各向异性风险场子模块建立固连在s上的坐标系X
s
O
s
Y
s
，其中O
s
为s的中心，OX
s
和OY
s
分别代表s外接椭圆的长轴和短轴方向；所述环境客观各向异性风险场子模块将世界坐标系下的距离向量d
s,j
转换为X
s
O
s
Y
s
坐标系下的等效距离向量坐标系下的等效距离向量其中，和分别为世界坐标系下OX
s
和OY
s
方向的单位向量，α
s
和β
s
分别为OX
s
和OY
s
方向的距离放缩因子，α
s
和β
s
分别等于静态障碍物外接椭圆的长轴和短轴的长度，静态障碍物s在点j处产生的风险场场强为：
其中，M
s
为s的等效质量，m
s
为s的体积系数；当静态障碍物没有跨过车道线时，它在其他车道产生的风险场场强为0；(1.4)所述环境客观各向异性风险场子模块中定义了路面状态因子α
R
来描述由不同路面状态产生的风险：其中，V
*
,μ
*
,ε
*<...

【专利技术属性】
技术研发人员：赵健，宋东鉴，朱冰，杨依霖，李伟男，赵文博，
申请(专利权)人：吉林大学，
类型：发明
国别省市：