【技术实现步骤摘要】
基于贝叶斯的自动驾驶道路与车路匹配风险指数评估方法
[0001]本专利技术属于自动驾驶风险评估
，涉及到了自动驾驶道路风险与自动驾驶车路匹配风险的评估方法，特别是一种基于贝叶斯的自动驾驶道路与车路匹配风险评估方法。
技术介绍
[0002]自动驾驶车辆完成由测试示范向商业化应用渗透进程。经分析发现目前海内外涉自动驾驶车辆事故发生概率逐年增加，还存在亟需解决的应用问题。一是自动驾驶路线/区域设置缺少合理技术手段；二是自动驾驶车辆设计运行条件和运行线路/区域的匹配技术尚在探索。自动驾驶道路以及车路匹配的风险评估技术需要实现与完善。
技术实现思路
[0003]本专利技术为了解决能够有效评估出自动驾驶道路风险以及车路匹配风险的技术问题，设计了一种基于贝叶斯的自动驾驶道路与车路匹配风险指数评估方法，通过贝叶斯网络模型、数据驱动、以及道路切片的方式综合分析评价出风险情况。
[0004]本专利技术采用的技术方案是，基于贝叶斯的自动驾驶道路风险度评估方法，所述的方法是借助计算机及配套软件程序对自动驾驶数据进行处理...
【技术保护点】
【技术特征摘要】
1.基于贝叶斯的自动驾驶道路风险度评估方法，所述的方法是借助计算机及配套软件程序对自动驾驶数据进行处理以及分析后实现的，其特征在于：所述的方法具体步骤如下：a1、对自动驾驶数据进行数据处理，形成包括事故伤害程度、道路类型、路面干湿状态、道路限速、道路状态、事故形态、天气以及灯光要素的数据库，其中，事故伤害程度要素包括无受伤、受伤轻微、受伤中度、受伤严重四项内容；b1、根据步骤a1中数据库中的要素和内容，把事故伤害程度要素作为目标节点，把其他所有要素各作为一个节点，在配套软件程序中构建贝叶斯网络风险定性评估模型；c1、用贝叶斯网络风险定性评估模型对数据库的所有事故数据进行学习训练，获得所有节点即各要素的条件概率联合分布，即构建了贝叶斯网络风险定量评估模型；d1、对拟评估的自动驾驶道路进行切片处理，将自动驾驶道路拆分为多个连续道路切片，道路切片拆分时分为以下两种拆分方式：相同道路类型的按照单位里程拆分；不同道路类型的按照道路特征的区别拆分；e1、按照贝叶斯网络风险定量评估模型中的要素提取每个道路切片的道路要素集；f1、根据道路切片的道路要素集对所有道路切片逐个进行风险评估，形成道路风险点，具体是将道路切片的要素作为已知因素，根据步骤c1中构建的贝叶斯网络风险定量评估模型的条件概率联合分布，按照贝叶斯网络理论，计算目标节点事故伤害程度中无受伤概率、受伤轻微概率、受伤中度概率、受伤严重的概率，并对该道路切片进行风险度量化，其中任意道路切片的风险度量化公式为：r
i
＝r
NoIi
×
w
NoI
+r
Mini
×
w
Min
+r
Modi
×
w
Mod
+r
Seri
×
w
Ser
ꢀꢀ
式1式1中，r
i
：第i个道路切片的风险评估结果，r
NoIi
：针对第i个切片道路无受伤概率，r
Mini
：针对第i个道路切片受伤轻微的概率，r
Modi
：针对第i个道路切片受伤中度的概率，r
Seri
：针对第i个道路切片受伤严重的概率，w
NoI
、w
Min
、w
Mod
、w
Ser
：分别依次对应目标节点事故伤害程度中无受伤、受伤轻微、受伤中度、受伤严重四种内容的风险权重，取值依次变大，若r
i
>道路切片风险度阈值常数，则第i个道路切片，作为风险道路切片，所有风险切片的集合即为道路风险点；g1、依据步骤f1中得到的任意道路切片的风险度计算自动驾驶道路的整体道路风险度，整体道路风险度量化公式为：式2中，R：被评估的道路风险度量化指数，n：该道路中道路切片的数量，x
i
：该道路第i个道路切片的长度，l：该道路总长，r
Max
：该道路中风险最大的道路切片的风险值。2.根据权利要求1所述的基于贝叶斯的自动驾驶道路风险度评估方法，其特征在于：所述的步骤e1中，要素提取过程采用装载有视觉传感器的设备采集，或通过查询设计施工材
料结合现场进行采集。3.根据权利要求1所述的...
【专利技术属性】
技术研发人员：高金，李文亮，周炜，刘智超，曹琛，战琦，李华建，
申请(专利权)人：交通运输部公路科学研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。