应用于自动驾驶的交通弱势群体碰撞风险评估方法及系统技术方案

本发明专利技术提供了一种应用于自动驾驶的交通弱势群体碰撞风险评估方法及系统，包括：识别和获取车辆周围交通弱势群体信息，获取车辆自身所处的位置速度信息，获取交通弱势群体所处的周围交通环境信息；利用获取到的交通弱势群体信息，对交通弱势群体的行驶意图进行分类和识别；基于交通弱势群体的历史多帧信息，结合交通弱势群体的行驶意图，对交通弱势群体的行驶轨迹进行预测；根据行驶目标生成备选轨迹，并将轨迹与弱势群体的预测轨迹进行碰撞检测，弱势群体根据其行驶意图扩张影响边界，计算碰撞的位置和碰撞的时间；计算弱势群体与自动驾驶车辆碰撞风险。本发明专利技术可以有效避免因无关的行人或非机动车导致自车产生不必要的减速。行人或非机动车导致自车产生不必要的减速。行人或非机动车导致自车产生不必要的减速。

【技术实现步骤摘要】
应用于自动驾驶的交通弱势群体碰撞风险评估方法及系统


[0001]本专利技术涉及自动驾驶
，具体地，涉及一种应用于自动驾驶的交通弱势群体碰撞风险评估方法及系统。

技术介绍

[0002]随着自动驾驶技术的不断发展，自动驾驶车辆已经实现在高速公路、高架等特定场景下的稳定安全行驶，而对于一般城市道路，由于行人、自行车、三轮车等交通弱势群体的存在，使得自动驾驶车辆的驾驶场景变得极度复杂，自动驾驶车辆也因此难以正确评估与交通弱势群体的碰撞风险。
[0003]交通弱势群体在行为上具有随机性强与灵活程度高的特点，同时由于交通法规对交通弱势群体约束力较弱，使得该类个体会出现偶发的违反交通规则的行为，会干扰自动驾驶车辆的正常行驶。传统的基于碰撞点和安全距离的碰撞检测方法，固然可以使自车保持与交通弱势群体的距离，避免碰撞发生，但也因其过于保守的特性，在人流车流量较大时，会过于谨慎而导致难以流畅通行。
[0004]专利文献CN111746527B公开了一种汽车与行人碰撞的预测方法，其特征是根据有关信息，先由车辆运动时间预算模型对车辆与行人有可能碰撞的行驶时间进行预测，和由行人运动时间预算模型对有可能与车辆碰撞的行人的运动时间进行预测，所述有关信息包括所获取的车辆、行人及道路的相关数据，再由碰撞预警分级模型将远程服务器比较计算后的车辆与行人的时间差值，通过无线电信号在行人手机应用端及车载应用端进行警报，以此降低行人与车辆碰撞的风险。该专利技术从碰撞时间的角度对碰撞进行了预测，并根据预测结果反馈至车辆，但是其未考虑行人的行为意图，也忽略了行人行为可随时变化的特点，造成的问题在于对行人处理过于僵化，对于可能产生风险的行人未进行考虑，对于未来可能不造成碰撞的行人，也缺少细致的处理，如果以此作为自动驾驶碰撞风险预测，很可能使本车经常因误识别碰撞风险而频繁出现急刹等行为，对行驶安全和通行效率都产生了不良的影响。
[0005]专利文献CN114299607A公开了一种基于自动驾驶汽车的人车碰撞危险度分析方法，包括：根据行人过街历史数据集中的过街特征，通过高斯聚类将过街行为分为不同的习惯类型，利用联合概率分布函数，帮助自动驾驶车辆根据行人当前运动状态获取其未来可能状态集合，并通过GCN图卷积神经网络考虑人车动态时空关系，得到行人未来可能的轨迹集合，最后考虑轨迹碰撞概率与最小会遇距离，利用物元可拓理论进行特征降维，建立危险度函数，实现人车碰撞危险度实时判断。但该专利技术没有扩张弱势群体影响边界，不能使自车针对高风险的障碍物提供更多的安全缓冲。
[0006]专利文献CN112258841B公开了一种基于它车辆轨迹预测的智能车辆风险评估方法，包括轨迹预测步骤和威胁评估步骤；所述轨迹预测步骤采用深度学习算法，利用NGSIM数据集训练和评估行为预测模型，实现驾驶意图分类，得到自主车辆的轨迹概率分布；所述威胁评估步骤通过车辆风险评估函数来定量、客观地评估每个状态下的威胁，所述车辆风
险评估函数包括碰撞时间TTC、车头时距TH和增强碰撞时间ETTC。但该专利技术不能够识别弱势群体行驶意图。

技术实现思路

[0007]针对现有技术中的缺陷，本专利技术的目的是提供一种应用于自动驾驶的交通弱势群体碰撞风险评估方法及系统。
[0008]根据本专利技术提供的一种应用于自动驾驶的交通弱势群体碰撞风险评估方法，包括：
[0009]步骤S1：识别和获取预设群体的类型、位置、速度和朝向信息，获取车辆位置速度信息，获取预设群体所处的交通环境信息；
[0010]步骤S2：利用获取到的预设群体的速度、位置和朝向信息，对预设群体的行驶意图进行分类和识别；
[0011]步骤S3：基于预设群体的历史多帧信息，结合预设群体的行驶意图，对预设群体的行驶轨迹进行预测；
[0012]步骤S4：根据行驶目标生成备选轨迹，并将备选轨迹与预设群体的预测轨迹进行碰撞检测，预设群体根据行驶意图扩张影响边界，计算碰撞的位置和碰撞的时间；
[0013]步骤S5：计算预设群体与车辆碰撞风险。
[0014]优选地，在所述步骤S1中：
[0015]根据激光雷达、摄像头和雷达识别和获取车辆周围预设群体的类型、位置、速度和朝向信息；根据地图和定位信息，获取车辆自身所处的位置速度信息，获取预设群体所处的周围交通环境信息。
[0016]优选地，在所述步骤S2中：
[0017]利用获取到的预设群体的速度、位置和朝向信息，对预设群体的行驶意图进行分类和识别，识别过程为：
[0018]步骤S2.1：根据预设群体的类型，将预设群体分为非机动车和行人；
[0019]步骤S2.2：基于预设群体所处的位置，对角色进行识别；
[0020]对于非机动车类群体，如非机动车处于非路口状态下，查看其是否处于自行车道内，如果其处于自行车道内，则处于正常行驶的状态，关注等级较低；如其处于机动车道内，关注的等级较高；如非机动车处于路口状态中，查看其是否处于人行横道的一侧，如其处于人行横道的一侧，则处于等待绿灯通行的状态，如果非机动车正处于人行横道中，则处于穿行的状态，提升关注等级，如果非机动车未处于人行横道中，处于机动车行驶区域内，提升关注等级至最高；
[0021]对于行人类群体，如处于非路口状态下，查看其是否在人行道上行走，如果行人在人行道上走，关注的等级较低，如果行人处于非机动车道，提升关注等级，如果行人处于机动车道，提升关注等级至最高；如处于路口状态下，查看行人是否处于路口内，如果行人处于路口之外，降低关注等级，如果行人处于人行横道两侧，提升关注等级，如果行人处于人行横道中，提升关注等级至最高；
[0022]步骤S2.3：根据预设群体的当前位置、速度和朝向以及过去预设时间的位置速度和朝向，对群体的行为意图进行识别；对于非机动车，如其在非机动车道上行驶，检查其当
前速度和朝向是否与其所处车道的朝向一致，如果保持一致，那么非机动车仍保持直行的概率较高；如果非机动车道上有静止的车辆或其他障碍物，检查其是否阻挡了非机动车的行驶，如果其阻挡非机动车行驶，那么非机动车有预设概率向机动车道侵入；如果非机动车在所在车道进行逆行，则检查其相邻车道是否与非机动车道有物理阻挡，如果没有，非机动车有预设概率跨越车道间界限来到机动车道内；如非机动车处于路口中，根据其所处的人行道位置以及其速度，判断非机动车未来的行驶方向，如果非机动车处于机动车行驶范围，则结合交通灯信息，查看当时交通灯绿灯的方向，判断非机动车未来的行驶方向；
[0023]对于行人，如果行人处于非机动车道或机动车道内，需要根据其朝向和速度，判断行人的穿行走向，如果其处于人行道内，则其对自车行驶的影响概率较低；如果行人处于路口中，需要结合交通灯信息，预估行人穿行的可能性，如果行人已经实施穿行，则根据其速度和朝向判断其未来的目的地。
[0024]优选地，在所述步骤S3中：
[0025]基于预设群体的历史多帧信息，结合预设群体的行驶意图，利用深度学习的方法对预设群体的行驶本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种应用于自动驾驶的交通弱势群体碰撞风险评估方法，其特征在于，包括：步骤S1：识别和获取预设群体的类型、位置、速度和朝向信息，获取车辆位置速度信息，获取预设群体所处的交通环境信息；步骤S2：利用获取到的预设群体的速度、位置和朝向信息，对预设群体的行驶意图进行分类和识别；步骤S3：基于预设群体的历史多帧信息，结合预设群体的行驶意图，对预设群体的行驶轨迹进行预测；步骤S4：根据行驶目标生成备选轨迹，并将备选轨迹与预设群体的预测轨迹进行碰撞检测，预设群体根据行驶意图扩张影响边界，计算碰撞的位置和碰撞的时间；步骤S5：计算预设群体与车辆碰撞风险。2.根据权利要求1所述的应用于自动驾驶的交通弱势群体碰撞风险评估方法，其特征在于，在所述步骤S1中：根据激光雷达、摄像头和雷达识别和获取车辆周围预设群体的类型、位置、速度和朝向信息；根据地图和定位信息，获取车辆自身所处的位置速度信息，获取预设群体所处的周围交通环境信息。3.根据权利要求1所述的应用于自动驾驶的交通弱势群体碰撞风险评估方法，其特征在于，在所述步骤S2中：利用获取到的预设群体的速度、位置和朝向信息，对预设群体的行驶意图进行分类和识别，识别过程为：步骤S2.1：根据预设群体的类型，将预设群体分为非机动车和行人；步骤S2.2：基于预设群体所处的位置，对角色进行识别；对于非机动车类群体，如非机动车处于非路口状态下，查看其是否处于自行车道内，如果其处于自行车道内，则处于正常行驶的状态，关注等级较低；如其处于机动车道内，关注的等级较高；如非机动车处于路口状态中，查看其是否处于人行横道的一侧，如其处于人行横道的一侧，则处于等待绿灯通行的状态，如果非机动车正处于人行横道中，则处于穿行的状态，提升关注等级，如果非机动车未处于人行横道中，处于机动车行驶区域内，提升关注等级至最高；对于行人类群体，如处于非路口状态下，查看其是否在人行道上行走，如果行人在人行道上走，关注的等级较低，如果行人处于非机动车道，提升关注等级，如果行人处于机动车道，提升关注等级至最高；如处于路口状态下，查看行人是否处于路口内，如果行人处于路口之外，降低关注等级，如果行人处于人行横道两侧，提升关注等级，如果行人处于人行横道中，提升关注等级至最高；步骤S2.3：根据预设群体的当前位置、速度和朝向以及过去预设时间的位置速度和朝向，对群体的行为意图进行识别；对于非机动车，如其在非机动车道上行驶，检查其当前速度和朝向是否与其所处车道的朝向一致，如果保持一致，那么非机动车仍保持直行的概率较高；如果非机动车道上有静止的车辆或其他障碍物，检查其是否阻挡了非机动车的行驶，如果其阻挡非机动车行驶，那么非机动车有预设概率向机动车道侵入；如果非机动车在所在车道进行逆行，则检查其相邻车道是否与非机动车道有物理阻挡，如果没有，非机动车有预设概率跨越车道间界限来到机动车道内；如非机动车处于路口中，根据其所处的人行道
位置以及其速度，判断非机动车未来的行驶方向，如果非机动车处于机动车行驶范围，则结合交通灯信息，查看当时交通灯绿灯的方向，判断非机动车未来的行驶方向；对于行人，如果行人处于非机动车道或机动车道内，需要根据其朝向和速度，判断行人的穿行走向，如果其处于人行道内，则其对自车行驶的影响概率较低；如果行人处于路口中，需要结合交通灯信息，预估行人穿行的可能性，如果行人已经实施穿行，则根据其速度和朝向判断其未来的目的地。4.根据权利要求1所述的应用于自动驾驶的交通弱势群体碰撞风险评估方法，其特征在于，在所述步骤S3中：基于预设群体的历史多帧信息，结合预设群体的行驶意图，利用深度学习的方法对预设群体的行驶轨迹进行预测。具体为：步骤S3.1：采集预设群体数据，包括速度和朝向信息；步骤S3.2：根据预设群体的类别和意图进行分类，建立起不同的神经网络模型，分别训练出不同场景下的预设群体轨迹预测模型；步骤S3.3：将轨迹预测模型部署至自动驾驶车辆，实时根据感知到预设群体信息，对预设群体的轨迹进行预测，给出多条可能路径和各个路径的概率。5.根据权利要求1所述的应用于自动驾驶的交通弱势群体碰撞风险评估方法，其特征在于，在所述步骤S4中：自动驾驶车辆决策规划模块根据行驶目标生成备选轨迹，并将轨迹与预设群体的预测轨迹进行碰撞检测，预设群体根据其行驶意图扩张影响边界，计算出碰撞的位置和碰撞的时间，具体的方法为：步骤S4.1：根据预设群体位置和行驶意图，评估其对自动驾驶车辆产生影响的大小，如果预设群体处于横穿、逆行状态中，对自动驾驶车辆的影响增加，其影响边界也相应扩张；步骤S4.2：预设群体的影响边界以多边形的形式存在，当其意图评估为需要重点关注，则对影响边界进行向四周的延伸，并且向预设群体的行动目标点进行延伸；步骤S4.3：进行碰撞检测时，在每一个时间点形成预设群体的影响范围，并在对应时间形成自车的多边形包络，检测两者是否出现重叠，如果出现重叠，意味着在未来这个时间点自动驾驶车辆与预设群体发生了碰撞，如果未出现重叠，计算两者之间的距离，并根据最近的距离计算风险系数。6.根据权利要求1所述的应用于自动驾驶的交通弱势群体碰撞风险评估方法，其特征在于，在所述步骤S5中：计算预设群体与自动驾驶车辆碰撞风险，具体步骤为：步骤S5.1：根据预设群体行驶意图，确定碰撞基础风险，如果关注等级较低，那么预设群体与自车发生碰撞的概率较低，如果关注等级较高，那么预设群体与自车发生碰撞的概率较高，基础风险也较高；步骤S5.2：根据碰撞检测结果，确定加成风险，加成风险与车辆是否与预设群体发生碰撞相关，如果未发生碰撞，则与轨迹最小距离相关，如果碰撞或最小距离发生时间小于预设值，风险较高，需要立刻采取措施避免碰撞发生；如果碰撞或最小距离发生时间在预设时间之间，风险中等，根据其综合风险限制自车行驶速度；如果碰撞或最小距离发生时间大于预设值，进一步考虑预设群体行驶意图的不确定性，如果预设群体处于稳定性符合预设标准
的行驶状态，自车采取限速行...

【专利技术属性】
技术研发人员：廖文龙，王帝，何弢，张润玺，
申请(专利权)人：上海酷移机器人有限公司，
类型：发明
国别省市：