一种基于驾驶人感知的行车风险量化方法、系统及设备技术方案

本发明专利技术公开了一种基于驾驶人感知的行车风险量化方法、系统及设备，其中行车风险量化方法包括如下步骤：获取自车的风险感知因子；基于风险感知因子，通过行车风险量化表达式，得到表征行车风险的行车风险值；其中，自车的风险感知因子通过自车的瞬时加速度表征。与现有技术相比，本发明专利技术的行车风险量化方法从驾驶人感知角度出发，以驾驶人所采取的加速度作为驾驶人感知的风险因子，基于该风险因子的行车风险量化方法可以从驾驶人的感知角度来表达环境中其它交通车对自车行车安全的影响，利于车辆发现早期安全隐患，可以为行车预警机制提供依据，也可以从驾驶人感知角度量化自动驾驶车辆在执行某个策略时可能面临的行车风险，为其决策提供参考依据。其决策提供参考依据。其决策提供参考依据。

【技术实现步骤摘要】
一种基于驾驶人感知的行车风险量化方法、系统及设备


[0001]本专利技术属于安全风险评估
，具体涉及一种基于驾驶人感知的行车风险量化方法、系统及设备。

技术介绍

[0002]在交通安全领域，行车风险的量化可以为车辆提供交通环境中行驶态势信息，有利于车辆及时做出判断，提前规避风险，保障车辆的行驶安全。
[0003]人类驾驶人作为车辆的操纵者与乘坐者，会根据驾驶经验，最先感知到行车的危险程度，并不断调整车辆降低行车风险，若从驾驶人感知角度评估行车风险，有利于车辆发现早期的安全隐患并及时规避，但是现有技术中的行车风险评估大多围绕车辆发生冲突展开研究，并以常见的运动学指标来量化行车风险，较少有从驾驶人感知角度进行风险量化的方法。

技术实现思路

[0004]为解决上述现有技术中的问题，本专利技术公开了一种基于驾驶人感知的行车风险量化方法，具体技术方案如下：
[0005]一种基于驾驶人感知的行车风险量化方法，包括如下步骤：
[0006]获取自车的风险感知因子；
[0007]基于风险感知因子，通过行车风险本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于驾驶人感知的行车风险量化方法，其特征在于，包括如下步骤：获取自车的风险感知因子；基于风险感知因子，通过行车风险量化表达式，得到表征行车风险的行车风险值；其中，自车的风险感知因子通过自车的瞬时加速度表征。2.根据权利要求1所述的行车风险量化方法，其特征在于，所述自车为人工驾驶车辆，所述自车的风险感知因子为自车实际的瞬时加速度，所述行车风险量化表达式为：其中，R
human
为人工驾驶车辆的行车风险值、a为人工驾驶车辆实际的瞬时加速度。3.根据权利要求1所述的行车风险量化方法，其特征在于，所述自车为自动驾驶车辆，获取自车的风险感知因子的方法为：基于NGSIM数据库构建风险感知因子预测模型的输入集、输出集；利用风险感知因子预测模型的输入集、输出集对基于高斯过程的回归预测模型进行训练，构建风险感知因子预测模型；根据所述风险感知因子预测模型预测风险感知因子；其中，所述风险感知因子预测模型包括横向风险感知因子预测模型、纵向风险感知因子预测模型，所述风险感知因子包括根据横向风险感知因子预测模型预测的横向风险感知因子、根据纵向风险感知因子预测模型预测的纵向风险感知因子。4.根据权利要求3所述的行车风险量化方法，其特征在于，基于NGSIM数据库构建风险感知因子预测模型的输入集、输出集的方法为：基于NGSIM数据库构建自车行车风险的初始影响特征集；根据特征影响度与特征冗余度对初始影响特征集进行特征筛选得到影响特征集；获取影响特征集在[t
‑
ΔT,t]时间段内的均值、标准差作为风险感知因子预测模型的输入，构建输入集，获取t时刻的瞬间加速度作为模型的输出，构建输出集，ΔT为驾驶人反应滞后时间；其中，初始影响特征集包括初始横向影响特征集、初始纵向影响特征集，影响特征集包括用于训练横向风险感知因子预测模型的横向影响特征集、用于训练纵向风险感知因子预测模型的纵向影响特征集。5.根据权利要求4所述的行车风险量化方法，其特征在于，根据特征影响度与特征冗余度对初始影响特征集进行特征筛选得到影响特征集的方法为：计算初始影响特征集中的初始特征与其对应的t时刻的瞬时加速度的皮尔逊相关系数值，筛选出皮尔逊系数值≥0.6的初始特征作为特征影响度高的初始特征；计算筛选出的初始特征之间的皮尔逊相关系数值，剔除掉互关性强的两个初始特征中的特征影响度较低的初始特征，得到影响特征集，其中互关性强指的是两个初始特征之间的皮尔逊相关系数≥0.8。6.根据权利要求4所述的行车风险量化...

【专利技术属性】
技术研发人员：任园园，赵兰，李显生，席建锋，崔晓彤，王杰，
申请(专利权)人：吉林大学，
类型：发明
国别省市：