用于无人驾驶系统中的数据处理方法技术方案

本发明专利技术涉及数据处理技术领域，具体涉及用于无人驾驶系统中的数据处理方法，采集无人驾驶系统车辆检测到的道路车辆总数、车辆间位置距离、各车辆行驶速度及照度数据，根据各车辆间位置距离得到无人车辆的车距综合隐患指数；根据各车辆行驶速度数据得到无人车辆的车速综合安全指数；根据无人车辆的车距综合隐患指数、车速综合安全指数及照度数据得到无人驾驶系统的综合风险评估系数；根据各时刻无人驾驶系统的综合风险评估系数结合自回归移动平均模型对未来时刻无人驾驶系统的综合风险评估系数进行预测。从而实现无人驾驶系统中的数据处理，提高了无人驾驶系统风险评估准确性，提高了无人驾驶系统车辆安全性，具有较高风险检测实时性。测实时性。测实时性。

【技术实现步骤摘要】
用于无人驾驶系统中的数据处理方法


[0001]本申请涉及数据处理
，具体涉及用于无人驾驶系统中的数据处理方法。

技术介绍

[0002]随着现在社会经济和城市化进程的不断发展，车辆作为一种方便快捷的交通工具，作为车辆行业发展的方向和潮流，无人驾驶系统通过视觉、定位、测绘等技术，可以持续收集交通信息，不仅能够解放驾驶员的双手，而且可以减少驾驶员个人超速、疲劳、醉酒驾驶等造成的事故，提高驾驶的安全行，备受行业关注。风险预测是无人驾驶系统中的一部分，帮助无人驾驶系统可以更好地应对紧急情况，提高行车安全性，还可以为无人驾驶系统进行最佳安全行驶策略提供关键信息，使其能够在不同的道路交通和天气条件下做出更明智的决策。
[0003]无人驾驶系统所需实时性较高，数据规模较大，而且实际道路交通条件复杂多变，传统预测算法，如灰色预测模型对数据的微小变化较为敏感，若数据变化较大，则预测结果误差较大；若采用EMA算法对其进行预测，由于无人驾驶系统风险的影响因素可能存在非线性关系，而EMA算法本质上是进行线性加权平均，该算法可能难以捕捉这种复杂的非线性关系。
[0004]综上所述，本专利技术提出用于无人驾驶系统中的数据处理方法，通过采集无人驾驶系统车辆检测到的道路车辆数据，获取各时刻无人驾驶系统综合风险评估系数，结合自回归移动平均模型对未来时刻的综合风险评估系数进行预测，提高了无人驾驶系统车辆安全性。

技术实现思路

[0005]为了解决上述技术问题，本专利技术提供用于无人驾驶系统中的数据处理方法，以解决现有的问题。
[0006]本专利技术的用于无人驾驶系统中的数据处理方法采用如下技术方案：
[0007]本专利技术一个实施例提供了用于无人驾驶系统中的数据处理方法，该方法包括以下步骤：
[0008]采集无人驾驶系统车辆检测到的道路车辆总数、车辆间位置距离、各车辆行驶速度及照度；将无人驾驶系统车辆记为无人车辆；
[0009]根据各车辆相对无人车辆的位置得到各车辆的位置权重；根据车辆间位置距离及各车辆的位置权重得到无人车辆的车距隐患因子；获取各车辆的车距隐患因子；根据各车辆的车距隐患因子得到道路车距综合隐患因子；根据道路车距综合隐患因子得到无人车辆的车距综合隐患指数；根据各车辆行驶速度数据得到车速隐患车辆数；根据车速隐患车辆数得到无人车辆的车速综合安全指数；根据无人车辆的车距综合隐患指数及车速综合安全指数得到无人车辆的交通综合隐患指数；根据照度得到无人车辆的可视风险评价指数；根据无人车辆的交通综合隐患指数及可视风险评价指数得到无人驾驶系统的综合风险评估
系数；
[0010]获取各时刻无人驾驶系统的综合风险评估系数；根据各时刻无人驾驶系统的综合风险评估系数结合自回归移动平均模型对未来时刻无人驾驶系统的综合风险评估系数进行预测。
[0011]优选的，所述根据各车辆相对无人车辆的位置得到各车辆的位置权重，具体为：
[0012]当各车辆与无人车辆处于相同车道时，将各车辆的距离权重设置为2；当各车辆与无人车辆处于不同车道时，将各车辆的距离权重设置为1。
[0013]优选的，所述根据车辆间位置距离及各车辆的位置权重得到无人车辆的车距隐患因子，具体包括：
[0014]对于与无人车辆近邻的多个车辆，获取各车辆与无人车辆之间的距离；计算各车辆距离权重的倒数与所述距离的乘积；计算所有所述乘积的和值；将所述和值的倒数作为无人车辆的车距隐患因子。
[0015]优选的，所述根据各车辆的车距隐患因子得到道路车距综合隐患因子。具体包括：
[0016]计算各车辆的距离权重与车距隐患因子的乘积；计算所述乘积的均值；将所述均值作为道路车距综合隐患因子。
[0017]优选的，所述根据道路车距综合隐患因子得到无人车辆的车距综合隐患指数，具体包括：将无人车辆的归一化车距隐患因子与道路车距综合隐患因子的和值作为无人车辆的车距综合隐患指数。
[0018]优选的，所述根据各车辆行驶速度数据得到车速隐患车辆数，表达式为：
[0019][0020]为第时刻的车速隐患车辆数；为初始车速隐患车辆数；为第时刻无人驾驶系统车辆的车速；为第时刻探测到所有车辆中的最大速度，为第时刻探测到所有车辆中的最小速度，为第时刻探测的所有车辆的总数，表示向上取整。
[0021]优选的，所述根据车速隐患车辆数得到无人车辆的车速综合安全指数，具体包括：
[0022]获取距离无人车辆近邻的多个车辆记为近邻车辆，近邻车辆的数量与车速隐患车辆数相同；将近邻车辆速度的均值作为无人车辆的车速隐患因子；计算无人车辆的速度与车速隐患因子的差值绝对值；计算所有所述差值绝对值的和值；获取以自然常数为底数、以车速隐患因子相反数为指数的指数函数的计算结果；将所述计算结果与所述和值的比值作为无人车辆的车速综合安全指数。
[0023]优选的，所述无人车辆的交通综合隐患指数，具体为：将无人车辆的车距综合隐患指数与车速综合安全指数的比值作为无人车辆的交通综合隐患指数。
[0024]优选的，所述根据照度得到无人车辆的可视风险评价指数，具体包括：
[0025]预设照度阈值；将照度小于照度阈值的无人车辆的可视风险评价指数预设为0；对于照度大于照度阈值的无人车辆，计算无人车辆照度与照度阈值的差值，将所述差值与照度阈值的比值作为无人车辆的可视风险评价指数。
[0026]优选的，所述无人驾驶系统的综合风险评估系数，具体为：将无人车辆的交通综合隐患指数与可视风险评价指数的乘积作为无人驾驶系统的综合风险评估系数。
[0027]本专利技术至少具有如下有益效果：
[0028]本专利技术通过结合道路车辆运动特征，对未来时刻的无人驾驶系统的综合风险评估系数进行预测，解决了道路交通情况数据规模较大导致无人驾驶系统风险预测不准确的问题，避免了复杂道路交通情况与交通风险之间存在非线性关系导致无人驾驶系统风险难以预测的问题，考虑到了道路车辆的整体信息和天气情况对道路安全风险的影响，提高了无人驾驶系统对道路安全风险检测的准确性，具有较高风险检测实时性；
[0029]本专利技术提出用于无人驾驶系统中的数据处理方法，采集无人驾驶系统车辆检测到的道路车辆位置、车辆速度和外部照度数据，根据临近车辆、同一车道车辆对无人驾驶系统车辆的影响，结合车辆之间车距的关系构建车距综合隐患指数；根据车辆速度及车辆间相对速度构建车速综合安全指数；根据车距综合隐患指数、车速综合安全指数及外部照度得到各时刻无人驾驶系统综合风险评估系数，输入到自回归移动平均模型（ARIMA）中，对下一时刻的风险进行较为准确、综合的评估，提高了无人驾驶系统风险评估准确性，提高了无人驾驶系统车辆安全性。
附图说明
[0030]为了更清楚地说明本专利技术实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.用于无人驾驶系统中的数据处理方法，其特征在于，该方法包括以下步骤：采集无人驾驶系统车辆检测到的道路车辆总数、车辆间位置距离、各车辆行驶速度及照度数据；将无人驾驶系统车辆记为无人车辆；根据各车辆相对无人车辆的位置得到各车辆的位置权重；根据车辆间位置距离及各车辆的位置权重得到无人车辆的车距隐患因子；获取各车辆的车距隐患因子；根据各车辆的车距隐患因子得到道路车距综合隐患因子；根据道路车距综合隐患因子得到无人车辆的车距综合隐患指数；根据各车辆行驶速度数据得到车速隐患车辆数；根据车速隐患车辆数得到无人车辆的车速综合安全指数；根据无人车辆的车距综合隐患指数及车速综合安全指数得到无人车辆的交通综合隐患指数；根据照度得到无人车辆的可视风险评价指数；根据无人车辆的交通综合隐患指数及可视风险评价指数得到无人驾驶系统的综合风险评估系数；获取各时刻无人驾驶系统的综合风险评估系数；根据各时刻无人驾驶系统的综合风险评估系数结合自回归移动平均模型对未来时刻无人驾驶系统的综合风险评估系数进行预测。2.如权利要求1所述的用于无人驾驶系统中的数据处理方法，其特征在于，所述根据各车辆相对无人车辆的位置得到各车辆的位置权重，具体为：当各车辆与无人车辆处于相同车道时，将各车辆的距离权重设置为；当各车辆与无人车辆处于不同车道时，将各车辆的距离权重设置为； 、分别为预设权重，其中。3.如权利要求1所述的用于无人驾驶系统中的数据处理方法，其特征在于，所述根据车辆间位置距离及各车辆的位置权重得到无人车辆的车距隐患因子，具体包括：对于与无人车辆近邻的多个车辆，获取各车辆与无人车辆之间的距离；计算各车辆距离权重的倒数与所述距离的乘积；计算所有所述乘积的和值；将所述和值的倒数作为无人车辆的车距隐患因子。4.如权利要求1所述的用于无人驾驶系统中的数据处理方法，其特征在于，所述根据各车辆的车距隐患因子得到道路车距综合隐患因子，具体包括：计算各车辆的距离权重与车距隐患因子的乘积；计算所述乘积的均值；将所述均值作为道路车距综合隐患因子。5.如权利要求1所述的用于...

【专利技术属性】
技术研发人员：杨扬，胡心怡，
申请(专利权)人：上海伯镭智能科技有限公司，
类型：发明
国别省市：