一种时空耦合的驾驶风险描述方法技术

本发明专利技术公开了一种时空耦合的驾驶风险描述方法，包括：

【技术实现步骤摘要】
一种时空耦合的驾驶风险描述方法


[0001]本专利技术涉及汽车安全与测试验证的
，特别涉及一种时空耦合的驾驶风险描述方法
。

技术介绍

[0002]提出了越来越高的要求
。
自动驾驶汽车以计算机
、
现代汽车产业技术为基础，以数字化
、
智能化为依托实现，其代表了汽车领域新时代的发展方向，也有望成为未来交通工具中重要的组成部分
。
因此，在自动驾驶技术的发展中对其安全评估技术进行研究，一方面可以极大地推动技术迭代与产品升级，另一方面可以很大程度提高消费者对于高等级自动驾驶车辆的信任度
。
确保自动驾驶功能的安全性一直是一个基本要求，特别是对各种条件下的风险进行量化
。
[0003]目前，各种近似代用指标被用于安全评估，可分为时间性指标
、
基于行为的指标和距离指标
。
不同的指标有不同的最佳应用范围，取决于指标的类型
。
例如，时间性指标，如碰撞时间
(TTC)
和行车时间
(TH)
是最常用的指标，因为它们易于使用且具有普遍适用性
。
诸如
MTTC、TIT
和
TET
等指标是通过考虑加速度和危险持续时间等因素从
TTC
衍生出来的
。
基于行为的指标，如避免碰撞的减速率
(DRAC)
是描述制动行为的理想选择，而潜在碰撞严重性指数
(PCSI)
考虑到碰撞角度的影响，衡量碰撞严重性的优秀指标
。
英特尔公司提出的责任敏感安全
(RSS)
模型这样的距离指标对于评估纵向和横向的安全距离是有良好效果
。
[0004]尽管上述近端代用指标已被广泛使用，但某些局限性仍未得到解决
。
这些指标都与评估潜在的碰撞对象有关，这在复杂的多目标情景中可能是一个挑战
。
具体来说，许多方法缺乏对横向情景的评价，并且显示出多个指标之间的一致性很差
。
随着测试评估需求变得越来越复杂，一种通用的评估方法是必要的
。
关键的解决方案是，从评估自车和物体之间的关系作为代理指标转变为评估自我车辆可用空间内的风险分布
。

技术实现思路

[0005]针对现有技术中存在的不足之处，本专利技术的目的是提供一种时空耦合的驾驶风险描述方法，能够从风险概率和强度两个维度展示一个特定的自动驾驶场景中的真实风险情况，适用于横纵向耦合的复杂交通场景，实现对风险更为真实与通用的刻画
。
为了实现根据本专利技术的上述目的和其他优点，提供了一种时空耦合的驾驶风险描述方法，包括：
[0006]S1、
获取自动驾驶车感知区域内所有感知物体位置信息及动态信息及将所有感知信息在地图中进行初始化安置；
[0007]S2、
同时进行风险概率计算与风险强度计算；
[0008]S3、
通过接受的风险概率栅格地图与风险强度栅格地图，进行风险的量化耦合计算，将输出风险值，作为自车当前运动状态下未来一段观测时域内的空间风险分布；
[0009]还包括地图栅格化模块
、
与地图栅格化模块信号连接的风险强度计算模块与风险概率计算模块及同时与风险强度计算模块及风险概率计算模块信号连接的的时空耦合的
风险量化描述模块
。
[0010]优选的，地图栅格化模块用于通过占用栅格网格方法，将自动驾驶车感知范围内所有感知物体位置信息
、
动态信息映射至网格中，将所有感知信息在地图中进行初始化安置，处理完栅格化方法后，将该栅格地图信息传入风险概率计算模块与风险强度计算模块；
[0011]风险概率计算模块用于根据地图栅格化获得的信息，通过运动学预测方法实现运动物体在未来一段时空上出现概率的估计及获取栅格地图内所有其他交通参与者信息，计算其在未来一个短时间窗口中所处空间位置的更新分布；
[0012]风险强度计算模块用于根据接受栅格地图所有感知物体信息，计算指定空间位置如果出现障碍物的并与自车当前运动状态碰撞导致的强度
。
[0013]优选的，风险强度计算模块根据感知区域内当前交通参与者状态信息
、
动态信息，计算每个存在占有概率的空间位置上，交通参与者运动状态信息与自车运动状态的碰撞风险评估；其中，全空间上的强度分布为不同目标下的风险强度耦合叠加
。
[0014]优选的，时空耦合的风险量化描述模块将根据
ISO 26262
提供的风险量化算法构建一个耦合的风险量化模型，将步骤
S2
计算所得风险概率与风险强度进行综合评估计算
。
[0015]优选的，步骤
S2
中风险概率计算如下：
[0016][0017]其中，
P
(x,y)
为指定空间位置
(x,y)
上所有出现交通参与者的概率总和，
T
为观测的时间窗口，
t
为时间窗口内每个时间步长
。
[0018]优选的，步骤
S2
中风险强度计算如下：
[0019][0020]其中，
I
(x,y)
为在当前空间位置
(x,y)
下的风险强度，
K
为交通参与者集合，
k
为当前选定的交通参与者，
v1为自车车辆速度，
v
k
为选定的交通参与者，
d
为两辆车空间位置距离，
Δ
v
为两车的相对碰撞速度，
ε
和
b
为调整因子
。
[0021]优选的，步骤
S3
中风险的量化耦合计算如下：
[0022]R
(x,y)
＝
P
(x,y)
×
I
(x,y)
[0023]其中，
R
(x,y)
是在当前空间位置
(x,y)
下的耦合风险，
P
(x,y)
为指定空间位置
(x,y)
上所有出现交通参与者的概率总和，
I
(x,y)
为在当前空间位置
(x,y)
下的风险强度
。
[0024]本专利技术与现有技术相比，其有益效果是：通过风险概率
‑
风险强度耦合模型对风险进行全面描述，能够真实地还原风险的实际情况
。
获取当前感知范围内的交通参与者状态信息，并建立一种便于计算
、
便于求解的风险评估指标，从事故发生的概率与事故发生的强度两个维度建模，综合构建一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种时空耦合的驾驶风险描述方法，其特征在于，包括以下步骤：
S1、
获取自动驾驶车感知区域内所有感知物体位置信息及动态信息及将所有感知信息在地图中进行初始化安置；
S2、
同时进行风险概率计算与风险强度计算；
S3、
通过接受的风险概率栅格地图与风险强度栅格地图，进行风险的量化耦合计算，将输出风险值，作为自车当前运动状态下未来一段观测时域内的空间风险分布；还包括地图栅格化模块
、
与地图栅格化模块信号连接的风险强度计算模块与风险概率计算模块及同时与风险强度计算模块及风险概率计算模块信号连接的的时空耦合的风险量化描述模块
。2.
如权利要求1所述的一种时空耦合的驾驶风险描述方法，其特征在于，地图栅格化模块用于通过占用栅格网格方法，将自动驾驶车感知范围内所有感知物体位置信息
、
动态信息映射至网格中，将所有感知信息在地图中进行初始化安置，处理完栅格化方法后，将该栅格地图信息传入风险概率计算模块与风险强度计算模块；风险概率计算模块用于根据地图栅格化获得的信息，通过运动学预测方法实现运动物体在未来一段时空上出现概率的估计及获取栅格地图内所有其他交通参与者信息，计算其在未来一个短时间窗口中所处空间位置的更新分布；风险强度计算模块用于根据接受栅格地图所有感知物体信息，计算指定空间位置如果出现障碍物的并与自车当前运动状态碰撞导致的强度
。3.
如权利要求2所述的一种时空耦合的驾驶风险描述方法，其特征在于，风险强度计算模块根据感知区域内当前交通参与者状态信息
、
动态信息，计算每个存在占有概率的空间位置上，交通参与者运动状态信息与自车运动状态的碰撞风险评估；其中，全空间上的强度分布为不同目标下的风险强度耦合叠加
。4.
如权利要求3所述的一种时空耦合的驾驶风险描述方法，其特征在于，时空耦合的风险量化描述模块将根据
ISO 26262
提供的风险量化算法构建一个耦合的风险量化模型，将步骤
S2

【专利技术属性】
技术研发人员：胡笳，张瑞聪，严学润，赖金涛，熊璐，徐恬，
申请(专利权)人：同济大学，
类型：发明
国别省市：