【技术实现步骤摘要】
本专利技术涉及智能交通，特别涉及一种自动驾驶车辆违反交通安全常识的风险评估方法及装置。
技术介绍
1、随着汽车自动化水平的提高，驾驶过程中遇到的驾驶任务和驾驶场景也越来越复杂，给自动驾驶汽车带来巨大的安全挑战。自动驾驶汽车的风险评估技术对于驾驶安全来说是必要的，现已成为汽车工业中的一个重要课题，逐渐应用到目标车辆决策和控制领域。
2、相关技术中，针对目标车辆驾驶行为的风险评估技术多侧重于违反交通规则的形式化或风险量化过程，没有系统地对目标车辆违反安全常识驾驶行为(即，没有违反交通法规，但又可能导致事故或危险情况的异常驾驶行为)的研究，进而导致目标车辆和交通参与者的安全受到威胁。
3、基于此，目前亟需一种自动驾驶车辆违反交通安全常识的风险评估方法及装置来解决上述技术问题。
技术实现思路
1、为了保障目标车辆和交通参与者的生命和财产安全，本专利技术实施例提供了一种自动驾驶车辆违反交通安全常识的风险评估方法及装置。
2、第一方面，本专利技术实施例提供了一种自动驾驶车辆违反交通安全常识的风险评估方法，包括：
3、获取用于表征目标车辆运动状态的行驶数据；其中，所述行驶数据包括目标车辆速度、目标车辆加速度、更换车道数、更换车道频率、换道时长、横向偏移量和运动时间；
4、基于所述行驶数据对违反交通安全常识的驾驶行为进行量化处理，得到所述驾驶行为的风险指标；其中，所述驾驶行为包括急加减速行为、频繁换道行为、不良跟驰行为、蛇形驾驶行为和减速
5、基于主客观权重分配法对所述风险指标进行处理，得到所述驾驶行为的综合风险评估值；
6、基于聚类分析法对所述综合风险评估值进行计算，得到所述驾驶行为的风险等级。
7、优选地，所述风险指标是通过如下公式计算得到：
8、
9、
10、
11、dx(t)＝|x(t)-x(t-1)|
12、
13、式中，r1为急加减速行为的风险指标；r2为频繁换道行为的风险指标；r3为不良跟驰行为的风险指标；r4为蛇形驾驶行为的风险指标；t为当前时间帧；t为参考时间；ae为目标车辆在第e帧处的加速度；为目标车辆在参考时间内的平均加速度；f为调整参数；t0为频繁换道时间；n为更换车道数；b，c均为后车速度和前后车相对速度的信息增益；d为相对加速度效应的增益；vego为后车的速度；vr,y和ar,y为后车与前车的相对速度与相对加速度；为两车的相对距离；x(t)为第t帧处目标车辆的横向坐标；x(t-1)为第t-1帧处目标车辆的横向坐标；dx(t)为目标车辆在[t-1,t]帧时间内的横向偏移量；std(dx(t-t),···,dx(t))为参考时间内研究目标车辆在每一帧内横向位移的标准差；mean(dx(t-t),···,dx(t))为参考时间内研究目标车辆在每一帧内横向位移的平均值。
14、优选地，所述减速不当行为的风险指标具体是通过如下方式判断得到的：
15、当所述目标车辆的减速度小于4m/s2时，如果行人进入斑马线区域时所述目标车辆的速度小于8m/s，将所述减速不当行为的风险指标设置为0；
16、当所述目标车辆的减速度大于或等于4m/s2时，如果行人进入斑马线区域时所述目标车辆的速度大于或等于8m/s，将所述减速不当行为的风险指标设置为0.3；如果行人进入斑马线区域时所述目标车辆的速度大于或等于11m/s，将所述减速不当行为的风险指标设置为0.6；如果行人进入斑马线区域时所述目标车辆的速度大于或等于13m/s，将所述减速不当行为的风险指标设置为0.9；如果行人进入斑马线区域时所述目标车辆的速度大于或等于18m/s，将所述减速不当行为的风险指标设置为1。
17、优选地，所述基于主客观权重分配法对所述风险指标进行处理，得到所述驾驶行为的综合风险评估值，包括：
18、对所述风险指标进行标准化处理，得到标准指标；
19、获取所述标准指标的主观权重值；
20、基于熵权法，计算所述标准指标的客观权重值；
21、基于所述主观权重值和所述客观权重值，得到所述驾驶行为的综合风险评估值。
22、优选地，所述综合风险评估值是通过如下公式计算得到的：
23、
24、
25、
26、
27、ωi＝ω1i+ω2i
28、
29、式中，i是违反安全常识的驾驶行为风险指标类型编号；ri为编号为i的驾驶行为的风险指标；si为标准指标；pi是驾驶行为i对应的风险指标在系统状态中出现的概率；ei为第i个指标的信息熵；m为风险指标的个数；ω1i为主观权重值；ω2i为客观权重值；se为综合风险评估值。
30、优选地，所述基于聚类分析法对所述综合风险评估值进行计算，得到所述驾驶行为的风险等级，包括：
31、获取所述驾驶行为在不同时间段计算得到的综合风险评估值；
32、将所述综合风险评估值输入预先训练好的高斯混合模型，输出得到所述驾驶行为的最终聚类结果；其中，所述训练好的高斯混合模型是通过对初始高斯混合模型的参数进行更新至模型收敛得到的；
33、基于贝叶斯信息准则计算所述最终聚类结果的最佳聚类数量，得到所述驾驶行为的风险等级。
34、优选地，所述驾驶行为的风险等级是通过如下公式计算得到的：
35、
36、
37、
38、
39、λj＝argmaxh∈{1,2,…k}γjh
40、bic＝cln(n)-2ln(l)
41、式中，αh、μh和∑h均为高斯分布参数；h为高斯组别索引，1≤h≤k；k为高斯混合模型簇的个数；j为综合风险值的索引，1≤j≤n；n为数据集中的综合风险值的总数；μ′h为更新后的均值向量；μ′h为更新后的协方差；α′h为更新后的混合系数；xj为不同阶段计算得到的综合风险值se；γjh为后验概率；λj为最终聚类结果；bic为贝叶斯信息准则；c为高斯混合模型参数的个数；n为综合风险评估值的数量；l为似然函数。
42、第二方面，本专利技术实施例还提供了一种自动驾驶车辆违反交通安全常识的风险评估装置，包括：
43、获取模块，用于获取用于表征目标车辆运动状态的行驶数据；其中，所述行驶数据包括目标车辆速度、目标车辆加速度、更换车道数、更换车道频率、换道时长、横向偏移量和运动时间。
44、第一处理模块，用于基于所述行驶数据对违反交通安全常识的驾驶行为进行量化处理，得到所述驾驶行为的风险指标；其中，所述驾驶行为包括急加减速行为、频繁换道行为、不良本文档来自技高网...
【技术保护点】
1.一种自动驾驶车辆违反交通安全常识的风险评估方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述风险指标是通过如下公式计算得到：
3.根据权利要求1所述的方法，其特征在于，所述减速不当行为的风险指标具体是通过如下方式判断得到的：
4.根据权利要求1所述的方法，其特征在于，所述基于主客观权重分配法对所述风险指标进行处理，得到所述驾驶行为的综合风险评估值，包括：
5.根据权利要求4所述的方法，其特征在于，所述综合风险评估值是通过如下公式计算得到的：
6.根据权利要求1所述的方法，其特征在于，所述基于聚类分析法对所述综合风险评估值进行计算，得到所述驾驶行为的风险等级，包括：
7.根据权利要求6所述的方法，其特征在于，所述驾驶行为的风险等级是通过如下公式计算得到的：
8.一种自动驾驶车辆违反交通安全常识的风险评估装置，其特征在于，包括：
9.一种电子设备，其特征在于，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时，实现如权利要求1-7中任
10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行权利要求1-7中任一项所述的方法。
...【技术特征摘要】
1.一种自动驾驶车辆违反交通安全常识的风险评估方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述风险指标是通过如下公式计算得到：
3.根据权利要求1所述的方法，其特征在于，所述减速不当行为的风险指标具体是通过如下方式判断得到的：
4.根据权利要求1所述的方法，其特征在于，所述基于主客观权重分配法对所述风险指标进行处理，得到所述驾驶行为的综合风险评估值，包括：
5.根据权利要求4所述的方法，其特征在于，所述综合风险评估值是通过如下公式计算得到的：
6.根据权利要求1所述的方法，其特征在于，所述基于聚...
【专利技术属性】
技术研发人员：曹耀光，王瑜，杨世春，孙玢，卢家怿，冯鑫杰，许靖云，张博奥，闫啸宇，周帆，任秉韬，
申请(专利权)人：北京航空航天大学，
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。