【技术实现步骤摘要】
本专利技术主要涉及自动驾驶系统，具体地涉及一种自动驾驶系统的异常检测方法、系统及计算机可读介质。
技术介绍
1、随着智能驾驶技术的快速发展，各公司已相继推出自己的自动驾驶系统，例如pilot系统，自动驾驶系统作为汽车行业的重要创新之一，其重要性日益凸显。自动驾驶系统的核心功能在于全方位感知车辆周边环境、精准制定行驶策略、迅速做出决策并高效实施控制，以达成自动化驾驶体验。然而，要确保pilot系统在实际应用中既高效又安全，对其进行全面的检测、评估与持续监控显得尤为关键。
2、以往对自动驾驶系统的异常检测和评估手段，通常依赖于主观观察、复杂的测试场景和模拟驾驶。通过主观观察来评估系统性能，这种方法不可避免地引入了人为因素，即不同驾驶员或观察者的主观偏见，可能导致评估结果存在显著的不一致性和偏差。利用复杂的测试场景和模拟驾驶环境进行测试，尽管这种方法能在一定程度上模拟多种驾驶情境，但受限于模拟环境的真实性及数据的覆盖范围，往往难以全面反映实际道路中的复杂多变情况。某些评估方法缺乏实时性，无法为pilot系统提供即时的性能反馈，这不仅限制了系统性能的优化空间，也妨碍了对系统状态进行有效的实时监控与调整。现有的自动驾驶系统的检测、评估方法存在效果不好的问题。
技术实现思路
1、本申请所要解决的技术问题是提供一种自动驾驶系统的异常检测方法、系统及计算机可读介质，可以实时客观全面地检测自动驾驶系统的异常情况，提高了自动驾驶系统的检测、评估效果。
2、本申请为解决上述技术问
3、在本申请的一实施例中，根据车辆行驶数据计算纵向加速度异常次数的步骤包括：从车辆行驶数据中筛选出纵向控车模式数据；从纵向控车模式数据中筛选出纵向加速度信号；对纵向加速度信号进行滤波处理，获得滤波纵向加速度信号；根据滤波纵向加速度信号计算纵向加速度变化率；若纵向加速度变化率大于第一预设阈值，则纵向加速度异常次数累加一次；其中，第一预设阈值大于0。
4、在本申请的一实施例中，根据车辆行驶数据计算制动异常次数的步骤包括：从车辆行驶数据中筛选出纵向控车模式数据；从纵向控车模式数据中筛选出纵向加速度信号；对纵向加速度信号进行滤波处理，获得滤波纵向加速度信号；根据滤波纵向加速度信号计算纵向加速度变化率；若纵向加速度变化率大于第二预设阈值且纵向加速度信号小于第三预设阈值，则制动异常次数累加一次；其中，第二预设阈值大于0，第三预设阈值小于0。
5、在本申请的一实施例中，对纵向加速度信号进行滤波处理的步骤包括：根据巴特沃斯滤波器对纵向加速度信号进行低通滤波处理。
6、在本申请的一实施例中，根据滤波纵向加速度信号计算纵向加速度变化率的步骤包括：采用下面的公式计算纵向加速度变化率：
7、纵向加速度变化率＝(当前帧-上一帧)/(当前时刻-上一时刻)
8、其中，当前帧表示当前时刻的滤波纵向加速度信号，上一帧表示上一时刻的滤波纵向加速度信号。
9、在本申请的一实施例中，根据车辆行驶数据计算画龙次数的步骤包括：从车辆行驶数据中筛选出转向扭杆扭矩小于等于第四预设阈值的第一行驶数据；其中，第四预设阈值大于0；从第一行驶数据中筛选出转向灯关闭时的第二行驶数据；从第二行驶数据中筛选出横向加速度信号；根据横向加速度信号和预设规则计算画龙次数。
10、在本申请的一实施例中，根据横向加速度信号和预设规则计算画龙次数的步骤包括：判断在预设时长内横向加速度信号是否出现两次波峰波谷；若判断为是，且其中至少一个波峰或至少一个波谷的绝对值大于第五预设阈值，以及其中一个波峰波谷的差值大于第六预设阈值、另一个波峰波谷的差值大于第七预设阈值，则画龙次数累加一次；其中，第五预设阈值大于0，第六预设阈值大于0，第七预设阈值大于0。
11、在本申请的一实施例中，根据纵向加速度异常次数、制动异常次数和画龙次数获得自动驾驶系统的用户体感指标的步骤包括：采用下面的公式计算用户体感指标：
12、用户体感指标＝α*纵向加速度异常次数+β*制动异常次数+γ*画龙次数
13、其中，α表示第一权重系数，β表示第二权重系数，γ表示第三权重系数，α+β+γ＝1。
14、本申请为解决上述技术问题还提出一种自动驾驶系统的异常检测系统，包括：存储器，用于存储可由处理器执行的指令；处理器，用于执行指令以实现如上的自动驾驶系统的异常检测方法。
15、本申请为解决上述技术问题还提出一种存储有计算机程序代码的计算机可读介质，计算机程序代码在由处理器执行时实现如上的自动驾驶系统的异常检测方法。
16、本申请的技术方案可以实时获取自动驾驶系统的车辆行驶数据，通过计算出纵向加速度异常次数，可以评估行驶过程中的平稳性；通过计算出制动异常次数，可以评估制动系统的点刹、急刹情况，进而评估系统的安全性；通过计算出画龙次数，可以评估车辆行驶轨迹的不稳定程度；通过综合纵向加速度异常次数、制动异常次数和画龙次数，得出自动驾驶系统的用户体感指标，可以全面衡量驾驶的舒适性、安全性和行为规范性。本申请可以实时客观全面地检测自动驾驶系统的异常情况，提高了自动驾驶系统的检测、评估效果。本申请的用户体感指标可以为优化自动驾驶系统的性能、改善用户体验提供多维度的指导。
本文档来自技高网...【技术保护点】
1.一种自动驾驶系统的异常检测方法，其特征在于，包括：
2.如权利要求1所述的自动驾驶系统的异常检测方法，其特征在于，根据所述车辆行驶数据计算纵向加速度异常次数的步骤包括：
3.如权利要求1所述的自动驾驶系统的异常检测方法，其特征在于，根据所述车辆行驶数据计算制动异常次数的步骤包括：
4.如权利要求2或3所述的自动驾驶系统的异常检测方法，其特征在于，对所述纵向加速度信号进行滤波处理的步骤包括：根据巴特沃斯滤波器对所述纵向加速度信号进行低通滤波处理。
5.如权利要求2或3所述的自动驾驶系统的异常检测方法，其特征在于，根据所述滤波纵向加速度信号计算纵向加速度变化率的步骤包括：采用下面的公式计算所述纵向加速度变化率：
6.如权利要求1所述的自动驾驶系统的异常检测方法，其特征在于，根据所述车辆行驶数据计算画龙次数的步骤包括：
7.如权利要求6所述的自动驾驶系统的异常检测方法，其特征在于，根据所述横向加速度信号和预设规则计算所述画龙次数的步骤包括：
8.如权利要求1所述的自动驾驶系统的异常检测方法，其特征在
9.一种自动驾驶系统的异常检测系统，其特征在于，包括：
10.一种存储有计算机程序代码的计算机可读介质，其特征在于，所述计算机程序代码在由处理器执行时实现如权利要求1-8任一项所述的自动驾驶系统的异常检测方法。
...【技术特征摘要】
1.一种自动驾驶系统的异常检测方法，其特征在于，包括：
2.如权利要求1所述的自动驾驶系统的异常检测方法，其特征在于，根据所述车辆行驶数据计算纵向加速度异常次数的步骤包括：
3.如权利要求1所述的自动驾驶系统的异常检测方法，其特征在于，根据所述车辆行驶数据计算制动异常次数的步骤包括：
4.如权利要求2或3所述的自动驾驶系统的异常检测方法，其特征在于，对所述纵向加速度信号进行滤波处理的步骤包括：根据巴特沃斯滤波器对所述纵向加速度信号进行低通滤波处理。
5.如权利要求2或3所述的自动驾驶系统的异常检测方法，其特征在于，根据所述滤波纵向加速度信号计算纵向加速度变化率的步骤包括：采用下面的公式计算所述纵向加速度变化率：
6.如权利要求1所述的自动驾驶系统的异常检...
【专利技术属性】
技术研发人员：罗震阳，高峰，孟帅琦，
申请(专利权)人：合众新能源汽车股份有限公司，
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。