一种考虑不确定性的自动驾驶风险评估方法
专利汇可以提供一种考虑不确定性的自动驾驶风险评估方法专利检索，专利查询，专利分析的服务。并且本 发明 涉及一种考虑不确定性的自动驾驶 风 险评估方法，本发明方法包括先验环境地图构建步骤、交通参与车辆状态观测步骤、自车执行轨迹调取步骤、基于先验知识的自适应多目标追踪步骤，通过驾驶行为似然估计、轨形匹配、轨迹预测，利用多安全裕度对行车碰撞风险估计，最后输出 时空 行车风险态势图进行评估，可以实现自动驾驶的多安全裕度风险估计，提高自动驾驶对环境的适应能 力 ，使自动驾驶过程更加平稳可靠。，下面是一种考虑不确定性的自动驾驶风险评估方法专利的具体信息内容。
1.一种考虑不确定性的自动驾驶风险评估方法，其特征在于，该方法包括以下步骤：
1)构建先验环境地图，并获取道路信息；
2)观测交通参与车辆状态，获取状态数据；
3)获取自车执行轨迹，将状态数据与自车执行轨迹融合至构建的先验环境地图，获取实时环境地图；
4)构建基于扩展卡尔曼滤波的自适应交互式多模型数据关联为框架的多目标追踪预测模型，将交通知识、道路知识、车辆知识和驾驶员知识输入模型中，输出交通参与车辆状态的多目标追踪估计结果，所述的多目标追踪估计结果包括多目标追踪轨迹及轨迹状态信息；
5)结合先验知识和多目标追踪估计结果对交通参与车辆进行行为识别与分类；
6)根据道路信息获取道路曲率，根据多目标追踪轨迹的状态信息获取曲率变化，对曲率变化和道路曲率做差分，获取驾驶行为似然估计的结果，根据驾驶行为似然估计的结果调取对应行为的路径库，并结合多目标追踪估计结果匹配对应的路径作为轨形；
7)将匹配的轨形与多目标追踪估计结果作为输入，基于模型预测控制获取交通参与车辆预测轨迹；
8)基于多裕度安全机制，计算碰撞联合概率，输出包含时空碰撞风险的概率地图，根据包含时空碰撞风险的概率地图对自动驾驶风险进行评估。
2.根据权利要求1所述的一种考虑不确定性的自动驾驶风险评估方法，其特征在于，步骤2)中，所述的观测交通参与车辆状态包括空间观测和时间观测，所述的空间观测获取车辆水平面内的位置和朝向角，所述的时间观测获取车辆的速度、加速度和横摆角速度。
3.根据权利要求1所述的一种考虑不确定性的自动驾驶风险评估方法，其特征在于，步骤4)具体包括以下步骤：
41)根据道路信息的道路曲率先验知识和模型概率进行模型转移概率的自适应调整，获取交互后的模型输入状态和协方差矩阵；对于模型i的转移概率调整内容为：
411)模型i在时刻k模型转移概率调整因子为：
412)模型i在时刻k的模型转移概率的表达式为：
Pii,k＝max{1,αi,k·Pii,k-1}
413)其他模型在时刻k模型转移概率的表达式为：
j＝1,...M且j≠i
其中，ui,k为模型i在k时刻的模型概率，ui,k-1为模型i在k-1时刻的模型概率，M为总的模型数量；
42)利用无偏直线匀速模型、无偏直线匀加速模型、无偏匀角速度模型和无偏匀角加速度模型的扩展卡尔曼滤波进行下一步的状态预测和协方差预测；
43)根据道路曲率先验知识和车辆动力学约束的先验知识，计算关联波门的上下限和波门的形状，并自适应调整关联波门；
44)利用无偏直线匀速模型、无偏直线匀加速模型、无偏匀角速度模型和无偏匀角加速度模型的扩展卡尔曼滤波进行下一步的状态、协方差、新息和新息的协方差更新；
45)结合新息和新息的协方差进行模型似然估计，并更新模型概率；
46)输出交通参与车辆状态的估计结果。
4.根据权利要求3所述的一种考虑不确定性的自动驾驶风险评估方法，其特征在于，无偏直线匀速模型、无偏直线匀加速模型、无偏匀角速度模型和无偏匀角加速度模型的输入为测量的障碍物的距离rm和方位角θm，其中：
无偏直线匀速模型的系统方程的表达式为：
无偏直线匀加速模型系统方程的表达式为：
无偏匀角速度模型系统方程的表达式为：
无偏匀角加速度模型系统方程的表达式为：
式中：x(t)、y(t)分别为t时刻目标的纵向位置与横向位置， 分别为t时刻目标的纵向速度与横向速度， 分别为t时刻目标的纵向加速度与横向加速度，ω为目标的横摆角速度，α为机动频率，wc(t)为系统噪声。
5.根据权利要求4所述的一种考虑不确定性的自动驾驶风险评估方法，其特征在于，采用道路曲率、车速以及车辆转弯半径计算波门的上下限和波门的形状，具体内容为：
波门总体由三段圆弧组成，分别标记为 其长度的表达式为：
其中，Rρ为波门切圆弧半径，lv为波门长度，θρ为波门切圆弧半径与波门长度lv的夹角，θv为波门长度lv的夹角，各参数的表达式为：
lv＝αego·vego·Tego
θv＝π-2·θρ
式中：ρroad为当前道路的曲率，ρego为自车当前的转弯曲率，βego为波门半径系数，αego为波门长度系数，vego为自车当前车速，Tego为自车感知系统采样周期。
6.根据权利要求5所述的一种考虑不确定性的自动驾驶风险评估方法，其特征在于，自适应调整关联波门具体包括下列步骤：
431)对当前波门进行判断，若当前波门内有交通参与车辆的量测值，则跳转至步骤
44)，若无，则执行步骤432)；
432)将波门沿纵向放大，并在放大后的波门内检测是否有量测值落入，若有，则跳转至步骤44)，若无，则执行步骤433)；
433)将步骤432)中放大的波门沿纵向再次放大，并在放大后的波门内检测是否有量测值落入，若有，则跳转到步骤44)若无，则执行步骤434)；
434)将波门沿横向放大，并在在放大后的波门内检测是否有量测值落入，若有或者横向未执行到波门边缘，则跳转到步骤44)，否则，执行步骤431)。
7.根据权利要求6所述的一种考虑不确定性的自动驾驶风险评估方法，其特征在于，步骤8)具体包括以下步骤：
81)将车辆碰撞分为两级，第一级为以车辆纵向最短安全距离为长半轴，侧面最短安全距离为短半轴构造的椭圆区，该区域内若出现存在障碍物的点，则认为100％发生碰撞，第二级为满足舒适性为前提的椭圆区，该区域为以车辆纵向舒适安全距离为长半轴，侧面舒适安全距离为短半轴构造的椭圆区域，该区域为正态分布的碰撞区，第二级椭圆区位于第一级椭圆区外；碰撞联合概率由障碍物的点靠近第一级椭圆区的距离的远近决定，其数值范围为0％～100％；
82)沿障碍物的预测轨迹以及自车执行轨迹，按照执行时间步长，对每一个节点的碰撞联合概率进行估计；
83)根据步骤82)的估计结果，输出包含每个节点在每一时刻的碰撞联合概率的时空行车风险态势图。
8.根据权利要求7所述的一种考虑不确定性的自动驾驶风险评估方法，其特征在于，碰撞联合概率的计算内容为：
若障碍物的点落在第一级椭圆区内，则碰撞联合概率为：
Pcollision＝100％
若障碍物的点落在第二级椭圆区外，则碰撞联合概率为：
Pcollision＝0％
若障碍物的点落在第一级椭圆区外，第二级椭圆区内，则碰撞联合概率为：
Pcollision＝max{Pcollisionx,Pcollisiony}
其中：
式中：x、y为障碍物点在地图中的坐标位置，σx、σy分别为纵、横向的安全距离的均方差，μx、μy分别为纵、横向的安全距离的期望。
9.根据权利要求8所述的一种考虑不确定性的自动驾驶风险评估方法，其特征在于，若车辆纵向最短安全距离为Δa，侧面最短安全距离为Δb，则车辆纵向舒适安全距离为max{Δa,Δa+(vego-vcar)2/aego}，侧面舒适安全距离为max{Δb，Δb+(vego-vcar)2/aego}。
10.根据权利要求9所述的一种考虑不确定性的自动驾驶风险评估方法，其特征在于，所述的包含时空碰撞风险的概率地图为包含障碍物车辆预测的轨迹、与该轨迹对应的碰撞联合概率的栅格地图。
一种考虑不确定性的自动驾驶风险评估方法
技术领域
背景技术
发明内容
度，α表示机动频率，wc(t)表示系统噪声。
具体实施方式
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种基于自编码观测器的卫星敏感器故障检测定位方法 | 2020-05-08 | 267 |
| 一种惯性导航系统误差模型的降维RTS椭球集员平滑方法 | 2020-05-11 | 220 |
| 一种基于图神经网络的状态空间概率性多时间序列预测方法 | 2020-05-08 | 993 |
| 基于自适应的四元数的姿态估计方法及装置 | 2020-05-08 | 539 |
| 一种基于车载经纬仪的自定位定向系统及方法 | 2020-05-08 | 245 |
| X射线脉冲双星光子序列仿真方法 | 2020-05-11 | 331 |
| 一种基于视觉、GPS与高精度地图融合的车辆定位方法 | 2020-05-11 | 69 |
| 一种基于心率变异性的睡眠分期方法 | 2020-05-11 | 530 |
| 基于DR/USBL的深潜载人潜水器组合导航方法 | 2020-05-08 | 543 |
| 基于递归压缩感知的电力线通信系统脉冲噪声抑制方法 | 2020-05-08 | 292 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
