CN110239533B - 确定车辆的驾驶风险的方法、设备、装置和可读存储介质 - Google Patents

确定车辆的驾驶风险的方法、设备、装置和可读存储介质 Download PDF

Info

Publication number
CN110239533B
CN110239533B CN201910381122.2A CN201910381122A CN110239533B CN 110239533 B CN110239533 B CN 110239533B CN 201910381122 A CN201910381122 A CN 201910381122A CN 110239533 B CN110239533 B CN 110239533B
Authority
CN
China
Prior art keywords
vehicle
risk value
determining
driver
category
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910381122.2A
Other languages
English (en)
Other versions
CN110239533A (zh
Inventor
侯琛
俞一帆
张云飞
王涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tencent Technology Shenzhen Co Ltd
Original Assignee
Tencent Technology Shenzhen Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tencent Technology Shenzhen Co Ltd filed Critical Tencent Technology Shenzhen Co Ltd
Priority to CN201910381122.2A priority Critical patent/CN110239533B/zh
Publication of CN110239533A publication Critical patent/CN110239533A/zh
Application granted granted Critical
Publication of CN110239533B publication Critical patent/CN110239533B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/06—Direction of travel
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/10—Longitudinal speed
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2530/00—Input parameters relating to vehicle conditions or values, not covered by groups B60W2510/00 or B60W2520/00
    • B60W2530/10—Weight
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2552/00—Input parameters relating to infrastructure
    • B60W2552/05—Type of road
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects

Abstract

本公开提供了一种用于确定车辆的驾驶风险的方法、设备、装置和可读存储介质。所述方法包括：确定道路上的物体所属的类别；基于所述类别确定所述物体的绝对风险值和参考风险值；基于所述物体的绝对风险值和参考风险值确定所述物体的相对风险值，将所述物体的相对风险值作为所述物体对于所述车辆的风险值。所述类别包括车辆类别，在确定所述物体属于车辆类别的情况下，基于所述类别确定所述物体的绝对风险值包括：基于所述物体的驾驶员情况和运动情况确定所述物体所属的类型。所述类型包括有驾驶员静止车辆和无驾驶员静止车辆，在确定所述物体属于有驾驶员静止车辆的类型的情况下，基于所述物体的驾驶员影响因子确定所述物体的绝对风险值。

Description

确定车辆的驾驶风险的方法、设备、装置和可读存储介质
技术领域
本公开涉及驾驶风险领域，具体的涉及一种用于确定车辆的驾驶风险的方法、设备、装置和可读存储介质。
背景技术
在驾驶车辆的过程中，遇到的物体以及驾驶车辆的驾驶员均会对车辆的安全驾驶造成一些影响并产生一定的风险，使所述车辆处于危险之中。可以计算物体或者驾驶员对于所述车辆的风险值来表示所述危险，计算得到的风险值越大表明所述车辆所处的危险越高，即越有可能发生诸如碰撞的交通事故。现有确定所述车辆的风险值的方法计算的风险值为绝对风险值，并不能直观地反映车辆面临的危险程度，并且需要获取诸如车辆精确的质量值、物体精确的质量值等参数，成本较高、计算复杂。
发明内容
本公开提供一种用于确定车辆的驾驶风险的方法、设备、装置和介质，用于计算更直观的反映车辆面临的危险程度的相对风险值，并且无需获取大量参数。
根据本公开的一方面，提供了一种用于确定车辆的驾驶风险的方法，包括：确定道路上的物体所属的类别；基于所述类别确定所述物体的绝对风险值和参考风险值；基于所述物体的绝对风险值和参考风险值确定所述物体的相对风险值，将所述物体的相对风险值作为所述物体对于所述车辆的风险值。
根据本公开的一些实施例，所述类别包括车辆类别，在确定所述物体属于车辆类别的情况下，基于所述类别确定所述物体的绝对风险值包括：基于所述物体的驾驶员情况和运动情况确定所述物体所属的类型。
根据本公开的一些实施例，所述类型包括有驾驶员静止车辆和无驾驶员静止车辆，确定所述物体的绝对风险值包括：在确定所述物体属于有驾驶员静止车辆的类型的情况下，基于所述物体的驾驶员影响因子确定所述物体的绝对风险值。
根据本公开的一些实施例，所述类型包括无驾驶员运动车辆和有驾驶员运动车辆，确定所述物体的绝对风险值包括：在确定所述物体属于无驾驶员运动车辆的类型的情况下，基于所述物体的运动影响因子确定所述物体的绝对风险值；以及在确定所述物体属于有驾驶员运动车辆的类型的情况下，基于所述物体的驾驶员影响因子和运动影响因子确定所述物体的绝对风险值，其中，所述运动影响因子与所述物体的运动速度、运动方向、以及所述物体与所述车辆之间的距离相关。
根据本公开的一些实施例，在确定所述物体属于车辆类别的情况下，所述方法还包括：基于所述物体的质量确定所述物体所属的质量级别，基于所述物体所属的质量级别确定所述物体的绝对风险值，其中，所述质量级别包括大型车辆、中型车辆、小型车辆和微型车辆。
根据本公开的一些实施例，在确定所述物体属于车辆类别的情况下，所述方法还包括：基于所述物体的功能确定所述物体所属的功能级别，基于所述物体所属的功能级别确定所述物体的绝对风险值，其中，所述功能级别包括对应于功能车辆的第一功能级别和对应于普通车辆的第二功能级别。
根据本公开的一些实施例，所述类别包括车道线类别，在确定所述物体属于车道线类别的情况下，所述方法还包括：基于违反所述车道线的处罚程度确定所述物体所属的处罚级别，基于所述物体所属的处罚级别确定所述物体的绝对风险值。
根据本公开的一些实施例，所述方法还包括：基于所述车道线与所述车辆之间的距离以及对应于所述车道线的道路宽度确定所述物体的绝对风险值。
根据本公开的一些实施例，确定所述物体的绝对风险值还包括：基于所述物体的道路条件影响因子确定所述物体的绝对风险值，所述物体的道路条件影响因子表示道路条件对所述物体的风险影响。
根据本公开的一些实施例，所述方法还包括：基于历史事故率和道路类型中的至少一种确定所述物体的道路条件影响因子。
根据本公开的另一方面，还提供了一种用于确定车辆的驾驶风险的设备，包括：类别确定单元，配置成确定道路上的物体所属的类别；风险值确定单元，配置成基于所述类别确定所述物体的绝对风险值和参考风险值；以及基于所述物体的绝对风险值和参考风险值确定所述物体的相对风险值，将所述物体的相对风险值作为所述物体对于所述车辆的风险值。
根据本公开的一些实施例，所述类别包括车辆类别，所述设备还包括类型确定单元，配置成在所述类别确定单元确定所述物体属于车辆类别的情况下，基于所述物体的驾驶员情况和运动情况确定所述物体所属的类型，其中，所述类型包括有驾驶员静止车辆和无驾驶员静止车辆，所述风险值确定单元还配置成在所述类型确定单元确定所述物体属于有驾驶员静止车辆的类型的情况下，基于所述物体的驾驶员影响因子确定所述物体的绝对风险值。
根据本公开的一些实施例，所述类型包括无驾驶员运动车辆和有驾驶员运动车辆，所述风险值确定单元还配置成在确定所述物体属于无驾驶员运动车辆的类型的情况下，基于所述物体的运动影响因子确定所述物体的绝对风险值；以及在确定所述物体属于有驾驶员运动车辆的类型的情况下，基于所述物体的驾驶员影响因子和运动影响因子确定所述物体的绝对风险值，其中，所述运动影响因子与所述物体的运动速度、运动方向、以及所述物体与所述车辆之间的距离相关。
根据本公开的一些实施例，所述设备还包括质量级别确定单元，配置成在确定所述物体属于车辆类别的情况下，基于所述物体的质量确定所述物体所属的质量级别，所述风险值确定单元还配置成基于所述物体所属的质量级别确定所述物体的绝对风险值，其中，所述质量级别包括大型车辆、中型车辆、小型车辆和微型车辆。
根据本公开的一些实施例，所述设备还包括功能级别确定单元，配置成在确定所述物体属于车辆类别的情况下，基于所述物体的功能确定所述物体所属的功能级别，所述风险值确定单元还配置成基于所述物体所属的功能级别确定所述物体的绝对风险值，其中，所述功能级别包括对应于功能车辆的第一功能级别和对应于普通车辆的第二功能级别。
根据本公开的一些实施例，所述类别包括车道线类别，所述设备还包括处罚级别确定单元，配置成在确定所述物体属于车道线类别的情况下，基于违反所述车道线的处罚程度确定所述物体所属的处罚级别，所述风险值确定单元还配置成基于所述物体所属的处罚级别确定所述物体的绝对风险值。
根据本公开的一些实施例，所述风险值确定单元还配置成基于所述物体的道路条件影响因子确定所述物体的绝对风险值，所述物体的道路条件影响因子表示道路条件对所述物体的风险影响。
根据本公开的一些实施例，所述风险值确定单元还配置成基于历史事故率和道路类型中的至少一种确定所述物体的道路条件影响因子。
根据本公开的又一实施例，还提供了一种用于确定车辆的驾驶风险的装置，包括：一个或多个处理器；和一个或多个存储器，其中，所述存储器中存储有计算机可读代码，所述计算机可读代码当由所述一个或多个处理器运行时，执行如上所述的用于确定车辆的驾驶风险的方法。
根据本公开的又一实施例，还提供了一种计算机可读存储介质，其上存储有指令，所述指令在被处理器执行时，使得所述处理器执行如上所述的用于确定车辆的驾驶风险的方法。
根据本公开提供的用于确定车辆的驾驶风险的方法可以基于物体所属的类别确定所述物体的绝对风险值，基于历史数据确定所述物体的参考风险值，然后基于所述物体的绝对风险值和参考风险值确定所述物体的相对风险值，将所述物体的相对风险值作为所述物体对于所述车辆的风险值，所述由绝对风险值和参考风险值计算得到的相对风险值能更直观地反映所述车辆的危险情况。
附图说明
为了更清楚地说明本公开实施例或现有技术中的技术方案，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地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，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，还可以根据这些附图获得其他的附图。
图1示出了车辆的驾驶风险的示意图；
图2示出了根据本公开实施例的用于确定车辆的驾驶风险的方法的流程图；
图3A示出了参考位移矢量与参考运动矢量的示意图；
图3B示出了道路宽度与垂直距离的示意图；
图4示出了根据本公开的确定车辆的驾驶风险的示例流程图；
图5示出了根据本公开实施例的用于确定车辆的驾驶风险的设备的示意性框图；
图6示出了根据本公开实施例的确定车辆的驾驶风险的装置的示意图；
图7示出了根据本公开实施例的示例性计算设备的架构的示意图；
图8示出了根据本公开实施例的存储介质的示意图。
具体实施方式
下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本公开一部分的实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例，都属于本公开保护的范围。
本公开中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。同样，“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。
本公开中使用了流程图用来说明根据本公开的实施例的方法的步骤。应当理解的是，前面或后面的步骤不一定按照顺序来精确的进行。相反，可以按照倒序或同时处理各种步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步。
如上所述，在驾驶车辆的过程中，所述车辆遇到的物体会对车辆的行驶安全造成影响并产生风险，使所述车辆处于危险之中。所述物体可以是在车辆行驶过程中遇到的任意物体，例如道路中的其他车辆、车道线等，还可以是路边的行人、障碍物等。图1示出了车辆的驾驶风险的示意图。如图1所示，道路中行驶有多个车辆，诸如车辆a1、a2、a3和a4，道路中的车辆均处于一定的危险之中。所述危险可以是发生碰撞或者是违反交通规则等。以车辆a1为例，其可能与道路中的车辆a2发生碰撞或者与图1中的绿化带栏杆a5发生碰撞。此外，车道线a6以及车辆a1和a2的驾驶员也会对车辆a1的行驶安全产生影响。可以对所述车辆a1遇到的物体，诸如车辆a2、a3和a4和车道线a6等进行分析，并计算所述物体对所述车辆a1的风险值，以表示车辆a1所处的危险的程度。
如上所述，现有的风险值计算方法仅计算车辆的绝对风险值，这并不能直观地反映车辆面临的危险程度，并且上述计算方法需要首先获取诸如车辆精确的质量值、物体精确的质量值等参数，计算成本较高并且算法复杂。进一步地，计算所述绝对风险值的参数的误差将直接影响计算的绝对风险值的准确性，在参数的误差较大的情况下，所述绝对风险值的可信度较低。
本公开提供一种用于确定车辆的驾驶风险的方法，可以基于物体所属的类别确定的绝对风险值以及基于历史数据确定的参考风险值确定车辆的相对风险值，以更直观地反映所述车辆的危险情况。
图2示出了根据本公开实施例的用于确定车辆的驾驶风险的方法的流程图。如图2所示，首先，在步骤S101，确定道路上的物体所属的类别。所述类别例如可以包括车辆类别和车道线类别。
接着，在步骤S102，基于所述类别确定所述物体的绝对风险值和参考风险值。所述绝对风险值可以是基于所述物体的真实数据计算得到的风险值。所述参考风险值可以是基于与所述物体相关的历史数据计算得到的风险值，可以作为标准的风险值。所述绝对风险值与所述参考风险值用于确定所述物体的相对风险值。将在下文中详细描述确定所述物体的绝对风险值和参考风险值的过程。
接着，在步骤S103，基于所述物体的绝对风险值和参考风险值确定所述物体的相对风险值，将所述物体的相对风险值作为所述物体对于所述车辆的风险值。例如，可以将所述绝对风险值与所述参考风险值的比值作为所述相对参考值，并以所述相对风险值作为所述物体对于所述车辆的风险值。又例如，还可以设置偏置值(诸如，1)，并将所述绝对风险值与偏置值的和以及所述参考风险值与偏置值的和的比值作为所述相对参考值。本文中，可以将所述物体表示为a，将所述车辆表示为j，所述相对风险值表示所述物体a对所述车辆j产生的危险程度。所述危险程度即表示所述车辆的驾驶风险。
根据本公开的一些实施例，所述类别可以包括车辆类别。例如，所述物体a是在道路上与所述车辆j(诸如图1中示出的车辆a1)相邻的另一车辆(诸如图1中示出的车辆a2)。
在上述实施例中，可以以符号j表示诸如a1的车辆，以符号a表示诸如a2的另一车辆。计算得到的相对风险值表示车辆a对于车辆j的产生的危险程度。所述用于确定车辆的驾驶风险的方法还可以包括：在确定所述物体属于车辆类别的情况下，基于所述物体的驾驶员情况和运动情况确定所述物体所属的类型。换句话说，在确定物体a为车辆a的情况下，可以基于所述车辆a的驾驶员情况和运动情况确定所述车辆a所属的类型。所述驾驶员情况可以是指所述车辆a的驾驶位置处是否有驾驶员，所述运动情况可以是指所述车辆a的运动速度等参数。
在上述实施例中，基于所述车辆a的驾驶员情况和运动情况确定的所述类型可以包括有驾驶员静止车辆和无驾驶员静止车辆。例如，可以依据车辆运动情况将所述车辆确定为静止车辆，即运动速度为0。然后可以依据所述静止车辆内是否有驾驶员将所述静止车辆进一步区分为有驾驶员静止车辆和无驾驶员静止车辆的两种类型。属于所述有驾驶员静止车辆的类型的车辆a例如可以是停靠在路边的车辆，并且车内有驾驶员；属于所述无驾驶员静止车辆的类型的车辆a例如可以是停靠在路边的车辆，并且车内没有驾驶员。
此外，还可以将道路中除了车辆之外的可能发生与物体j之间的碰撞的静止物体视为无驾驶员的静止车辆，所述静止物体例如可以是道路两侧的障碍、路基等。计算所述静止物体对于物体j的风险值的过程与计算无驾驶员静止车辆的过程类似，在此不再赘述。
在上述实施例中，在确定所述车辆a属于有驾驶员静止车辆的类型的情况下，可以基于所述车辆a的驾驶员影响因子D确定所述车辆a的绝对风险值。对于车辆a的驾驶员，基于该驾驶员的驾驶员影响因子D确定所述车辆a的绝对风险值表示所述绝对风险值考虑了驾驶员对于驾驶风险的影响。具体的，可以根据反映驾驶员的驾驶技能的参数确定所述驾驶员影响因子D，例如，所述参数可以包括驾驶员的年龄、车龄、性别、酒驾记录、驾驶年限等，上述参数例如可以通过驾照管理部门获得。
例如，在其他参数相同的情况下，对于具有酒驾记录的驾驶员，其驾驶员影响因子D的数值高于没有酒驾记录的驾驶员的驾驶员影响因子D，这表明所述有酒驾记录的驾驶员对于车辆j产生的危险程度较大。又例如，在其他参数相同的情况下，对于驾驶年限较低的驾驶员(诸如，1年)，其驾驶员影响因子D的数值高于驾驶年限较高(诸如，10年)的驾驶员的驾驶员影响因子D，这表明驾驶年限较低的驾驶员对于车辆j产生的危险程度较大。
在上述实施例中，基于驾驶员影响因子D确定的车辆a的绝对风险值可以是如上所述的基于所述车辆a的驾驶员的真实参数计算得到的风险值，以Da表示。此外，还可以基于历史数据确定基于驾驶员影响因子D的所述车辆a的参考风险值，以Da-ref表示。所述基于驾驶员影响因子的参考风险值Da-ref可以是用于确定所述绝对风险值Da的、包括驾驶员的年龄、车龄、性别、酒驾记录、驾驶年限等的参数的标准值。例如，对于上述酒驾记录的参数，可以将没有酒驾记录时对于驾驶风险的影响作为标准值；对于上述驾驶年限的参数，可以将驾驶年限为5年作为标准值。
然后，可以设置偏置值1，基于所述绝对风险值Da、参考风险值Da-ref和设置的偏置值确定相对风险值Da-relative，所述相对风险值考虑了车辆a的驾驶员影响因子D对于驾驶风险的影响程度，可以表示为：
Figure BDA0002053400880000081
此外，在确定车辆a对于车辆j的驾驶风险的过程中，车辆j的驾驶员也会对所述驾驶风险产生影响，由此还可以基于所述车辆j的驾驶员因子D确定所述相对风险值Dj-relative，表示为：
Figure BDA0002053400880000082
其中，基于驾驶员因子D确定的车辆j的绝对风险值Dj的计算过程与基于驾驶员因子D确定的车辆a的绝对风险值Da类似，在此不再赘述。此外，参考风险值Da-ref可以与Dj-ref相同。
基于此，在根据本公开的用于确定车辆的驾驶风险的方法中，考虑了静止车辆的驾驶员对于驾驶风险的影响。例如，对于停靠在路边的静止车辆a，车内的驾驶员可能会对车辆j的危险程度产生影响，例如，驾驶员可能会突然启动车辆a。又例如，在车辆j靠近有驾驶员的静止车辆a的情况下，所述驾驶员可能会做出一系列的操作，以避免发生碰撞。又例如，在车辆j碰撞上有驾驶员的静止车辆a的情况下，所述驾驶员还可能会采取一系列的避险行为以减小碰撞程度。本公开中考虑了静止车辆的驾驶员情况确定的风险值更接近真实的应用场景，有利于提高确定的风险值的准确性。
在上述实施例中，基于所述车辆a的驾驶员情况和运动情况确定的所述类型还可以包括无驾驶员运动车辆和有驾驶员运动车辆。例如，可以依据车辆运动情况将所述车辆确定为运动车辆，即运动速度不为0。然后可以依据所述运动车辆内是否有驾驶员将所述运动车辆进一步区分为有驾驶员静止车辆和无驾驶员静止车辆的两种类型。
在确定所述物体属于无驾驶员运动车辆的类型的情况下，可以基于所述物体的运动影响因子确定所述物体的绝对风险值，其中，所述运动影响因子可以以符号G表示。所述运动影响因子G与所述物体的运动速度、运动方向、以及所述物体与所述车辆之间的距离相关。
基于所述运动车辆a对于所述车辆j的运动影响因子可以确定绝对风险值Ga，表示为：
Figure BDA0002053400880000091
其中，vDopper表示声速，
Figure BDA0002053400880000092
表示物体a的、包含运动速度的大小以及运动方向的运动矢量，
Figure BDA0002053400880000093
表示物体a的运动速度的大小，θa表示运动矢量
Figure BDA0002053400880000094
与位移矢量
Figure BDA0002053400880000095
之间的角度，k1为预设系数。其中，所述位移矢量
Figure BDA0002053400880000096
表示车辆a指向车辆j的位移矢量。例如，
Figure BDA0002053400880000097
Xa(x,y)表示车辆a的坐标，Xj(x,y)表示车辆j的坐标。例如，可以将车辆a和车辆j的中心点分别作为所述车辆a和车辆j的坐标Xa(x,y)和Xj(x,y)。还可以将车辆a与车辆j之间距离最短的点作为所述车辆a和车辆j的坐标Xa(x,y)和Xj(x,y)，还可以根据具体的实际场景确定所述坐标点。
此外，还可以基于历史数据确定基于运动影响因子G的所述车辆a的参考风险值Gref，可以表示为：
Figure BDA0002053400880000098
其中，
Figure BDA0002053400880000099
表示车辆a的运动矢量
Figure BDA00020534008800000910
的参考值，例如，其大小
Figure BDA00020534008800000911
可以是道路允许的最大行驶速度，θa-ref表示θa的参考值，例如可以是参考运动矢量
Figure BDA00020534008800000912
与参考位移矢量
Figure BDA00020534008800000913
之间的角度。
图3A示出了参考位移矢量与参考运动矢量的示意图，如图3A所示，车辆j在车道一的中心线上行驶，车辆a在车道二的中心线上行驶，
Figure BDA00020534008800000914
表示车辆a与车辆j相距车辆安全距离(诸如，5米)的情况下的位移。参考运动矢量
Figure BDA00020534008800000915
表示大小为车道二允许的最大行驶速度且方向沿着车道中心线的矢量。
在确定基于车辆的运动影响因子的绝对风险值Ga以及参考风险值Ga-ref的情况下，可以将绝对风险值Ga以及参考风险值Ga-ref的比值确定为相对风险值Ga-relative，表示为：
Figure BDA0002053400880000101
此外，还可以将道路中除了车辆之外的可能发生与物体j之间的碰撞的运动物体视为无驾驶员的运动车辆，所述运动物体例如可以是滚动的石头等。计算所述运动物体对于物体j的风险值的过程与计算无驾驶员运动车辆的过程类似，在此不再赘述。
在上述实施例中，在确定所述物体属于有驾驶员运动车辆的类型的情况下，可以基于所述物体的驾驶员影响因子和运动影响因子确定所述物体的绝对风险值。换句话说，在确定所述物体属于有驾驶员运动车辆的类型的情况下，可以基于所述车辆a的驾驶员影响因子D和运动影响因子D确定所述物体的绝对风险值，例如，所述绝对风险值可以表示为车辆a的基于驾驶员影响因子计算的绝对风险值Da与基于运动影响因子计算的绝对风险值Ga的乘积，即Da*Ga。在此种情况下确定的相对风险值可以表示为：
Da-relative*Dj-relative*Ga-relative (6)
其中，以上示出的相对风险值考虑了车辆a的驾驶员影响因子D、车辆j的驾驶员影响因子D以及车辆a的运动影响因子G。
在上述实施例中，在确定所述物体属于车辆类别的情况下，所述用于确定车辆的驾驶风险的方法还可以包括：基于所述物体的质量确定所述物体所属的质量级别，基于所述物体所属的质量级别确定所述物体的绝对风险值。换句话说，基于所述车辆a的质量确定所述车辆a所属的质量级别Q，基于所述车辆a所属的质量级别Q确定所述车辆a的绝对风险值。例如，可以根据车辆的质量将其划分为包括大型车辆、中型车辆、小型车辆和微型车辆的质量级别。举例来说，所述大型车辆可以对应于质量大于12吨的车辆，所述中型车辆可以对应于质量小于12吨大于4吨的车辆，所述小型车辆可以对应于质量小于4吨大于2吨的车辆，所述微型车辆可以对应于质量小于2吨的车辆。
在车辆j行驶过程中，车辆a的质量越大，其对于所述车辆j的危险程度越高，例如，在发生碰撞的情况下，大型车辆对于车辆j的损坏程度远大于微型车辆对于车辆j的损坏程度。由此，可以为质量级别Q较高的车辆设置较高的危险系数。例如，可以为大型车辆、中型车辆、小型车辆和微型车辆分别设置危险系数Q1、Q2、Q3和Q4，并且，Q1>Q2>Q3>Q4，并将基于质量级别确定的危险系数作为所述车辆a的绝对风险值Qa。此外，还可以基于历史数据确定所述车辆a的参考风险值Qa-ref，例如，可以根据历史发生的交通事故中，车辆a的质量对于损害程度的影响的平均值作为所述参考风险值Qa-ref。或者，还可以将所述质量级别中的某一个危险系数确定为所述参考风险值Qa-ref，例如，参考风险值Qa-ref＝Q2。基于所述绝对风险值Qa和参考风险值Qa-ref可以确定所述车辆a的相对风险值Qa-relative，表示为：
Figure BDA0002053400880000111
在上述实施例中，在确定所述物体属于车辆类别的情况下，所述用于确定车辆的驾驶风险的方法还可以包括：基于所述物体的功能确定所述物体所属的功能级别，基于所述物体所属的功能级别确定所述物体的绝对风险值。换句话说，基于所述车辆a的功能确定所述车辆a所属的功能级别L，基于所述车辆a所属的功能级别L确定所述车辆a的绝对风险值La。所述功能级别可以包括对应于功能车辆的第一功能级别L1和对应于普通车辆的第二功能级别L2。
举例来说，所述第一功能级别L1可以对应于诸如洒水车、抢险车、救护车、警车等的功能车，所述第二功能级别L2可以对应于诸如非功能车的普通车。在行驶过程中，对应于第一功能级别L1的功能车可能由于执行任务的紧迫性而做出违反交通规则的行为，例如闯红灯、逆向行驶等。由此，属于所述第一功能级别L1的功能车对于车辆j的驾驶风险高于属于所述第二功能级别L2的普通车。由此，可以将第一功能级别L1的功能车的危险系数设置成高于所述第二功能级别L2的普通车的危险系数，并将所述危险系数作为所述绝对风险值La。此外，还可以基于历史数据确定所述车辆a的参考风险值La-ref，例如，可以将第一功能级别L1的危险系数与第二功能级别L2的危险系数的中间值作为所述车辆a的参考风险值La-ref。基于所述绝对风险值La和参考风险值La-ref可以确定所述车辆a的相对风险值La-relative，表示为：
Figure BDA0002053400880000121
在根据本公开的另一些实施例中，所述类别还可以包括车道线类别，所述用于确定车辆的驾驶风险的方法还可以包括：在确定所述物体属于车道线类别的情况下，基于违反所述车道线的处罚程度确定所述物体所属的处罚级别，基于所述物体所属的处罚级别确定所述物体的绝对风险值。换句话说，在此实施例中，所述物体a为车辆j行驶的道路两侧的车道线a，基于违反所述车道线a的处罚程度确定所述车道线a所属的处罚级别P，基于所述物体所属的处罚级别P确定所述物体的绝对风险值。尽管所述车道线不存在与车辆j发生直接碰撞的情况，但是，所述车道线的存在会对车辆j的驾驶产生影响，例如，车辆j的驾驶员需要遵守所述车道线的行驶规则，例如在车道线内驾驶。
例如，所述车道线a可以对应于白色虚线、白色实线、单黄色实线以及双黄色实线等，进一步的，可以根据交通法中违反所述车道线a的处罚程度确定所述车道线a所属的处罚级别P。例如，违反双黄色实线的处罚级别高于违反白色实线的处罚级别，由此，所述双黄色实线对于车辆j的驾驶风险的影响高于白色实线对于车辆j的驾驶风险的影响，可以为处罚级别较高的车道线a设置较高的危险系数，并将所述危险系数作为所述车道线a的绝对风险值Pa。此外，还可以基于历史数据确定所述车道线a的参考风险值Pa-ref，例如，可以将所有车道线的处罚级别的危险系数的平均值作为所述车辆a的参考风险值Pa-ref。基于所述绝对风险值Pa和参考风险值Pa-ref可以确定所述车道线a的相对风险值Pa-relative，表示为：
Figure BDA0002053400880000122
在上述实施例，所述用于确定车辆的驾驶风险的方法还可以包括：基于所述车道线与所述车辆之间的距离以及对应于所述车道线的道路宽度确定所述物体的绝对风险值PWa，表示为：
Figure BDA0002053400880000123
其中，k2为预设系数，W表示由车道线a确定的道路宽度的一半，
Figure BDA0002053400880000124
表示车道线a的边缘与车辆j之间的垂直距离。图3B示出了道路宽度与垂直距离的示意图，如图3B所示，此处的
Figure BDA0002053400880000125
可以为车道线a与车辆j之间的最近距离。此外，还可以基于历史数据确定所述车道线a的参考风险值PWa-ref，例如，可以将由标准双车道的道路宽度的一半确定为参考风险值PWa-ref，表示为：
PWa-ref＝Wref k2+1 (11)
基于所述绝对风险值PWa和参考风险值PWa-ref可以确定所述车道线a的相对风险值PWa-relative，表示为：
Figure BDA0002053400880000131
根据本公开实施例，确定所述物体的绝对风险值还可以包括：基于所述物体的道路条件影响因子确定所述物体的绝对风险值，所述物体的道路条件影响因子表示道路条件对所述物体的风险影响。
对于属于车辆类别的物体，可以基于所述车辆a的道路条件影响因子R确定所述车辆a的绝对风险值Ra，所述物体的道路条件影响因子R表示道路条件对所述车辆a的风险影响。例如，可以基于历史事故率将所述道路划分为事故高发路段R1和非事故高发路段R2。其中，所述事故高发路段R1表示在该路段发生交通事故的风险较高。由此，可以将事故高发路段R1的道路条件影响因子R设置成高于非事故高发路段R2的道路条件影响因子R，并将所述道路条件影响因子R作为所述绝对风险值Ra。此外，还可以基于历史数据确定所述物体a的参考风险值Ra-ref，例如，可以将道路条件平坦、视野良好的路段的道路条件影响因子R设置为参考风险值Ra-ref，还可以将非事故高发路段R2的道路条件影响因子R作为所述参考风险值Ra-ref。基于所述绝对风险值Ra和参考风险值Ra-ref可以确定所述物体a的相对风险值Ra-relative，表示为：
Figure BDA0002053400880000132
此外，所述道路条件也会对车辆j的行驶产生影响，由此，还可以基于所述车辆j的道路条件影响因子确定所述绝对风险值。基于车辆j的道路条件影响因子确定绝对风险值的过程与基于车辆a的道路条件影响因子R确定绝对风险值的过程相似，在此不再赘述。基于车辆j的道路条件影响因子确定的相对风险值可以表示为：
Figure BDA0002053400880000133
对于属于车道线类别的物体，可以基于由车道线a确定道路类型T来确定所述车道线a的道路条件影响因子。例如，所述道路类型T可以是高速道路、快速道路、城市道路、乡村道路等。所述道路条件影响因子表示上述道路类型T对于所述车道线a的影响，例如，相比于城市道路，乡村道路的车道宽度较窄，又例如，相比于城市道路，高速道路的车道线更加清楚明确，并且相对简单、不易受到遮挡。由此，可以基于以上示例为不同的道路类型T设置不同的道路条件影响因子的数值，并将所述道路条件影响因子的数值作为所述车道线a的绝对风险值，将所有道路类型T的道路条件影响因子的平均值作为所述车道线a的参考风险值，基于所述绝对风险值与参考风险值的比值作为相对风险值。
根据本公开的一些实施例，对于属于车辆类别的车辆a，所述引力场影响因子H表示两个车辆之间的引力作用，可以表示为：
Figure BDA0002053400880000141
其中，g表示与重力相关的常数，M1和M2表示两个车辆的虚拟质量(将在下文中描述)，r表示两个车辆之间的距离，k1表示系数。
基于上述车辆a与车辆j之间的引力场影响因子H可以确定所述绝对风险值Ha，表示为：
Figure BDA0002053400880000142
其中，g表示与重力相关的常数，Ma和Mj分别表示车辆a和车辆j的虚拟质量，
Figure BDA0002053400880000143
表示两个车辆之间的距离，k1表示系数。
还可以基于所述引力场影响因子确定所述车辆a的参考风险值Ha-ref，表示为：
Figure BDA0002053400880000144
其中，g表示与重力相关的常数，Ma-ref和Mj-ref分别表示车辆a和车辆j的虚拟质量的参考值，其数值可以相等。
Figure BDA0002053400880000145
表示两个车辆之间的距离的参考值，k1表示系数。
基于所述绝对风险值Ha和参考风险值Ha-ref可以确定参考风险值Ha-relative，表示为：
Figure BDA0002053400880000146
其中，由于本公开的方法中计算所述物体，即车辆的相对风险值，由此可以无需获取所述车辆的精确质量，这可以降低获取参数的成本，并减少车辆的质量的误差对于风险值准确性的影响。例如，可以以所述车辆的质量级别Q表示所述车辆的虚拟质量M。此外，所述虚拟质量M还可以与所述车辆的速度相关。由此，可以将所述虚拟质量M表示为：
M＝Q*f(v) (19)
在上述基于引力场影响因子H计算所述相对风险值的过程中，无需获取所述与重力相关的常数g，这可以进一步降低获取参数的成本。
对于属于车辆类别的物体a，可以根据驾驶员情况和运动情况划分为四种类型，包括：有驾驶员静止车辆、无驾驶员静止车辆、有驾驶员运动车辆、无驾驶员运动车辆，然后可以基于所述类型确定车辆a对于车辆j的风险值。
·所述有驾驶员静止车辆a的对于车辆j的风险值可以表示为：
Figure BDA0002053400880000151
其中，风险值Risk1考虑了车辆a和车辆j的道路条件影响因子R、车辆a和车辆j的驾驶员影响因子、引力场影响因子H以及车辆a的功能级别L对于所述车辆j的驾驶风险的影响。
·所述无驾驶员静止车辆a的对于车辆j的风险值可以表示为：
Figure BDA0002053400880000152
其中，风险值Risk2考虑了车辆a和车辆j的道路条件影响因子R、车辆j的驾驶员影响因子、引力场影响因子H以及车辆a的功能级别L对于所述车辆j的驾驶风险的影响。
·所述有驾驶员运动车辆a的对于车辆j的风险值可以表示为：
Figure BDA0002053400880000153
其中，风险值Risk3考虑了车辆a和车辆j的道路条件影响因子R、车辆a和车辆j的驾驶员影响因子、引力场影响因子H、运动影响因子G以及车辆a的功能级别L对于所述车辆j的驾驶风险的影响。
·所述无驾驶员运动车辆a的对于车辆j的风险值可以表示为：
Figure BDA0002053400880000154
其中，风险值Risk4考虑了车辆a和车辆j的道路条件影响因子R、车辆j的驾驶员影响因子、引力场影响因子H、运动影响因子G以及车辆a的功能级别L对于所述车辆j的驾驶风险的影响。
对于属于车道线类别的物体a，可以基于所述车道线a所属的处罚级别以及所述车道线a与所述车辆j之间的距离以及对应于所述车道线a的道路宽度确定车道线a对于车辆j的风险值，表示为：
Figure BDA0002053400880000161
其中，风险值Risk5考虑了车辆a和车辆j的道路条件影响因子R、车辆j的虚拟质量、车辆j的驾驶员影响因子D、所述车道线与所述车辆j之间的距离以及对应于所述车道线的道路宽度对于所述车辆j的驾驶风险的影响。
以上风险值Risk表示物体a对于车辆j的空间上的驾驶风险的危险影响程度，还可以将所述空间上的风险值Risk对于时间求导，并将求导后的结果作为物体a对于车辆j的时间上的驾驶风险的危险影响程度。还可以将所述空间上的风险值以及时间上的风险值分别地用于表征所述物体a对于所述物体j的危程度。
基于以上公开的内容，对于属于不同类别的物体a，可以基于绝对风险值和参考风险值计算得到物体a的相对风险值，并将相对风险值作为所述物体a对于车辆j的风险值。所述相对风险值由于考虑了参考风险值，从而可以更直观地反映所述物体a对于所述车辆j的危险影响程度，并且计算所述相对风险值的过程无需获取大量的精确参数，降低了获取参数的成本以及计算复杂度。
图4示出了根据本公开的确定车辆的驾驶风险的示例流程图，如图4所示，首先，可以例如从云端服务器获取物体a与车辆j的信息，所述信息例如可以包括车辆的质量、运行速度和方向、位置坐标、道路路宽等参数。
接着，确定物体所属的类别，所述类别可以包括车辆类别和车道线类别。
对于属于车辆类别的物体，可以基于车辆的驾驶员情况和运动情况确定物体所属的类型，例如所述类型可以包括有驾驶员静止车辆、无驾驶员静止车辆、无驾驶员运动车辆和有驾驶员运动车辆。按照车辆的质量确定车辆所属的质量级别Q、基于车辆的功能确定车辆所属的功能级别L、确定车辆的道路条件影响因子R。然后，可以基于车辆所属的类型、质量级别、功能级别、道路条件影响因子确定车辆的风险值，按照如上所述的计算相对风险值的公式Risk1-Risk4确定车辆a对于车辆j的风险值。
对于属于车道线类别的物体，可以基于违反车道线的处罚程度确定物体所属的处罚级别P、确定车道线与车辆之间的距离
Figure BDA0002053400880000171
以及对应于车道线的道路宽度W、确定车道线的道路条件影响因子R。接着，基于车道线的处罚级别P、道路条件影响因子R、车道线与车辆之间的距离
Figure BDA0002053400880000172
以及对应于车道线的道路宽度W、按照如上所述的计算相对风险值的公式Risk5确定车道线a对于车辆j的风险值。
根据本公开的另一方面，还提供了一种用于确定车辆的驾驶风险的设备。图5示出了根据本公开实施例的用于确定车辆的驾驶风险的设备1000的示意性框图。所述设备1000包括类别确定单元1010和风险值确定单元1020。所述类别确定单元1010可以配置成确定道路上的物体所属的类别。所述风险值确定单元1020可以配置成基于所述类别确定所述物体的绝对风险值和参考风险值；以及基于所述物体的绝对风险值和参考风险值确定所述物体的相对风险值，将所述物体的相对风险值作为所述物体对于所述车辆的风险值。
根据本公开的一些实施例，所述类别包括车辆类别。所述设备1000还可以包括类型确定单元1030。所述类型确定单元1030配置成在所述类别确定单元1010确定所述物体属于车辆类别的情况下，基于所述物体的驾驶员情况和运动情况确定所述物体所属的类型，其中，所述类型包括有驾驶员静止车辆和无驾驶员静止车辆，所述风险值确定单元还配置成在所述类型确定单元确定所述物体属于有驾驶员静止车辆的类型的情况下，基于所述物体的驾驶员影响因子确定所述物体的绝对风险值。
根据本公开的一些实施例，所述类型包括无驾驶员运动车辆和有驾驶员运动车辆，所述风险值确定单元1020还配置成在确定所述物体属于无驾驶员运动车辆的类型的情况下，基于所述物体的运动影响因子确定所述物体的绝对风险值；以及在确定所述物体属于有驾驶员运动车辆的类型的情况下，基于所述物体的驾驶员影响因子和运动影响因子确定所述物体的绝对风险值，其中，所述运动影响因子与所述物体的运动速度、运动方向、以及所述物体与所述车辆之间的距离相关。
根据本公开的一些实施例，所述设备还包括质量级别确定单元1040。所述质量级别确定单元1040可以配置成在确定所述物体属于车辆类别的情况下，基于所述物体的质量确定所述物体所属的质量级别。所述风险值确定单元1020还可以配置成基于所述物体所属的质量级别确定所述物体的绝对风险值，其中，所述质量级别包括大型车辆、中型车辆、小型车辆和微型车辆。
根据本公开的一些实施例，所述设备还包括功能级别确定单元1050。所述功能级别确定单元1050可以配置成在确定所述物体属于车辆类别的情况下，基于所述物体的功能确定所述物体所属的功能级别。所述风险值确定单元1020还可以配置成基于所述物体所属的功能级别确定所述物体的绝对风险值，其中，所述功能级别包括对应于功能车辆的第一功能级别和对应于普通车辆的第二功能级别。
根据本公开的一些实施例，所述类别包括车道线类别。所述设备1000还可以包括处罚级别确定单元1060。所述处罚级别确定单元1060可以配置成在确定所述物体属于车道线类别的情况下，基于违反所述车道线的处罚程度确定所述物体所属的处罚级别。所述风险值确定单元1020还配置成基于所述物体所属的处罚级别确定所述物体的绝对风险值。
根据本公开的一些实施例，所述风险值确定单元1020还可以配置成基于所述物体的道路条件影响因子确定所述物体的绝对风险值，所述物体的道路条件影响因子表示道路条件对所述物体的风险影响。
根据本公开的一些实施例，所述风险值确定单元1020还可以配置成基于历史事故率和道路类型中的至少一种确定所述物体的道路条件影响因子。
根据本公开的又一方面，还提供了一种用于确定车辆的驾驶风险的装置。图6示出了根据本公开实施例的确定车辆的驾驶风险的装置2000的示意图。
如图6所示，所述装置2000可以包括一个或多个处理器2010，和一个或多个存储器2020。其中，所述存储器2020中存储有计算机可读代码，所述计算机可读代码当由所述一个或多个处理器2010运行时，可以执行如上所述的用于确定车辆的驾驶风险的方法。
根据本公开实施例的方法或装置也可以借助于7所示的计算设备3000的架构来实现。如图7所示，计算设备3000可以包括总线3010、一个或多个CPU3020、只读存储器(ROM)3030、随机存取存储器(RAM)3040、连接到网络的通信端口3050、输入/输出组件3060、硬盘3070等。计算设备3000中的存储设备，例如ROM 3030或硬盘3070可以存储本公开提供的用于确定车辆的驾驶风险的方法的处理和/或通信使用的各种数据或文件以及CPU所执行的程序指令。计算设备3000还可以包括用户界面3080。当然，图7所示的架构只是示例性的，在实现不同的设备时，根据实际需要，可以省略图7示出的计算设备中的一个或多个组件。
根据本公开的又一方面，还提供了一种计算机可读存储介质。图8示出了根据本公开的存储介质的示意图4000。
如图8所示，所述计算机存储介质4020上存储有计算机可读指令4010。当所述计算机可读指令4010由处理器运行时，可以执行参照以上附图描述的根据本公开实施例的用于确定车辆的驾驶风险的方法。所述计算机可读存储介质包括但不限于例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。
本领域普通技术人员可以理解上述方法中的全部或部分的步骤可通过程序来指令相关硬件完成，所述程序可以存储于计算机可读存储介质中，如只读存储器、磁盘或光盘等。可选地，上述实施例的全部或部分步骤也可以使用一个或多个集成电路来实现。相应地，上述实施例中的各模块/单元可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。本公开并不限制于任何特定形式的硬件和软件的结合。
除非另有定义，这里使用的所有术语(包括技术和科学术语)具有与本公开所属领域的普通技术人员共同理解的相同含义。还应当理解，诸如在通常字典里定义的那些术语应当被解释为具有与它们在相关技术的上下文中的含义相一致的含义，而不应用理想化或极度形式化的意义来解释，除非这里明确地这样定义。
以上是对本公开的说明，而不应被认为是对其的限制。尽管描述了本公开的若干示例性实施例，但本领域技术人员将容易地理解，在不背离本公开的新颖教学和优点的前提下可以对示例性实施例进行许多修改。因此，所有这些修改都意图包含在权利要求书所限定的本公开范围内。应当理解，上面是对本公开的说明，而不应被认为是限于所公开的特定实施例，并且对所公开的实施例以及其他实施例的修改意图包含在所附权利要求书的范围内。本公开由权利要求书及其等效物限定。

Claims (13)

1.一种用于确定车辆的驾驶风险的方法，包括：
确定道路上的物体所属的类别；
基于所述类别确定所述物体的绝对风险值和参考风险值；
基于所述物体的绝对风险值和参考风险值确定所述物体的相对风险值，将所述物体的相对风险值作为所述物体对于所述车辆的风险值，
其中，所述类别包括车道线类别和车辆类别，在确定所述物体属于车道线类别的情况下，所述基于所述类别确定所述物体的绝对风险值和参考风险值包括：
基于车道线与所述车辆之间的距离以及对应于所述车道线的道路宽度确定所述物体的绝对风险值；以及
基于历史数据确定所述物体的参考风险值，
其中，所述物体的相对风险值表示所述车道线对所述车辆的危险程度。
2.根据权利要求1所述的方法，其中，在确定所述物体属于车辆类别的情况下，基于所述类别确定所述物体的绝对风险值包括：基于所述物体的驾驶员情况和运动情况确定所述物体所属的类型。
3.根据权利要求2所述的方法，其中，所述类型包括有驾驶员静止车辆和无驾驶员静止车辆，确定所述物体的绝对风险值包括：
在确定所述物体属于有驾驶员静止车辆的类型的情况下，基于所述物体的驾驶员影响因子确定所述物体的绝对风险值。
4.根据权利要求2所述的方法，其中，所述类型包括无驾驶员运动车辆和有驾驶员运动车辆，确定所述物体的绝对风险值包括：
在确定所述物体属于无驾驶员运动车辆的类型的情况下，基于所述物体的运动影响因子确定所述物体的绝对风险值；以及
在确定所述物体属于有驾驶员运动车辆的类型的情况下，基于所述物体的驾驶员影响因子和运动影响因子确定所述物体的绝对风险值，其中，所述运动影响因子与所述物体的运动速度、运动方向、以及所述物体与所述车辆之间的距离相关。
5.根据权利要求2所述的方法，其中，在确定所述物体属于车辆类别的情况下，所述方法还包括：
基于所述物体的质量确定所述物体所属的质量级别，
基于所述物体所属的质量级别确定所述物体的绝对风险值，
其中，所述质量级别包括大型车辆、中型车辆、小型车辆和微型车辆。
6.根据权利要求2所述的方法，还包括：在确定所述物体属于车辆类别的情况下，
基于所述物体的功能确定所述物体所属的功能级别，
基于所述物体所属的功能级别确定所述物体的绝对风险值，
其中，所述功能级别包括对应于功能车辆的第一功能级别和对应于普通车辆的第二功能级别。
7.根据权利要求1所述的方法，还包括：基于所述车道线与所述车辆之间的距离以及对应于所述车道线的道路宽度确定所述物体的绝对风险值。
8.根据权利要求1所述的方法，其中，确定所述物体的绝对风险值还包括：基于所述物体的道路条件影响因子确定所述物体的绝对风险值，所述物体的道路条件影响因子表示道路条件对所述物体的风险影响。
9.根据权利要求8所述的方法，还包括：基于历史事故率和道路类型中的至少一种确定所述物体的道路条件影响因子。
10.一种用于确定车辆的驾驶风险的设备，包括：
类别确定单元，配置成确定道路上的物体所属的类别；
风险值确定单元，配置成基于所述类别确定所述物体的绝对风险值和参考风险值；以及
基于所述物体的绝对风险值和参考风险值确定所述物体的相对风险值，将所述物体的相对风险值作为所述物体对于所述车辆的风险值，
其中，所述类别包括车道线类别和车辆类别，所述风险值确定单元还配置成在确定所述物体属于车道线类别的情况下，基于车道线与所述车辆之间的距离以及对应于所述车道线的道路宽度确定所述物体的绝对风险值，以及基于历史数据确定所述物体的参考风险值，
其中，所述物体的相对风险值表示所述车道线对所述车辆的危险程度。
11.根据权利要求10所述的设备，还包括：类型确定单元，配置成在所述类别确定单元确定所述物体属于车辆类别的情况下，基于所述物体的驾驶员情况和运动情况确定所述物体所属的类型，
其中，所述类型包括有驾驶员静止车辆和无驾驶员静止车辆，所述风险值确定单元还配置成在所述类型确定单元确定所述物体属于有驾驶员静止车辆的类型的情况下，基于所述物体的驾驶员影响因子确定所述物体的绝对风险值。
12.一种用于确定车辆的驾驶风险的装置，包括：
一个或多个处理器；和
一个或多个存储器，其中，所述存储器中存储有计算机可读代码，所述计算机可读代码当由所述一个或多个处理器运行时，执行如权利要求1-9中任一项所述的用于确定车辆的驾驶风险的方法。
13.一种计算机可读存储介质，其上存储有指令，所述指令在被处理器执行时，使得所述处理器执行如权利要求1-9中任一项所述的用于确定车辆的驾驶风险的方法。
CN201910381122.2A 2019-05-08 2019-05-08 确定车辆的驾驶风险的方法、设备、装置和可读存储介质 Active CN110239533B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910381122.2A CN110239533B (zh) 2019-05-08 2019-05-08 确定车辆的驾驶风险的方法、设备、装置和可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910381122.2A CN110239533B (zh) 2019-05-08 2019-05-08 确定车辆的驾驶风险的方法、设备、装置和可读存储介质

Publications (2)

Publication Number Publication Date
CN110239533A CN110239533A (zh) 2019-09-17
CN110239533B true CN110239533B (zh) 2021-04-06

Family

ID=67883839

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910381122.2A Active CN110239533B (zh) 2019-05-08 2019-05-08 确定车辆的驾驶风险的方法、设备、装置和可读存储介质

Country Status (1)

Country Link
CN (1) CN110239533B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111739288A (zh) * 2020-05-22 2020-10-02 腾讯科技（深圳）有限公司 基于人工智能的车辆驾驶风险分析方法及相关装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106157696A (zh) * 2016-08-30 2016-11-23 浙江吉利控股集团有限公司 基于车‑车通信的自车主动避让系统和避让方法
CN109308816A (zh) * 2017-07-28 2019-02-05 华为技术有限公司 一种确定道路交通风险的方法、装置及车载系统

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8160811B2 (en) * 2008-06-26 2012-04-17 Toyota Motor Engineering & Manufacturing North America, Inc. Method and system to estimate driving risk based on a hierarchical index of driving
FR2996512B1 (fr) * 2012-10-05 2014-11-21 Renault Sa Procede d'evaluation du risque de collision a une intersection
US10346697B2 (en) * 2016-12-21 2019-07-09 Hyundai America Technical Center, Inc Driver state monitoring using corneal reflection detection
CN107065890B (zh) * 2017-06-02 2020-09-15 北京航空航天大学 一种无人车智能避障方法及系统
CN109727469B (zh) * 2019-01-08 2021-04-20 南京航空航天大学 一种多车道下自动驾驶车辆综合危险度评估方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106157696A (zh) * 2016-08-30 2016-11-23 浙江吉利控股集团有限公司 基于车‑车通信的自车主动避让系统和避让方法
CN109308816A (zh) * 2017-07-28 2019-02-05 华为技术有限公司 一种确定道路交通风险的方法、装置及车载系统

Also Published As

Publication number Publication date
CN110239533A (zh) 2019-09-17

Similar Documents

Publication Publication Date Title
US11685371B2 (en) Extension to safety protocols for autonomous vehicle operation
US20180162388A1 (en) Apparatus for preventing pedestrian collision accident, system having the same, and method thereof
CN108806018B (zh) 一种数据处理方法、数据处理设备和智能汽车
US20160297433A1 (en) Long Term Driving Danger Prediction System
CN109074742B (zh) 周边认知装置、周边认知方法和计算机可读取的记录介质
CN111971723B (zh) 驾驶监视装置和计算机能读取的记录介质
CN113442917B (zh) 用于宿主机动车辆的警告系统
KR101857554B1 (ko) 차량에 대한 외부 데이터 침입 탐지 장치 및 방법
SE1050879A1 (sv) Säkerhetssystem och metod
CN108475470B (zh) 事故概率计算装置、事故概率计算方法及存储有事故概率计算程序的介质
CN113345258A (zh) 基于边缘计算的道路通行保障方法、系统、设备及介质
CN113935143A (zh) 通过自主车辆的增加的严重性等级估计碰撞概率
CN116390879A (zh) 用于避免即将发生的碰撞的系统和方法
CN110949381A (zh) 一种驾驶行为危险度的监测方法及装置
CN110239533B (zh) 确定车辆的驾驶风险的方法、设备、装置和可读存储介质
CN116358584A (zh) 一种自动驾驶车辆路径规划方法、装置、设备及介质
CN114802251A (zh) 自动驾驶车辆的控制方法、装置、电子设备以及存储介质
JP7382304B2 (ja) リスク管理装置、リスク管理方法及びリスク管理システム
WO2021038619A1 (ja) 危険検知装置、危険検知方法、および、危険検知プログラム
Weast Sensors, safety models and a system-level approach to safe and scalable automated vehicles
CN113060135A (zh) 一种车辆防碰装置和方法
CN111754781A (zh) 一种车辆违章检测的方法、装置、系统及摄像机
US20230196787A1 (en) Estimating object uncertainty using a pre-non-maximum suppression ensemble
US20240096209A1 (en) Method and system for providing traffic accident information
JP6991390B2 (ja) ルート生成システム、ルート生成方法、およびルート生成プログラム

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant