CN111062318A - 一种基于熵权法的传感器共享最优节点选择方法 - Google Patents

Abstract

本发明公开了一种基于熵权法的传感器共享最优节点选择方法，步骤为：1）本车通过自身传感器读取自身基础信息、遮挡物及其定位信息，通过广播采集周围车辆或路侧单元的基础信息；2）量化周围车辆或路侧单元对本车感知盲区补充范围数值；3）采用熵权法计算感知盲区补充范围数值、传感器性能指标和通信相关性能指标所占权重，得出周围车辆最终评分；4）选择评分最高的车辆作为共享目标。该方法首先切实考虑目前自动驾驶汽车在动态交通流环境中具有传感器共享需求，参考了自动驾驶中盲区补充面积、通信指标与传感器性能指标，利用信息熵技术对数据进行量化处理，实现对参考数据的有效地、最大化地对比，最终选出合适的传感器共享目标。

Description

一种基于熵权法的传感器共享最优节点选择方法

技术领域

本发明涉及自动驾驶传感器共享技术领域，具体一种基于熵权法的传感器共享最优节点选择方法。

背景技术

随着深度学习技术持续火热，人工智能迎来大发展浪潮，自动驾驶作为人工智能中备受关注的落脚点，成为了全球交通领域变革的主流方向和未来竞争的重要高地。安全性是自动驾驶领域的首要考虑因素，随着各家研究机构的自动驾驶事故不断发生，研究人员愈发着重于安全性保障研究，尽管机器学习和人工智能可以发挥作用，但其有效性取决于输入数据的质量。感知模块作为输入信息的来源，感知范围、精度及鲁棒性等指标影响着整个自动驾驶系统的可靠性。自动驾驶的感知信息主要由传感器采集得到的感知数据而来，但因传感器受本身的感知距离限制、障碍物遮挡、天气环境等因素影响，常常无法覆盖驾驶安全距离所要求的感知范围。

针对这一问题，学者们提出了基于V2X(Vehicle To everything，V2X)的传感器共享方案，通过车到车(Vehicle To Vehicle，V2V)、车到道路基础设施(Vehicle toInfrastructure，V2I)、车到人(Vehicle to Pedestrian，V2P)等方式共享周围车辆、路侧单元甚至行人的传感器数据，可以扩大本车的感知范围、弥补感知盲区，同时提高感知鲁棒性。但目前自动驾驶汽车在计算性能、通信带宽等限制下，在动态交通流环境中无法同时与所有在路车辆达成共享，如何在大量的车辆中选取对本车帮助最大的车辆作为共享目标则是应该考虑的问题。

解决上述技术问题的难点在于：自动驾驶场景下，共享周围车辆传感器对本车所能带来的帮助程度受周围车辆位置、传感器感知范围、感知数据可靠性、通信时延、通信可靠性等多种因素影响，如何确定各因素影响权重，得到最能体现周围车辆差异程度的评分，最终选出对本车感知范围帮助最大同时其他可靠性等指标相对较好的特定车辆。

解决上述技术问题的意义在于：切实考虑当前计算单元及通信技术限制，促进传感器共享技术在自动驾驶领域的应用，实现盲区补充，提高感知鲁棒性，让传感器共享为自动驾驶安全性提供有力保障。

发明内容

本发明的目的在于克服上述技术的不足，而提供一种基于熵权法的传感器共享最优节点选择方法。

实现本发明目的的技术方案是：

一种基于熵权法的传感器共享最优节点选择方法，包括如下步骤：

1)本车通过自身传感器读取自身基础信息、遮挡物及其定位信息，通过广播采集周围车辆或路侧单元的基础信息；

2)量化计算周围车辆或路侧单元对本车感知盲区补充范围数值；

3)采用熵权法计算感知盲区补充范围数值、传感器性能指标和通信相关性能指标所占权重，得出周围车辆最终评分；

4)选择评分最高的车辆作为共享目标。

步骤1)中，所述的自身基础信息，包括自身全球定位信息和航向；所述遮挡物，包括周围车辆、路牌、树木以及可能遮挡本车感知的物体，遮挡物的定位信息由自身感知传感器采集，包括遮挡物在本车坐标系下的上顶点与下顶点坐标；所述的基础信息，包括周围车辆定位信息和航向、传感器性能指标和通信相关性能指标。

所述的传感器性能指标，

包括量程指标：量程、满量程输出值、测量上下限、过载能力中的至少一种；

包括灵敏度指标：灵敏度、分辨率、输入输出阻抗中的至少一种；

包括精度指标：误差、重复性、线性、滞后、灵敏度误差、阈值、稳定性、漂移中的至少一种；

包括动态性能指标：固有频率、阻尼系数、频响范围、频率特性、时间常数、上升时间、响应时间、过冲量、衰减率、稳态误差、临界速度、临界频率中的至少一种。

所述的通信相关性能指标为通信时延、带宽、丢包率、吞吐量、抖动、包转发率、信道利用率、信道容量、带宽利用率、包损失率中的至少一种。

步骤2)中，所述的感知盲区补充范围数值，计算方法为：将本车经纬度信息作为二维本车坐标系的坐标原点(0，0)，本车航向作为本车坐标系的x轴朝向，垂直本车航向的左向作为本车坐标系的y轴朝向，将所有遮挡物及周围车辆定位信息转换到同一坐标系下进行计算，具体方法如下：

定义本车定位坐标为(0，0)，安全距离为l₁，感知范围夹角为α₁，遮挡物上顶点坐标为Vert_a(a，b)，下顶点坐标为Vert_b(c，d)，盲区夹角即上顶点与坐标原点连线和下顶点与坐标原点连接的夹角为β，则本车感知盲区上边界f₁₁、下边界f₁₂与所围圆弧f_arc的函数为：

定义第i辆周围车辆定位坐标为(x_i,y_i)，感知距离为l_i，感知范围夹角为α_i，则第i辆周围车辆感知范围上下边界f_i1、f_i2为：

设有函数f₁与函数f₂，定义f₁∩f₂表示函数f₁与函数f₂的交点坐标，若函数f₁与函数f₂存在交点，则表示为f₁∩f₂＝1；若函数f₁与函数f₂不存在交点，则表示为f₁∩f₂＝0；

定义阈值LW(lane-width)作为车道区分标识，将周围车辆的位置情况分为三种：

(1)当|y_i|≤LW/2时，表示第i辆周围车辆与本车同车道，其中：

情况1：当x_i<min(a,c)时，当x_i<0，认为第i辆周围车辆处于我车后方，当0<x_i<min(a,c)时，实际中不存在此情况，不选用此车作为共享目标，则该情况下的盲区补充面积定义为：

S₁＝0 (6)

情况2：当min(a,c)≤x_i<l₁且f₁₁∩f_i1＝1且f₁₂∩f_i2＝1时，定义A(x_a,y_a)＝(0,0)、B(x_b,y_b)＝(x_i,y_i)、C(x_c,y_c)＝f₁₁∩f_i1，定义S_ΔABC表示A、B、C三点所围成的三角形面积，可得

则该情况下的盲区补充面积S₂为：

情况3：当min(a,c)≤x_i<l₁且f_i1∩f_arc＝1且f₁₂∩f_i2＝1时，定义A(x_a,y_a)＝(0,0)、B(x_b,y_b)＝f_i1∩f_arc、C(x_c,y_c)＝f_i2∩f_arc，定义S_ΔABC表示A、B、C三点所围成的三角形面积，可得

则该情况下的盲区补充面积S₃为：

情况4：当x_i≥l₁时，第i辆周围车辆感知范围不在本车所需感知范围内，不选用此车作为共享目标，则该情况下的盲区补充面积S₄定义为：

S₄＝0 (9)

(2)当y_i>LW/2时，表示第i辆周围车辆位于本车左车道，其中：

情况5：当f_i2∩f₁₁＝0且f_i2∩f₁₂＝0时，第i辆周围车辆感知范围不在本车所需感知范围内，不选用此车作为共享目标，则该情况下的盲区补充面积S₅定义为：

S₅＝0 (10)

情况6：当f_i2∩f₁₁＝1且f_i2∩f₁₂＝0时，定义A(x_a,y_a)＝f₁₁∩f_arc、B(x_b,y_b)＝f₁₁∩f_i2、C(x_c,y_c)＝f_i2∩f_arc，则该情况下的盲区补充面积S₆为：

情况7：当f_i2∩f₁₁＝1且f_i2∩f₁₂＝1时，定义A(x_a,y_a)＝(0,0)、B(x_b,y_b)＝f₁₁∩f_i2、C(x_c,y_c)＝f_i2∩f₁₂，定义S_ΔABC表示A、B、C三点所围成的三角形面积，可得

则该情况下的盲区补充面积S₇为：

情况8：当f_i2∩f₁₁＝0且f_i2∩f₁₂＝1时，定义A(x_a,y_a)＝(0,0)、B(x_b,y_b)＝(a,b)、

定义S_ΔABC表示A、B、C三点所围成的三角形面积，可得

则该情况下的盲区补充面积S₈为：

(3)当y_i<-LW/2时，表示第i辆周围车辆位于本车右车道，其中：

情况9：当f_i1∩f₁₂＝0且f_i1∩f₁₁＝0时，第i辆周围车辆感知范围不在本车所需感知范围内，不选用此车作为共享目标，则该情况下的盲区补充面积S₉定义为：

S₉＝0 (14)

情况10：当f_i1∩f₁₂＝1且f_i1∩f₁₁＝0时，定义A(x_a,y_a)＝f₁₂∩f_arc、B(x_b,y_b)＝f₁₂∩f_i1、C(x_c,y_c)＝f_i1∩f_arc，则该情况下的盲区补充面积S₁₀为：

情况11：当f_i1∩f₁₂＝1且f_i1∩f₁₁＝1时，定义A(x_a,y_a)＝(0,0)、B(x_b,y_b)＝f₁₂∩f_i1、C(x_c,y_c)＝f_i1∩f₁₁，定义S_ΔABC表示A、B、C三点所围成的三角形面积，可得

则该情况下的盲区补充面积S₁₁为：

情况12：当f_i1∩f₁₂＝0且f_i1∩f₁₁＝1时，定义A(x_a,y_a)＝(0,0)、B(x_b,y_b)＝(c,d)、

定义S_ΔABC表示A、B、C三点所围成的三角形面积，可得

则该情况下的盲区补充面积S₁₂为：

所述步骤3)，具体包括如下步骤：

3-1)数据标准化：假设给定了k个指标X₁,X₂,……,X_k，其中x_i＝{x₁,x₂,……,x_i}，假设对各指标数据标准化后的值为Y₁,Y₂,……,Y_k，则

3-2)求各指标的信息熵：根据信息论中信息熵的定义，一组数据的信息熵

其中

若p_ij＝0，则定义

3-3)确定各指标权重：根据信息熵的计算公式，计算出各个指标的信息熵为E₁,E₂,……,E_k，通过信息熵计算各指标的权重：

并计算最终得分

本发明提供的一种基于熵权法的传感器共享最优节点选择方法，该方法首先切实考虑目前自动驾驶汽车在动态交通流环境中具有传感器共享需求，但受计算性能、通信带宽等限制，无法同时与所有在路车辆达成共享的实际情况，参考了自动驾驶中敏感的关键指标，例如盲区补充面积、通信指标与传感器性能指标，利用信息熵技术，来对数据进行量化处理，实现对参考数据的有效地以及最大化地对比，最终选出合适的传感器共享目标，推动自动驾驶在路车辆间的数据共享性，促进传感器共享技术在自动驾驶领域的应用。

附图说明

图1为本发明的流程图；

图2为交通流环境示意图；

图3为坐标转换示意图；

图4为同车道车辆盲区补充示意图；

图5为左车道车辆盲区补充示意图；

图6为右车道车辆盲区补充示意图；

具体实施方式

下面结合附图和实施例对本发明内容做进一步阐述，但不是对本发明的限定。

实施例：

一种基于熵权法的传感器共享最优节点选择方法，如图1所示，使用场景示意图中包含有，如图2所示：

本车：自身车辆，也即是传感器共享发起者。

周围车辆：多个配置有感知传感器及通信设备的交通参与者。

遮挡物：可能为其周围车辆、树木等障碍物、路牌、飘过的塑料袋，甚至是感知传感器本身故障导致的“雪花点”等一切可能导致感知范围无法满足安全距离要求的遮挡物。

本实施例中，本车在道路上行驶时受某一遮挡物遮挡感知，导致感知范围无法覆盖安全距离，此时考虑共享周围车辆感知传感器数据以补充本车盲区，道路上除了本车外周围有三辆车辆，各自的位置、通信时延等指标不尽相同，使用本发明的一种基于熵权法的传感器共享最优节点选择方法，从中选出最适合此时发起共享的车辆进行传感器共享，具体步骤如下：

1)采集动态交通流环境中的车辆及路侧单元的基础数据，通过传感器标定可知传感器感知范围及其夹角，同时，传感器可感知到本车定位数据及遮挡物定位数据等基础信息，将本车经纬度信息作为二维本车坐标系的坐标原点(0,0),本车航向作为本车坐标系的x轴朝向，垂直本车航向的左向作为本车坐标系的y轴朝向，将所有遮挡物及周围车辆定位信息转换到同一坐标系下以便计算，采集到本车及遮挡物的具体数据如下表1所示：

表1

通过广播等通信链路采集各周围车辆的定位信息、感知范围、感知夹角及传感器性能相关指标等基础信息，采集到的具体指标如下表2所示：

表2

2)量化计算周围车辆或路侧单元对本车感知盲区补充范围数值；

如图3所示，感知盲区补充范围数值的计算方法为：将本车经纬度信息作为二维本车坐标系的坐标原点(0，0),本车航向作为本车坐标系的x轴朝向，垂直本车航向的左向作为本车坐标系的y轴朝向，将所有遮挡物及周围车辆定位信息转换到同一坐标系下进行计算，具体方法如下：

定义本车定位坐标为(0，0)，安全距离为l₁，感知范围夹角为α₁，遮挡物上顶点坐标为Vert_a(a，b)，下顶点坐标为Vert_b(c，d)，上顶点与坐标原点连线和下顶点与坐标原点连接的夹角为β，则本车感知盲区上边界f₁₁、下边界f₁₂与所围圆弧f_arc的函数为：

定义第i辆周围车辆定位坐标为(x_i,y_i)，感知距离为l_i，感知范围夹角为α_i，则第i辆周围车辆感知范围上下边界f_i1、f_i2为：

设有函数f₁与函数f₂，定义f₁∩f₂表示函数f₁与函数f₂的交点坐标，若函数f₁与函数f₂存在交点，则表示为f₁∩f₂＝1；若函数f₁与函数f₂不存在交点，则表示为f₁∩f₂＝0；

定义阈值LW(lane-width)作为车道区分标识，将周围车辆的位置情况分为三种：

(1)如图4所示，当|y_i|≤LW/2时，表示第i辆周围车辆与本车同车道，其中：

情况1：当x_i<min(a,c)时，当x_i<0，认为第i辆周围车辆处于我车后方，当0<x_i<min(a,c)时，实际中不存在此情况，不选用此车作为共享目标，则该情况下的盲区补充面积定义为：

S₁＝0 (6)。

情况2：如图4(a)所示，当min(a,c)≤x_i<l₁且f₁₁∩f_i1＝1且f₁₂∩f_i2＝1时，定义A(x_a,y_a)＝(0,0)、B(x_b,y_b)＝(x_i,y_i)、C(x_c,y_c)＝f₁₁∩f_i1，定义S_ΔABC表示A、B、C三点所围成的三角形面积，可得

则该情况下的盲区补充面积S₂为：

情况3：如图4(b)所示，当min(a,c)≤x_i<l₁且f_i1∩f_arc＝0且f₁₂∩f_i2＝0时，定义A(x_a,y_a)＝(0,0)、B(x_b,y_b)＝f_i1∩f_arc、C(x_c,y_c)＝f_i2∩f_arc，定义S_ΔABC表示A、B、C三点所围成的三角形面积，可得

则该情况下的盲区补充面积S₃为：

情况4：当x_i≥l₁时，第i辆周围车辆感知范围不在本车所需感知范围内，不选用此车作为共享目标，则该情况下的盲区补充面积S₄定义为：

S₄＝0 (9)。

(2)如图5所示，当y_i>LW/2时，表示第i辆周围车辆位于本车左车道，其中：

情况5：当f_i2∩f₁₁＝0且f_i2∩f₁₂＝0时，第i辆周围车辆感知范围不在本车所需感知范围内，不选用此车作为共享目标，则该情况下的盲区补充面积S₅定义为：

S₅＝0 (10)。

情况6：如图5(a)所示，当f_i2∩f₁₁＝1且f_i2∩f₁₂＝0时，定义A(x_a,y_a)＝f₁₁∩f_arc、B(x_b,y_b)＝f₁₁∩f_i2、C(x_c,y_c)＝f_i2∩f_arc，则该情况下的盲区补充面积S₆为：

情况7：如图5(b)所示，当f_i2∩f₁₁＝1且f_i2∩f₁₂＝1时，定义A(x_a,y_a)＝(0,0)、B(x_b,y_b)＝f₁₁∩f_i2、C(x_c,y_c)＝f_i2∩f₁₂，定义S_ΔABC表示A、B、C三点所围成的三角形面积，可得

则该情况下的盲区补充面积S₇为：

情况8：如图5(c)所示，当f_i2∩f₁₁＝0且f_i2∩f₁₂＝1时，定义A(x_a,y_a)＝(0,0)、

定义S_ΔABC表示A、B、C三点所围成的三角形面积，可得

则该情况下的盲区补充面积S₈为：

(3)如图6所示，当y_i<-LW/2时，表示第i辆周围车辆位于本车右车道，其中：

情况9：当f_i1∩f₁₂＝0且f_i1∩f₁₁＝0时，第i辆周围车辆感知范围不在本车所需感知范围内，不选用此车作为共享目标，则该情况下的盲区补充面积S₉定义为：

S₉＝0 (14)。

情况10：如图6(a)所示，当f_i1∩f₁₂＝1且f_i1∩f₁₁＝0时，定义A(x_a,y_a)＝f₁₂∩f_arc、B(x_b,y_b)＝f₁₂∩f_i1、C(x_c,y_c)＝f_i1∩f_arc，则该情况下的盲区补充面积S₁₀为：

情况11：如图6(b)所示，当f_i1∩f₁₂＝1且f_i1∩f₁₁＝1时，定义A(x_a,y_a)＝(0,0)、B(x_b,y_b)＝f₁₂∩f_i1、C(x_c,y_c)＝f_i1∩f₁₁，定义S_ΔABC表示A、B、C三点所围成的三角形面积，可得

则该情况下的盲区补充面积S₁₁为：

情况12：如图6(c)所示，当f_i1∩f₁₂＝0且f_i1∩f₁₁＝1时，定义A(x_a,y_a)＝(0,0)、B(x_b,y_b)＝(c,d)、

定义S_ΔABC表示A、B、C三点所围成的三角形面积，可得

则该情况下的盲区补充面积S₁₂为：

基于本实施例中遮挡物定位信息，可计算得本车感知盲区上下边界f₁₁、f₁₂与所围圆弧f_arc的函数为：

f₁₁:y＝0.09x,x∈[5,49.80]

f₁₂:y＝-0.09x,x∈[5,49.80]

f_arc:y²+x²＝22500,x∈[49.80,50]

基于A车定位坐标、感知范围及其夹角可得A车感知范围上下边界f_A1、f_A2为：

f_A1:y＝0.27x+2.8,x∈[2,146.89]

f_A2:y＝-0.27x+5.2,x∈[2,146.89]

A车位于本车左侧车道，f_A2∩f₁₁＝1且f_A2∩f₁₂＝1，使用情况7的盲区面积算法计算可知：A(x_a,y_a)＝(0,0)、B(x_b,y_b)＝(14.45,1.3)、C(x_c,y_c)＝(28.89,-2.6)，进而可得盲区补充面积

基于B车定位坐标、感知范围及其夹角可得B车感知范围上下边界f_A1、f_A2为：

f_B1:y＝0.27x-1.62,x∈[6,156]

f_B2:y＝-0.27x+1.62,x∈[6,156]

B车位于本车同车道，min(a,c)≤x_i<l₁且f₁₁∩f_B1＝1且f₁₂∩f_B2＝1，使用情况2的盲区面积算法计算可知：A(x_a,y_a)＝(0,0)、B(x_b,y_b)＝(9,0.81)、C(x_c,y_c)＝(6,0)，进而可得盲区补充面积

基于C车定位坐标、感知范围及其夹角可得C车感知范围上下边界f_C1、f_C2为：

f_C1:y＝0.27x-3.81,x∈[3,147.89]

f_C2:y＝-0.27x-2.19,x∈[3,147.89]

C车位于本车右侧车道，f_i1∩f₁₂＝1且f_i1∩f₁₁＝1，使用情况11的盲区面积算法计算可知：A(x_a,y_a)＝(0,0)、B(x_b,y_b)＝(10.58,-0.95)、C(x_c,y_c)＝(21.17,1.91)，进而可得盲区补充面积

将所收集与量化到的指标进行汇总，汇总结果如下表3所示，负向指标内正负号互换：

表3

3)采用熵权法的步骤将各数据归一化后结果如下表4所示：

表4

同时计算各项信息熵，结果如下表5所示：

表5

基于信息熵计算各项权重结果如下表6所示：

表6

最后加权计算周围车辆各自的最终得分如下表7所示：

表7

4)选取得分最高的B车作为共享目标。

Claims (7)

1.一种基于熵权法的传感器共享最优节点选择方法，其特征在于，包括如下步骤：

1)本车通过自身传感器读取自身基础信息、遮挡物及其定位信息，通过广播采集周围车辆或路侧单元的基础信息；

2)量化周围车辆或路侧单元对本车感知盲区补充范围数值；

3)采用熵权法计算感知盲区补充范围数值、传感器性能指标和通信相关性能指标所占权重，得出周围车辆最终评分；

4)选择评分最高的车辆作为共享目标；

步骤1)中，所述的自身基础信息，包括自身全球定位信息和航向；所述遮挡物，包括周围车辆、路牌、树木以及可能遮挡本车感知的物体，遮挡物的定位信息由自身感知传感器采集，包括遮挡物在本车坐标系下的上顶点与下顶点坐标；所述的周围车辆或路侧单元的基础信息，包括周围车辆定位信息和航向、传感器性能指标和通信相关性能指标。

2.根据权利要求1所述的一种基于熵权法的传感器共享最优节点选择方法，其特征在于，所述的传感器性能指标，

包括量程指标：为量程、满量程输出值、测量上下限、过载能力中的至少一种；

包括灵敏度指标：为灵敏度、分辨率、输入输出阻抗中的至少一种；

包括精度指标：为误差、重复性、线性、滞后、灵敏度误差、阈值、稳定性、漂移中的至少一种；

包括动态性能指标：为固有频率、阻尼系数、频响范围、频率特性、时间常数、上升时间、响应时间、过冲量、衰减率、稳态误差、临界速度、临界频率中的至少一种。

3.根据权利要求1所述的一种基于熵权法的传感器共享最优节点选择方法，其特征在于，所述的通信相关性能指标为通信时延、带宽、丢包率、吞吐量、抖动、包转发率、信道利用率、信道容量、带宽利用率、包损失率中的至少一种。

4.根据权利要求1所述的一种基于熵权法的传感器共享最优节点选择方法，其特征在于，步骤2)中，所述的感知盲区补充范围数值，量化方法为：将本车经纬度信息作为二维本车坐标系的坐标原点(0，0)，本车航向作为本车坐标系的x轴朝向，垂直本车航向的左向作为本车坐标系的y轴朝向，将所有遮挡物及周围车辆定位信息转换到同一坐标系下进行计算，具体量化方法如下：

定义本车定位坐标为坐标原点(0，0)，安全距离为l₁，感知范围夹角为α₁，遮挡物上顶点坐标为Vert_a(a，b)，下顶点坐标为Vert_b(c，d)，上顶点与坐标原点连线和下顶点与坐标原点连接的夹角为β，则本车感知盲区上边界f₁₁、下边界f₁₂与所围圆弧f_arc的函数为：

定义第i辆周围车辆定位坐标为(x_i,y_i)，感知距离为l_i，感知范围夹角为α_i，则第i辆周围车辆感知范围上下边界f_i1、f_i2为：

设有函数f₁与函数f₂，定义f₁∩f₂表示函数f₁与函数f₂的交点坐标，若函数f₁与函数f₂存在交点，则表示为f₁∩f₂＝1；若函数f₁与函数f₂不存在交点，则表示为f₁∩f₂＝0；

定义阈值LW作为车道区分标识，将周围车辆的位置情况分为三种：(1)当|y_i|≤LW/2时，表示第i辆周围车辆与本车同车道；(2)当y_i>LW/2时，表示第i辆周围车辆位于本车左车道，(3)当y_i<LW/2时，表示第i辆周围车辆位于本车左车道。

5.根据权利要求4所述的一种基于熵权法的传感器共享最优节点选择方法，其特征在于，所述(1)当|y_i|≤LW/2时，表示第i辆周围车辆与本车同车道，其中：

情况1：当x_i<min(a,c)时，当x_i<0，认为第i辆周围车辆处于我车后方，当0<x_i<min(a,c)时，实际中不存在此情况，不选用此车作为共享目标，则该情况下的盲区补充面积定义为：

S₁＝0 (6)

情况2：当min(a,c)≤x_i<l₁且f₁₁∩f_i1＝1且f₁₂∩f_i2＝1时，定义A(x_a,y_a)＝(0,0)、B(x_b,y_b)＝(x_i,y_i)、C(x_c,y_c)＝f₁₁∩f_i1，定义S_ΔABC表示A、B、C三点所围成的三角形面积，可得

则该情况下的盲区补充面积S₂为：

情况3：当min(a,c)≤x_i<l₁且f_i1∩f_arc＝1且f₁₂∩f_i2＝1时，定义A(x_a,y_a)＝(0,0)、B(x_b,y_b)＝f_i1∩f_arc、C(x_c,y_c)＝f_i2∩f_arc，定义S_ΔABC表示A、B、C三点所围成的三角形面积，可得

则该情况下的盲区补充面积S₃为：

情况4：当x_i≥l₁时，第i辆周围车辆感知范围不在本车所需感知范围内，不选用此车作为共享目标，则该情况下的盲区补充面积S₄定义为：

S₄＝0 (9)。

6.根据权利要求4所述的一种基于熵权法的传感器共享最优节点选择方法，其特征在于，所述(2)当y_i>LW/2时，表示第i辆周围车辆位于本车左车道，其中：

情况5：当f_i2∩f₁₁＝0且f_i2∩f₁₂＝0时，第i辆周围车辆感知范围不在本车所需感知范围内，不选用此车作为共享目标，则该情况下的盲区补充面积S₅定义为：

S₅＝0 (10)

情况6：当f_i2∩f₁₁＝1且f_i2∩f₁₂＝0时，定义A(x_a,y_a)＝f₁₁∩f_arc、B(x_b,y_b)＝f₁₁∩f_i2、C(x_c,y_c)＝f_i2∩f_arc，则该情况下的盲区补充面积S₆为：

情况7：当f_i2∩f₁₁＝1且f_i2∩f₁₂＝1时，定义A(x_a,y_a)＝(0,0)、B(x_b,y_b)＝f₁₁∩f_i2、C(x_c,y_c)＝f_i2∩f₁₂，定义S_ΔABC表示A、B、C三点所围成的三角形面积，可得

则该情况下的盲区补充面积S₇为：

情况8：当f_i2∩f₁₁＝0且f_i2∩f₁₂＝1时，定义A(x_a,y_a)＝(0,0)、B(x_b,y_b)＝(a,b)、

定义S_ΔABC表示A、B、C三点所围成的三角形面积，可得

则该情况下的盲区补充面积S₈为：

7.根据权利要求4所述的一种基于熵权法的传感器共享最优节点选择方法，其特征在于，所述(3)当y_i<LW/2时，表示第i辆周围车辆位于本车右车道，其中：

情况9：当f_i1∩f₁₂＝0且f_i1∩f₁₁＝0时，第i辆周围车辆感知范围不在本车所需感知范围内，不选用此车作为共享目标，则该情况下的盲区补充面积S₉定义为：

S₉＝0 (14)

情况10：当f_i1∩f₁₂＝1且f_i1∩f₁₁＝0时，定义A(x_a,y_a)＝f₁₂∩f_arc、B(x_b,y_b)＝f₁₂∩f_i1、C(x_c,y_c)＝f_i1∩f_arc，则该情况下的盲区补充面积S₁₀为：

情况11：当f_i1∩f₁₂＝1且f_i1∩f₁₁＝1时，定义A(x_a,y_a)＝(0,0)、B(x_b,y_b)＝f₁₂∩f_i1、C(x_c,y_c)＝f_i1∩f₁₁，定义S_ΔABC表示A、B、C三点所围成的三角形面积，可得

则该情况下的盲区补充面积S₁₁为：

情况12：当f_i1∩f₁₂＝0且f_i1∩f₁₁＝1时，定义A(x_a,y_a)＝(0,0)、B(x_b,y_b)＝(c,d)、

定义S_ΔABC表示A、B、C三点所围成的三角形面积，可得

则该情况下的盲区补充面积S₁₂为：

Images