CN111731283A - 车辆碰撞风险识别方法、装置以及电子设备 - Google Patents

车辆碰撞风险识别方法、装置以及电子设备 Download PDF

Info

Publication number
CN111731283A
CN111731283A CN202010454924.4A CN202010454924A CN111731283A CN 111731283 A CN111731283 A CN 111731283A CN 202010454924 A CN202010454924 A CN 202010454924A CN 111731283 A CN111731283 A CN 111731283A
Authority
CN
China
Prior art keywords
vehicle
collision
risk
predicted
collision risk
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.)
Granted
Application number
CN202010454924.4A
Other languages
English (en)
Other versions
CN111731283B (zh
Inventor
周东毅
王静
罗盾
毛继明
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.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology 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 Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202010454924.4A priority Critical patent/CN111731283B/zh
Publication of CN111731283A publication Critical patent/CN111731283A/zh
Application granted granted Critical
Publication of CN111731283B publication Critical patent/CN111731283B/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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/88—Sonar systems specially adapted for specific applications
    • G01S15/93—Sonar systems specially adapted for specific applications for anti-collision purposes
    • G01S15/931—Sonar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles

Abstract

本申请公开了一种车辆碰撞风险识别方法，涉及自动驾驶技术领域。具体实现方案为：获取道路信息，以及获取第一车辆的行驶轨迹；根据道路信息和第一车辆的行驶轨迹，确定第一车辆的交通行为类型；确定交通行为类型对应的避险动作参数集合；根据避险动作参数集合，识别第一车辆的碰撞风险。由此，相较于现有技术中仅依据固定的避险动作参数集合进行碰撞风险估计，导致碰撞风险估计的准确度较低的问题，本申请中根据第一车辆的交通行为类型差异化的制定了避险动作参数集合，以用于识别第一车辆是否存在碰撞风险，从而能够更加准确识别出车辆是否存在碰撞风险，提高了车辆碰撞风险评估的准确度。

Description

车辆碰撞风险识别方法、装置以及电子设备
技术领域
本申请涉及智能交通技术领域的自动驾驶技术领域，尤其涉及一种车辆碰撞风险识别方法、装置以及电子设备。
背景技术
随着计算机技术和车载计算单元的不断发展，高级驾驶辅助系统，乃至自动驾驶系统也开始逐渐出现在人们生活中。无论是辅助驾驶还是自动驾驶，机器都代替了人的一部分功能而直接控制车辆的运动行为。然而，在全世界各国中，道路交通事故造成了大量的人员伤亡和财产损失。因此，辅助驾驶或自动驾驶系统(可以统称为智能汽车)的安全就成了重中之重。
当前，对于智能汽车的安全考量最重要的是和道路上其他元素的碰撞风险，包括与周围车辆，道路上设置的栅栏等的碰撞风险。但是，现有的智能汽车的碰撞风险是基于固定的参数进行评估的，导致碰撞风险评估准确率较低。
发明内容
本申请提供了一种车辆碰撞风险识别方法、装置、设备以及存储介质。
本申请第一方面实施例提供了一种车辆碰撞风险识别方法，包括：
获取道路信息，以及获取第一车辆的行驶轨迹；
根据所述道路信息和所述第一车辆的行驶轨迹，确定所述第一车辆的交通行为类型；
确定所述交通行为类型对应的避险动作参数集合；
根据所述避险动作参数集合，识别所述第一车辆的碰撞风险。
本申请第二方面实施例提供了一种车辆碰撞风险识别装置，包括：
获取模块，用于获取道路信息，以及获取第一车辆的行驶轨迹；
分类模块，用于根据所述道路信息和所述第一车辆的行驶轨迹，确定所述第一车辆的交通行为类型；
确定模块，用于确定所述交通行为类型对应的避险动作参数集合；
识别模块，用于根据所述避险动作参数集合，识别所述第一车辆的碰撞风险。
本申请第三方面实施例提供了一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行第一方面实施例的车辆碰撞风险识别方法。
本申请第四方面实施例提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行第一方面实施例的车辆碰撞风险识别方法。
上述申请中的一个实施例具有如下优点或有益效果：获取道路信息，以及获取第一车辆的行驶轨迹；根据道路信息和第一车辆的行驶轨迹，确定第一车辆的交通行为类型；确定交通行为类型对应的避险动作参数集合；根据避险动作参数集合，识别第一车辆的碰撞风险。由此，相较于现有技术中没有考虑到不同驾驶员在驾驶行为中反应情况存在差异的问题，仅依据固定的避险动作参数集合进行碰撞风险估计，导致碰撞风险估计的准确度较低的问题，本申请中根据第一车辆的交通行为类型差异化的制定了避险动作参数集合，以用于识别第一车辆是否存在碰撞风险，从而能够更加准确识别出车辆是否存在碰撞风险，提高了车辆碰撞风险评估的准确度。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本申请的限定。其中：
图1为本申请实施例一提供的车辆碰撞风险识别方法的流程示意图；
图2为本申请实施例二提供的车辆碰撞风险识别方法的流程示意图；
图3为本申请实施例三提供的车辆碰撞风险识别方法的流程示意图；
图4为本申请实施例四提供的用于生成道路信息的子流程示意图；
图5为本申请实施例五提供的用于确定交通行为类型的子流程示意图；
图6为本申请实施例六提供的车辆碰撞风险识别装置的结构示意图；
图7是用来实现本申请实施例的车辆碰撞风险识别方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
下面参考附图描述本申请实施例的车辆碰撞风险识别方法、装置、电子设备和存储介质。
图1为本申请实施例一提供的车辆碰撞风险识别方法的流程示意图。
本申请实施例以该车辆碰撞风险识别方法被配置于车辆碰撞风险识别装置中来举例说明，该车辆碰撞风险识别装置可以应用于任一电子设备中，以使该电子设备可以执行车辆碰撞风险识别功能。
其中，电子设备可以为个人电脑(Personal Computer，简称PC)、云端设备、移动设备等，移动设备例如可以为手机、平板电脑、个人数字助理、穿戴式设备、车载设备等具有各种操作系统的硬件设备。
如图1所示，该车辆碰撞风险识别方法，可以包括以下步骤：
步骤101，获取道路信息，以及获取第一车辆的行驶轨迹。
其中，道路信息，包括但不限于车道信息、红绿灯信息、交叉路口信息、栅栏信息等等。例如，道路信息，可以为双车道、红灯、十字路口以及道路中间设置栅栏。
本申请中，第一车辆，可以为无人驾驶汽车、自动驾驶汽车。
作为一种可能的实现方式，在第一车辆在道路上行驶的过程中，可以通过第一车辆配置的激光雷达(还可以是毫米波雷达或者超声波雷达等雷达传感器)对行驶环境周围的物体进行扫描，以获取第一车辆当前行驶环境周围的点云数据。进而，根据获取到的点云数据，确定第一车辆行驶的行驶轨迹和道路信息。
作为另一种可能的实现方式，在第一车辆在道路上行驶的过程中，可以通过设置在第一车辆的激光雷达定位，确定第一车辆的定位信息。进而根据第一车辆的定位信息，查询高精度地图，确定第一车辆周边设定范围内的道路设施位置和道路结构，以根据道路设施位置和道路结构生成道路信息。同时，根据周期性获取的第一车辆的车辆坐标点，在高精度地图的数据库中获取与车辆坐标点对应的点云数据，以根据点云数据确定第一车辆的行驶轨迹。
作为又一种可能的实现方式，在第一车辆在道路上行驶的过程中，还可以周期性获取第一车辆的车辆坐标点，将所获取的车辆坐标点通过直线依次相连，形成第一车辆的行驶轨迹，从而可以获取到第一车辆的行驶轨迹。
作为一种示例，在第一车辆行驶的过程中，可以每隔5s获取一次车辆坐标，进而将在一段时间内获取到的车辆坐标点通过直线依次相连，以获取到第一车辆在这段时间内的行驶轨迹。
需要说明的是，本申请中对于获取道路信息和获取第一车辆的行驶轨迹的顺序并不做限定，可以先获取道路信息，再获取第一车辆的行驶轨迹；也可以先获取第一车辆的行驶轨迹，再获取道路信息；还可以同时获取道路信息和第一车辆的行驶轨迹。
步骤102，根据道路信息和第一车辆的行驶轨迹，确定第一车辆的交通行为类型。
其中，交通行为类型，是指第一车辆在行驶过程中的行为类型。例如，第一车辆为直行、左转弯、右转弯、变道行驶等等。
作为本申请实施例的一种可能的实现方式，在获取到道路信息和第一车辆的行驶轨迹后，可以根据第一车辆的行驶轨迹，确定第一车辆的行驶方向。进而根据第一车辆的行驶方向和道路信息，确定第一车辆的交通行为类型。
举例来说，根据第一车辆的行驶轨迹确定第一车辆的行驶方向为直行，并且根据道路信息确定红路灯类型为绿灯，则可以确定第一车辆的交通行为类型为向前直行。
作为本申请实施例的另一种可能的实现方式，在获取到道路信息和第一车辆的行驶轨迹后，可以将道路信息和第一车辆的行驶轨迹输入经过训练的分类模型，根据分类模型的输出即可确定第一车辆的交通行为类型。
需要说明的是，上述确定第一车辆的交通行为类型的方式仅作为示例性描述，其余的可以确定第一车辆的交通行为类型的实现方式也可以适用于本申请中，在此不做限定。
步骤103，确定交通行为类型对应的避险动作参数集合。
其中，避险动作参数集合，是指车辆在行驶过程中，驾驶员对车辆碰撞风险的评估参数。
由于驾驶员驾驶车辆的过程中，不可避免的存在碰撞风险，不同驾驶员驾驶车辆时对碰撞风险的反应情况并不相同，且同一驾驶员驾驶车辆时对碰撞风险的反应情况也并不相同，因此，本申请中可以预先设定不同交通行为类型对应的避险动作参数集合。并且，同一交通行为类型对应的避险动作参数集合可以为多个参数的组合。
例如，一个交通行为类型对应的避险动作参数集合，可以为反应延迟时长、减速度、转向角等参数中的多个参数组合。
可以理解的是，在车辆出主路情况下，或者车辆直行时，车辆作为应被让行的一方，驾驶员的反应度往往会下降；然而，在车辆并线或者在辅路直行时，车辆作为应让行的一方，驾驶员的反应度往往会维持正常水平。因此，不同的交通行为类型均有对应的避险动作参数集合，避险动作参数集合中包含有驾驶员的所有可能的避险动作参数。
在一种可能的情况下，可以根据第一车辆的交通行为类型将第一车辆的避险动作，划分为有责任的避险动作和无责任的避险动作，以根据交通行为类型划分的避险动作，确定对应的避险动作参数集合。
作为一种示例，在第一车辆的交通行为类型为右转弯时，第一车辆的周边车辆的交通行为类型为直行时，这种情况下，第一车辆和周边车辆并无碰撞的可能，第一车辆的避险动作为无责任的避险动作。
然而，在第一车辆的交通行为类型为直行时，第一车辆的周边车辆的交通行为类型也为直行时，这种情况下，第一车辆和周边车辆可能有碰撞风险，可以确定第一车辆的避险动作为有责任的避险动作。
在另一种可能的情况下，交通行为类型的划分可以是根据第一车辆的责任划分确定的。例如，第一车辆的避险动作分为有责任避险动作和无责任避险动作，进而根据有责任和无责任的避险动作确定交通行为类型，从而可以确定交通行为类型对应的避险动作参数集合。
作为一种示例，同一道路上行驶的第一车辆和周围车辆的行驶方向均为直行时，第一车辆的避险动作为有责任避险动作，这种情况下交通行为类型划分为直行。
步骤104，根据避险动作参数集合，识别第一车辆的碰撞风险。
本申请中，确定第一车辆的每一种交通行为类型对应的避险动作参数集合后，可以根据避险动作参数集合，计算第一车辆的预测行驶轨迹，以根据预测行驶轨迹，识别第一车辆是否存在碰撞风险。
在一种可能的情况下，根据避险动作参数集合，确定第一车辆的多个预测行驶轨迹后，确定多条预测行驶轨迹与周围车辆的预测行驶轨迹均不存在碰撞点，则可以确定第一车辆为无碰撞风险。
在另一种可能的情况下，根据避险动作参数集合，确定第一车辆的多条预测行驶轨迹后，确定多条预测行驶轨迹与周围车辆的预测行驶轨迹均存在碰撞点，则可以确定第一车辆与周围车辆之间存在碰撞风险。
举例来说，确定第一车辆的交通行为类型为左转弯，前方有车辆直行过来时，根据该交通行为类型对应的避险动作参数集合，确定第一车辆躲避前方行驶过来的车辆的多条预测行驶轨迹。进而根据第一车辆的多条预测行驶轨迹与前方车辆的预测行驶轨迹，识别第一车辆是否存在碰撞风险。若确定多条预测行驶轨迹与前方车辆的预测行驶轨迹均无碰撞点，则识别第一车辆无碰撞风险；若确定多条预测行驶轨迹与前方车辆的预测行驶轨迹均存在碰撞点，则识别第一车辆与前方车辆存在碰撞风险。
本申请实施例的车辆碰撞风险识别方法，通过获取道路信息，以及获取第一车辆的行驶轨迹，根据道路信息和第一车辆的行驶轨迹，确定第一车辆的交通行为类型，确定交通行为类型对应的避险动作参数集合，根据避险动作参数集合，识别第一车辆的碰撞风险。由此，相较于现有技术中没有考虑到不同驾驶员在驾驶行为中反应情况存在差异的问题，仅依据固定的避险动作参数集合进行碰撞风险估计，导致碰撞风险估计的准确度较低的问题，本申请中根据第一车辆的交通行为类型差异化的制定了避险动作参数集合，以用于识别第一车辆是否存在碰撞风险，从而能够更加准确识别出车辆是否存在碰撞风险，提高了车辆碰撞风险评估的准确度。
在上述实施例的基础上，本申请提出了另一种车辆碰撞风险识别方法。
图2为本申请实施例二提供的车辆碰撞风险识别方法的流程示意图。
如图2所示，该车辆碰撞风险识别方法，可以包括以下步骤：
步骤201，获取道路信息，以及获取第一车辆的行驶轨迹。
步骤202，根据道路信息和第一车辆的行驶轨迹，确定第一车辆的交通行为类型。
步骤203，确定交通行为类型对应的避险动作参数集合。
本申请实施例中，步骤201至步骤203的实现过程，可以参见上述实施例中步骤101至步骤103的实现过程，在此不再赘述。
步骤204，将避险动作参数集合中的反应延迟时长、减速度、转向角度和/或转向速度组合，得到避险动作参数集合的多个参数组合。
由于在同一交通行为类型中，不同的驾驶员的反应情况存在差异，在不同的交通行为类型中，同一驾驶员的反应情况也存在差异，因此，每一种交通行为类型对应的避险动作参数集合中可以包括反应延迟时长、减速度、转向角度和/或转向速度。其中，反应延迟时长、减速度、转向角度和转向速度均可以为多个。例如，反应延迟时长可以为0.5s至2s。
本申请中，可以将避险动作参数集合中的反应延迟时长、减速度、转向角度和/或转向速度任意组合，以得到多个参数组合。
作为一种示例，可以将避险动作参数集合中的任意一个反应延迟时长、任意一个减速度、任意一个转向角度和/或任意一个转向速度进行组合，以得到一个参数组合。
还例如，可以将避险动作参数集合中的多个反应延迟时长、多个减速度、多个转向角度和/或多个转向速度中的至少两个参数任意组合，以得到多个参数组合。如，车辆在直线行驶需要紧急刹车时，可以根据多个反应延迟时长和多个减速度进行组合，得到多个参数组合。
步骤205，根据多个参数组合，生成第一车辆的多条第一预测轨迹。
其中，第一预测轨迹，可以为第一车辆在避险时可能的行驶轨迹，如此命名是为了便于区别在第一车辆的周围行驶的车辆的预测行驶轨迹。
由于车辆在道路上行驶时，不可避免的存在碰撞风险，在驾驶员驾驶车辆中，也会对能够应对的风险进行避免。因此，本申请中，可以根据避险动作参数集合中的多个参数组合，对驾驶员应对风险时的车辆轨迹进行预测。
可以理解的是，避险动作参数集合中包括多个参数组合，每一个参数组合，可以生成一条第一车辆的预测轨迹。因此，根据多个参数组合，可以生成第一车辆的多条第一预测轨迹。
举例来说，假设参数组合中包含第一车辆的0.5s的反应延迟时长，再以-0.2g的加速度刹车1.5s，那么就根据这个加速度和时间，以及常规车辆运动学模型来计算第一车辆的未来2s的轨迹。
作为一种可能的实现方式，可以将多个参数组合分别输入预先建立的车辆运动学模型，以根据模型的输出生成第一车辆的多条第一预测轨迹，其中，车辆运动学模型能够反映第一车辆的位置、速度、加速度等与时间的关系。
步骤206，根据多条第一预测轨迹，判断是否存在碰撞风险。
其中，碰撞风险，是指两辆车的行驶轨迹会在某一时刻相交。碰撞风险的大小跟速度，碰撞面积，死亡概率成正比，和碰撞时间成反比。本申请中的碰撞风险是指驾驶员综合考虑道路状况后认为不可控的风险。
本申请中，根据多个参数组合，生成第一车辆的多条第一预测轨迹后，还可以确定第一车辆的周围车辆的第二预测轨迹。为了便于区别，可以将在第一车辆周围行驶的车辆统称为第二车辆，可以将第二车辆的在未来一段时间的行驶轨迹称为第二预测轨迹。例如，行驶的汽车、手推车、滑板，等等。
本申请中，在获取到第一车辆的多条第一预测轨迹以及第二车辆的第二预测轨迹后，可以将多条第一预测轨迹与第二预测轨迹进行比较，以根据每一条第一预测轨迹与第二预测轨迹是否存在碰撞点，判断第一车辆与第二车辆是否存在碰撞风险。其中，获取第二车辆的第二预测轨迹的详细介绍参见实施例三的实现过程。
在一种可能的情况下，确定多条第一预测轨迹中，存在至少一条第一预测轨迹与第二预测轨迹不存在碰撞点，则确定第一车辆与第二车辆无碰撞风险。
举例来说，假设第一车辆的第一预测轨迹有3条，在3条第一预测轨迹中存在至少一条第一预测轨迹与第二预测轨迹不存在碰撞点，则可以确定第一车辆与第二车辆无碰撞风险。
在另一种可能的情况下，确定多条第一预测轨迹均与第二预测轨迹存在碰撞点，则可以确定第一车辆与第二车辆存在碰撞风险。
举例来说，假设第一车辆的第一预测轨迹有3条，确定3条第一预测轨迹均与第二预测轨迹存在碰撞点，则可以确定第一车辆与第二车辆存在碰撞风险。
本申请实施例的车辆碰撞风险识别方法，通过获取道路信息，以及获取第一车辆的行驶轨迹，根据道路信息和第一车辆的行驶轨迹，确定第一车辆的交通行为类型，确定交通行为类型对应的避险动作参数集合，将避险动作参数集合中的反应延迟时长、减速度、转向角度和/或转向速度组合，得到避险动作参数集合的多个参数组合，根据多个参数组合，生成第一车辆的多条第一预测轨迹，根据多条第一预测轨迹，判断是否存在碰撞风险。由此，根据避险动作参数集合的多个参数组合，生成的第一车辆的多条第一预测轨迹判断是否存在碰撞风险，能够在复杂场景中准确识别出是否存在碰撞风险。
在上述实施例的基础上，本申请提出了又一种车辆碰撞风险识别方法。
图3为本申请实施例三提供的车辆碰撞风险识别方法的流程示意图。
如图3所示，该车辆碰撞风险识别方法，可以包括以下步骤：
步骤301，获取道路信息，以及获取第一车辆的行驶轨迹。
步骤302，根据道路信息和第一车辆的行驶轨迹，确定第一车辆的交通行为类型。
步骤303，确定交通行为类型对应的避险动作参数集合。
步骤304，将避险动作参数集合中的多个反应延迟时长、多个减速度、多个转向角度和/或多个转向速度组合，得到避险动作参数集合的多个参数组合。
本申请实施例中，步骤301至步骤304的实现过程，可以参见上述实施例中步骤201至步骤204的实现过程，在此不再赘述。
步骤305，对第一车辆周边设定范围内的多个候选车辆，确定行驶方向。
本申请中，第一车辆在道路行驶过程中，周围也会有多辆车辆在行驶，可以将第一车辆周边设定范围内行驶的车辆作为候选车辆，并确定多个候选车辆的行驶方向。
作为一种示例，可以将第一车辆周围5米内行驶的车辆作为候选车辆，并确定多个候选车辆的行驶方向。例如，直行、左转弯、右转弯等。
步骤306，根据道路信息，确定每一个候选车辆与第一车辆之间路段的道路结构。
可以理解为，第一车辆周边设定范围内的多个候选车辆的行驶方向，可以为与第一车辆同向行驶，也可以为与第一车辆反向行驶。因此，可以根据道路信息，确定每一个候选车辆与第一车辆之间路段的道路结构，以根据每一个候选车辆的行驶方向和道路结构，确定多个候选车辆中与第一车辆无碰撞风险的车辆。例如，在第一车辆的右侧同向行驶的候选车辆的行驶方向为右转弯，而第一车辆为左转弯时，可以确定候选车辆与第一车辆之间无碰撞风险。还例如，在反向行驶的候选车辆与第一车辆的道路中间有栅栏时，可以确定候选车辆与第一车辆之间无碰撞风险。
本申请实施例的道路信息，包括但不限于车道信息、红绿灯信息、交叉路口信息、栅栏信息等等。例如，道路信息，可以为双车道、红灯、十字路口以及道路中间设置栅栏。
举例来说，假设候选车辆与第一车辆为反向行驶，根据道路信息，确定候选车辆与第一车辆之间路段的道路结构为中间设置有栅栏。
步骤307，根据每一个候选车辆的行驶方向和对应的道路结构，以及第一车辆的行驶方向，从候选车辆中排除无碰撞风险的车辆，以得到保留的第二车辆。
可以理解的是，第一车辆行驶过程中，在设定范围内的候选车辆中可能存在与第一车辆无碰撞风险的车辆。这种情况下，可以从候选车辆中排除无碰撞风险的车辆，以得到保留的可能存在碰撞风险的第二车辆。
本申请中，根据每一个候选车辆的行驶方向和对应的道路结构，以及第一车辆的行驶方向，可以确定候选车辆与第一车辆是否存在碰撞风险。进而，可以从候选车辆中排除无碰撞风险的车辆，以得到保留的第二车辆。
作为一种可能的实现方式，可以将每一个候选车辆的行驶方向和对应的道路结构，以及第一车辆的行驶方向，作为匹配条件，匹配预设的多个规则。若多个规则中存在匹配中的规则，则将该候选车辆识别为无碰撞风险，以从候选车辆中排除。由于预设的多个规则中包括候选车辆与第一车辆所有可能无碰撞风险的情况，因此，可以准确识别出每一个候选车辆是否存在碰撞风险。
需要解释的是，预设的多个匹配规则中包含了候选车辆与第一车辆无碰撞风险情况下，候选车辆的行驶方向和对应的道路结构以及第一车辆的行驶方向。例如，候选车辆和第一车辆的行驶方向为反向直行，中间道路结构设置有栅栏；候选车辆的行驶方向为右转弯，道路结构为十字路口，位于候选车辆左侧道路上的第一车辆的行驶方向也为右转弯。
例如，若将第一车辆为左转弯，候选车辆在第一车辆右侧行驶并且右转，作为匹配条件，预设的多个规则中存与该匹配条件匹配的规则，则将该候选车辆识别为无碰撞风险，此时，可以从候选车辆中将该车辆排除。还例如，假设将道路结构为道路中间设置有栅栏，第一车辆为正常直行，候选车辆为反向直行作为匹配条件，预设的多个规则中存与该匹配条件匹配的规则，则该候选车辆与第一车辆没有碰撞风险，此时，也可以从候选车辆中将该车辆排除。由此，将在复杂交通流下与第一车辆无碰撞风险的候选车辆排除，使得车辆碰撞风险识别更加准确。
步骤308，获取第二车辆的第二预测轨迹。
其中，第二车辆，是指从第一车辆周围设定范围内的候选车辆中，排除无碰撞风险的车辆后，得到的车辆。
本申请实施例中，在第一车辆在道路行驶的过程中，可以根据道路结构，第二车辆相对于第一车辆的行驶位置，速度，加速度，航向角速度，航向角加速度，几何信息等等，确定出第二车辆的第二预测轨迹。
作为一种可能的实现方式，可以将第二车辆的的速度和加速度输入经过训练的轨迹预测模型，以根据模型的输出确定第二车辆的第二预测轨迹。
步骤309，将多条第一预测轨迹与第二预测轨迹比较，以确定每一条第一预测轨迹与第二预测轨迹是否存在碰撞点。
本申请实施例中，根据多个避险动作参数组合生成第一车辆的多条第一预测轨迹，以及获取到第二车辆的第二预测轨迹后，可以将多条第一预测轨迹与第二预测轨迹进行比较，以确定每一条第一预测轨迹与第二预测轨迹是否存在碰撞点，进而确定第一车辆与第二车辆之间是否存在碰撞风险。
举例来说，假设生成第一车辆的第一预测轨迹为5条，可以将5条第一预测轨迹分别与第二预测轨迹进行比较，以确定每一条第一预测轨迹与第二预测轨迹是否存在碰撞点。
步骤310，若多条第一预测轨迹中，存在至少一条第一预测轨迹与第二预测轨迹不存在碰撞点，则识别为第一车辆与第二车辆无碰撞风险。
在一种可能的情况下，在生成的多条第一预测轨迹中，存在至少一条第一预测轨迹与第二预测轨迹不存在碰撞点时，则可以识别为第一车辆与第二车辆之间无碰撞风险。
步骤311，若多条第一预测轨迹均与第二预测轨迹存在碰撞点，则识别为第一车辆与第二车辆存在碰撞风险。
在另一种可能的情况下，若生成的多条第一预测轨迹均与第二预测轨迹存在碰撞点，也就是说，第一车辆在行驶过程中，无法避免与第二车辆的碰撞，则识别为第一车辆与第二车辆存在碰撞风险。
本申请实施例中，在确定生成的多条第一预测轨迹均与第二预测轨迹存在碰撞点后，可以根据道路信息，确定至少一个第一预测轨迹在起点与碰撞点之间存在可通行路段，且可通行路段内不存在障碍物。这种情况下，可以确定第一车辆与第二车辆之间存在碰撞风险。
可以理解为，假设第一车辆的一个第一预测轨迹与第二车辆的第二预测轨迹存在碰撞点，进一步的，确定第一预测轨迹在起点与碰撞点之间是否存在可通行路段。确定第一预测轨迹的起点与碰撞点之间存在可通行路段后，继续确定可通行路段内不存在障碍物。这种情况下，第一车辆才可能沿着第一预测轨迹行驶，第一车辆与第二车辆之间存在碰撞风险。
否则，若第一预测轨迹在起点与碰撞点之间存在栅栏或者其他建筑物，导致第一车辆无法沿着第一预测轨迹行驶至碰撞点时，第一车辆与第二车辆之间还是无碰撞风险。因此，将第一车辆与第二车辆之间不可能存在的碰撞风险排除掉，有利于提高车辆碰撞风险识别的准确度。
作为本申请实施例的一种可能的实现方式，在识别为第一车辆与第二车辆存在碰撞风险之后，还可以根据第一车辆和第二车辆在碰撞点的车辆运动状态，确定风险程度。
其中，车辆运动状态，可以为第一车辆和第二车辆在碰撞点的速度、加速度、车辆位姿，等等。
本申请中，根据第一车辆和第二车辆的车辆位姿，能够确定第一车辆与第二车辆在碰撞点碰撞时的碰撞角度，进而，根据碰撞角度和碰撞时第一车辆与第二车辆的速度，减速度，确定碰撞死亡概率。例如，碰撞角度为第一车辆前部位置，碰撞时速度比较大，减速度较小时，碰撞死亡概率就会较大。相反，碰撞时的车辆行驶速度较小，并且减速度较大时，碰撞死亡概率就会较小。
在第一车辆和第二车辆分别沿着预测轨迹行驶时，可以根据第一预测轨迹和第二预测轨迹的最大重合面积，确定第一车辆和第二车辆的接触面积。进而根据碰撞死亡概率、接触面积、碰撞时相对速度和加速度，确定碰撞风险程度，从而实现了对车辆碰撞风险程度进行评估，实现了风险量化。
例如，碰撞死亡概率和接触面积较大，并且碰撞时相对速度较高，加速度较小时，可以确定第一车辆和第二车辆的碰撞风险程度较大。
本申请实施例的车辆碰撞风险识别方法，通过对第一车辆周边设定范围内的多个候选车辆，确定行驶方向，根据道路信息，确定每一个候选车辆与第一车辆之间路段的道路结构，根据每一个候选车辆的行驶方向和对应的道路结构，以及第一车辆的行驶方向，从候选车辆中排除无碰撞风险的车辆，以得到保留的第二车辆，通过将在复杂交通流下与第一车辆无碰撞风险的候选车辆排除，使得车辆碰撞风险识别更加准确；通过将多条第一预测轨迹与第二预测轨迹比较，以确定每一条第一预测轨迹与第二预测轨迹是否存在碰撞点，从而可以发现车辆行驶过程中在安全方面的潜在问题。
在上述任一实施例中，在步骤101、步骤201或步骤301中获取道路信息时，还可以根据第一车辆的定位，查询地图，得到第一车辆周边设定范围内的道路设施位置和道路结构，以根据道路设置位置和道路结构，生成道路信息。下面结合图4进行详细介绍，图4为本申请实施例提供的第四种车辆碰撞风险识别方法的流程示意图。
如图4所示，上述步骤101、步骤201或步骤301中，还可以包括以下子步骤：
步骤401，根据第一车辆的定位，查询地图，得到第一车辆周边设定范围内的道路设施位置和道路结构。
其中，道路设施位置，可以为道路两侧和道路中间的设施的位置。例如，道路中间的栅栏位置，道路两侧花园位置，等等。道路结构，可以指道路是直行道路，十字路口，丁字路口，等等。
本申请实施例中，第一车辆在道路上行驶的过程中，可以通过第一车辆中配置的定位系统实时获取第一车辆的定位。进而，根据第一车辆的定位，查询高精度地图，得到第一车辆周围设定范围内的道路设施位置和道路结构。
举例来说，第一车辆在道路上行驶的过程中，通过设置在车辆的GPS定位系统可以确定第一车辆的位置，进而根据第一车辆的位置，查询地图，得到第一车辆周边20米内的道路设施位置和道路结构。
步骤402，根据道路设施位置和道路结构，生成道路信息。
道路信息，包括但不限于车道信息、红绿灯信息、交叉路口信息、栅栏信息等等。例如，道路信息，可以为双车道、红灯、十字路口以及道路中间设置栅栏。
本申请实施例中，获取到第一车辆周边设定范围内的道路设施位置和道路结构后，可以根据道路设施位置和道路结构，生成第一车辆行驶过程中的道路信息。
本申请实施例的车辆碰撞风险识别方法，通过根据第一车辆的定位，查询地图，得到第一车辆周边设定范围内的道路设施位置和道路结构，根据道路设置位置和道路结构，生成道路信息。由此，根据第一车辆周边设定范围内的道路设施位置和道路结构，能够准确生成第一车辆周边的道路信息，以用于后续预测车辆的行驶轨迹。
在上述任一实施例中，在步骤102、步骤202或步骤302中确定第一车辆的交通行为类型时，还可以根据第一车辆的行驶轨迹，确定第一车辆的行驶方向，以根据第一车辆的行驶方向和道路信息进行分类，得到第一车辆的交通行为类型。下面结合图5进行详细介绍，图5为本申请实施例五提供的车辆碰撞风险识别方法的流程示意图。
如图5所示，上述步骤102、步骤202或步骤302中，还可以包括以下子步骤：
步骤501，根据第一车辆的行驶轨迹，确定第一车辆的行驶方向。
本申请实施例中，获取到第一车辆的行驶轨迹后，可以根据第一车辆的行驶轨迹，确定第一车辆的行驶方向。
例如，假设第一车辆的行驶轨迹为直线，可以确定第一车辆的行驶方向为正常直行。
步骤502，根据第一车辆的行驶方向和道路信息进行分类，以得到第一车辆的交通行为类型。
其中，交通行为类型，是指第一车辆在行驶过程中的行为类型。例如，第一车辆为直行、左转弯、右转弯、变道行驶、调头等等。
本申请实施例中，不同交通行为类型下的碰撞风险并不相同，因此，在确定第一车辆的行驶方向和道路信息后，可以根据第一车辆的行驶方向和道路信息进行分类，以得到第一车辆的交通行为类型。
例如，第一车辆的行驶轨迹为半圆形，并且确定道路信息为十字路口，可以确定第一车辆的交通行为类型为调头。
本申请实施例的车辆碰撞风险识别方法，通过根据第一车辆的行驶轨迹，确定第一车辆的行驶方向，根据第一车辆的行驶方向和道路信息进行分类，以得到第一车辆的交通行为类型。由此，通过第一车辆的行驶方向和道路信息对第一车辆的行驶行为进行分类，能够确定的确定第一车辆的交通行为类型，进而对不同交通行为类型下的第一车辆进行碰撞风险识别，有利于提高碰撞风险识别的准确率。
为了实现上述实施例，本申请提出了一种车辆碰撞风险识别装置。
图6为本申请实施例六提供的车辆碰撞风险识别装置的结构示意图。
如图6所示，该车辆碰撞风险识别装置600，可以包括：获取模块610、分类模块620、确定模块630以及识别模块640。
其中，获取模块610，用于获取道路信息，以及获取第一车辆的行驶轨迹。
分类模块620，用于根据道路信息和第一车辆的行驶轨迹，确定第一车辆的交通行为类型。
确定模块630，用于确定交通行为类型对应的避险动作参数集合。
识别模块640，用于根据避险动作参数集合，识别第一车辆的碰撞风险。
作为一种可能的情况，识别模块640，可以包括：
组合单元，用于将避险动作参数集合中的反应延迟时长、减速度、转向角度和/或转向速度组合，得到避险动作参数集合的多个参数组合。
第一生成单元，用于根据多个参数组合，生成第一车辆的多条第一预测轨迹。
判断单元，用于根据多条第一预测轨迹，判断是否存在碰撞风险。
作为另一种可能的情况，判断单元，可以包括：
获取单元，用于获取第二车辆的第二预测轨迹。
比较单元，用于将多条第一预测轨迹与第二预测轨迹比较，以确定每一条第一预测轨迹与第二预测轨迹是否存在碰撞点。
第一识别单元，用于若多条第一预测轨迹中，存在至少一条第一预测轨迹与第二预测轨迹不存在碰撞点，则识别为第一车辆与第二车辆无碰撞风险。
第二识别单元，用于若多条第一预测轨迹均与第二预测轨迹存在碰撞点，则识别为第一车辆与第二车辆存在碰撞风险。
作为另一种可能的情况，判断单元，还可以包括：
第一确定单元，用于对第一车辆周边设定范围内的多个候选车辆，确定行驶方向。
第二确定单元，用于根据道路信息，确定每一个候选车辆与第一车辆之间路段的道路结构。
第三确定单元，用于根据每一个候选车辆的行驶方向和对应的道路结构，以及第一车辆的行驶方向，从候选车辆中排除无碰撞风险的车辆，以得到保留的第二车辆。
作为另一种可能的情况，第三确定单元，还可以用于：
将一个候选车辆的驾驶行为类型和对应的道路结构，以及第一车辆的驾驶行为类型，作为匹配条件，匹配预设的多个规则。
若多个规则中存在匹配中的规则，则将一个候选车辆识别为无碰撞风险，以从候选车辆中排除。
作为另一种可能的情况，判断单元，还可以包括：
第四确定单元，用于根据道路信息，确定至少一个第一预测轨迹在起点与碰撞点之间存在可通行路段，且可通行路段内不存在障碍物。
作为另一种可能的情况，判断单元，还可以包括：
第五确定单元，用于根据第一车辆和第二车辆在碰撞点的车辆运动状态，确定风险程度。
作为另一种可能的情况，获取模块610，可以包括：
查询单元，用于根据第一车辆的定位，查询地图，得到第一车辆周边设定范围内的道路设施位置和道路结构。
第二生成单元，用于根据道路设施位置和道路结构，生成道路信息。
作为另一种可能的情况，分类模块620，可以包括：
第六确定单元，用于根据第一车辆的行驶轨迹，确定第一车辆的行驶方向。
分类单元，用于根据第一车辆的行驶方向和道路信息进行分类，以得到第一车辆的交通行为类型。
需要说明的是，前述对车辆碰撞风险识别方法实施例的解释说明也适用于该实施例的车辆碰撞风险识别装置，此处不再赘述。
本申请实施例的车辆碰撞风险识别装置，通过获取道路信息，以及获取第一车辆的行驶轨迹，根据道路信息和第一车辆的行驶轨迹，确定第一车辆的交通行为类型，确定交通行为类型对应的避险动作参数集合，根据避险动作参数集合，识别第一车辆的碰撞风险。由此，相较于现有技术中没有考虑到不同驾驶员在驾驶行为中反应情况存在差异的问题，仅依据固定的避险动作参数集合进行碰撞风险估计，导致碰撞风险估计的准确度较低的问题，本申请中根据第一车辆的交通行为类型差异化的制定了避险动作参数集合，以用于识别第一车辆是否存在碰撞风险，从而能够更加准确识别出车辆是否存在碰撞风险，提高了车辆碰撞风险评估的准确度。
根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。
如图7所示，是根据本申请实施例的车辆碰撞风险识别方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图7所示，该电子设备包括：一个或多个处理器701、存储器702，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图7中以一个处理器701为例。
存储器702即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的车辆碰撞风险识别方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的车辆碰撞风险识别方法。
存储器702作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的车辆碰撞风险识别方法对应的程序指令/模块(例如，附图6所示的获取模块610、分类模块620、确定模块630以及识别模块640)。处理器701通过运行存储在存储器702中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的车辆碰撞风险识别方法。
存储器702可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据电子设备的使用所创建的数据等。此外，存储器702可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器702可选包括相对于处理器701远程设置的存储器，这些远程存储器可以通过网络连接至电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
电子设备还可以包括：输入装置703和输出装置704。处理器701、存储器702、输入装置703和输出装置704可以通过总线或者其他方式连接，图7中以通过总线连接为例。
输入装置703可接收输入的数字或字符信息，以及产生与电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置704可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请实施例的技术方案，通过获取道路信息，以及获取第一车辆的行驶轨迹，根据道路信息和第一车辆的行驶轨迹，确定第一车辆的交通行为类型，确定交通行为类型对应的避险动作参数集合，根据避险动作参数集合，识别第一车辆的碰撞风险。由此，相较于现有技术中没有考虑到不同驾驶员在驾驶行为中反应情况存在差异的问题，仅依据固定的避险动作参数集合进行碰撞风险估计，导致碰撞风险估计的准确度较低的问题，本申请中根据第一车辆的交通行为类型差异化的制定了避险动作参数集合，以用于识别第一车辆是否存在碰撞风险，从而能够更加准确识别出车辆是否存在碰撞风险，提高了车辆碰撞风险评估的准确度。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (20)

1.一种车辆碰撞风险识别方法，所述方法包括：
获取道路信息，以及获取第一车辆的行驶轨迹；
根据所述道路信息和所述第一车辆的行驶轨迹，确定所述第一车辆的交通行为类型；
确定所述交通行为类型对应的避险动作参数集合；
根据所述避险动作参数集合，识别所述第一车辆的碰撞风险。
2.根据权利要求1所述的车辆碰撞风险识别方法，其中，所述根据所述避险动作参数集合，识别所述第一车辆的碰撞风险，包括：
将所述避险动作参数集合中的反应延迟时长、减速度、转向角度和/或转向速度组合，得到所述避险动作参数集合的多个参数组合；
根据多个所述参数组合，生成所述第一车辆的多条第一预测轨迹；
根据所述多条第一预测轨迹，判断是否存在碰撞风险。
3.根据权利要求2所述的车辆碰撞风险识别方法，其中，所述根据所述多条第一预测轨迹，判断是否存在碰撞风险，包括：
获取第二车辆的第二预测轨迹；
将所述多条第一预测轨迹与所述第二预测轨迹比较，以确定每一条所述第一预测轨迹与所述第二预测轨迹是否存在碰撞点；
若所述多条第一预测轨迹中，存在至少一条所述第一预测轨迹与所述第二预测轨迹不存在碰撞点，则识别为所述第一车辆与所述第二车辆无碰撞风险；
若所述多条第一预测轨迹均与所述第二预测轨迹存在碰撞点，则识别为所述第一车辆与所述第二车辆存在碰撞风险。
4.根据权利要求3所述的车辆碰撞风险识别方法，其中，在所述获取第二车辆的第二预测轨迹之前，还包括：
对所述第一车辆周边设定范围内的多个候选车辆，确定行驶方向；
根据所述道路信息，确定每一个所述候选车辆与所述第一车辆之间路段的道路结构；
根据每一个所述候选车辆的行驶方向和对应的道路结构，以及所述第一车辆的行驶方向，从所述候选车辆中排除无碰撞风险的车辆，以得到保留的所述第二车辆。
5.根据权利要求4所述的车辆碰撞风险识别方法，其中，所述根据每一个所述候选车辆的行驶方向和对应的道路结构，以及所述第一车辆的行驶方向，从所述候选车辆中排除无碰撞风险的车辆，包括：
将一个所述候选车辆的行驶方向和对应的道路结构，以及所述第一车辆的行驶方向，作为匹配条件，匹配预设的多个规则；
若所述多个规则中存在匹配中的规则，则将所述一个候选车辆识别为无碰撞风险，以从所述候选车辆中排除。
6.根据权利要求3所述的车辆碰撞风险识别方法，其中，在所述识别为所述第一车辆与所述第二车辆存在碰撞风险之前，还包括：
根据所述道路信息，确定至少一个所述第一预测轨迹在起点与所述碰撞点之间存在可通行路段，且所述可通行路段内不存在障碍物。
7.根据权利要求3所述的车辆碰撞风险识别方法，其中，在所述识别为所述第一车辆与所述第二车辆存在碰撞风险之后，还包括：
根据所述第一车辆和所述第二车辆在所述碰撞点的车辆运动状态，确定风险程度。
8.根据权利要求1-7任一项所述的车辆碰撞风险识别方法，其中，所述获取道路信息，包括：
根据所述第一车辆的定位，查询地图，得到所述第一车辆周边设定范围内的道路设施位置和道路结构；
根据所述道路设施位置和所述道路结构，生成所述道路信息。
9.根据权利要求1-7任一项所述的车辆碰撞风险识别方法，其中，所述根据所述道路信息和所述第一车辆的行驶轨迹，确定所述第一车辆的交通行为类型，包括：
根据所述第一车辆的行驶轨迹，确定所述第一车辆的行驶方向；
根据所述第一车辆的行驶方向和所述道路信息进行分类，以得到所述第一车辆的交通行为类型。
10.一种车辆碰撞风险识别装置，所述装置包括：
获取模块，用于获取道路信息，以及获取第一车辆的行驶轨迹；
分类模块，用于根据所述道路信息和所述第一车辆的行驶轨迹，确定所述第一车辆的交通行为类型；
确定模块，用于确定所述交通行为类型对应的避险动作参数集合；
识别模块，用于根据所述避险动作参数集合，识别所述第一车辆的碰撞风险。
11.根据权利要求10所述的车辆碰撞风险识别装置，其中，所述识别模块，包括：
组合单元，用于将所述避险动作参数集合中的反应延迟时长、减速度、转向角度和/或转向速度组合，得到所述避险动作参数集合的多个参数组合；
第一生成单元，用于根据多个所述参数组合，生成所述第一车辆的多条第一预测轨迹；
判断单元，用于根据所述多条第一预测轨迹，判断是否存在碰撞风险。
12.根据权利要求11所述的车辆碰撞风险识别装置，其中，所述判断单元，包括：
获取单元，用于获取第二车辆的第二预测轨迹；
比较单元，用于将所述多条第一预测轨迹与所述第二预测轨迹比较，以确定每一条所述第一预测轨迹与所述第二预测轨迹是否存在碰撞点；
第一识别单元，用于若所述多条第一预测轨迹中，存在至少一条所述第一预测轨迹与所述第二预测轨迹不存在碰撞点，则识别为所述第一车辆与所述第二车辆无碰撞风险；
第二识别单元，用于若所述多条第一预测轨迹均与所述第二预测轨迹存在碰撞点，则识别为所述第一车辆与所述第二车辆存在碰撞风险。
13.根据权利要求12所述的车辆碰撞风险识别装置，其中，所述判断单元，还包括：
第一确定单元，用于对所述第一车辆周边设定范围内的多个候选车辆，确定行驶方向；
第二确定单元，用于根据所述道路信息，确定每一个所述候选车辆与所述第一车辆之间路段的道路结构；
第三确定单元，用于根据每一个所述候选车辆的行驶方向和对应的道路结构，以及所述第一车辆的行驶方向，从所述候选车辆中排除无碰撞风险的车辆，以得到保留的所述第二车辆。
14.根据权利要求13所述的车辆碰撞风险识别装置，其中，所述第三确定单元，还用于：
将一个所述候选车辆的驾驶行为类型和对应的道路结构，以及所述第一车辆的驾驶行为类型，作为匹配条件，匹配预设的多个规则；
若所述多个规则中存在匹配中的规则，则将所述一个候选车辆识别为无碰撞风险，以从所述候选车辆中排除。
15.根据权利要求12所述的车辆碰撞风险识别装置，其中，所述判断单元，还包括：
第四确定单元，用于根据所述道路信息，确定至少一个所述第一预测轨迹在起点与所述碰撞点之间存在可通行路段，且所述可通行路段内不存在障碍物。
16.根据权利要求12所述的车辆碰撞风险识别装置，其中，所述判断单元，还包括：
第五确定单元，用于根据所述第一车辆和所述第二车辆在所述碰撞点的车辆运动状态，确定风险程度。
17.根据权利要求10-16任一项所述的车辆碰撞风险识别装置，其中，所述获取模块，包括：
查询单元，用于根据所述第一车辆的定位，查询地图，得到所述第一车辆周边设定范围内的道路设施位置和道路结构；
第二生成单元，用于根据所述道路设施位置和所述道路结构，生成所述道路信息。
18.根据权利要求10-16任一项所述的车辆碰撞风险识别装置，其中，所述分类模块，包括：
第六确定单元，用于根据所述第一车辆的行驶轨迹，确定所述第一车辆的行驶方向；
分类单元，用于根据所述第一车辆的行驶方向和所述道路信息进行分类，以得到所述第一车辆的交通行为类型。
19.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-9中任一项所述的车辆碰撞风险识别方法。
20.一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行权利要求1-9中任一项所述的车辆碰撞风险识别方法。
CN202010454924.4A 2020-05-26 2020-05-26 自动驾驶车辆碰撞风险识别方法、装置以及电子设备 Active CN111731283B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010454924.4A CN111731283B (zh) 2020-05-26 2020-05-26 自动驾驶车辆碰撞风险识别方法、装置以及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010454924.4A CN111731283B (zh) 2020-05-26 2020-05-26 自动驾驶车辆碰撞风险识别方法、装置以及电子设备

Publications (2)

Publication Number Publication Date
CN111731283A true CN111731283A (zh) 2020-10-02
CN111731283B CN111731283B (zh) 2022-05-24

Family

ID=72647709

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010454924.4A Active CN111731283B (zh) 2020-05-26 2020-05-26 自动驾驶车辆碰撞风险识别方法、装置以及电子设备

Country Status (1)

Country Link
CN (1) CN111731283B (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111912423A (zh) * 2020-10-13 2020-11-10 北京三快在线科技有限公司 一种预测障碍物轨迹以及模型训练的方法及装置
CN112977253A (zh) * 2021-03-11 2021-06-18 同济大学 一种车用双向安全辅助系统
CN113607203A (zh) * 2021-07-30 2021-11-05 武汉路特斯汽车有限公司 一种车辆传感器的控制方法及系统、一种车辆
CN113978457A (zh) * 2021-12-24 2022-01-28 深圳佑驾创新科技有限公司 一种碰撞风险预测方法及装置
CN114021850A (zh) * 2020-11-26 2022-02-08 广东博智林机器人有限公司 建筑作业设备的碰撞预测方法、装置及建筑作业设备
CN114464013A (zh) * 2022-04-11 2022-05-10 青岛慧拓智能机器有限公司 多车辆协同避碰方法、装置、系统、存储介质及终端
CN114822044A (zh) * 2022-06-29 2022-07-29 山东金宇信息科技集团有限公司 一种基于隧道的行车安全预警方法及设备
TWI818364B (zh) * 2021-11-29 2023-10-11 財團法人工業技術研究院 車輛行駛控制裝置及其控制與預警資訊顯示方法
CN114021850B (zh) * 2020-11-26 2024-04-16 广东博智林机器人有限公司 建筑作业设备的碰撞预测方法、装置及建筑作业设备

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106627574A (zh) * 2016-12-22 2017-05-10 深圳市元征科技股份有限公司 车辆碰撞预警方法、装置及系统
CN108847054A (zh) * 2018-06-15 2018-11-20 武汉理工大学 基于无人机的船舶碰撞预警系统
CN109094558A (zh) * 2018-09-29 2018-12-28 重庆长安汽车股份有限公司 一种纯电动车辆及其防撞系统和防撞方法
CN109684702A (zh) * 2018-12-17 2019-04-26 清华大学 基于轨迹预测的行车风险辨识方法
CN109808687A (zh) * 2019-01-17 2019-05-28 福瑞泰克智能系统有限公司 一种驾驶辅助方法、装置及设备
JP2019159797A (ja) * 2018-03-13 2019-09-19 いすゞ自動車株式会社 右左折時衝突被害軽減装置
CN111137282A (zh) * 2019-12-04 2020-05-12 宝能汽车有限公司 车辆的碰撞预测方法、装置、车辆和电子设备

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106627574A (zh) * 2016-12-22 2017-05-10 深圳市元征科技股份有限公司 车辆碰撞预警方法、装置及系统
JP2019159797A (ja) * 2018-03-13 2019-09-19 いすゞ自動車株式会社 右左折時衝突被害軽減装置
CN108847054A (zh) * 2018-06-15 2018-11-20 武汉理工大学 基于无人机的船舶碰撞预警系统
CN109094558A (zh) * 2018-09-29 2018-12-28 重庆长安汽车股份有限公司 一种纯电动车辆及其防撞系统和防撞方法
CN109684702A (zh) * 2018-12-17 2019-04-26 清华大学 基于轨迹预测的行车风险辨识方法
CN109808687A (zh) * 2019-01-17 2019-05-28 福瑞泰克智能系统有限公司 一种驾驶辅助方法、装置及设备
CN111137282A (zh) * 2019-12-04 2020-05-12 宝能汽车有限公司 车辆的碰撞预测方法、装置、车辆和电子设备

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111912423A (zh) * 2020-10-13 2020-11-10 北京三快在线科技有限公司 一种预测障碍物轨迹以及模型训练的方法及装置
CN111912423B (zh) * 2020-10-13 2021-02-02 北京三快在线科技有限公司 一种预测障碍物轨迹以及模型训练的方法及装置
CN114021850A (zh) * 2020-11-26 2022-02-08 广东博智林机器人有限公司 建筑作业设备的碰撞预测方法、装置及建筑作业设备
CN114021850B (zh) * 2020-11-26 2024-04-16 广东博智林机器人有限公司 建筑作业设备的碰撞预测方法、装置及建筑作业设备
CN112977253A (zh) * 2021-03-11 2021-06-18 同济大学 一种车用双向安全辅助系统
CN113607203A (zh) * 2021-07-30 2021-11-05 武汉路特斯汽车有限公司 一种车辆传感器的控制方法及系统、一种车辆
TWI818364B (zh) * 2021-11-29 2023-10-11 財團法人工業技術研究院 車輛行駛控制裝置及其控制與預警資訊顯示方法
CN113978457A (zh) * 2021-12-24 2022-01-28 深圳佑驾创新科技有限公司 一种碰撞风险预测方法及装置
CN113978457B (zh) * 2021-12-24 2022-05-03 深圳佑驾创新科技有限公司 一种碰撞风险预测方法及装置
CN114464013A (zh) * 2022-04-11 2022-05-10 青岛慧拓智能机器有限公司 多车辆协同避碰方法、装置、系统、存储介质及终端
CN114822044A (zh) * 2022-06-29 2022-07-29 山东金宇信息科技集团有限公司 一种基于隧道的行车安全预警方法及设备
CN114822044B (zh) * 2022-06-29 2022-09-09 山东金宇信息科技集团有限公司 一种基于隧道的行车安全预警方法及设备

Also Published As

Publication number Publication date
CN111731283B (zh) 2022-05-24

Similar Documents

Publication Publication Date Title
CN111731283B (zh) 自动驾驶车辆碰撞风险识别方法、装置以及电子设备
CN110758403B (zh) 自动驾驶车辆的控制方法、装置、设备及存储介质
CN106873580B (zh) 基于感知数据在交叉口处自主驾驶
US20220113722A1 (en) Method for remote control of autonomous driving vehicle, autonomous driving vehicle and cloud device
CN111859778B (zh) 泊车模型的生成方法和装置、电子设备和存储介质
KR20220060505A (ko) 차량-도로 협력 자율 주행의 제어 방법, 장치, 전자 기기 및 차량
WO2022183329A1 (zh) 一种智能驾驶方法、装置、存储介质及计算机程序
JP2021101354A (ja) 早期警報方法、装置、電子機器、記録媒体及びコンピュータプログラム製品
CN109300324A (zh) 一种无人驾驶汽车的环境信息获取方法及装置
EP4120217A1 (en) Batch control for autonomous vehicles
CN111638711A (zh) 用于自动驾驶的行驶轨迹规划方法、装置、设备和介质
CN110502018B (zh) 确定车辆安全区域的方法、装置、电子设备及存储介质
US11731615B2 (en) System and method for remote operator assisted driving through collision avoidance
CN113844463A (zh) 基于自动驾驶系统的车辆控制方法、装置及车辆
CN110764509A (zh) 任务调度方法、装置、设备及计算机可读存储介质
CN115092130A (zh) 车辆碰撞预测方法、装置、电子设备、介质和车辆
CN113844447A (zh) 自动驾驶碰撞检测方法、装置、电子设备及可读存储介质
CN114212108A (zh) 自动驾驶方法、装置、车辆、存储介质及产品
CN111231952B (zh) 车辆控制方法、装置及设备
CN115583258A (zh) 自动驾驶车辆会车控制方法、装置、车辆控制设备和介质
CN114715151A (zh) 车辆控制方法、装置、电子设备、介质和自动驾驶车辆
CN117813227A (zh) 用于自主交通工具的互补控制系统
CN114379547A (zh) 制动控制方法、装置、车辆、电子设备及存储介质
CN112577503A (zh) 车辆起点区域的路径规划方法、装置、设备
US20230234617A1 (en) Determining perceptual spatial relevancy of objects and road actors for automated driving

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