CN112084232A - 基于目标他车视野信息的车辆行驶风险评估方法及装置 - Google Patents

Abstract

本发明公开了一种基于目标他车的视野信息进行车辆行驶风险评估的方法及装置，包括：获取主车周围的交通环境信息原始数据；将所述的交通环境信息原始数据进行融合，获得所有目标他车的车辆属性，与主车的相对位姿、相对运动信息；基于构建的车辆属性数据库，将所述的目标他车的车辆属性与所述车辆属性数据库进行匹配对照，确定用于行驶风险评估所需要的目标他车的车辆参数矩阵；根据所述的主车相对位姿、相对运动、车辆参数矩阵及驾驶员视野特点信息，计算所有目标他车的盲区区域和动态视野区域；根据所有目标他车的盲区区域和动态视野区域，对每辆目标他车和主车之间的风险进行评估，综合得到主车的行驶风险评估。

Description

基于目标他车视野信息的车辆行驶风险评估方法及装置

技术领域

本发明涉及一种智能车辆技术，特别涉及一种基于目标他车视野信息的车辆行驶风险评估方法及装置。

背景技术

在存在多车交互的交通场景中，驾驶盲区是特别需要驾驶员注意、但因其盲区特性又无法得到有效考虑的区域，驾驶盲区的存在也是多车交互出现冲突甚至事故的重要诱因。因驾驶员未观察侧方及后方情况，直接鲁莽地进行车道变更或者拐弯而导致的交通事故数不胜数，造成重大的生命、经济损失。根据2020年发布的《中国公路货运行业智慧安全白皮书》分析发现，司机因素及装备因素(主要为设备盲区相关)分别占事故原因的37％、35％：司机因素表现为驾驶员的激进驾驶行为，如车速过快、过快转弯等行为；装备因素表现为辅助设备装载率较低，在驾驶过程中未能覆盖的驾驶员视野盲区，如左侧盲区、右侧盲区、倒车盲区等。针对研究主车(即应用本技术的车辆，后文简称主车，而主车之外的车辆记为目标他车，后文简称他车)，目前已有通过加装车辆盲区预警系统来辅助驾驶员检测主车驾驶盲区内的交通场景情况。但对“司机因素为成因”的事故进行调研分析发现，此类事故造成的原因主要有两个：1)主车司机长时间地处于他车驾驶员视野盲区；2)他车司机激进驾驶行为(例如变更车道或转弯时不观察侧方、后方视野)。其中，需要特别注意的是，当主车与大型他车车辆(如载重货车、自卸车等)进行交互时，大型他车车辆周围存在大范围的盲区，而主车司机往往未意识到自己处于大型他车车辆的司机盲区中。当主车为一般乘用车时，当大型他车司机进行车道变更或拐弯时十分容易与处于其盲区内的主车乘用车发生交通事故，往往引发恶性事故，而此类事故往往无法通过现有的车辆盲区预警系统进行规避。

有经验的驾驶员会统观全局，统筹考虑周边车辆的位置姿态、速度等信息，做出正确的风险评估和驾驶决策，这类经验应该在驾驶辅助系统得到借鉴并进一步提升性能。为了提高车辆行驶安全性能，不仅要考虑主车盲区内的道路交通情况，更需要换位思考“主车是否处于他车的盲区区域内”以及“他车驾驶员是否注意到主车”，并及时对主车驾驶员进行危险预警，从而进一步地减少交通事故的产生。

随着智能车辆技术的发展，通过摄像头、毫米波雷达、激光雷达、甚至V2X等感知技术的组合应用，已经可对车辆周边场景进行精确感知，有些厂商整车产品甚至可达到部分自动驾驶和限定场景下全自动驾驶的水平。

以摄像头感知技术为例，车载摄像头模块通过在汽车周围架设4到8个广角摄像头覆盖车辆周边的所有视场范围，通过对同一时刻采集到的图像进行合成处理，生成360度的车身俯视图；通过前后摄像头监控主车车道前后的交通情况。但若能在现有的基础上，在车身两侧增设朝向平行于地面的广角摄像头，则能利用图像识别技术可识别并定位车辆两侧的车辆。

目前，车载测距传感器(摄像头、毫米波雷达、超声波雷达、激光雷达等)主要应用于先进驾驶辅助(Advanced Driving Assistance System,ADAS)功能，如车辆盲区预警、LKA车道保持辅助、ACC自适应巡航、自主泊车等功能。但若能利用毫米波、超声波，并结合改进的车载摄像头模块，就能识别前后方及两侧相邻车道的大型车辆并精确判断两者间的相对运动信息。

现有的车载计算平台已经能够承担较为复杂的计算任务，能够根据传感器信息对车辆行驶风险进行评估，然后用于自动驾驶车辆上做出驾驶决策，或者在人工驾驶车辆上利用现有的语音、方向盘震动功能对驾驶员进行危险性提示，从而更有效地提升驾驶安全性。

目前，利用车载传感器对主车周围的目标他车车辆进行识别及定位，然后通过相对位置、相对运动信息以及他车驾驶员的视野特点来综合评估主车的车辆行驶风险，并根据行驶风险进行驾驶决策建议或实施的技术，在公开资料中尚未发现相关报道。

发明内容

本发明实施例的目的是提供一种基于目标他车视野信息的车辆行驶风险评估方法及装置，以解决现有因主车处于他车盲区或因他车驾驶员未关注到主车情况而导致的交通事故的问题，该方法提供一种利用现有车载设备来计算目标他车盲区及视野分布情况，据此对主车的车辆行驶风险进行评估，用于改善驾驶决策，从而降低甚至完全避免此类事故的发生。

为了达到上述目的，本发明实施例所采用的技术方案如下：

第一方面，本发明实施例提供一种基于目标他车的视野信息进行车辆行驶风险评估的方法，包括：

获取主车周围的交通环境信息原始数据；

将所述的交通环境信息原始数据进行融合，获得所有目标他车的车辆属性，与主车的相对位姿、相对运动信息；

基于构建的车辆属性数据库，将所述的目标他车的车辆属性与所述车辆属性数据库进行匹配对照，确定用于行驶风险评估所需要的目标他车的车辆参数矩阵；

根据所述的主车相对位姿、相对运动、车辆参数矩阵及驾驶员视野特点信息，计算所有目标他车的盲区区域和动态视野区域；

根据所有目标他车的盲区区域和动态视野区域，对每辆目标他车和主车之间的风险进行评估，综合得到主车的行驶风险评估。

进一步地，计算所有目标他车的盲区区域，具体包括：

利用车辆参数矩阵计算出盲区定义的指标参数，包括L_left、L_right、L_front，其中L_left代表目标他车驾驶员驾驶舱左侧盲区的横向宽度，L_right代表目标他车驾驶员驾驶舱右侧盲区的横向宽度，L_front代表目标他车驾驶员驾驶舱正前方盲区的纵向长度，指标的计算公式简化如下：

式中，h_sm表示目标他车驾驶舱侧窗的下边缘到地面的高度距离，h_fm表示目标他车驾驶员正前方视线被前挡风玻璃/中控台遮挡处的上边缘到地面的高度距离，h_e表示目标他车驾驶员眼点到地面的高度距离，w表示目标他车的车身宽度，w_e表示目标他车驾驶员眼点距离车辆车身左侧面的横向距离，l_e表示目标他车驾驶员眼点距离车辆正前方视线被前挡风玻璃/中控台遮挡处的纵向距离；h_sm、h_fm、h_e、w_e、l_e参数通过对不同车辆类型的相关参数进行调查统计，构建车辆属性数据库供调用。

进一步地，计算所有目标他车的动态视野区域，具体包括：

动态视野区域分为直接视野区和间接视野区，直接视野区为驾驶员通过转动头部和眼睛能够直接看到的区域，间接视野区是驾驶员借助后视镜获得的可见区域；间接视野区的可见范围依据《机动车辆间接视野装置性能和安装要求》中对各类后视镜的可视范围确认，直接视野区的区域可视模型根据SAE J1050中对驾驶员头部转动和眼睛转动角度的规定，并根据驾驶员头部/眼睛转动概率建立如下的直接视野区概率模型：

其中，F(θ)表示目标他车驾驶员总视野可视区域，以驾驶员正视前方时的中心视线为极坐标轴，自变量为目标视线和中心视线的夹角θ，通过主车与目标车的相对位姿和相对运动可计算获得；k为直接视野区被划分的数量，ω_i为第i块区域被驾驶员关注的概率；f_i(θ)为眼球视区概率函数，代表当驾驶员关注第i块区域时，物体在驾驶员眼球视野被注意到的概率。

进一步地，所述的f(θ)是依据人类眼球在不同视区的动态特性并结合头部/眼睛转动情况建立的，f(θ)的函数形式如下：

其中，U表示驾驶员直接视区的全集集合；A_c表示驾驶员的中心视区，C_UA_c表示驾驶员的周围视区，C表示补集；P(θ，v)是物体在驾驶员周围视区内时的一个概率函数，v为车辆速度；β为环境影响因子。

进一步地，对每辆目标他车和主车之间的风险进行评估，具体包括：

主车车辆行驶风险评估计算通过对n辆目标他车带来的行驶风险进行归一化建模，模型公式如下：

其中，E为主车车辆对所有目标他车带来的行驶风险的综合评估结果，n为目标他车的数量，对主车与每辆目标他车j之间产生的行驶风险进行累加并求平均；α₁～α₃分别代表3种归一化场强风险函数的权重；E_D(j)代表主车与目标他车j相对位置所产生的静态场风险，E_A(j)代表由于目标他车驾驶员视野原因所产生的视野场风险，E_T(j)代表两车相对运动所产生的动态场风险。

第二方面，本发明实施例提供一种基于目标他车的视野信息进行车辆行驶风险评估的装置，包括：

环境信息获取模块，用于获取主车周围的交通环境信息原始数据；

信息融合模块，用于将所述的交通环境信息原始数据进行融合，获得所有目标他车的车辆属性，与主车的相对位姿、相对运动信息；

匹配对照模块，用于基于构建的车辆属性数据库，将所述的目标他车的车辆属性与所述车辆属性数据库进行匹配对照，确定用于行驶风险评估所需要的目标他车的车辆参数矩阵；

计算模块，用于根据所述的主车相对位姿、相对运动、车辆参数矩阵及驾驶员视野特点信息，计算所有目标他车的盲区区域和动态视野区域；

评估模块，用于根据所有目标他车的盲区区域和动态视野区域，对每辆目标他车和主车之间的风险进行评估，综合得到主车的行驶风险评估。

根据以上技术方案，本发明的有益效果在于：

1、与当前的驾驶辅助、自动驾驶技术相比，本发明充分利用已有的车辆感知能力，进一步结合对他车车辆驾驶员视野感知能力特点的理解，更精确地识别他车的驾驶盲区及其额外风险，能更进一步地提高车辆行驶安全，附加成本低，适合推广使用。

2、与当前的盲区预警技术相比，本发明基于他车车辆驾驶员的盲区感知能力有限的特点，提出针对性的技术解决方案。由于很多车辆驾驶员，尤其是大车驾驶员，存在激进驾驶的行为，通过对主车驾驶员进行他车盲区及动态视野危险进行风险评估，使主车驾驶员主动避开相关区域。采用本发明技术的乘用车驾驶员，在加塞驾驶时如处于大型车辆盲区，本发明能及时给出正确的风险信息，可避免交通事故，也可提高主车驾驶员安全驾驶的意识。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1为本发明一实施例提供一种基于目标他车的视野信息进行车辆行驶风险评估的方法的流程图；

图2为本发明一实施例的车载设备示意图；

图3为本发明一实施例的目标他车参数示意图，其中(a)中给出了主车的车载坐标系及目标他车的参数w_e、w的几何意义示意，(b)中给出了目标他车参数l_e、h_e、h_sm、h_fm、L_front的几何意义示意，(c)中给出了目标他车参数L_left、L_right的几何意义示意；

图4为本发明一实施例的目标他车盲区区域及驾驶员动态视野区示意图；

图5为本发明一实施例的驾驶员眼球视野动态特性示意图；

图6为本发明一实施例提供一种基于目标他车的视野信息进行车辆行驶风险评估的装置的框图。

具体实施方式

首先需要说明的是，现有的车载计算平台能够胜任本发明中环境感知模块、行驶风险评估模块和驾驶决策模块中的计算任务；本发明同样也涉及对语音提示、震动等人机交互技术的应用，但并未超出本领域技术人员能够掌握的技术水平。

申请人认为，如在仔细阅读申请文件、准确理解本发明的实现原理和发明目的后，在结合现有公知技术的情况下，本领域技术人员完全可以运用其掌握的技能予以再现，故本发明不再对其具体内容进行详细表述。

此外，本发明的附图中给出了本发明的各种示意图。其中为了清楚地表达，放大了某些细节，并且可能省略了某些细节。图中所示各个部件的形状以及他们之间的相对大小、位置关系仅是示例性的。

实施例1：

参考图1，本实施例提供一种基于目标他车的视野信息进行车辆行驶风险评估的方法，包括以下步骤：

步骤S101，获取主车周围的交通环境信息原始数据；

具体地，如图1所示，以主车(乘用车A)与目标他车(大型载货车辆B)进行示例性说明。主车A实时获取乘用车A周围的交通环境信息原始数据，交通环境信息原始数据通过传感器模块获得，传感器模块包括车载摄像头，以及激光雷达、毫米波雷达、超声波雷达、V2X网联传感器中一个或多个的传感器，其中车载摄像头语义信息丰富，可用于识别他车车辆属性；测距传感器(如激光雷达、毫米波雷达、超声波雷达等)用于实现对他车车辆的动态定位。利用感知融合子模块，融合不同传感器信息，实现对主车周围的所有他车的识别、检测、定位，获得的信息包括但不限于所有目标他车与主车的相对位姿、相对运动信息，目标他车涉及视野盲区定义的车辆属性，包括车辆尺寸、车型类别、驾驶位位置和后视镜分布位置。

步骤S102，将所述的交通环境信息原始数据进行融合，获得所有目标他车的车辆属性，与主车的相对位姿、相对运动信息；

具体地，将所述的交通环境信息原始数据进行融合，即融合不同传感器信息，获取B车的车辆属性、与A车的相对位姿、相对运动信息。

步骤S103，基于构建的车辆属性数据库，将所述的目标他车的车辆属性与所述车辆属性数据库进行匹配对照，确定用于行驶风险评估所需要的目标他车的车辆参数矩阵；

具体地，基于获取的B车的车辆属性，结合构建的车辆属性数据库，对B车的车辆属性与所述车辆属性数据库进行匹配对照，确定用于行驶风险评估所需要的B车的车辆参数矩阵，车辆参数矩阵中可包括车辆类型、车辆尺寸、驾驶舱布置参数、后视镜布置参数等。

步骤S104，根据所述的主车相对位姿、相对运动、车辆参数矩阵及驾驶员视野特点信息，计算所有目标他车的盲区区域和动态视野区域；

具体地，如图3所示，其中计算所有目标他车的盲区区域，具体包括：

利用车辆参数矩阵计算出盲区定义的指标参数，包括L_left、L_right、L_front，其中L_left代表目标他车驾驶员驾驶舱左侧盲区的横向宽度，L_right代表目标他车驾驶员驾驶舱右侧盲区的横向宽度，L_front代表目标他车驾驶员驾驶舱正前方盲区的纵向长度，三个指标的几何意义示意请参考图3的(b)、(c)，指标的计算公式简化如下：

式中，h_sm表示目标他车驾驶舱侧窗的下边缘到地面的高度距离，h_fm表示目标他车驾驶员正前方视线被前挡风玻璃/中控台遮挡处的上边缘到地面的高度距离，h_e表示目标他车驾驶员眼点到地面的高度距离，w表示目标他车的车身宽度，w_e表示目标他车驾驶员眼点距离车辆车身左侧面的横向距离，l_e表示目标他车驾驶员眼点距离车辆正前方视线被前挡风玻璃/中控台遮挡处的纵向距离；h_sm、h_fm、h_e、w_e、l_e参数通过对不同车辆类型的相关参数进行调查统计，构建车辆属性数据库供调用，参数的具体几何意义示意请参考图3的(a)、(b)。

如图4所示，由于通常情况下，车辆驾驶员只关注主车车道前后以及左右相邻车道的交通情况，因此本示例中对图3(c)中的B车的右侧盲区进行了简化，在B车的右侧只考虑了相邻车道的盲区遮挡；若考虑其余车道的遮挡因素，不简化盲区范围也是可行的。在本示例中，在计算L_front时，公式中将L_front近似地认为是B车驾驶舱正前方视野地面触点到车辆正面的纵向长度，忽略了车辆正面到驾驶员正前方视线被前挡风玻璃/中控台遮挡处之间的微小间距。

其中计算所有目标他车的动态视野区域，具体包括：

B车的动态视野区域分为直接视野区和间接视野区，直接视野区为驾驶员通过转动头部和眼睛能够直接看到的区域，间接视野区是驾驶员借助后视镜获得的可见区域；间接视野区的可见范围依据《机动车辆间接视野装置性能和安装要求》中对各类后视镜的可视范围确认，针对图示B车，由于规范仅对Ⅱ、Ⅳ类后视镜有强制安装要求，因此将两种后视镜的可视范围纳入动态视野区域。若通过环境感知模块探测B车装备了选装的后视镜，则可通过车辆参数匹配进一步考虑选装后视镜的影响。

如图4所示，根据本发明对B车驾驶员的直接视野区域进行计算。本示例中直接视野区的区域可视模型根据SAE J1050中对驾驶员头部转动和眼睛转动角度的规定，并根据驾驶员头部/眼睛转动概率建立如下的直接视野区概率模型：

其中，F(θ)表示B车驾驶员总视野可视区域，以驾驶员正视前方时的中心视线为极坐标轴，自变量为目标视线和中心视线的夹角θ，通过主车与目标车的相对位姿和相对运动可计算获得；k为直接视野区被划分的数量，ω_i为第i块区域被驾驶员关注的概率；f_i(θ)为眼球视区概率函数，代表当驾驶员关注第i块区域时，物体在驾驶员眼球视野被注意到的概率。本实施例以直接视野区被划分的数量k＝3为例，则f₁(θ)～f₃(θ)为本示例根据驾驶任务提出的B车驾驶员头部/眼睛转动3种组合情况下的可视区域概率函数，这3种组合分别是：

(1)驾驶员头部固定不动，眼睛自由转动，直视前方；

(2)驾驶员头部向左自然转动，眼睛自由转动；

(3)驾驶员头部向右自然转动，眼睛自由转动；

此外，ω₁～ω₃分别为B车驾驶员头部/眼睛转动组合的概率，代表不同区域被B车驾驶员关注到的概率，概率之和为1；概率的大小可以通过对不同驾驶员进行统计获得，并且概率还能够考虑根据驾驶场景、任务的不同进行更进一步地调整。

更进一步地，对B车驾驶员关注区域内的眼球视区概率函数f₁(θ)～f₃(θ)提出本示例的函数形式，所述的f(θ)是依据人类眼球在不同视区的动态特性并结合头部/眼睛转动情况建立的，如图5所示，眼球的视野区域可以分为中心视区和周围视区，眼球的中心视区对动态物体的捕捉能力极强，而周围视区则较弱，根据该特性，示例提出一种视区概率函数形式如下：

其中，U表示驾驶员直接视区的全集集合，A_c表示驾驶员的中心视区，||A_c||代表驾驶员中心视区大小，μ_c为中心视区均分线的θ夹角值，p_min表示驾驶员周围视区的最外围视线捕捉到动态物体的概率，A_max(v)为驾驶员视野场大小与车辆速度有关的函数，||A_max(v)||代表驾驶员视野场的大小。研究表明，车速越高，驾驶员的视野场越小，β为环境影响因子，如颜色、光照、亮度等因素导致驾驶员对动态物体捕捉能力的影响。

步骤S105，根据所有目标他车的盲区区域和动态视野区域，对每辆目标他车和主车之间的风险进行评估，综合得到主车的行驶风险评估。

具体地，其中对每辆目标他车和主车之间的风险进行评估，具体包括：

在计算获得B车驾驶员的盲区和动态视野区的概率分布后，主车车辆行驶风险评估计算通过对n辆目标他车带来的行驶风险进行归一化建模，模型公式如下：

其中，E为主车车辆对所有目标他车带来的行驶风险的综合评估结果，n为目标他车的数量，对主车与每辆目标他车j之间产生的行驶风险进行累加并求平均；α₁～α₃分别代表3种归一化场强风险函数的权重；E_D(j)代表主车与目标他车j相对位置所产生的静态场风险，E_A(j)代表由于目标他车驾驶员视野原因所产生的视野场风险，E_T(j)代表两车相对运动所产生的动态场风险。

静态场风险归一化函数E_D形式如下：

代表两车之间的距离，i代表主车A，j代表他车B，其计算公式如下：

式中，X_ij代表在主车的车辆坐标系下(车辆行驶方向为X轴正方向)，车辆坐标系见图3(a)，与他车在X方向的距离，X_ij＝|X_i-X_j|，Y_ij代表与他车在Y方向的距离，Y_ij＝|Y_i-Y_j|。

视野场风险归一化函数E_A(j)形式如下：

E_A(j)＝P_A

其中，P_A代表主车A被B车驾驶员所注意到的风险概率，当A车处于B车附近不同的区域时，A车被B车驾驶员注意到的概率函数如下所示：

式中，

表示主车A在他车B驾驶员直接视野区内时被注意到的概率，γ₁为B车驾驶员关注到左后视镜可视区域的概率，γ₂为B车驾驶员关注到右后视镜可视区域的概率。

动态场风险归一化函数E_T(j)形式如下：

式中，利用TTC(Time-to-collision)来表征两车的动态场风险情况，其中，

分别表示在主车A的车辆坐标系下，主车A和B车在X方向、Y方向的速度分量的相对速度，v_ij＝v_i-v_j；λ表示两车的同向性影响因素，当两车互相远离时，λ＝0，当两车互相靠近时，λ＝1。

获得主车A行驶风险综合评估结果E值后，对当前情况进行评估，E为1时风险最大，E为0是风险最小。可以根据设定的风险评估阈值进行自主化决策或对主车A驾驶员提供决策建议，决策建议包括但不限于：减速停车、匀速前进、加速前进、转向等驾驶任务建议或给驾驶员发出警告。

实施例2：

图6为本发明实施例提供的一种基于目标他车的视野信息进行车辆行驶风险评估的装置的框图，该装置可以执行任意本发明任意实施例所提供的一种基于目标他车的视野信息进行车辆行驶风险评估的方法，具备执行该方法相应的功能模块和有益效果。如图6所示，该装置包括：

环境信息获取模块901，用于获取主车周围的交通环境信息原始数据；

信息融合模块902，用于将所述的交通环境信息原始数据进行融合，获得所有目标他车的车辆属性，与主车的相对位姿、相对运动信息；

匹配对照模块903，用于基于构建的车辆属性数据库，将所述的目标他车的车辆属性与所述车辆属性数据库进行匹配对照，确定用于行驶风险评估所需要的目标他车的车辆参数矩阵；

计算模块904，用于根据所述的主车相对位姿、相对运动、车辆参数矩阵及驾驶员视野特点信息，计算所有目标他车的盲区区域和动态视野区域；

评估模块905，用于根据所有目标他车的盲区区域和动态视野区域，对每辆目标他车和主车之间的风险进行评估，综合得到主车的行驶风险评估。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的设备实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于目标他车的视野信息进行车辆行驶风险评估的方法，其特征在于，包括：

获取主车周围的交通环境信息原始数据；

将所述的交通环境信息原始数据进行融合，获得所有目标他车的车辆属性，与主车的相对位姿、相对运动信息；

基于构建的车辆属性数据库，将所述的目标他车的车辆属性与所述车辆属性数据库进行匹配对照，确定用于行驶风险评估所需要的目标他车的车辆参数矩阵；

根据所述的主车相对位姿、相对运动、车辆参数矩阵及驾驶员视野特点信息，计算所有目标他车的盲区区域和动态视野区域；

根据所有目标他车的盲区区域和动态视野区域，对每辆目标他车和主车之间的风险进行评估，综合得到主车的行驶风险评估。

2.根据权利要求1所述的方法，其特征在于，计算所有目标他车的盲区区域，具体包括：

利用车辆参数矩阵计算出盲区定义的指标参数，包括L_left、L_right、L_front，其中L_left代表目标他车驾驶员驾驶舱左侧盲区的横向宽度，L_right代表目标他车驾驶员驾驶舱右侧盲区的横向宽度，L_front代表目标他车驾驶员驾驶舱正前方盲区的纵向长度，指标的计算公式简化如下：

式中，h_sm表示目标他车驾驶舱侧窗的下边缘到地面的高度距离，h_fm表示目标他车驾驶员正前方视线被前挡风玻璃/中控台遮挡处的上边缘到地面的高度距离，h_e表示目标他车驾驶员眼点到地面的高度距离，w表示目标他车的车身宽度，w_e表示目标他车驾驶员眼点距离车辆车身左侧面的横向距离，l_e表示目标他车驾驶员眼点距离车辆正前方视线被前挡风玻璃/中控台遮挡处的纵向距离；h_sm、h_fm、h_e、w_e、l_e参数通过对不同车辆类型的相关参数进行调查统计，构建车辆属性数据库供调用。

3.根据权利要求1所述的方法，其特征在于，计算所有目标他车的动态视野区域，具体包括：

动态视野区域分为直接视野区和间接视野区，直接视野区为驾驶员通过转动头部和眼睛能够直接看到的区域，间接视野区是驾驶员借助后视镜获得的可见区域；间接视野区的可见范围依据《机动车辆间接视野装置性能和安装要求》中对各类后视镜的可视范围确认，直接视野区的区域可视模型根据SAE J1050中对驾驶员头部转动和眼睛转动角度的规定，并根据驾驶员头部/眼睛转动概率建立如下的直接视野区概率模型：

其中，F(θ)表示目标他车驾驶员总视野可视区域，以驾驶员正视前方时的中心视线为极坐标轴，自变量为目标视线和中心视线的夹角θ，通过主车与目标车的相对位姿和相对运动可计算获得；k为直接视野区被划分的数量，ω_i为第i块区域被驾驶员关注的概率；f_i(θ)为眼球视区概率函数，代表当驾驶员关注第i块区域时，物体在驾驶员眼球视野被注意到的概率。

4.根据权利要求3所述的方法，其特征在于，所述的f(θ)是依据人类眼球在不同视区的动态特性并结合头部/眼睛转动情况建立的，f(θ)的函数形式如下：

其中，U表示驾驶员直接视区的全集集合；A_c表示驾驶员的中心视区，C_UA_c表示驾驶员的周围视区，C表示补集；P(θ，v)是物体在驾驶员周围视区内时的一个概率函数，v为车辆速度；β为环境影响因子。

5.根据权利要求1所述的方法，其特征在于，对每辆目标他车和主车之间的风险进行评估，具体包括：

主车车辆行驶风险评估计算通过对n辆目标他车带来的行驶风险进行归一化建模，模型公式如下：

其中，E为主车车辆对所有目标他车带来的行驶风险的综合评估结果，n为目标他车的数量，对主车与每辆目标他车j之间产生的行驶风险进行累加并求平均；α₁～α₃分别代表3种归一化场强风险函数的权重；E_D(j)代表主车与目标他车j相对位置所产生的静态场风险，E_A(j)代表由于目标他车驾驶员视野原因所产生的视野场风险，E_T(j)代表两车相对运动所产生的动态场风险。

6.一种基于目标他车的视野信息进行车辆行驶风险评估的装置，其特征在于，包括：

环境信息获取模块，用于获取主车周围的交通环境信息原始数据；

信息融合模块，用于将所述的交通环境信息原始数据进行融合，获得所有目标他车的车辆属性，与主车的相对位姿、相对运动信息；

匹配对照模块，用于基于构建的车辆属性数据库，将所述的目标他车的车辆属性与所述车辆属性数据库进行匹配对照，确定用于行驶风险评估所需要的目标他车的车辆参数矩阵；

计算模块，用于根据所述的主车相对位姿、相对运动、车辆参数矩阵及驾驶员视野特点信息，计算所有目标他车的盲区区域和动态视野区域；

评估模块，用于根据所有目标他车的盲区区域和动态视野区域，对每辆目标他车和主车之间的风险进行评估，综合得到主车的行驶风险评估。

7.根据权利要求6所述的装置，其特征在于，计算所有目标他车的盲区区域，具体包括：

利用车辆参数矩阵计算出盲区定义的指标参数，包括L_left、L_right、L_front，其中L_left代表目标他车驾驶员驾驶舱左侧盲区的横向宽度，L_right代表目标他车驾驶员驾驶舱右侧盲区的横向宽度，L_front代表目标他车驾驶员驾驶舱正前方盲区的纵向长度，指标的计算公式简化如下：

式中，h_sm表示目标他车驾驶舱侧窗的下边缘到地面的高度距离，h_fm表示目标他车驾驶员正前方视线被前挡风玻璃/中控台遮挡处的上边缘到地面的高度距离，h_e表示目标他车驾驶员眼点到地面的高度距离，w表示目标他车的车身宽度，w_e表示目标他车驾驶员眼点距离车辆车身左侧面的横向距离，l_e表示目标他车驾驶员眼点距离车辆正前方视线被前挡风玻璃/中控台遮挡处的纵向距离；h_sm、h_fm、h_e、w_e、l_e参数通过对不同车辆类型的相关参数进行调查统计，构建车辆属性数据库供调用。

8.根据权利要求6所述的装置，其特征在于，计算所有目标他车的动态视野区域，具体包括：

动态视野区域分为直接视野区和间接视野区，直接视野区为驾驶员通过转动头部和眼睛能够直接看到的区域，间接视野区是驾驶员借助后视镜获得的可见区域；间接视野区的可见范围依据《机动车辆间接视野装置性能和安装要求》中对各类后视镜的可视范围确认，直接视野区的区域可视模型根据SAE J1050中对驾驶员头部转动和眼睛转动角度的规定，并根据驾驶员头部/眼睛转动概率建立如下的直接视野区概率模型：

其中，F(θ)表示目标他车驾驶员总视野可视区域，以驾驶员正视前方时的中心视线为极坐标轴，自变量为目标视线和中心视线的夹角θ，通过主车与目标车的相对位姿和相对运动可计算获得；k为直接视野区被划分的数量，ω_i为第i块区域被驾驶员关注的概率；f_i(θ)为眼球视区概率函数，代表当驾驶员关注第i块区域时，物体在驾驶员眼球视野被注意到的概率。

9.根据权利要求8所述的装置，其特征在于，所述的f(θ)是依据人类眼球在不同视区的动态特性并结合头部/眼睛转动情况建立的，f(θ)的函数形式如下：

其中，U表示驾驶员直接视区的全集集合；A_c表示驾驶员的中心视区，C_UA_c表示驾驶员的周围视区，C表示补集；P(θ，v)是物体在驾驶员周围视区内时的一个概率函数，v为车辆速度；β为环境影响因子。

10.根据权利要求6所述的装置，其特征在于，对每辆目标他车和主车之间的风险进行评估，具体包括：

主车车辆行驶风险评估计算通过对n辆目标他车带来的行驶风险进行归一化建模，模型公式如下：

其中，E为主车车辆对所有目标他车带来的行驶风险的综合评估结果，n为目标他车的数量，对主车与每辆目标他车j之间产生的行驶风险进行累加并求平均；α₁～α₃分别代表3种归一化场强风险函数的权重；E_D(j)代表主车与目标他车j相对位置所产生的静态场风险，E_A(j)代表由于目标他车驾驶员视野原因所产生的视野场风险，E_T(j)代表两车相对运动所产生的动态场风险。

Images