CN112455459B - 触发事件的建模方法、装置、设备及存储介质 - Google Patents
触发事件的建模方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112455459B CN112455459B CN202011421279.2A CN202011421279A CN112455459B CN 112455459 B CN112455459 B CN 112455459B CN 202011421279 A CN202011421279 A CN 202011421279A CN 112455459 B CN112455459 B CN 112455459B
- Authority
- CN
- China
- Prior art keywords
- trigger event
- modeling
- automatic driving
- preset
- driving system
- 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
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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/0098—Details of control systems ensuring comfort, safety or stability not otherwise provided for
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R16/00—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for
- B60R16/02—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements
- B60R16/023—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements for transmission of signals between vehicle parts or subsystems
- B60R16/0231—Circuits relating to the driving or the functioning of the vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Transportation (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及自动驾驶技术领域,公开了一种触发事件的建模方法、装置、设备及存储介质,所述方法包括:获取预设风险集中点,将所述预设风险集中点作为第一建模条件,根据预设划分策略对自动驾驶系统进行划分,获得对应的分层,将所述对应的分层作为第二建模条件,对所述第一建模条件与所述第二建模条件进行组合分析,获得触发事件,对所述自动驾驶系统进行分析和细化,获得对应的流程节点,根据所述对应的流程节点对所述触发事件进行分析,获得目标触发事件,并根据所述目标触发事件进行建模。本发明是通过对预设风险集中点与分层进行组合分析,获得触发事件并进行建模,能够有效对触发事件进行建模,从而提高驾驶员的安全性。
Description
技术领域
本发明涉及自动驾驶技术领域,尤其涉及触发事件的建模方法、装置、设备及存储介质。
背景技术
随着车辆ADAS(Advanced Driving Assistance System,高级驾驶辅助系统)驾驶辅助功能越来越复杂,自动驾驶等级越来越高,很多安全问题并不一定是由系统故障失效而引起,传统汽车功能安全ISO26262覆盖有限,由于传感器的局限性或者驾驶员的误操作同样会导致风险产生,ISO21448应运而生且越来越受到重视。ISO21448中对场景定义分为:已知安全场景、未知安全场景、已知不安全场景、未知不安全场景,在自动驾驶功能开发前期,已知不安全和未知不安全的范围一般较大,而由此产生的风险是不能接受的。而预期功能安全的目的就是通过分析已知不安全和未知不安全,基于一系列的方法和活动来减少这两个区域至一个可接受的低风险范围中,目前并没有明确的方法能明确、有效进行触发事件的建模,因建模方法缺失,会连续地影响后续危险事件的分析,因此,对触发事件的建模是一个亟待解决的技术问题。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种触发事件的建模方法、装置、设备及存储介质,旨在解决无法有效对触发事件进行建模的技术问题。
为实现上述目的,本发明提供了一种触发事件的建模方法,所述触发事件的建模方法包括以下步骤:
获取预设风险集中点,将所述预设风险集中点作为第一建模条件;
获取预设划分策略,根据所述预设划分策略对自动驾驶系统进行划分,获得对应的分层,将所述对应的分层作为第二建模条件;
对所述第一建模条件与所述第二建模条件进行组合分析,获得触发事件;
对所述自动驾驶系统进行分析和细化,获得对应的流程节点;
根据所述对应的流程节点对所述触发事件进行分析,获得目标触发事件,并根据所述目标触发事件进行建模。
可选地,所述获取预设风险集中点,将所述预设风险集中点作为第一建模条件,包括:
获取预期功能安全定义的范围特性和自动驾驶系统的预见风险;
根据所述范围特性对所述自动驾驶系统的预见风险进行分析,确定所述风险集中点,并将所述风险集中点作为所述第一建模条件。
可选地,所述获取预设划分策略,根据所述预设划分策略对自动驾驶系统进行划分,获得对应的分层,将所述对应的分层作为第二建模条件,包括:
获取预设划分策略,根据所述预设划分策略对自动驾驶系统进行划分,获得对应的分层;
获取功能安全范畴内的分层;
根据所述功能安全范畴内的分层对所述对应的分层进行筛选,获得筛选后的分层,将所述筛选后的分层作为所述第二建模条件。
可选地,所述对所述第一建模条件与所述第二建模条件进行组合分析,获得触发事件,包括:
根据所述第一建模条件与所述第二建模条件获得分析维度;
对所述分析维度进行组合分析,获得触发分析结果;
根据所述触发分析结果,获得当前触发事件;
判断所述当前触发事件是否出现危害或者风险;
在所述当前触发事件会出现危害或者风险时,将所述当前触发事件作为所述触发事件。
可选地,所述判断所述当前触发事件是否出现危害或者风险,包括:
获取预设危害以及风险标识信息;
对所述当前触发事件进行分析,获得分析结果;
根据所述分析结果和所述预设危害以及风险标识信息,判断所述当前触发事件是否出现危害或者风险。
可选地,所述对所述自动驾驶系统进行分析和细化,获得对应的流程节点,包括:
获取自动驾驶系统功能;
对所述自动驾驶系统功能进行分类,获得不同类别的自动驾驶功能;
对所述不同类别的自动驾驶功能进行分析,获得自动驾驶功能流程图;
根据所述自动驾驶功能流程图,获得对应的流程信息;
对所述流程信息进行细化,获得对应的流程节点。
可选地,所述根据所述对应的流程节点对所述触发事件进行分析,获得目标触发事件,并根据所述目标触发事件进行建模之后,还包括:
根据所述目标触发事件进行建模,获得触发事件模型;
获取目标车辆驾驶的当前场景;
根据所述触发事件模型对所述目标车辆驾驶的当前场景进行识别,判断所述目标车辆驾驶的当前场景是否为危险事件;
当所述目标车辆驾驶的当前场景为危险事件时,启动所述自动驾驶系统的安全功能。
此外,为实现上述目的,本发明还提出一种触发事件的建模装置,所述触发事件的建模装置包括:
获取模块,用于获取预设风险集中点,将所述预设风险集中点作为第一建模条件;
划分模块,用于获取预设划分策略,根据所述预设划分策略对自动驾驶系统进行划分,获得对应的分层,将所述对应的分层作为第二建模条件;
组合分析模块,用于对所述第一建模条件与所述第二建模条件进行组合分析,获得触发事件;
分析细化模块,用于对所述自动驾驶系统进行分析和细化,获得对应的流程节点;
分析模块,用于根据所述对应的流程节点对所述触发事件进行分析,获得目标触发事件,并根据所述目标触发事件进行建模。
此外,为实现上述目的,本发明还提出一种触发事件的建模设备,所述触发事件的建模设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的触发事件的建模程序,所述触发事件的建模程序配置为实现如上文所述的触发事件的建模方法的步骤。
此外,为实现上述目的,本发明还提出一种存储介质,所述存储介质上存储有触发事件的建模程序,所述触发事件的建模程序被处理器执行时实现如上文所述的触发事件的建模方法的步骤。
本发明提出的触发事件的建模方法,通过获取预设风险集中点,将所述预设风险集中点作为第一建模条件,根据预设划分策略对自动驾驶系统进行划分,获得对应的分层,将所述对应的分层作为第二建模条件,对所述第一建模条件与所述第二建模条件进行组合分析,获得触发事件,对所述自动驾驶系统进行分析和细化,获得对应的流程节点,根据所述对应的流程节点对所述触发事件进行分析,获得目标触发事件,并根据所述目标触发事件进行建模。本发明是通过对预设风险集中点与分层进行组合分析,获得触发事件并进行建模,能够有效对触发事件进行建模,从而提高驾驶员的安全性。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的触发事件的建模设备的结构示意图;
图2为本发明触发事件的建模方法第一实施例的流程示意图;
图3为本发明触发事件的建模方法中一实施例的建模逻辑流程示意图;
图4为本发明触发事件的建模方法第二实施例的流程示意图;
图5为本发明触发事件的建模方法第三实施例的流程示意图;
图6为本发明触发事件的建模装置第一实施例的功能模块示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
参照图1,图1为本发明实施例方案涉及的硬件运行环境的触发事件的建模设备结构示意图。
如图1所示,该触发事件的建模设备可以包括:处理器1001,例如中央处理器(Central Processing Unit,CPU),通信总线1002、用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(WIreless-FIdelity,WI-FI)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory,RAM)存储器,也可以是稳定的非易失性存储器(Non-Volatile Memory,NVM),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的结构并不构成对触发事件的建模设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及触发事件的建模程序。
在图1所示的触发事件的建模设备中,网络接口1004主要用于与网络服务器进行数据通信;用户接口1003主要用于与用户进行数据交互;本发明触发事件的建模设备中的处理器1001、存储器1005可以设置在触发事件的建模设备中,所述触发事件的建模设备通过处理器1001调用存储器1005中存储的触发事件的建模程序,并执行本发明实施例提供的触发事件的建模方法。
基于上述硬件结构,提出本发明触发事件的建模方法实施例。
参照图2,图2为本发明触发事件的建模方法第一实施例的流程示意图。
在第一实施例中,所述触发事件的建模方法包括以下步骤:
步骤S10,获取预设风险集中点,将所述预设风险集中点作为第一建模条件。
需要说明的是,本实施例的执行主体可为触发事件的建模设备,还可为其他可实现相同或相似功能的设备,本实施例对此不作限制,在本实施例中,以触发事件的建模设备为例进行说明。
应当理解的是,所述预设风险集中点指的是因系统本身的限制、环境过于复杂和驾驶员误用造成的可预见风险的集合,所述系统本身的限制指的是由于自动驾驶系统导致的风险,例如当车辆在高速公路上行驶时,自动驾驶系统将道路标识判断为前方车辆,使得所述车辆以预设减速度非预期制动预设时间,以达到在短时间使得所述车辆进行减速,保证驾驶员的安全。所述环境过于复杂指的是由于环境过于复杂导致所述自动驾驶系统对所述车辆的当前环境无法做出及时应答,例如当车辆行驶在密度较大的林被道路,所述自动驾驶系统对当前道路的具体情况无法准确定位,此时道路出现急转弯的情况,而所述自动驾驶系统无法及时调整方向盘角度,从而造成驾驶风险。所述驾驶员误用指的是所述车辆在十字路口排队等信号灯时,由于驾驶员踩动油门踏板,使得所述车辆向前行驶,从而造成驾驶风险。
可以理解的是,将所述因系统本身的限制、环境过于复杂以及驾驶员误用造成的风险组成一个集合,所述集合即为预设风险集中点,所述预设集中点包括因系统本身的限制、环境过于复杂以及驾驶员误用造成的所有风险,所述风险是根据预期功能安全定义的范围特性获得的,在获得所述预设风险集中点后,将所述预设风险集中点作为后续建模的第一建模条件。
在具体实现中,触发事件的建模设备获取因系统本身的限制、环境过于复杂和驾驶员误用造成的可预见风险,并将所述可预见风险作为预设风险集中点,并将所述预设风险集中点作为第一建模条件。
步骤S20,获取预设划分策略,根据所述预设划分策略对自动驾驶系统进行划分,获得对应的分层,将所述对应的分层作为第二建模条件。
应当理解的是,所述预设划分策略指的是对自动驾驶系统按照一定的逻辑或者标准进行划分的方式,所述划分方式还需遵守规则,例如:划分必须是相称的;划分出各个子项必须不相容;每次划分必须按同一标准进行;划分应按层次进行,不能跳跃。
可以理解的是,例如按照系统本身划分方式对所述自动驾驶系统进行划分,获得不同的分层,所述分层包括:用户层、界面层、传感器层、算法层、应用层、底盘层以及外界层,所述用户层指的是自动驾驶与驾驶员进行交互的分层,所述界面层指的是所述自动驾驶系统进行显示的分层,所述传感器层指的是用于采集所述车辆信息的分层,所述算法层指的是将所述采集的信息进行计算的分层,不同的分层执行的功能不同。
在具体实现中,触发事件的建模设备获取预设划分策略,根据所述预设划分策略对自动驾驶系统进行划分,获得对应的分层,并将所述对应的分层作为第二建模条件。
步骤S30,对所述第一建模条件与所述第二建模条件进行组合分析,获得触发事件。
应当理解的是,所述第一建模条件指的是因系统本身的限制、环境过于复杂以及驾驶员误用造成的可预见风险的集合,所述可预见风险的集合即为预设风险集中点,所述第二建模条件指的是根据所述预设划分策略对所述自动驾驶系统进行划分获得对应的分层,将所述预设风险集中点与所述对应的分层进行列为两个分析维度,对所述分析维度进行组合分析,获得对应的触发事件。
可以理解的是,所述维度指的是独立的时空坐标的数目,又称维数,所述维度统计致力于建立一个基于多方位统计、全方位分析网站流量的统计标准,形成原始数据,数据视觉化,数据行为化,数据深入挖掘的数据分析的模式,通过对原始数据进行组合分析,获得对应的触发事件。
在具体实现中,触发事件的建模设备对所述第一建模条件与所述第二建模条件列为两个分析维度,对所述分析维度进行组合分析,获得触发事件。
步骤S40,对所述自动驾驶系统进行分析和细化,获得对应的流程节点。
应当理解的是,所述流程节点指的是将所述自动驾驶系统分为不同的功能,每个功能对应不同的程序流程,对所述程序流程进行分析和细化,获得对应的流程节点,当自动驾驶系统的功能分为一个阶段或若干个阶段来完成时,其中某一个程序或某一阶段结束,另外一个程序或某一阶段开始时的转接点,所述转接点即为所述流程节点。
可以理解的是,所述对所述自动驾驶系统进行细化指的是在将所述自动驾驶系统分为不同的功能后,将所述功能分为不同的程序流程,所述程序流程就是对所述自动驾驶系统进行细化,例如所述自动驾驶系统中的某一功能细化成流程1功能开启、流程2感知周围环境、流程3全局路径规划、流程4行为决策、流程5局部路径规划、流程6控制车辆执行以及流程7人机接口显示信息等7个流程节点。
在具体实现中,触发事件的建模设备对所述自动驾驶系统进行分析,获得不同的功能,对所述不同的功能进行细化,获得对应的流程节点。
步骤S50,根据所述对应的流程节点对所述触发事件进行分析,获得目标触发事件,并根据所述目标触发事件进行建模。
应当理解的是,所述对应的流程节点指的是对所述自动驾驶系统进行分析获得不同的功能,对所述功能进行细化获得的流程节点,所述触发事件指的是将所述预设风险集中点与所述对应的分层进行组合分析获得的,此时再将所述触发事件应用于所述流程节点上,由于所述触发事件的类型不同,使得所述触发事件应用的流程节点也不同。
可以理解的是,所述建模指的是根据所述目标触发事件建立的模型,主要是为了理解事物而对事物做出的一种抽象,是对事物的一种无歧义的书面描述,建立系统模型的过程,又称模型化,建模是研究系统的重要手段和前提。凡是用模型描述系统的因果关系或相互关系的过程都属于建模,所述建立模型是为了在获得目标触发事件后,能够根据所述目标触发事件判断车辆行驶时的场景是否为危险事件,从而控制所述自动驾驶系统的安全功能。
在具体实现中,触发事件的建模设备根据所述对应的流程节点对所述触发事件进行分析,获得目标触发事件,并根据所述目标触发事件进行建模。
如图3所述,所述图3为建模逻辑流程示意图,主要流程是根据预期功能安全定义的范围特性,获得所述预设风险集中点,具体包括:性能限制、复杂环境以及人为误用,然后根据所述预设划分策略,按照系统本身对所述自动驾驶系统进行划分,获得对应的分层,所述分层包括:用户层、界面层、传感器层、算法层、应用层、底盘层以及外界层,将所述预设风险集中点与所述对应的分类列为两个分析维度,并对所述分析维度进行分析获得当前触发事件,判断所述当前触发事件是否会产生有危害或者风险,当判断所述当前触发事件会产生有危害或者风险,将其作为触发事件,对所述自动驾驶系统功能进行拆分,获得拆分后的功能,对所述拆分后的功能进行分析,获得对应的功能流程,根据所述对应的功能流程获得对应的流程节点,将所述触发事件应用于所述对应的流程节点,获得目标触发事件,根据所述目标触发事件进行建模。
本实施例通过获取预设风险集中点,将所述预设风险集中点作为第一建模条件,根据预设划分策略对自动驾驶系统进行划分,获得对应的分层,将所述对应的分层作为第二建模条件,对所述第一建模条件与所述第二建模条件进行组合分析,获得触发事件,对所述自动驾驶系统进行分析和细化,获得对应的流程节点,根据所述对应的流程节点对所述触发事件进行分析,获得目标触发事件,并根据所述目标触发事件进行建模。本发明是通过对预设风险集中点与分层进行组合分析,获得触发事件并进行建模,能够有效对触发事件进行建模,从而提高驾驶员的安全性。
在一实施例中,如图4所述,基于第一实施例提出本发明触发事件的建模方法第二实施例,所述步骤S10,包括:
步骤S101,获取预期功能安全定义的范围特性和自动驾驶系统的预见风险。
可以理解的是,所述预期功能安全指的是避免因预期的功能表现局限而导致不合理的风险的功能安全,所述功能局限具体体现在三个方面,分别是传感器感知局限导致场景识别错误、深度学习不够导致决策算法判断场景错误以及执行器功能局限导致与理想目标偏差。
应当理解的是,所述自动驾驶系统的预见风险指的是因系统本身的限制、环境过于复杂以及驾驶员误用造成的风险中的一个或者多个,所述预见风险是驾驶员在驾驶车辆时出现危险的不确定性,这个不确定性也可以称为是出现危险的概率,所述出现危险的概率指的是特定危险情况发生的可能性和后果的组合。
在具体实现中,触发事件的建模设备获取预期功能安全定义的范围特性和自动驾驶系统的预见风险。
步骤S102,根据所述范围特性对所述自动驾驶系统的预见风险进行分析,确定所述风险集中点,并将所述风险集中点作为所述第一建模条件。
可以理解的是,所述确定所述风险集中点是为了将对所述自动驾驶系统的预见风险进行分析,获得对应的分析结果,根据所述分析结果确定所述风险集中点,所述风险集中点包括驾驶员在驾驶所述车辆时出现的所有风险情况,在确定所述风险集中点后,将所述确定的风险集中点作为所述第一建模条件。
在具体实现中,触发事件的建模设备根据所述范围特性对所述自动驾驶系统的预见风险进行分析,确定所述风险集中点,并将所述风险集中点作为所述第一建模条件。
本实施例中通过获取预期功能安全定义的范围特性和自动驾驶系统的预见风险,根据所述范围特性对所述自动驾驶系统的预见风险进行分析,确定所述风险集中点,并将所述风险集中点作为所述第一建模条件。通过所述范围特性对所述自动驾驶系统的预见风险进行分析,获得分析结果,根据所述分析结果确定所述风险集中点,从而提高了获得所述风险集中点的准确性。
在一实施例中,如图5所述,基于第一实施例提出本发明触发事件的建模方法第三实施例,所述S30,包括:
步骤S301,根据所述第一建模条件与所述第二建模条件获得分析维度。
可以理解的是,在根据所述第一建模条件与所述第二建模条件获得分析维度之前,获取预设划分策略,根据所述预设划分策略对自动驾驶系统进行划分,获得对应的分层,获取功能安全范畴内的分层,根据所述功能安全范畴内的分层对所述对应的分层进行筛选,获得筛选后的分层,将所述筛选后的分层作为所述第二建模条件,所述功能安全范畴内的分层指的是应用层和底盘层,所述分析维度指的是将所述第一建模条件与所述第二建模列为对应的维度,对所述维度进行分析,获得分析维度。
在具体实现中,触发事件的建模设备根据所述第一建模条件与所述第二建模条件获得分析维度。
步骤S302,对所述分析维度进行组合分析,获得触发分析结果。
可以理解的是,所述触发分析结果指的是对所述分析维度进行组合分析的结果,在获得所述分析维度后,将对应的分析维度进行遍历组合,获得多个分析维度组合,对所述分析维度进行分析,获得触发分析结果。
应该理解的是,所述遍历组合指的是在获得分析维度后,按照特定的规则,依次对分析维度中的每个结点均做一次且仅做一次访问,访问结点所做的操作依赖于具体的应用问题,此时需要将每个分析维度进行排列并组合,获得触发分析结果。
在具体实现中,触发事件的建模设备对所述分析维度进行组合分析,获得触发分析结果。
步骤S303,根据所述触发分析结果,获得当前触发事件。
可以理解的是,所述根据触发分析结果获得当前触发事件指的是获取触发事件的标识信息,判断所述触发分析结果是否满足所述触发事件的标识信息,当所述触发分析结果满足所述触发事件的标识信息,获得当前触发事件,所述标识信息指的是判断是否为触发事件的唯一识别信息,例如所述触发分析结果中包含触发因素中的点击触发,那么根据所述触发分析结果即可获得当前触发事件。
在具体实现中,触发事件的建模设备获取触发事件的标识信息,根据所述触发事件的标识信息和所述触发分析结果,获得当前触发事件。
步骤S304,判断所述当前触发事件是否出现危害或者风险。
进一步的,获取预设危害以及风险标识信息,对所述当前触发事件进行分析,获得分析结果,根据所述分析结果和所述预设危害以及风险标识信息,判断所述当前触发事件是否出现危害或者风险。
可以理解的是,所述预设危害以及风险识别信息指的是用来判断所述当前触发事件是否会出现危害或者风险的唯一识别码,不同的危害和风险对应的唯一识别码有所不同,所述唯一识别码用来区分不同的危害和风险。
在具体实现中,触发事件的建模设备判断所述当前触发事件是否出现危害或者风险。
步骤S305,在所述当前触发事件会出现危害或者风险时,将所述当前触发事件作为所述触发事件。
可以理解的是,所述当前触发事件会出现危害或者风险指的是所述当前触发事件中包含所述出现危害或者风险的唯一识别码,此时所述触发事件就会出现危害或者风险,从而将所述当前触发事件作为所述触发事件,当所述当前触发事件不包含所述出现危害或者风险唯一识别码中的任一个,此时需要将所述当前触发事件排除。
在具体实现中,触发事件的建模设备在所述当前触发事件会出现危害或者风险时,将所述当前触发事件作为所述触发事件。
应该理解的是,在获得所述触发事件后,根据所述流程节点所述触发事件进行分析,获得所述目标触发事件,并根据所述目标触发事件进行建模,获得对应的触发事件模型,获取目标车辆驾驶的当前场景,根据所述触发事件模型对所述目标车辆驾驶的当前场景进行识别,判断所述目标车辆驾驶的当前场景是否为危险事件,当所述目标车辆驾驶的当前场景为危险事件时,启动所述自动驾驶系统的安全功能,所述识别指的是判断所述当前场景是否满足所述触发事件模型中出现危害或者风险的唯一识别码。
本实施例通过根据所述第一建模条件与所述第二建模条件获得分析维度,对所述分析维度进行组合分析,获得触发分析结果,根据所述触发分析结果,获得当前触发事件,判断所述当前触发事件是否出现危害或者风险,在所述当前触发事件会出现危害或者风险时,将所述当前触发事件作为目标触发事件。通过对所述分析维度进行组合分析获得触发分析结果,根据所述触发结果获得所述当前触发事件,判断所述触发事件是否会出现危害或者风险,获得风险判断结果,根据所述风险判断结果获得对应的目标触发事件,根据所述对应的目标触发事件进行建模获得对应的触发事件模型,获取所述车辆驾驶的当前场景,根据所述触发事件模型判断所述当前场景是否出现危害或者风险,当所述当前场景会出现危害或者风险,启动所述自动驾驶系统的安全功能,从而提高了驾驶员的安全性。
此外,本发明实施例还提出一种存储介质,所述存储介质上存储有触发事件的建模程序,所述触发事件的建模程序被处理器执行时实现如上文所述的触发事件的建模方法的步骤。
由于本存储介质采用了上述所有实施例的全部技术方案,因此至少具有上述实施例的技术方案所带来的所有有益效果,在此不再一一赘述。
此外,参照图6,本发明实施例还提出一种触发事件的建模装置,所述触发事件的建模装置包括:
获取模块10,用于获取预设风险集中点,将所述预设风险集中点作为第一建模条件。
应当理解的是,所述预设风险集中点指的是因系统本身的限制、环境过于复杂和驾驶员误用造成的可预见风险的集合,所述系统本身的限制指的是由于自动驾驶系统导致的风险,例如当车辆在高速公路上行驶时,自动驾驶系统将道路标识判断为前方车辆,使得所述车辆以预设减速度非预期制动预设时间,以达到在短时间使得所述车辆进行减速,保证驾驶员的安全。所述环境过于复杂指的是由于环境过于复杂导致所述自动驾驶系统对所述车辆的当前环境无法做出及时应答,例如当车辆行驶在密度较大的林被道路,所述自动驾驶系统对当前道路的具体情况无法准确定位,此时道路出现急转弯的情况,而所述自动驾驶系统无法及时调整方向盘角度,从而造成驾驶风险。所述驾驶员误用指的是所述车辆在十字路口排队等信号灯时,由于驾驶员踩动油门踏板,使得所述车辆向前行驶,从而造成驾驶风险。
可以理解的是,将所述因系统本身的限制、环境过于复杂以及驾驶员误用造成的风险组成一个集合,所述集合即为预设风险集中点,所述预设集中点包括因系统本身的限制、环境过于复杂以及驾驶员误用造成的所有风险,所述风险是根据预期功能安全定义的范围特性获得的,在获得所述预设风险集中点后,将所述预设风险集中点作为后续建模的第一建模条件。
在具体实现中,触发事件的建模设备获取因系统本身的限制、环境过于复杂和驾驶员误用造成的可预见风险,并将所述可预见风险作为预设风险集中点,并将所述预设风险集中点作为第一建模条件。
划分模块20,用于获取预设划分策略,根据所述预设划分策略对自动驾驶系统进行划分,获得对应的分层,将所述对应的分层作为第二建模条件。
应当理解的是,所述预设划分策略指的是对自动驾驶系统按照一定的逻辑或者标准进行划分的方式,所述划分方式还需遵守规则,例如:划分必须是相称的;划分出各个子项必须不相容;每次划分必须按同一标准进行;划分应按层次进行,不能跳跃。
可以理解的是,例如按照系统本身划分方式对所述自动驾驶系统进行划分,获得不同的分层,所述分层包括:用户层、界面层、传感器层、算法层、应用层、底盘层以及外界层,所述用户层指的是自动驾驶与驾驶员进行交互的分层,所述界面层指的是所述自动驾驶系统进行显示的分层,所述传感器层指的是用于采集所述车辆信息的分层,所述算法层指的是将所述采集的信息进行计算的分层,不同的分层执行的功能不同。
在具体实现中,触发事件的建模设备获取预设划分策略,根据所述预设划分策略对自动驾驶系统进行划分,获得对应的分层,并将所述对应的分层作为第二建模条件。
组合分析模块30,用于对所述第一建模条件与所述第二建模条件进行组合分析,获得触发事件。
应当理解的是,所述第一建模条件指的是因系统本身的限制、环境过于复杂以及驾驶员误用造成的可预见风险的集合,所述可预见风险的集合即为预设风险集中点,所述第二建模条件指的是根据所述预设划分策略对所述自动驾驶系统进行划分获得对应的分层,将所述预设风险集中点与所述对应的分层进行列为两个分析维度,对所述分析维度进行组合分析,获得对应的触发事件。
可以理解的是,所述维度指的是独立的时空坐标的数目,又称维数,所述维度统计致力于建立一个基于多方位统计、全方位分析网站流量的统计标准,形成原始数据,数据视觉化,数据行为化,数据深入挖掘的数据分析的模式,通过对原始数据进行组合分析,获得对应的触发事件。
在具体实现中,触发事件的建模设备对所述第一建模条件与所述第二建模条件列为两个分析维度,对所述分析维度进行组合分析,获得触发事件。
分析细化模块40,用于对所述自动驾驶系统进行分析和细化,获得对应的流程节点。
应当理解的是,所述流程节点指的是将所述自动驾驶系统分为不同的功能,每个功能对应不同的程序流程,对所述程序流程进行分析和细化,获得对应的流程节点,当自动驾驶系统的功能分为一个阶段或若干个阶段来完成时,其中某一个程序或某一阶段结束,另外一个程序或某一阶段开始时的转接点,所述转接点即为所述流程节点。
可以理解的是,所述对所述自动驾驶系统进行细化指的是在将所述自动驾驶系统分为不同的功能后,将所述功能分为不同的程序流程,所述程序流程就是对所述自动驾驶系统进行细化,例如所述自动驾驶系统中的某一功能细化成流程1功能开启、流程2感知周围环境、流程3全局路径规划、流程4行为决策、流程5局部路径规划、流程6控制车辆执行以及流程7人机接口显示信息等7个流程节点。
在具体实现中,触发事件的建模设备对所述自动驾驶系统进行分析,获得不同的功能,对所述不同的功能进行细化,获得对应的流程节点。
分析模块50,用于根据所述对应的流程节点对所述触发事件进行分析,获得目标触发事件,并根据所述目标触发事件进行建模。
应当理解的是,所述对应的流程节点指的是对所述自动驾驶系统进行分析获得不同的功能,对所述功能进行细化获得的流程节点,所述触发事件指的是将所述预设风险集中点与所述对应的分层进行组合分析获得的,此时再将所述触发事件应用于所述流程节点上,由于所述触发事件的类型不同,使得所述触发事件应用的流程节点也不同。
可以理解的是,所述建模指的是根据所述目标触发事件建立的模型,主要是为了理解事物而对事物做出的一种抽象,是对事物的一种无歧义的书面描述,建立系统模型的过程,又称模型化,建模是研究系统的重要手段和前提。凡是用模型描述系统的因果关系或相互关系的过程都属于建模,所述建立模型是为了在获得目标触发事件后,能够根据所述目标触发事件判断车辆行驶时的场景是否为危险事件,从而控制所述自动驾驶系统的安全功能。
在具体实现中,触发事件的建模设备根据所述对应的流程节点对所述触发事件进行分析,获得目标触发事件,并根据所述目标触发事件进行建模。
本发明提出的触发事件的建模方法,通过获取预设风险集中点,将所述预设风险集中点作为第一建模条件,根据预设划分策略对自动驾驶系统进行划分,获得对应的分层,将所述对应的分层作为第二建模条件,对所述第一建模条件与所述第二建模条件进行组合分析,获得触发事件,对所述自动驾驶系统进行分析和细化,获得对应的流程节点,根据所述对应的流程节点对所述触发事件进行分析,获得目标触发事件,并根据所述目标触发事件进行建模。本发明是通过对预设风险集中点与分层进行组合分析,获得触发事件并进行建模,能够有效对触发事件进行建模,从而提高驾驶员的安全性。
需要说明的是,以上所描述的工作流程仅仅是示意性的,并不对本发明的保护范围构成限定,在实际应用中,本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的,此处不做限制。
另外,未在本实施例中详尽描述的技术细节,可参见本发明任意实施例所提供的触发事件的建模方法,此处不再赘述。
在一实施例中,所述获取模块10,还用于获取预期功能安全定义的范围特性和自动驾驶系统的预见风险;根据所述范围特性对所述自动驾驶系统的预见风险进行分析,确定所述风险集中点,并将所述风险集中点作为所述第一建模条件。
在一实施例中,所述划分模块20,还用于获取预设划分策略,根据所述预设划分策略对自动驾驶系统进行划分,获得对应的分层;获取功能安全范畴内的分层;根据所述功能安全范畴内的分层对所述对应的分层进行筛选,获得筛选后的分层,将所述筛选后的分层作为所述第二建模条件。
在一实施例中,所述组合分析模块30,还用于根据所述第一建模条件与所述第二建模条件获得分析维度;对所述分析维度进行组合分析,获得触发分析结果;根据所述触发分析结果,获得当前触发事件;判断所述当前触发事件是否出现危害或者风险;在所述当前触发事件会出现危害或者风险时,将所述当前触发事件作为目标触发事件。
在一实施例中,所述组合分析模块30,还用于获取预设危害以及风险标识信息;对所述当前触发事件进行分析,获得分析结果;根据所述分析结果和所述预设危害以及风险标识信息,判断所述当前触发事件是否出现危害或者风险。
在一实施例中,所述分析细化模块40,还用于获取自动驾驶系统功能;对所述自动驾驶系统功能进行分类,获得不同类别的自动驾驶功能;对所述不同类别的自动驾驶功能进行分析,获得自动驾驶功能流程图;根据所述自动驾驶功能流程图,获得对应的流程信息;对所述流程信息进行细化,获得对应的流程节。
在一实施例中,所述分析模块50,还用于根据所述目标触发事件进行建模,获得触发事件模型;获取目标车辆驾驶的当前场景;根据所述触发事件模型对所述目标车辆驾驶的当前场景进行识别,判断所述目标车辆驾驶的当前场景是否为危险事件;当所述目标车辆驾驶的当前场景为危险事件时,启动所述自动驾驶系统的安全功能。
本发明所述触发事件的建模装置的其他实施例或具有实现方法可参照上述各方法实施例,此处不在赘余。
此外,需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
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。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。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(如只读存储器(Read Only Memory,ROM)/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,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的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种触发事件的建模方法,其特征在于,所述触发事件的建模方法包括以下步骤:
获取预设风险集中点,将所述预设风险集中点作为第一建模条件;
获取预设划分策略,根据所述预设划分策略对自动驾驶系统进行划分,获得对应的分层,将所述对应的分层作为第二建模条件;
对所述第一建模条件与所述第二建模条件进行组合分析,获得触发事件;
对所述自动驾驶系统进行分析和细化,获得对应的流程节点;
根据所述对应的流程节点对所述触发事件进行分析,获得目标触发事件,并根据所述目标触发事件进行建模。
2.如权利要求1所述的触发事件的建模方法,其特征在于,所述获取预设风险集中点,将所述预设风险集中点作为第一建模条件,包括:
获取预期功能安全定义的范围特性和自动驾驶系统的预见风险;
根据所述范围特性对所述自动驾驶系统的预见风险进行分析,确定所述风险集中点,并将所述风险集中点作为所述第一建模条件。
3.如权利要求1所述的触发事件的建模方法,其特征在于,所述获取预设划分策略,根据所述预设划分策略对自动驾驶系统进行划分,获得对应的分层,将所述对应的分层作为第二建模条件,包括:
获取预设划分策略,根据所述预设划分策略对自动驾驶系统进行划分,获得对应的分层;
获取功能安全范畴内的分层;
根据所述功能安全范畴内的分层对所述对应的分层进行筛选,获得筛选后的分层,将所述筛选后的分层作为所述第二建模条件。
4.如权利要求1所述的触发事件的建模方法,其特征在于,所述对所述第一建模条件与所述第二建模条件进行组合分析,获得触发事件,包括:
根据所述第一建模条件与所述第二建模条件获得分析维度;
对所述分析维度进行组合分析,获得触发分析结果;
根据所述触发分析结果,获得当前触发事件;
判断所述当前触发事件是否出现危害或者风险;
在所述当前触发事件会出现危害或者风险时,将所述当前触发事件作为所述触发事件。
5.如权利要求4所述的触发事件的建模方法,其特征在于,所述判断所述当前触发事件是否出现危害或者风险,包括:
获取预设危害以及风险标识信息;
对所述当前触发事件进行分析,获得分析结果;
根据所述分析结果和所述预设危害以及风险标识信息,判断所述当前触发事件是否出现危害或者风险。
6.如权利要求1所述的触发事件的建模方法,其特征在于,所述对所述自动驾驶系统进行分析和细化,获得对应的流程节点,包括:
获取自动驾驶系统功能;
对所述自动驾驶系统功能进行分类,获得不同类别的自动驾驶功能;
对所述不同类别的自动驾驶功能进行分析,获得自动驾驶功能流程图;
根据所述自动驾驶功能流程图,获得对应的流程信息;
对所述流程信息进行细化,获得对应的流程节点。
7.如权利要求1至6中任一项所述的触发事件的建模方法,其特征在于,所述根据所述对应的流程节点对所述触发事件进行分析,获得目标触发事件,并根据所述目标触发事件进行建模之后,还包括:
根据所述目标触发事件进行建模,获得触发事件模型;
获取目标车辆驾驶的当前场景;
根据所述触发事件模型对所述目标车辆驾驶的当前场景进行识别,判断所述目标车辆驾驶的当前场景是否为危险事件;
当所述目标车辆驾驶的当前场景为危险事件时,启动所述自动驾驶系统的安全功能。
8.一种触发事件的建模装置,其特征在于,所述触发事件的建模装置包括:
获取模块,用于获取预设风险集中点,将所述预设风险集中点作为第一建模条件;
划分模块,用于获取预设划分策略,根据所述预设划分策略对自动驾驶系统进行划分,获得对应的分层,将所述对应的分层作为第二建模条件;
组合分析模块,用于对所述第一建模条件与所述第二建模条件进行组合分析,获得触发事件;
分析细化模块,用于对所述自动驾驶系统进行分析和细化,获得对应的流程节点;
分析模块,用于根据所述对应的流程节点对所述触发事件进行分析,获得目标触发事件,并根据所述目标触发事件进行建模。
9.一种触发事件的建模设备,其特征在于,所述触发事件的建模设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的触发事件的建模程序,所述触发事件的建模程序配置有实现如权利要求1至7中任一项所述的触发事件的建模方法的步骤。
10.一种存储介质,其特征在于,所述存储介质上存储有触发事件的建模程序,所述触发事件的建模程序被处理器执行时实现如权利要求1至7中任一项所述的触发事件的建模方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011421279.2A CN112455459B (zh) | 2020-12-04 | 2020-12-04 | 触发事件的建模方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011421279.2A CN112455459B (zh) | 2020-12-04 | 2020-12-04 | 触发事件的建模方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112455459A CN112455459A (zh) | 2021-03-09 |
CN112455459B true CN112455459B (zh) | 2021-10-01 |
Family
ID=74800809
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011421279.2A Active CN112455459B (zh) | 2020-12-04 | 2020-12-04 | 触发事件的建模方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112455459B (zh) |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7710248B2 (en) * | 2007-06-12 | 2010-05-04 | Palo Alto Research Center Incorporated | Human-machine-interface (HMI) customization based on collision assessments |
US7792641B2 (en) * | 2007-06-12 | 2010-09-07 | Palo Alto Research Center Incorporated | Using long-range dynamics and mental-state models to assess collision risk for early warning |
US8938332B1 (en) * | 2013-09-11 | 2015-01-20 | Cisco Technology, Inc. | Startup control of devices |
US9472098B2 (en) * | 2015-01-15 | 2016-10-18 | International Business Machines Corporation | Vehicle-based abnormal travel event detecting and reporting |
US9729421B2 (en) * | 2015-03-25 | 2017-08-08 | International Business Machines Corporation | Outcome-based software-defined infrastructure |
JP6668497B2 (ja) * | 2016-03-17 | 2020-03-18 | スイス リインシュランス カンパニー リミテッド | テレマティクスシステム及びその対応する方法 |
WO2018019354A1 (en) * | 2016-07-25 | 2018-02-01 | Swiss Reinsurance Company Ltd. | An apparatus for a dynamic, score-based, telematics connection search engine and aggregator and corresponding method thereof |
CN106503376B (zh) * | 2016-10-27 | 2019-10-01 | 安徽江淮汽车集团股份有限公司 | 一种汽车网络架构建模仿真方法及系统 |
DE102016222219A1 (de) * | 2016-11-11 | 2018-05-17 | Robert Bosch Gmbh | Fahrerassistenzsystem für ein Kraftfahrzeug |
JP2019200603A (ja) * | 2018-05-16 | 2019-11-21 | 株式会社堀場製作所 | 車両状況解析方法、車両状況解析システム、車両状況解析装置及びドライブレコーダ |
US10730463B2 (en) * | 2018-06-11 | 2020-08-04 | Ford Global Technologies, Llc | Tigger based vehicle monitoring |
CN108959813B (zh) * | 2018-07-26 | 2021-01-15 | 北京理工大学 | 一种智能车辆道路导航环境模型的仿真建模方法 |
US11456079B2 (en) * | 2018-08-16 | 2022-09-27 | Reciprocal Labs Corporation | Identification of asthma triggering conditions based on medicament device monitoring for a patient |
CN109808613A (zh) * | 2019-01-23 | 2019-05-28 | 征辕科技(宁波)有限公司 | 智能驾驶系统行车事件评估检测方法 |
CN110333730B (zh) * | 2019-08-12 | 2020-08-21 | 安徽江淮汽车集团股份有限公司 | 自动驾驶算法预期功能安全的验证方法、平台及存储介质 |
CN110782117A (zh) * | 2019-09-04 | 2020-02-11 | 腾讯科技(深圳)有限公司 | 驾驶风险检测方法及装置、存储介质、电子设备 |
US11568655B2 (en) * | 2020-03-26 | 2023-01-31 | Intel Corporation | Methods and devices for triggering vehicular actions based on passenger actions |
-
2020
- 2020-12-04 CN CN202011421279.2A patent/CN112455459B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112455459A (zh) | 2021-03-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10346564B2 (en) | Dynamic virtual object generation for testing autonomous vehicles in simulated driving scenarios | |
CN111680362B (zh) | 一种自动驾驶仿真场景获取方法、装置、设备及存储介质 | |
CN112418711A (zh) | 车辆预期功能危害评估方法、设备、存储介质及装置 | |
US11810460B2 (en) | Automatic generation of pedestrians in virtual simulation of roadway intersections | |
CN112579464A (zh) | 自动驾驶算法的校验方法、装置、设备以及存储介质 | |
CN111723458B (zh) | 面向自动驾驶决策规划系统仿真测试场景自动化生成方法 | |
De Gelder et al. | Risk quantification for automated driving systems in real-world driving scenarios | |
Aslansefat et al. | Toward improving confidence in autonomous vehicle software: A study on traffic sign recognition systems | |
CN113609016A (zh) | 车辆自动驾驶测试场景的构建方法、装置、设备及介质 | |
CN112287801A (zh) | 车载数据处理方法、装置、服务器和可读存储介质 | |
CN113935143A (zh) | 通过自主车辆的增加的严重性等级估计碰撞概率 | |
CN116767281A (zh) | 一种辅助驾驶方法、装置、设备、车辆和介质 | |
Raffaelli et al. | Facing ADAS validation complexity with usage oriented testing | |
Wang et al. | Prospective safety assessment of highly automated driving functions using stochastic traffic simulation | |
CN112327806A (zh) | 自动驾驶的测试方法、装置和电子设备 | |
Song et al. | Identifying critical test scenarios for lane keeping assistance system using analytic hierarchy process and hierarchical clustering | |
CN112455459B (zh) | 触发事件的建模方法、装置、设备及存储介质 | |
Li | A scenario-based development framework for autonomous driving | |
CN115270400A (zh) | 用于自动驾驶仿真的测试场景构建方法及可读存储介质 | |
CN117413257A (zh) | 用于测试车辆用司机辅助系统的方法和系统 | |
CN112001097A (zh) | 自动驾驶仿真结果的分析和可视化方法和计算机设备 | |
CN113272744A (zh) | 用于监测自动驾驶车辆的适当行为的系统及其方法 | |
CN112419366A (zh) | 车辆的追踪方法、系统及计算机可读存储介质 | |
CN116776204B (zh) | 驾驶人风险敏感度差异化表征方法、装置、设备及介质 | |
EP4191462A1 (en) | Method and system for quantifying vehicle requirement |
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 |