CN112744223B - 自动驾驶车辆交叉路口表现评价方法及系统 - Google Patents
自动驾驶车辆交叉路口表现评价方法及系统 Download PDFInfo
- Publication number
- CN112744223B CN112744223B CN202110063687.3A CN202110063687A CN112744223B CN 112744223 B CN112744223 B CN 112744223B CN 202110063687 A CN202110063687 A CN 202110063687A CN 112744223 B CN112744223 B CN 112744223B
- Authority
- CN
- China
- Prior art keywords
- state
- vehicle
- test vehicle
- index
- kinematic
- 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
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
- B60W40/107—Longitudinal acceleration
-
- 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
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
- B60W40/109—Lateral acceleration
-
- 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
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
- B60W40/112—Roll movement
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M17/00—Testing of vehicles
- G01M17/007—Wheeled or endless-tracked vehicles
-
- 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
- B60W2520/105—Longitudinal acceleration
-
- 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
- B60W2520/12—Lateral speed
- B60W2520/125—Lateral acceleration
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Mathematical Physics (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种自动驾驶车辆交叉路口表现评价方法,包括测试车辆和至少一个背景车辆,包括:获取测试车辆通过交叉路口的运动学参数和运动状态反应数据;量化运动学参数和运动状态反应数据;根据量化后的运动学参数计算安全性指数和舒适性指数;根据量化后的运动状态反应数据计算智能性指数;根据安全性指数、舒适性指数、智能性指数加权计算得到测试车辆的表现综合指数。本发明具有综合评价自动驾驶车辆通过交叉路口时的安全性、舒适性、智能性能力的有益效果,提供一种自动驾驶车辆交叉路口表现评价系统,包括数据采集装置和数据处理装置,可以综合评价自动驾驶车辆通过交叉路口时的安全性、舒适性、智能性能力。
Description
技术领域
本发明涉及汽车自动驾驶技术领域。更具体地说,本发明涉及一种自动驾驶车辆交叉路口表现评价方法及系统。
背景技术
随着汽车技术的不断发展,对自动驾驶能力评价是当前行业面临的一大难点,尤其是当前自动驾驶车辆需要和人类驾驶员一起共享道路。交叉路口的通行场景是日常驾驶中最常见的典型场景,也是交通复杂度非常高的场景。当前自动驾驶车辆在通过交叉路口时,存在车辆竞争性不足的问题。目前针对自动驾驶车辆在规则道路上的表现,比如跟车、变道等场景的表现,已经有较为成熟的评价体系,但对于交叉路口场景,缺乏一个公认有效的方法。
发明内容
本发明的一个目的是解决至少上述问题,并提供至少后面将说明的优点。
本发明还有一个目的是提供一种自动驾驶车辆交叉路口表现评价方法,可以对自动驾驶车辆在通行交叉路口这种交通复杂度非常高的场景时的表现进行全面、精准的评价。
提供一种自动驾驶车辆交叉路口表现评价系统,可以从安全性、舒适性、智能性多方面对自动驾驶车辆的表现进行精准评价。
为了实现根据本发明的这些目的和其它优点,提供了一种自动驾驶车辆交叉路口表现评价方法,包括测试车辆和至少一个背景车辆,包括:
获取测试车辆通过交叉路口的测试车辆和背景车辆的运动学参数和运动状态反应数据,其中,运动状态反应数据是指相对所述背景车辆该测试车辆的运动状态及针对该运动状态作出的反应的数据;
量化运动学参数和运动状态反应数据;
根据量化后的运动学参数计算安全性指数和舒适性指数;
根据量化后的运动状态反应数据计算智能性指数;
根据安全性指数、舒适性指数、智能性指数加权计算得到测试车辆的表现综合指数。
优选的是,用于计算安全性指数的运动学参数包括测试车辆和背景车辆的横向加速度状态、纵向加速度状态、横摆角速度状态。
优选的是,安全性指数的计算方法具体为:
根据运动学参数定义多个风险等级,并为每个风险等级赋值;
根据当次测试车辆和背景车辆的运动学参数匹配得出当次测试车辆的风险等级及对应的赋值,然后加权计算得到当次通过交叉路口的测试车辆的安全性指数。
优选的是,用于计算舒适性指数的运动学参数包括测试车辆的横向加速度状态、纵向加速度状态、急动度状态以及横摆角速度状态。
优选的是,舒适性指数的计算方法具体为:
为各项运动学参数设置数值范围,定义为多个舒适等级,并为每个舒适等级赋值;
根据当次测试车辆的运动学参数匹配得出当次测试车辆的舒适等级及对应的赋值,然后加权计算得到当次通过交叉路口的测试车辆的舒适性指数。
优选的是,运动状态包括“博弈状态”和“安全状态”,根据测试车辆和背景车辆当前运动状态,预测两车是否存在碰撞点,将存在碰撞点这一状态定义为“博弈状态”,不存在碰撞点这一状态定义为“安全状态”;
运动状态反应数据为测试车辆从“博弈状态”转化为“安全状态”的处理措施,处理措施包括停车、减速、加速、迫使背景车辆减速。
优选的是,智能性指数的计算方法具体为:
为各项运动状态反应数据赋值;
根据当次通过交叉路口的测试车辆的各项运动状态反应数据加权计算得到智能性指数。
提供一种自动驾驶车辆交叉路口表现评价系统,包括:
数据采集装置,其用于采集测试车辆和背景车辆的运动学参数和运动状态反应数据,其中,运动状态反应数据是指相对所述背景车辆该测试车辆的运动状态及针对该运动状态作出的反应的数据;
数据处理装置,其用于量化运动学参数和运动状态反应数据,根据量化后的运动学参数计算安全性指数和舒适性指数,根据量化后的运动状态反应数据计算智能性指数,根据安全性指数、舒适性指数、智能性指数加权计算得到测试车辆的表现综合指数。
优选的是,所述数据采集装置用于采集用于计算安全性指数的运动学参数,其包括测试车辆和背景车辆的横向加速度状态、纵向加速度状态、横摆角速度状态;
所述数据采集装置还用于采集用于计算舒适性指数的运动学参数,其包括测试车辆的横向加速度状态、纵向加速度状态、急动度状态以及横摆角速度状态;
所述数据处理装置用于根据运动学参数定义多个风险等级,并为每个风险等级赋值,根据当次测试车辆的运动学参数匹配得出当次测试车辆的风险等级及对应的赋值,然后加权计算得到当次通过交叉路口的测试车辆的安全性指数;
所述数据处理装置用于根据运动学参数定义多个舒适等级,并为每个舒适等级赋值,根据当次测试车辆的运动学参数匹配得出当次测试车辆的舒适等级及对应的赋值,然后加权计算得到当次通过交叉路口的测试车辆的舒适性指数。
优选的是,所述数据采集装置用于采集测试车辆的运动状态和运动状态反应数据,其中,运动状态包括“博弈状态”和“安全状态”,根据测试车辆和背景车辆当前运动状态,预测两车是否存在碰撞点,将存在碰撞点这一状态定义为“博弈状态”,不存在碰撞点这一状态定义为“安全状态”;
运动状态反应数据为测试车辆从“博弈状态”转化为“安全状态”的处理措施,处理措施包括停车、减速、加速、迫使背景车辆减速;
所述数据处理装置用于为各项运动状态反应数据赋值,根据当次通过交叉路口的测试车辆的各项运动状态反应数据加权计算得到智能性指数。
本发明至少包括以下有益效果:
第一、传统对车辆安全性的评价方法,通常只考虑了测试车辆的运动学参数信息,比如速度、横向加速度、纵向加速度以及横摆角速度的关系。考虑到交叉路口通行是一个交互性非常强的行为,背景车辆同样可能需要对测试车辆的驾驶行为进行应对,从而产生一定的安全风险。换句话说,背景车辆的运动状态信息也反应了该场景的安全风险,而这个风险是由双方驾驶行为共同引起的。因此,采用测试车辆和背景车辆的运动学参数信息评价安全性指数,提高安全风险的评价准确性。
第二、传统的对于车辆在交叉路口通行效率、竞争性的评价,因为车辆运动状态的复杂性,始终没有一个直观清晰的思路。在上述技术方案中根据预测测试车辆和背景车辆在未来是否存在轨迹重叠,然后引入“博弈状态”和“安全状态”,通过这两种状态将测试车辆和背景车辆的交互行为进行假设和拆解,从而可以精准可靠的对测试车辆的表现进行直观清晰的评价。
第三、为各项运动学参数设置范围值,并根据范围值定义风险等级,然后进行赋值加权计算,这样计算方法简单易行,且可靠,还可以根据具体的场景修改风险等级和权重,以适应具体场景,提高安全性指数反应测试车辆交叉路口表现中安全性的精准性。
本发明的其它优点、目标和特征将部分通过下面的说明体现,部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。
附图说明
图1为本发明的其中一种技术方案的测试场景情景示意图;
图2为本发明的其中一种技术方案的博弈状态的示意图;
图3为本发明的其中一种技术方案的打破博弈状态的示意图。
具体实施方式
下面结合附图对本发明做进一步的详细说明,以令本领域技术人员参照说明书文字能够据以实施。
需要说明的是,下述实施方案中所述实验方法,如无特殊说明,均为常规方法,所述试剂和材料,如无特殊说明,均可从商业途径获得;在本发明的描述中,术语指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,并不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
如图1~3所示,本发明提供一种自动驾驶车辆交叉路口表现评价方法,包括测试车辆和至少一个背景车辆,背景车辆为可动物体,包括不限于机动车辆、非机动车辆、行人,畜类等,包括:
获取测试车辆通过交叉路口时测试车辆和背景车辆的运动学参数和运动状态反应数据,其中,运动状态反应数据是指相对所述背景车辆该测试车辆的运动状态及针对该运动状态作出的反应的数据;比如,运动学参数包括横向加速度状态、纵向加速度状态、横摆角速度状态,运动状态反应数据包括测试车辆从“博弈状态”转化为“安全状态”的停车、减速、加速、迫使背景车辆减速的处理措施。
运动状态包括“博弈状态”和“安全状态”,根据测试车辆和背景车辆当前运动状态,预测两车是否存在碰撞点,将存在碰撞点这一状态定义为“博弈状态”,不存在碰撞点这一状态定义为“安全状态”;
量化运动学参数和运动状态反应数据;量化方法有很多,比如运动学参数的量化方法,可以设置各项加速度状态的范围值,并对每个范围值赋值得分;比如运动状态反应数据的量化方法,可以设置判断规则,判断规则可以设置为:
1、测试车辆处于“博弈状态”时,测试车辆减速被认为是合理表现;
2、设置速度阈值,若测试车辆可以通过减速打破“博弈状态”而返回“安全状态”的,测试车辆停车被认为是不合理表现;
3、测试车辆加速打破“博弈状态”,测试车辆被视为是有竞争性的表现;
4、测试车辆迫使背景车辆减速从而打破“博弈状态”而返回“安全状态”的,测试车辆被视为有竞争性的表现;
5、测试车辆可以只能停车打破“博弈状态”而返回“安全状态”的,测试车辆停车被认为是合理表现;测试车辆的启停次数。
然后对每种表现赋值得分;
根据量化后的运动学参数计算安全性指数和舒适性指数;选取用于计算安全性指数的运动学参数,以及设置各项运动学参数的权重,然后对当次测试车辆的运动学参数对应的赋值得分和权重进行加权计算得到安全性指数;
选取用于计算舒适性指数的运动学参数,以及设置各项运动学参数的权重,然后对当次测试车辆的运动学参数对应的赋值得分和权重进行加权计算得到舒适性指数;
根据量化后的运动状态反应数据计算智能性指数;计算方法有很多,比如,可以通过对每种表现赋值得分,并设置对应的权重,然后对当次测试车辆的各项运动状态反应数据(表现)对应的赋值得分和权重进行加权计算得到智能性指数;
根据安全性指数、舒适性指数、智能性指数加权计算得到测试车辆的表现综合指数,同样,也可以对安全性指数、舒适性指数、智能性指数设置权重,然后根据前面计算得到的安全性指数、舒适性指数、智能性指数进行加权计算得到当次测试车辆的表现综合指数。
在上述技术方案中,传统对车辆安全性的评价方法,通常只考虑了测试车辆的运动学参数信息,比如速度、横向加速度、纵向加速度以及横摆角速度的关系。考虑到交叉路口通行是一个交互性非常强的行为,背景车辆同样可能需要对测试车辆的驾驶行为进行应对,从而产生一定的安全风险。换句话说,背景车辆的运动状态信息也反应了该场景的安全风险,而这个风险是由双方驾驶行为共同引起的。因此,采用测试车辆和背景车辆的运动学参数信息评价安全性指数,提高安全风险的评价准确性。
传统的对于车辆在交叉路口通行效率、竞争性的评价,因为车辆运动状态的复杂性,始终没有一个直观清晰的思路。在上述技术方案中根据预测测试车辆和背景车辆在未来是否存在轨迹重叠,然后引入“博弈状态”和“安全状态”,通过这两种状态将测试车辆和背景车辆的交互行为进行假设和拆解,从而可以精准可靠的对测试车辆的表现进行直观清晰的评价。
在另一种技术方案中,用于计算安全性指数的运动学参数包括测试车辆和背景车辆的横向加速度状态、纵向加速度状态、横摆角速度状态。交叉路口通行是一个交互性非常强的行为,背景车辆同样可能需要对测试车辆的驾驶行为进行应对,从而产生一定的安全风险。换句话说,背景车辆的运动状态信息也反应了该场景的安全风险,而这个风险是由双方驾驶行为共同引起的。因此,采用测试车辆和背景车辆的二者的运动学参数信息同时评价安全性指数,可以提高安全风险的评价准确性。
在另一种技术方案中,安全性指数的计算方法具体为:
根据运动学参数定义多个风险等级,并为每个风险等级赋值;
根据当次测试车辆的运动学参数匹配得出当次测试车辆的风险等级及对应的赋值,然后加权计算得到当次通过交叉路口的测试车辆的安全性指数。为各项运动学参数设置范围值,并根据范围值定义风险等级,然后进行赋值加权计算,这样计算方法简单易行,且可靠,还可以根据具体的场景修改风险等级和权重,以适应具体场景,提高安全性指数反应测试车辆交叉路口表现中安全性的精准性。
在另一种技术方案中,用于计算舒适性指数的运动学参数包括横向加速度状态、纵向加速度状态、急动度状态以及横摆角速度状态。在规范道路上行驶时,加速度是最影响乘车和驾车舒适性的因素,因此,采用上述运动学参数计算舒适性指数,以评价舒适性更准确。
在另一种技术方案中,舒适性指数的计算方法具体为:
为各项运动学参数设置数值范围,定义为多个舒适等级,并为每个舒适等级赋值;
根据当次测试车辆的运动学参数匹配得出当次测试车辆的舒适等级及对应的赋值,然后加权计算得到当次通过交叉路口的测试车辆的舒适性指数。通过赋值和权重来量化计算舒适性,可以简单快速的得出结果。
在另一种技术方案中,运动状态包括“博弈状态”和“安全状态”,根据测试车辆和背景车辆当前运动状态,预测两车是否存在碰撞点,将存在碰撞点这一状态定义为“博弈状态”,不存在碰撞点这一状态定义为“安全状态”;
运动状态反应数据为测试车辆从“博弈状态”转化为“安全状态”的处理措施,处理措施包括停车、减速、加速、迫使背景车辆减速。
根据预测测试车辆和背景车辆在未来是否存在轨迹重叠,然后引入“博弈状态”和“安全状态”,通过这两种状态将测试车辆和背景车辆的交互行为进行假设和拆解,从而可以精准可靠的对测试车辆的表现进行直观清晰的评价。
在另一种技术方案中,智能性指数的计算方法具体为:
为各项运动状态反应数据赋值;
根据当次通过交叉路口的测试车辆的各项运动状态反应数据加权计算得到智能性指数。通过赋值和权重来量化计算智能性指数,可以简单快速的得出结果。
提供一种自动驾驶车辆交叉路口表现评价系统,包括:
数据采集装置,其用于采集测试车辆和背景车辆的运动学参数和运动状态反应数据,其中,运动状态反应数据是指相对所述背景车辆该测试车辆的运动状态及针对该运动状态作出的反应的数据;
数据处理装置,其用于量化运动学参数和运动状态反应数据,根据量化后的运动学参数计算安全性指数和舒适性指数,根据量化后的运动状态反应数据计算智能性指数,根据安全性指数、舒适性指数、智能性指数加权计算得到测试车辆的表现综合指数。
传统对车辆安全性的评价方法,通常只考虑了测试车辆的运动学参数信息,比如速度、横向加速度、纵向加速度以及横摆角速度的关系。考虑到交叉路口通行是一个交互性非常强的行为,背景车辆同样可能需要对测试车辆的驾驶行为进行应对,从而产生一定的安全风险。换句话说,背景车辆的运动状态信息也反应了该场景的安全风险,而这个风险是由双方驾驶行为共同引起的。因此,采用测试车辆和背景车辆的运动学参数信息评价安全性指数,提高安全风险的评价准确性。
传统的对于车辆在交叉路口通行效率、竞争性的评价,因为车辆运动状态的复杂性,始终没有一个直观清晰的思路。在上述技术方案中根据预测测试车辆和背景车辆在未来是否存在轨迹重叠,然后引入“博弈状态”和“安全状态”,通过这两种状态将测试车辆和背景车辆的交互行为进行假设和拆解,从而可以精准可靠的对测试车辆的表现进行直观清晰的评价。
在另一种技术方案中,所述数据采集装置用于采集用于计算安全性指数的运动学参数,其包括测试车辆的横向加速度状态、纵向加速度状态、横摆角速度状态;
所述数据采集装置还用于采集用于计算舒适性指数的运动学参数,其包括横向加速度状态、纵向加速度状态、急动度状态以及横摆角速度状态;
所述数据处理装置用于根据运动学参数定义多个风险等级,并为每个风险等级赋值,根据当次测试车辆的运动学参数匹配得出当次测试车辆的风险等级及对应的赋值,然后加权计算得到当次通过交叉路口的测试车辆的安全性指数。
为各项运动学参数设置范围值,并根据范围值定义风险等级,然后进行赋值加权计算,这样计算方法简单易行,且可靠,还可以根据具体的场景修改风险等级和权重,以适应具体场景,提高安全性指数反应测试车辆交叉路口表现中安全性的精准性。
所述数据处理装置用于根据运动学参数定义多个舒适等级,并为每个舒适等级赋值,根据当次测试车辆的运动学参数匹配得出当次测试车辆的舒适等级及对应的赋值,然后加权计算得到当次通过交叉路口的测试车辆的舒适性指数。
为各项运动学参数设置范围值,并根据范围值定义舒适等级,然后进行赋值加权计算,这样计算方法简单易行,且可靠,还可以根据具体的场景修改舒适等级和权重,以适应具体场景,提高舒适性指数反应测试车辆交叉路口表现中舒适性的精准性。
在另一种技术方案中,所述数据采集装置用于采集测试车辆的运动状态和运动状态反应数据,其中,运动状态包括“博弈状态”和“安全状态”,根据测试车辆和背景车辆当前运动状态,预测两车是否存在碰撞点,将存在碰撞点这一状态定义为“博弈状态”,不存在碰撞点这一状态定义为“安全状态”;
运动状态反应数据为测试车辆从“博弈状态”转化为“安全状态”的处理措施,处理措施包括停车、减速、加速、迫使背景车辆减速;
所述数据处理装置用于为各项运动状态反应数据赋值,根据当次通过交叉路口的测试车辆的各项运动状态反应数据加权计算得到智能性指数。
根据预测测试车辆和背景车辆在未来是否存在轨迹重叠,然后引入“博弈状态”和“安全状态”,通过这两种状态将测试车辆和背景车辆的交互行为进行假设和拆解,从而可以精准可靠的对测试车辆的智能表现进行直观清晰的评价。通过赋值和权重来量化计算智能性指数,可以简单快速的得出结果。
一种自动驾驶车辆交叉路口表现评价方法,应用于车辆尤其是自动驾驶车辆驾驶能力的评价。评价方法中所需数据,选择用全球卫星导航系统,或直接读取车辆自身或搭载的传感设备信息。通过安全性、舒适性以及智能性三个维度对自动驾驶车辆在交叉路口的行为进行评价。
安全性指数评价方法:分别考虑测试车辆和背景车辆的横向和纵向加速度以及横摆角速度作为评判指标。根据指标数值的不同划分成三个安全风险等级(Level 1、Level 2和Level 3)。安全风险等级的划分可参考表1、表2和表3。处于Level 1定义范围之内的,安全性指数得分为100分;超出Level 3的,该项不得分。未标明数值的,可使用线性插值的方式进行打分。测试车辆和背景车辆各占比50%,加权相加后的总分为该项得分。
表1根据纵向加速度定义危险等级
表2根据横向加速度定义危险等级
表3根据横摆角速度定义危险等级
舒适性指数评价方法:根据测试车运动状态数据,考虑横向加速度、纵向加速度、急动度、横摆角速度对车辆舒适性进行评价。各项指标得分进行加权相加后作为该项得分。
智能性指数评价方法:首先根据测试车辆和背景车辆在路口是否存在重叠区域,将车辆交互行为划分为“博弈状态”和“安全状态”,可参考图2和图3详细列举的几种情况。其次,根据这两种状态确定评价基本原则:
1)处于“博弈状态”的时候,测试车辆减速的表现被视为是合理的;
2)设置一个速度阈值,测试车辆可以通过减速打破“博弈状态”而返回“安全状态”的,就不应该停车,不停车的表现被视为是合理的;
3)测试车辆加速打破“博弈状态”被视为是有竞争性的表现;
4)测试车辆迫使对方(背景车辆)减速从而打破“博弈状态”而返回“安全状态”的表现,被视为有竞争性的表现。
根据以上4项基本原则,对车辆智能性从启停次数、减速时机、竞争性三个维度进行评价,其中每项占比为25%,满足条件即可得分。相加总分为车辆智能性表现得分。
车辆驾驶行为总分=安全性指数*权重+舒适性指数*权重+智能性指数*权重
尽管本发明的实施方案已公开如上,但其并不仅仅限于说明书和实施方式中所列运用,它完全可以被适用于各种适合本发明的领域,对于熟悉本领域的人员而言,可容易地实现另外的修改,因此在不背离权利要求及等同范围所限定的一般概念下,本发明并不限于特定的细节和这里示出与描述的图例。
Claims (8)
1.自动驾驶车辆交叉路口表现评价方法,包括测试车辆和至少一个背景车辆,其特征在于,包括:
采集测试车辆通过交叉路口的测试车辆和背景车辆的运动学参数和运动状态反应数据,其中,运动状态反应数据是指相对所述背景车辆该测试车辆的运动状态及针对该运动状态作出的反应的数据;
量化运动学参数和运动状态反应数据;
根据量化后的运动学参数计算安全性指数和舒适性指数;
根据量化后的运动状态反应数据计算智能性指数;
根据安全性指数、舒适性指数、智能性指数加权计算得到测试车辆的表现综合指数;
运动状态包括“博弈状态”和“安全状态”,根据测试车辆和背景车辆当前运动状态,预测两车是否存在碰撞点,将存在碰撞点这一状态定义为“博弈状态”,不存在碰撞点这一状态定义为“安全状态”;
运动状态反应数据为测试车辆从“博弈状态”转化为“安全状态”的处理措施,处理措施包括停车、减速、加速、迫使背景车辆减速;
其中,量化运动状态反应数据的方法为:设置判断规则,判断规则设置为:
规则1:测试车辆处于“博弈状态”时,测试车辆减速被认为是合理表现;
规则2:设置速度阈值,若测试车辆可以通过减速打破“博弈状态”而返回“安全状态”的,测试车辆停车被认为是不合理表现;
规则3:测试车辆加速打破“博弈状态”,测试车辆被视为是有竞争性的表现;
规则4:测试车辆迫使背景车辆减速从而打破“博弈状态”而返回“安全状态”的,测试车辆被视为有竞争性的表现;
规则5:测试车辆只能停车打破“博弈状态”而返回“安全状态”的,测试车辆停车被认为是合理表现;测试车辆的启停次数;
然后对每种表现赋值得分。
2.如权利要求1所述的自动驾驶车辆交叉路口表现评价方法,其特征在于,用于计算安全性指数的运动学参数包括测试车辆和背景车辆的横向加速度状态、纵向加速度状态、横摆角速度状态。
3.如权利要求1所述的自动驾驶车辆交叉路口表现评价方法,其特征在于,安全性指数的计算方法具体为:
根据运动学参数定义多个风险等级,并为每个风险等级赋值;
根据当次测试车辆和背景车辆的运动学参数匹配得出当次测试车辆的风险等级及对应的赋值,然后加权计算得到当次通过交叉路口的测试车辆的安全性指数。
4.如权利要求1所述的自动驾驶车辆交叉路口表现评价方法,其特征在于,用于计算舒适性指数的运动学参数包括测试车辆的横向加速度状态、纵向加速度状态、急动度状态以及横摆角速度状态。
5.如权利要求1所述的自动驾驶车辆交叉路口表现评价方法,其特征在于,舒适性指数的计算方法具体为:
为各项运动学参数设置数值范围,定义为多个舒适等级,并为每个舒适等级赋值;
根据当次测试车辆的运动学参数匹配得出当次测试车辆的舒适等级及对应的赋值,然后加权计算得到当次通过交叉路口的测试车辆的舒适性指数。
6.如权利要求1所述的自动驾驶车辆交叉路口表现评价方法,其特征在于,智能性指数的计算方法具体为:
为各项运动状态反应数据赋值;
根据当次通过交叉路口的测试车辆的各项运动状态反应数据加权计算得到智能性指数。
7.自动驾驶车辆交叉路口表现评价系统,所述系统用于执行如权利要求1所述的自动驾驶车辆交叉路口表现评价方法,其特征在于,包括:
数据采集装置,其用于采集测试车辆和背景车辆的运动学参数和运动状态反应数据,其中,运动状态反应数据是指相对所述背景车辆该测试车辆的运动状态及针对该运动状态作出的反应的数据;
数据处理装置,其用于量化运动学参数和运动状态反应数据,根据量化后的运动学参数计算安全性指数和舒适性指数,根据量化后的运动状态反应数据计算智能性指数,根据安全性指数、舒适性指数、智能性指数加权计算得到测试车辆的表现综合指数。
8.如权利要求7所述的自动驾驶车辆交叉路口表现评价系统,其特征在于,所述数据采集装置用于采集用于计算安全性指数的运动学参数,其包括测试车辆和背景车辆的横向加速度状态、纵向加速度状态、横摆角速度状态;
所述数据采集装置还用于采集用于计算舒适性指数的运动学参数,其包括测试车辆的横向加速度状态、纵向加速度状态、急动度状态以及横摆角速度状态;
所述数据处理装置用于根据运动学参数定义多个风险等级,并为每个风险等级赋值,根据当次测试车辆的运动学参数匹配得出当次测试车辆的风险等级及对应的赋值,然后加权计算得到当次通过交叉路口的测试车辆的安全性指数;
所述数据处理装置用于根据运动学参数定义多个舒适等级,并为每个舒适等级赋值,根据当次测试车辆的运动学参数匹配得出当次测试车辆的舒适等级及对应的赋值,然后加权计算得到当次通过交叉路口的测试车辆的舒适性指数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110063687.3A CN112744223B (zh) | 2021-01-18 | 2021-01-18 | 自动驾驶车辆交叉路口表现评价方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110063687.3A CN112744223B (zh) | 2021-01-18 | 2021-01-18 | 自动驾驶车辆交叉路口表现评价方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112744223A CN112744223A (zh) | 2021-05-04 |
CN112744223B true CN112744223B (zh) | 2022-04-15 |
Family
ID=75652326
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110063687.3A Active CN112744223B (zh) | 2021-01-18 | 2021-01-18 | 自动驾驶车辆交叉路口表现评价方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112744223B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113468670B (zh) * | 2021-07-20 | 2023-11-03 | 合肥工业大学 | 一种自动驾驶车辆整车级别的性能评价方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101389032B1 (ko) * | 2012-10-31 | 2014-04-28 | 자동차부품연구원 | 운전자 실차시험 데이터베이스를 이용한 지능형 차량제어 시스템 평가 장치 및 그 방법 |
CN107843440A (zh) * | 2017-10-30 | 2018-03-27 | 青岛慧拓智能机器有限公司 | 一种自动驾驶车辆性能测试系统及方法 |
CN109324539A (zh) * | 2018-08-28 | 2019-02-12 | 山东省科学院自动化研究所 | 一种自动驾驶封闭测试场的智能控制平台及方法 |
CN110069894A (zh) * | 2019-05-09 | 2019-07-30 | 同济大学 | 一种针对智能汽车交通协调性的客观映射测试方法 |
CN110196994A (zh) * | 2019-04-23 | 2019-09-03 | 同济大学 | 一种自动驾驶汽车交通协调性评测模型及方法 |
CN110531740A (zh) * | 2019-09-06 | 2019-12-03 | 清华大学 | 一种智能车智能化程度量化测评方法 |
CN111007834A (zh) * | 2019-12-13 | 2020-04-14 | 北京经纬恒润科技有限公司 | 一种adas路径规划功能实验室测试系统及方法 |
CN111122175A (zh) * | 2020-01-02 | 2020-05-08 | 北京百度网讯科技有限公司 | 测试自动驾驶系统的方法以及装置 |
US10682759B1 (en) * | 2012-10-26 | 2020-06-16 | The United States Of America, As Represented By The Secretary Of The Navy | Human-robot interaction function allocation analysis |
CN112002144A (zh) * | 2020-09-02 | 2020-11-27 | 中国科学技术大学 | 无信号交叉路口行车风险态势评估方法及系统 |
-
2021
- 2021-01-18 CN CN202110063687.3A patent/CN112744223B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10682759B1 (en) * | 2012-10-26 | 2020-06-16 | The United States Of America, As Represented By The Secretary Of The Navy | Human-robot interaction function allocation analysis |
KR101389032B1 (ko) * | 2012-10-31 | 2014-04-28 | 자동차부품연구원 | 운전자 실차시험 데이터베이스를 이용한 지능형 차량제어 시스템 평가 장치 및 그 방법 |
CN107843440A (zh) * | 2017-10-30 | 2018-03-27 | 青岛慧拓智能机器有限公司 | 一种自动驾驶车辆性能测试系统及方法 |
CN109324539A (zh) * | 2018-08-28 | 2019-02-12 | 山东省科学院自动化研究所 | 一种自动驾驶封闭测试场的智能控制平台及方法 |
CN110196994A (zh) * | 2019-04-23 | 2019-09-03 | 同济大学 | 一种自动驾驶汽车交通协调性评测模型及方法 |
CN110069894A (zh) * | 2019-05-09 | 2019-07-30 | 同济大学 | 一种针对智能汽车交通协调性的客观映射测试方法 |
CN110531740A (zh) * | 2019-09-06 | 2019-12-03 | 清华大学 | 一种智能车智能化程度量化测评方法 |
CN111007834A (zh) * | 2019-12-13 | 2020-04-14 | 北京经纬恒润科技有限公司 | 一种adas路径规划功能实验室测试系统及方法 |
CN111122175A (zh) * | 2020-01-02 | 2020-05-08 | 北京百度网讯科技有限公司 | 测试自动驾驶系统的方法以及装置 |
CN112002144A (zh) * | 2020-09-02 | 2020-11-27 | 中国科学技术大学 | 无信号交叉路口行车风险态势评估方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112744223A (zh) | 2021-05-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109709956B (zh) | 一种自动驾驶车辆速度控制多目标优化的跟驰算法 | |
CN109878510B (zh) | 智能网联自动驾驶汽车行驶过程中的安全判别与处置方法 | |
CN107038860B (zh) | 一种基于adas技术及回归模型的用户驾驶行为评分方法 | |
CN111428960B (zh) | 一种融合多源车载传感器信息的智能车辆驾驶性自动化评价方法 | |
CN111409648B (zh) | 一种驾驶行为分析方法及装置 | |
CN108248609A (zh) | 混合动力车辆和在混合动力车辆中预测驾驶样式的方法 | |
CN112508054B (zh) | 一种驾驶模型训练方法、装置、设备和介质 | |
CN111275249A (zh) | 基于dqn神经网络和高精度定位的驾驶行为优化方法 | |
CN106097709A (zh) | 基于智能车载终端的驾驶行为识别方法 | |
CN111813083B (zh) | 场景任务复杂度量化评估方法 | |
CN116466644B (zh) | 一种基于plc控制的车辆性能监管系统及方法 | |
CN108806018A (zh) | 一种数据处理方法、数据处理设备和智能汽车 | |
CN112744223B (zh) | 自动驾驶车辆交叉路口表现评价方法及系统 | |
CN112100857B (zh) | 一种分心驾驶行为的风险评估方法 | |
CN110858312A (zh) | 基于模糊c均值聚类算法的驾驶员驾驶风格分类方法 | |
CN109685273A (zh) | 车辆的刹车失灵预警方法、装置、电子设备、存储介质 | |
CN113442935A (zh) | 一种商用车不良驾驶行为的判断方法及系统 | |
US20200272922A1 (en) | Evaluating apparatus | |
CN110610326A (zh) | 一种基于驾驶数据的驾驶管理系统 | |
CN115114786B (zh) | 一种用于交通流仿真模型的评估方法、系统和存储介质 | |
CN114822044B (zh) | 一种基于隧道的行车安全预警方法及设备 | |
CN111605557A (zh) | 一种基于驾驶安全评价的车辆控制方法及装置 | |
CN112070419B (zh) | 汽车驾驶潜在危险情景风险度量化方法 | |
Imaseki et al. | Predicting the severity of driving scenario for rear-end and cut-in collisions using potential risk indicator extracted from near-miss video database | |
CN116680932B (zh) | 一种自动驾驶仿真测试场景的评估方法及装置 |
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 |