CN113706911A - 一种基于数字化交通场景的自动驾驶方法 - Google Patents

一种基于数字化交通场景的自动驾驶方法 Download PDF

Info

Publication number
CN113706911A
CN113706911A CN202110983550.XA CN202110983550A CN113706911A CN 113706911 A CN113706911 A CN 113706911A CN 202110983550 A CN202110983550 A CN 202110983550A CN 113706911 A CN113706911 A CN 113706911A
Authority
CN
China
Prior art keywords
data
traffic
traffic scene
working condition
digital
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
CN202110983550.XA
Other languages
English (en)
Other versions
CN113706911B (zh
Inventor
范婷
聂进
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.)
Loudi Vocational And Technical College
Original Assignee
Shanghai Erchun Data 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 Shanghai Erchun Data Technology Co ltd filed Critical Shanghai Erchun Data Technology Co ltd
Priority to CN202110983550.XA priority Critical patent/CN113706911B/zh
Publication of CN113706911A publication Critical patent/CN113706911A/zh
Application granted granted Critical
Publication of CN113706911B publication Critical patent/CN113706911B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
    • G08G1/096725—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control where the received information generates an automatic action on the vehicle control
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
    • G08G1/096833—Systems involving transmission of navigation instructions to the vehicle where different aspects are considered when computing the route
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Mathematical Physics (AREA)
  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明属于自动驾驶技术领域，公开了一种基于数字化交通场景的自动驾驶方法，包括如下步骤：基于交通场景数字化文档建立危险工况预知模型；导入交通场景数据并实时采集当前的车辆行驶数据；将交通场景数据和车辆行驶数据输入危险工况预知模型生成危险工况预知结果；根据危险工况预知结果实时修正自动驾驶算法。本发明解决了现有技术存在的对车辆硬件要求高、成本投入大、无法识别当前道路的交通标志和道路标志等信息、训练自动驾驶算法的交通事故数据集以及自动驾驶实时计算的及时性和准确性低的问题。

Description

一种基于数字化交通场景的自动驾驶方法
技术领域
本发明属于自动驾驶技术领域，具体涉及一种基于数字化交通场景的自动驾驶方法。
背景技术
自动驾驶又称无人驾驶，是指通过计算机、传感器、互联网、物联网、移动通信等技术，实现无人驾驶的一种技术，该技术在20世纪已有数十年的历史，21世纪初呈现出接近实用化的趋势。自动驾驶汽车依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作，让电脑可以在没有任何人类主动的操作下，自动安全地操作机动车辆。
现有技术主要采用的是以网为主的技术路线，实现自动驾驶的网联计算，降低了对车辆的硬件和芯片的要求，虽然5G发展建设迅速，为自动驾驶提供了数据传输基础，但仍需要构建人、车、网、路、端、云的产业链条，为智能网联的自动驾驶汽车提供基础支持。
现有技术存在以下的问题：
1)现有技术的自动驾驶单车智能技术在车辆上装备各类传感器，通过车辆本地的“大脑”实现自动驾驶，在车辆行驶的过程中实时调整前进路线。空中升级(OTA)技术通过云端对车辆系统及功能进行更新和修正。现有通过OTA技术升级自动驾驶算法用到的是车辆行驶过程中产生的大数据，这些数据可以用于训练算法的均为通过人为紧急避让‘化险为夷’的数据，称之为正向训练数据。并且现有技术对交通事故的发生没有先验反应，导致其无法有限的避免交通事故的发生，无法利用已经发生碰撞的交通事故数据来进行反向训练。
2)虽然每年发生的交通事故数量很多，但是事故调研大都停留在事故责任的划分，以解决事故当事方纠纷为主，没有进行深入的交通事故致因分析。同时，没有标准化和数字化的交通事数据无法被用于自动驾驶算法进行训练。
发明内容
为了弥补现有技术无法利用危险工况数据进行反向训练的不足。本发明目的在于提供一种基于标准数字化的危险工况的交通场景的自动驾驶方法。
本发明所采用的技术方案为：
一种基于数字化交通场景的自动驾驶方法，包括如下步骤：
基于交通场景数字化文档建立危险工况预知模型；
导入交通场景数据并实时采集当前的车辆行驶数据；
将交通场景数据和车辆行驶数据输入危险工况预知模型生成危险工况预知结果；
根据危险工况预知结果实时修正自动驾驶算法。
进一步地，交通场景数字化文档包括标准道路要素文档、非标准道路要素文档和交通参与方文档，还包括全局数据文档。
进一步地，标准道路要素文档包括道路标志库文件、标准化固定物库文件、标准化交通标志库文件、道路标志案文件、标准化固定物案文件和/或标准化交通标志案文件；
非标准道路要素文档包括道路标线库文件、道路标线案文件、普通固定物案文件以及普通交通标志案文件；
交通参与方文档包括参与方物理参数案文件、参与方几何参数案文件、参与方动力学参数案文件以及参与方行进意图案文件。
进一步地，交通场景数据包括目标路段的全局数据、道路标志数据、标准化固定物数据、标准化交通标志数据、道路标线数据、普通固定物数据、普通交通标志数据、参与方物理参数、参与方几何参数、参与方动力学参数以及参与方行进意图。
进一步地，车辆行驶数据包括目标车辆的型号、车辆行驶方向以及车辆行驶速度。
进一步地，基于交通场景数字化文档建立危险工况预知模型，包括如下步骤：
根据实时采集的交通场景数据更新交通场景数字化文档，建立危险工况模拟模型；
基于交通场景数字化文档和危险工况模拟模型生成若干危险工况模拟结果；
将所有危险工况模拟结果转化为若干危险工况模拟数据；
根据所有危险工况模拟数据建立危险工况预知模型。
进一步地，基于交通场景数字化文档和危险工况模拟模型生成若干危险工况模拟结果，包括如下步骤：
加载交通场景数字化文档；
根据交通场景数字化文档建立对应的数据库并定义对应的库文件；
调用库文件以提取数据库中交通场景数字化数据，将交通场景数字化数据输入危险工况模拟模型进行动态模拟，得到若干危险工况模拟结果。
进一步地，调用库文件以提取数据库中交通场景数字化数据，将交通场景数字化数据输入危险工况模拟模型进行动态模拟，得到若干危险工况模拟结果，包括如下步骤：
调用库文件以提取数据库中交通场景数字化数据，将交通场景数字化数据输入危险工况模拟模型；
基于仿真模拟工具，根据目标路段提取并加载数据库中对应的全局数据；
基于全局数据，调用库文件提取并加载数据库中目标路段对应的道路标志数据、标准化固定物数据以及标准化交通标志数据，生成初始的危险工况模拟结果；
调用库文件提取并加载数据库中目标路段对应的道路标线数据、普通固定物数据以及普通交通标志数据，对初始的危险工况模拟结果进行优化，得到优化的危险工况模拟结果；
提取并加载数据库中目标路段对应的参与方物理参数、参与方几何参数、参与方动力学参数以及参与方行进意图进行动态模拟，得到最终的危险工况模拟结果；
重复上述步骤，得到不同目标路段的若干最终的危险工况模拟结果。
进一步地，加载交通场景数字化文档建立的数据库均为动态数据库，动态数据库的库文件只需定义一次，即可供仿真模拟工具所有的项目进行调用。
进一步地，使用对象来定义和管理数据库中的数据，并使用对象种类来定义和描述数据元素的属性。
本发明的有益效果为：
1)本发明提供的基于数字化交通场景的自动驾驶方法，通过不断累积危险工况和交通事故数据，建立交通场景数字化文档，基于交通事件深度调研(包括采访，监控视频数据分析，实地回勘等)及其模拟仿真结果对驾驶员的驾驶行为进行分析，其模拟结果具有很强的参考性，同时根据实时获取的交通场景数据更新交通场景数字化文档，实现了交通场景数字化模型的迭代更新，同时针对实际交通场景建立对应的可视化的危险工况和危险工况模拟模型，能够直观的对当前危险工况模拟结果进行评估。
2)本发明提供的基于数字化交通场景的自动驾驶方法，全面结合了真实交通场景的道路要素和交通参与方要素，充分考虑到真实的交通场景影响因素，提高了模拟结果的准确性和可靠性，得到的危险工况模拟模型为自动驾驶路线的重新调整提供可靠的参考。
3)本发明提供的基于数字化交通场景的自动驾驶方法，建立危险工况预知模型，同时在自动驾驶路线获取中充分考虑到交通标志和道路标志等信息对驾驶行为的约束，结合实际交通场景的交通规则计算自动驾驶路线，提高了自动驾驶算法对于危险工况处理策略的安全性，有效避免在预知模型里的交通事故的发生。
4)本发明提供的基于数字化交通场景的自动驾驶方法，基于云端存储的可移植性的交通场景数字化文档建立危险工况模拟模型，生成若干危险工况模拟结果，对用于自动驾驶算法反向训练的危险工况数据集进行扩充，不断积累的训练数据集对危险工况预知模型进行训练，以提高预知模型的灵敏性，危险工况预知模型能够对目标路段的交通事故的发生提供预知经验，实时调整自动驾驶算法策略，提高自动驾驶的安全性。
本发明的其他有益效果将在具体实施方式中进一步进行说明。
附图说明
图1是本发明中基于数字化交通场景的自动驾驶方法的流程框图。
图2是本发明中道路标志示意图。
图3是本发明中标准化交通标志示意图。
图4是本发明中道路标线示意图。
图5是普通固定物示意图。
图6是参与方物理参数示意图。
图7是参与方几何参数示意图。
图8是参与方行进意图。
具体实施方式
下面结合附图及具体实施例对本发明做进一步阐释。
实施例1：
如图1所示，本实施例提供一种基于数字化交通场景的自动驾驶方法，包括如下步骤：
基于交通场景数字化文档建立危险工况预知模型，包括如下步骤：
根据实时采集的交通场景数据更新交通场景数字化文档，建立危险工况模拟模型；
通过获取真实交通场景的交通场景数据，包括最新发生的交通事故和危险工况数据及道路要素等的改变、增添或取消等数据以及交通场景中固定物的类型、位置改变等数据，实时更新交通场景数字化文档内保存的数据，能够保证当前服务器应用的数据是最新的数据，提高了交通事故模拟的准确性，也提高了自动驾驶路线获取方法的实用性，同时实时更新的交通场景数字化文档保证了危险工况模拟模型准确重现真实交通场景；
本发明采通过不断采集危险工况和交通事故碰撞工况，建立交通场景数字化文档，基于大数据对驾驶员的驾驶行为进行分析，其模拟结果具有很强的真实性，同时根据实时获取的交通场景数据更新交通场景数字化文档，实现了交通场景数字化模型的迭代更新，同时针对实际交通场景建立对应的可视化的危险工况模拟模型，能够直观的对当前危险工况模拟结果进行观察；
基于交通场景数字化文档和危险工况模拟模型生成若干危险工况模拟结果，包括如下步骤：
加载交通场景数字化文档；
根据交通场景数字化文档建立对应的数据库并定义对应的库文件；
调用库文件以提取数据库中交通场景数字化数据，将交通场景数字化数据输入危险工况模拟模型进行动态模拟，得到若干危险工况模拟结果，包括如下步骤：
调用库文件以提取数据库中交通场景数字化数据，将交通场景数字化数据输入危险工况模拟模型；
基于仿真模拟工具，根据目标路段提取并加载数据库中对应的全局数据；
基于全局数据，调用库文件提取并加载数据库中目标路段对应的道路标志数据、标准化固定物数据以及标准化交通标志数据，生成初始的危险工况模拟结果；
调用库文件提取并加载数据库中目标路段对应的道路标线数据、普通固定物数据以及普通交通标志数据，对初始的交通事景模拟结果进行优化，得到优化的危险工况模拟结果；
提取并加载数据库中目标路段对应的参与方物理参数、参与方几何参数、参与方动力学参数以及参与方行进意图进行动态模拟，得到最终的危险工况模拟结果；
本发明全面的结合了真实交通场景的道路要素和交通参与方要素，充分考虑到真实的交通场景影响因素，提高了模拟结果的准确性和可靠性，得到的交通危险工况模拟模型为自动驾驶路线的重新调整提供可靠的参考，提高自动驾驶路线的安全性；
重复上述步骤，得到不同目标路段的若干最终的危险工况模拟结果；
本发明基于云端存储的可移植性的交通场景数字化文档建立交通危险工况模拟模型，生成若干危险工况模拟结果，对自动驾驶算法的交通危险工况训练数据集进行数据扩充，不断积累的训练数据集对危险工况预知模型进行训练，提高了危险工况预知模型的灵敏性和自动驾驶实时计算的及时性和准确性，危险工况预知模型能够对目标路段的交通事故的发生提供预知经验，实时计算自动驾驶，提高了自动驾驶的安全性；
将所有危险工况模拟结果转化为若干危险工况模拟数据；
在仿真模拟工具中建立的3D交通事故场景模拟方案，并将3D交通事故场景模拟方案转化为机器学习程序能够识别的数据，在这一步骤中，由于危险工况模拟结果均为根据实际发生的交通事故和危险工况生成的接近真实场景的模拟结果，大大的弥补了交通事故数据集不足的问题，对危险工况数据集进行了数据扩充，海量数据集能够提高交通事故预测的准确性；
根据所有危险工况模拟数据建立危险工况预知模型；
危险工况预知模型用于对目标道路的交通事故危险进行预知，即根据海量模拟结果可以预测该路段存在发生交通事故的风险，并且为交通事故的驾驶员行为数据或者交通场景数据提供预知结果，即在类似条件下交通事故发生的几率很高，危险工况预知模型提示自动驾驶提前反应；
本发明建立危险工况预知模型实时计算自动驾驶路线，避免了大量冗余传感器的配置，降低了车辆硬件要求和成本投入，同时在自动驾驶路线获取中充分考虑到交通标志和道路标志等信息对驾驶行为的约束，结合实际交通场景的交通规则计算自动驾驶路线，提高了自动驾驶的安全性，有效避免了交通事故的发生；
导入交通场景数据并实时采集当前的车辆行驶数据；
交通场景数据包括目标路段的全局数据、道路标志数据、标准化固定物数据、标准化交通标志数据、道路标线数据、普通固定物数据、普通交通标志数据、参与方物理参数、参与方几何参数、参与方动力学参数以及参与方行进意图；
车辆行驶数据包括目标车辆的型号、车辆行驶方向以及车辆行驶速度；基于车辆的定位传感器获取车辆所处路段的具体位置，提取该位置的交通场景数据，并且基于车辆的摄像头实时采集实际交通场景中的参与方数据和固定物数据等的道路要素数据，基于车辆的陀螺仪传感器、行驶方向传感器以及行驶速度传感器等采集车辆行驶数据，上述传感器均为车辆的标准传感器，无需附加配置特殊传感器；
将交通场景数据和车辆行驶数据输入危险工况预知模型生成危险工况预知结果；
根据危险工况预知结果修正自动驾驶算法不断提高进行自动驾驶安全等级；
本实施例中，基于网联智能汽车技术，在云端进行交通场景数字化文档的加载以及模型建立，通过车辆的通讯模块实时传输当前的交通场景数据和车辆行驶数据，并对数据进行分析得到危险工况预知结果，对自动驾驶线路进行辅助调整；
本实施例中，获取城市交通信息，并根据城市交通信息实时计算自动驾驶路线，结合危险工况预知结果，在目标路段实时调整自动驾驶路线，危险工况预知结果包括了该目标路段发生交通事故的预知数据，根据该预知数据对当前的自动驾驶路线进行调整，避免了碰撞事故的发生，提高了自动驾驶的安全性。
作为优选，交通场景数字化文档包括标准道路要素文档、非标准道路要素文档和交通参与方文档，还包括全局数据文档；
交通参与方文档用于保存交通参与方(人/车)的各项数据，该文档的建立考虑了行人和车辆作为交通参与方，是交通场景的不稳定因素，双方均为动态并且含有各自的动力学因素，通过对交通参与方动力学因素导致的行为进行学习，对于后续建立危险工况模拟模型提供了不确定性支持，提高了交通场景数字化的随机性，并且交通参与方的行为对发生交通事故时，分析驾驶员的行驶行为起到决定性作用，即交通事故的决定性原因和发生场景主要是在交通参与方之间；
在交通参与方文档中，不断积累并实时更新的交通事故历史数据，即为后续通过数据对交通参与方在发生交通事故的行为进行预测和模拟提供了数据支持，即某些路段常常发生交通事故，或动态模拟时驾驶员的某些行为有可能会导致交通事故的发生等；
标准道路要素文档和非标准道路要素文档为保存当前交通场景的道路因素和行驶标准的文档，考虑了当前道路因素和行驶标准也是交通场景的影响因素，对分析发生交通事故前驾驶员的行驶行为起到参考作用，即当前道路因素和行驶标准容易影响驾驶员的驾驶行为和判断，是导致交通事故的环境原因，若当前路段频繁发生交通事故，表明当前路段的某些环境信息容易给驾驶员带来误导从而引发交通事故，因此需要对道路因素和行驶标准进行具体分析；
交通场景数字化文档全面的结合了真实交通场景的道路要素和交通参与方要素，充分考虑到真实的交通场景影响因素，提高了模拟结果的准确性和可靠性，得到的危险工况模拟模型为后期的驾驶行为和心理、交通事故重建、分析等事务提供了重要的技术基础。
作为优选，交通场景数字化文档包括标准道路要素文档、非标准道路要素文档和交通参与方文档，还包括全局数据文档；
交通参与方文档用于保存交通参与方(人/车)的各项数据，该文档的建立考虑了行人和车辆作为交通参与方，是交通场景的不稳定因素，双方均为动态并且含有各自的动力学因素，通过对交通参与方动力学因素导致的行为进行学习，对于后续建立危险工况模拟模型提供了不确定性支持，提高了交通场景数字化的随机性，有利于后续对交通事故模拟数据集进行数据扩充，并且交通参与方的行为对发生交通事故时，分析驾驶员的行驶行为起到决定性作用，即交通事故的决定性原因和发生场景主要是在交通参与方之间，后续建立交通事故模拟模型提供了分析决策；
在交通参与方文档中，实时更新的交通事故历史数据，即为后续通过海量的数据对交通参与方在发生交通事故的行为进行预测和模拟提供了数据支持，即某些路段常常发生交通事故，或动态模拟时驾驶员的某些驾驶行为(例如急转弯)有可能会导致交通事故的发生等；
标准道路要素文档和非标准道路要素文档为保存当前交通场景的道路因素和行驶标准的文档，考虑了当前道路因素和行驶标准也是交通场景的影响因素，对分析发生交通事故前驾驶员的行驶行为起到参考作用，即当前道路因素和行驶标准容易影响驾驶员的驾驶行为和判断，是导致交通事故的环境原因，若当前路段频繁发生交通事故，表明当前路段的某些环境信息容易给驾驶员带来误导从而引发交通事故，因此需要对道路因素和行驶标准进行具体分析；
交通场景数字化文档全面的结合了真实交通场景的道路要素和交通参与方要素，充分考虑到真实的交通场景影响因素，提高了模拟结果的准确性和可靠性，得到的危险工况模拟模型为后期的驾驶行为和心理、交通事故重建、分析等事务提供了重要的技术基础；
标准道路要素文档包括道路标志库文件、标准化固定物库文件、标准化交通标志库文件、道路标志案文件、标准化固定物案文件和/或标准化交通标志案文件；
道路标志库文件用于维护和管理道路标志案文件，通过调用道路标志库文件中的变量、函数或类使用道路标志案文件中的数据，如图2所示，本实施例根据目前使用的包括直行、左转、调头等的各类型的道路标志，进行编码并将编码保存至管理道路标志案文件，调用时根据对应的对象种类编号就能在模拟工具中生成对应道路标志图像；
标准化固定物库文件用于维护和管理标准化固定物案文件，通过调用标准化固定物库文件中的变量、函数或类使用标准化固定物案文件中的数据，标准化固定物包含标准化的静态固定物(比如树木、路边停的车辆等)，该类数据的变化量以及随机性较大，往往用作在正常驾驶中的环境模拟以及在交通事故发生后的车祸现场情况模拟；
标准化交通标志库文件用于维护和管理标准化交通标志案文件，通过调用标准化交通标志库文件中的变量、函数或类使用标准化交通标志案文件中的数据，如图3所示，标准化交通标志包含标准化的交通标志(比如让行标志、停车标志等)，往往用作在正常驾驶中的驾驶行为模拟和分析；
非标准道路要素文档包括道路标线库文件、道路标线案文件、普通固定物案文件以及普通交通标志案文件；
道路标线库文件用于维护和管理道路标线案文件，通过调用道路标线库文件中的变量、函数或类使用道路标线案文件中的数据，如图4所示，道路标线包含与交通场景相关的边界线及车道标线，往往用作在正常驾驶中基于现行交规行驶的规范和约束模拟；
如图5所示，普通固定物包含与事故相关的静态固定物(比如护栏、房屋、灌木丛以及栏杆等)，往往用作在正常驾驶中的环境模拟以及在交通事故发生后的车祸现场情况模拟；
普通交通标志包含与事故相关的非标准化的交通标志，往往用作在正常驾驶中的驾驶员的驾驶行为模拟和分析；
交通参与方文档包括参与方物理参数案文件、参与方几何参数案文件、参与方动力学参数案文件以及参与方行进意图案文件；
如图6所示，参与方物理参数包含参与方相关的类型、结构尺寸、重心坐标以及转动惯量等物理参数，参与方包括乘用车，卡车，卡车牵引车及拖车、摩托车、巴士、三轮车、行人、各种体型的动物等，记录在正常驾驶中的道路使用参与方的重要物理属性，便于交通场景的重现和模拟；
如图7所示，参与方几何参数定义了参与方的几何外观参数，通过点连成封闭的面来描述参与方的三维外观，便于后续建立交通场景动态模拟模型时描述参与方的真实三维边界；
参与方动力学参数包含参与方重心在各个时间节点(按一定的步长)在全局坐标下的坐标位置，重心在参与方局部坐标下的X/Y/Z三个方向的速度，加速度，及绕三个轴的侧倾角、俯仰角和偏航角角度等参数，能够真实的反应出参与方动力学特性，便于后续建立交通场景动态模型时模拟真实的参与方的动力学参数，提高模型的可靠性；
如图8所示，参与方行进意图根据事实采集的交通场景数据，描述了参与方在没有发生冲突前的行进意图轨迹，由调查人员在调查的基础上在草图上绘制，由于交通场景的多样性，并非所有的参与方均可获得行进意图；
本实施例中，道路要素更新：包含标准道路要素和非标准道路要素，将标志化的路面标线，交通标志及可以标志化的物体数字化和标准化，通过调用数据库的形式实现不同案例相同元素共享，并实现了三维环境信息，同时通过对象来管理环境元素，其优点为：极大地减少了数据库的文件大小，标准化信息使得每个案例呈现出来的元素更加准确，新的格式更加符合虚拟仿真模拟的需求，三维信息使得数据更加逼真通过对象来管理环境元素，使得元素的特征(比如线宽、间距等)得以标准化扩展。
本实施例中，道路要素更新：包含标准道路要素和非标准道路要素，将标志化的路面标线，交通标志及可以标志化的物体数字化和标准化，通过调用数据库的形式实现不同案例相同元素共享，并实现了三维环境信息，同时通过对象来管理环境元素，其优点为：极大地减少了数据库的文件大小，标准化信息使得每个案例呈现出来的元素更加准确，新的格式更加符合虚拟仿真模拟的需求，三维信息使得数据更加逼真通过对象来管理环境元素，使得元素的特征(比如线宽，间距等)得以标准化扩展。
作为优选，加载交通场景数字化文档建立的数据库均为动态数据库，动态数据库的库文件只需定义一次，即可供仿真模拟工具所有的项目进行调用；库文件是计算机上的一类文件，提供给使用者一些开箱即用的变量、函数或类，库文件分为静态库和动态库，静态库和动态库的区别体现在程序的链接阶段：静态库在程序的链接阶段被复制到了程序中；动态库在链接阶段没有被复制到程序中，而是程序在运行时由系统动态加载到内存中供程序调用，使用动态库系统只需载入一次，不同的程序可以得到内存中相同的动态库的副本，因此节省了很多内存，而且使用动态库也便于模块化更新程序。
作为优选，使用对象来定义和管理数据库中的数据，并使用对象种类来定义和描述数据元素的属性。
本发明不局限于上述可选的实施方式，任何人在本发明的启示下都可得出其他各种形式的产品。上述具体实施方式不应理解成对本发明的保护范围的限制，本发明的保护范围应当以权利要求书中界定的为准，并且说明书可以用于解释权利要求书。

Claims (10)

1.一种基于数字化交通场景的自动驾驶方法，其特征在于：包括如下步骤：
基于交通场景数字化文档建立危险工况预知模型；
导入交通场景数据并实时采集当前的车辆行驶数据；
将交通场景数据和车辆行驶数据输入危险工况预知模型生成危险工况预知结果；
根据危险工况预知结果实时修正自动驾驶算法。
2.根据权利要求1所述的基于数字化交通场景的自动驾驶方法，其特征在于：所述的交通场景数字化文档包括标准道路要素文档、非标准道路要素文档和交通参与方文档，还包括全局数据文档。
3.根据权利要求2所述的基于数字化交通场景的自动驾驶方法，其特征在于：所述的标准道路要素文档包括道路标志库文件、标准化固定物库文件、标准化交通标志库文件、道路标志案文件、标准化固定物案文件和/或标准化交通标志案文件；
所述的非标准道路要素文档包括道路标线库文件、道路标线案文件、普通固定物案文件以及普通交通标志案文件；
所述的交通参与方文档包括参与方物理参数案文件、参与方几何参数案文件、参与方动力学参数案文件以及参与方行进意图案文件。
4.根据权利要求3所述的基于数字化交通场景的自动驾驶方法，其特征在于：所述的交通场景数据包括目标路段的全局数据、道路标志数据、标准化固定物数据、标准化交通标志数据、道路标线数据、普通固定物数据、普通交通标志数据、参与方物理参数、参与方几何参数、参与方动力学参数以及参与方行进意图。
5.根据权利要求1所述的基于数字化交通场景的自动驾驶方法，其特征在于：所述的车辆行驶数据包括目标车辆的型号、车辆行驶方向以及车辆行驶速度。
6.根据权利要求1所述的基于数字化交通场景的自动驾驶方法，其特征在于：所述的基于交通场景数字化文档建立危险工况预知模型，包括如下步骤：
根据实时采集的交通场景数据更新交通场景数字化文档，建立危险工况模拟模型；
基于交通场景数字化文档和危险工况模拟模型生成若干危险工况模拟结果；
将所有危险工况模拟结果转化为若干危险工况模拟数据；
根据所有危险工况模拟数据建立危险工况预知模型。
7.根据权利要求6所述的基于数字化交通场景的自动驾驶方法，其特征在于：所述的基于交通场景数字化文档和危险工况模拟模型生成若干危险工况模拟结果，包括如下步骤：
加载交通场景数字化文档；
根据交通场景数字化文档建立对应的数据库并定义对应的库文件；
调用库文件以提取数据库中交通场景数字化数据，将交通场景数字化数据输入危险工况模拟模型进行动态模拟，得到若干危险工况模拟结果。
8.根据权利要求7所述的基于数字化交通场景的自动驾驶方法，其特征在于：所述的调用库文件以提取数据库中交通场景数字化数据，将交通场景数字化数据输入危险工况模拟模型进行动态模拟，得到若干危险工况模拟结果，包括如下步骤：
调用库文件以提取数据库中交通场景数字化数据，将交通场景数字化数据输入危险工况模拟模型；
基于仿真模拟工具，根据目标路段提取并加载数据库中对应的全局数据；
基于全局数据，调用库文件以提取并加载数据库中目标路段对应的道路标志数据、标准化固定物数据以及标准化交通标志数据，生成初始的危险工况模拟结果；
调用库文件以提取并加载数据库中目标路段对应的道路标线数据、普通固定物数据以及普通交通标志数据，对初始的危险工况模拟结果进行优化，得到优化的危险工况模拟结果；
提取并加载数据库中目标路段对应的参与方物理参数、参与方几何参数、参与方动力学参数以及参与方行进意图进行动态模拟，得到最终的危险工况模拟结果；
重复上述步骤，得到不同目标路段的若干最终的危险工况模拟结果。
9.根据权利要求7所述的基于数字化交通场景的自动驾驶方法，其特征在于：所述的加载交通场景数字化文档建立的数据库均为动态数据库，所述的动态数据库的库文件只需定义一次，即可供仿真模拟工具所有的项目进行调用。
10.根据权利要求9所述的基于数字化交通场景的自动驾驶方法，其特征在于：使用对象来定义和管理数据库中的数据，并使用对象种类来定义和描述数据元素的属性。
CN202110983550.XA 2021-08-25 2021-08-25 一种基于数字化交通场景的自动驾驶方法 Active CN113706911B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110983550.XA CN113706911B (zh) 2021-08-25 2021-08-25 一种基于数字化交通场景的自动驾驶方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110983550.XA CN113706911B (zh) 2021-08-25 2021-08-25 一种基于数字化交通场景的自动驾驶方法

Publications (2)

Publication Number Publication Date
CN113706911A true CN113706911A (zh) 2021-11-26
CN113706911B CN113706911B (zh) 2023-01-03

Family

ID=78654761

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110983550.XA Active CN113706911B (zh) 2021-08-25 2021-08-25 一种基于数字化交通场景的自动驾驶方法

Country Status (1)

Country Link
CN (1) CN113706911B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115202534A (zh) * 2022-07-11 2022-10-18 南昌航空大学 基于定位的驾驶员与数字化交通标志的交互方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107862864A (zh) * 2017-10-18 2018-03-30 南京航空航天大学 基于驾驶习惯和交通路况的行驶工况智能预测估计方法
CN108595901A (zh) * 2018-07-09 2018-09-28 黄梓钥 一种自动驾驶汽车标准化安全仿真验证模型数据库系统
CN111231983A (zh) * 2020-01-14 2020-06-05 浙江吉利汽车研究院有限公司 基于交通事故记忆网络的车辆控制方法、装置及设备
CN111797001A (zh) * 2020-05-27 2020-10-20 中汽数据有限公司 一种基于SCANeR的自动驾驶仿真测试模型的构建方法
CN112034833A (zh) * 2019-05-15 2020-12-04 百度（美国）有限责任公司 规划用于自动驾驶车辆的开放空间轨迹的在线代理
WO2021036083A1 (zh) * 2019-08-26 2021-03-04 格物汽车科技(苏州)有限公司 自动驾驶的驾驶员行为模型开发方法、设备和存储介质
CN113071515A (zh) * 2021-03-31 2021-07-06 广州文远知行科技有限公司 可移动载体控制方法、装置、可移动载体及存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107862864A (zh) * 2017-10-18 2018-03-30 南京航空航天大学 基于驾驶习惯和交通路况的行驶工况智能预测估计方法
CN108595901A (zh) * 2018-07-09 2018-09-28 黄梓钥 一种自动驾驶汽车标准化安全仿真验证模型数据库系统
CN112034833A (zh) * 2019-05-15 2020-12-04 百度（美国）有限责任公司 规划用于自动驾驶车辆的开放空间轨迹的在线代理
WO2021036083A1 (zh) * 2019-08-26 2021-03-04 格物汽车科技(苏州)有限公司 自动驾驶的驾驶员行为模型开发方法、设备和存储介质
CN111231983A (zh) * 2020-01-14 2020-06-05 浙江吉利汽车研究院有限公司 基于交通事故记忆网络的车辆控制方法、装置及设备
CN111797001A (zh) * 2020-05-27 2020-10-20 中汽数据有限公司 一种基于SCANeR的自动驾驶仿真测试模型的构建方法
CN113071515A (zh) * 2021-03-31 2021-07-06 广州文远知行科技有限公司 可移动载体控制方法、装置、可移动载体及存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115202534A (zh) * 2022-07-11 2022-10-18 南昌航空大学 基于定位的驾驶员与数字化交通标志的交互方法及系统
CN115202534B (zh) * 2022-07-11 2023-06-23 南昌航空大学 基于定位的驾驶员与数字化交通标志的交互方法及系统

Also Published As

Publication number Publication date
CN113706911B (zh) 2023-01-03

Similar Documents

Publication Publication Date Title
DE102018129048B4 (de) Verfahren zum durchführen einer autonomen fahrzeugbetriebsanalyse
DE102019102944B4 (de) Systeme und Verfahren für eine Fahrzeugregelstrategie mit niedrigem Vorsteuerungsniveau
DE102020110458A1 (de) Fahrzeugpfadvorhersage
DE102020127043A1 (de) Sicherheitssystem für ein fahrzeug
Zhou et al. A framework for virtual testing of ADAS
DE102019102205A1 (de) System und verfahren zur end-to-end-validierung von autonomen fahrzeugen
DE102019102939A1 (de) Systeme und Verfahren für Bewegungsplanung von autonomen Fahrzeugen
DE102019102942A1 (de) Systeme und Verfahren für die Korrektur von Fahrzeugwegfolgern
DE102018112115A1 (de) Verfahren und Systeme zum Ermitteln der Geschwindigkeit von sich bewegenden Objekten
DE102018113926A1 (de) Autonome Fahrzeugantriebssysteme und Verfahren für kritische Zustände
DE102016123887A1 (de) Virtuelle sensordatenerzeugung zur radanschlagdetektion
DE102019122826A1 (de) Adaptives fahrzeuglernen
DE102019127229A1 (de) System und verfahren zum bestimmen einer vertrautheit eines fahrzeugdatensatzes
DE102018118215B4 (de) Verfahren zur Aktualisierung einer Umgebungskarte, Vorrichtung für die fahrzeugseitige Durchführung von Verfahrensschritten des Verfahrens, Fahrzeug, Vorrichtung für die zentralrechnerseitige Durchführung von Verfahrensschritten des Verfahrens sowie computerlesbares Speichermedium
CN113378305B (zh) 一种基于无人驾驶小车的车路协同测试方法、装置
US11645360B2 (en) Neural network image processing
DE102016210025A1 (de) Verfahren Vorrichtung und System zur Falschfahrererkennung
DE102019113862A1 (de) Systeme und verfahren zum vorhersagen von objektverhalten
DE102021128041A1 (de) Verbesserung eines neuronalen fahrzeugnetzwerks
CN114755937A (zh) 一种基于数字孪生的自动驾驶仿真测试方法与系统
CN113706911B (zh) 一种基于数字化交通场景的自动驾驶方法
CN116597690B (zh) 智能网联汽车的高速公路测试场景生成方法、设备及介质
CN113918615A (zh) 一种基于仿真的驾驶经验数据挖掘模型构建方法及系统
DE102021104323A1 (de) Vorfahrtsgewährungentscheidung eines fahrzeugs
DE102021201177A1 (de) Computerimplementiertes Verfahren und Computerprogramm zur Generierung von Fahrstrecken für ein automatisiertes Fahrsystem

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
TA01 Transfer of patent application right

Effective date of registration: 20220706

Address after: 417000 Xinxing Middle Road, Loudi City, Hunan Province

Applicant after: LOUDI VOCATIONAL AND TECHNICAL College

Address before: 200000 room 509-1, block a, No. 1718, Daduhe Road, Putuo District, Shanghai

Applicant before: Shanghai Erchun Data Technology Co.,Ltd.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant