CN113793074A - 一种自动驾驶车辆社会合作性评价方法 - Google Patents
一种自动驾驶车辆社会合作性评价方法 Download PDFInfo
- Publication number
- CN113793074A CN113793074A CN202111248264.5A CN202111248264A CN113793074A CN 113793074 A CN113793074 A CN 113793074A CN 202111248264 A CN202111248264 A CN 202111248264A CN 113793074 A CN113793074 A CN 113793074A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- driving
- score
- evaluation
- interaction
- 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
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 88
- 230000003993 interaction Effects 0.000 claims abstract description 80
- 238000000034 method Methods 0.000 claims abstract description 71
- 230000008569 process Effects 0.000 claims abstract description 55
- 230000002452 interceptive effect Effects 0.000 claims abstract description 50
- 238000013441 quality evaluation Methods 0.000 claims abstract description 7
- 230000008859 change Effects 0.000 claims abstract description 5
- 238000005265 energy consumption Methods 0.000 claims description 26
- 230000006399 behavior Effects 0.000 claims description 23
- 230000014509 gene expression Effects 0.000 claims description 12
- 230000001133 acceleration Effects 0.000 claims description 9
- 238000012360 testing method Methods 0.000 claims description 5
- CGFFKDRVHZIQHL-UHFFFAOYSA-N 1-but-3-en-2-yl-3-(methylcarbamothioylamino)thiourea Chemical compound CNC(=S)NNC(=S)NC(C)C=C CGFFKDRVHZIQHL-UHFFFAOYSA-N 0.000 claims description 3
- 239000002184 metal Substances 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 claims description 2
- 230000003238 somatosensory effect Effects 0.000 claims description 2
- 230000000007 visual effect Effects 0.000 claims description 2
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000012827 research and development Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种自动驾驶车辆社会合作性评价方法,对特定的交互场景,通过计算行驶域,判断交互类型和确定待评价时空区域;分别对交互场景中各车行驶质量的多维评价准则进行计算,将结果整合获得单车的交互质量评价结果,计算各单车的实际交互行为的得分作为实际评分;进而分别构造各单车在无交互对象时独立行驶的场景并计算该场景下该车的得分作为基准评分;计算基准评分和实际评分的变化情况,并定义交互场景中各单车的分值权重,获得该交互场景中某辆指定车辆的社会合作性评分;对被测车与多个对手车分别实施交互行驶的数据计算评价结果,综合各评价结果以评价自动驾驶车辆是否具备在行驶过程中与其他交通参与者进行良好交互的能力。
Description
技术领域
本发明涉及自动驾驶车辆测试技术领域,尤其是涉及一种自动驾驶车辆社会合作性评价方法。
背景技术
自动驾驶作为未来的驾驶方式,近年来受到了汽车行业和学术界的广泛关注。关于自动驾驶汽车的安全性、可靠性的研究已有大量成果,自动驾驶技术的发展正逐步从解决功能实现过渡到提高性能指标,这对如何定义自动驾驶汽车的性能,并如何对其进行评价提出了新的挑战。
由于既有道路和交通环境,在可预期的时间内,自动驾驶汽车将始终面临如何在在复杂的道路环境中妥善行驶的问题,其表现之一是与其他道路使用者共同使用道路资源时的社会合作性问题。为了引导研发端充分优化这些问题,成熟的评价方法将发挥重要作用,能帮助研发工作制定优化目标,对自动驾驶技术的发展提供有益的指导。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种应用广泛且高效的自动驾驶车辆社会合作性评价方法。
本发明的目的可以通过以下技术方案来实现:
一种自动驾驶车辆社会合作性评价方法,该方法包括以下步骤:
步骤1:在待评价交互场景中指定一辆被评车,分别计算交互场景中各车各时刻的行驶域,根据被评车与其余各车间行驶域的相对关系判断该车的交互类型,并根据交互类型确定待评价交互过程的时空范围;
步骤2:在已确定的交互过程中,分别对各车的行驶质量经由多维评价准则进行计算,将各准则评价结果整合计算各车在该有交互行驶过程中实施的实际行驶行为得分,将此分数作为实际评分;
步骤3:分别构造各车在无交互对象时自交互过程初始位置独立行驶至交互时空结束位置的行驶过程作为基准行驶过程,经由多维评价准则进行计算,将各准则评价结果整合获得该车的行驶质量评价结果,计算各车在无交互行驶过程中实施的基准行驶行为得分,将此分数作为基准评分;
步骤4:根据各车的实际评分和基准评分差异情况,基于交互过程中各车的行驶域重合度制定的各车权重,整合获得被评车辆的社会合作能力评价结果;
步骤5:对被测车与多个具有不同社会合作性等级的对手车分别实施交互行驶的样本数据计算评价结果,根据评价结果综合评价被评车的社会合作性评分。
进一步地,所述的步骤1中的行驶域,具体包括当前时刻车辆在某一时间内能够行驶到达的区域,该区域由当前时刻车辆的位置、速度决定,并受车辆动力学性能约束,所对应的数学表达式为:
ARi=f(pi0,vi0,aimax,wimax,ti)
式中,ARi为第i辆车的行驶域,pi0为该车的初始位置,vi0为该车的初始速度,aimax为该车在约束下能够达到的最大加速度,wimax为该车在约束下能够达到的最大横摆角速度,ti为该车计算行驶域所选取的时间长度。
进一步地,所述的步骤1中的交互类型包括安全类交互、舒适类交互和自由类交互,其判断方法为被测车行驶域与其他车行驶域发生重叠的最小计算时间,所对应的判断式为:
当,
tego=ttarget=tmin
且,
ARego∩ARtarget
若tmin≤tsafe,则交互类型为安全型;若tsafe<tmin≤tcomf,则交互类型为舒适性;若tcomf<tmin,则交互类型为自由型;
式中,tego为被测车行驶域发生重叠的时间,ttarget为其他车行驶域发生重叠的时间,tmin为行驶域发生重叠的最小计算时间,tsafe为潜在交互中任一车辆实施交互行为时存在安全风险的最大计算时间,系定值;tcomf为潜在交互中任一车辆实施交互行为时存在舒适性问题的最大时间,系定值,ARego为被测车行驶域面积,ARtarget为其他车行驶域面积;
所述的步骤1中的交互过程的时空范围,具体为经交互类型判断为舒适类交互时,时间的起始终止范围以及各车在该时段内对应行驶的沿道路方向的起始终止位置。
进一步地,所述的步骤2中的多维评价准则,为车辆因受到交互行为的影响会表现出差异性结果的评价准则,包括效率准则、能耗准则和舒适准则;
其中,所述效率准则包括车辆在交互过程时空范围内的通行耗时指标;
所述舒适准则包括车辆在交互过程时空范围内由速度变化引起的驾乘人员体感舒适性指标和由车间相对关系引起的驾乘人员观感舒适性指标;
所述能耗准则包括车辆在交互过程时空范围内因加减速导致的耗能指标;
所述效率准则、能耗准则和舒适准则,所对应的数据表达式为:
式中,Sieffi为第i辆车的效率准则的评价结果,WEFj为效率指标的权重系数,EFj为效率指标的值;Siener为第i辆车的能耗准则的评价结果,WENj为能耗指标的权重系数,ENj为能耗指标的值;Sicomf为第i辆车的舒适准则的评价结果,WCj为舒适指标的权重系数,Cj为舒适指标的值。
进一步地,所述的步骤2中的行驶行为得分,具体为多维评价准则的指标计算结果在归一化处理之后,经各车不同角色的不同价值取向决定的不同权重系数整合计算而成的分值,所对应的数据表达式为:
QU=Wirole(Wieffi·Sieffi+Wiener·Siener+Wicomf·Sixomf)
式中,QU为经由多维评价准则进行计算获得的行驶质量评价结果,Wirole为第i辆车的角色权重,Wieffi为第i辆车的效率权重系数,Sieffi为第i辆车的效率准则评价结果,Wiener为第i辆车的能耗权重系数,Siener为第i辆车的能耗准则评价结果,Wicomf为第i辆车的舒适权重系数,Sicomf为第i辆车的舒适准则评价结果。
进一步地,所述的步骤3中的基准行驶过程,具体为在交互过程时空范围内,场景中某一车辆自时空范围的时间和空间起点,以该点的运动状态为初始运动状态,以设定的行驶策略行驶到时空范围终止位置所对应的过程。
进一步地,所述的步骤4中的行驶域重合度,具体为车辆以时长计算的行驶域,与周边其他车辆以该时长计算的行驶域的重叠面积占总面积之比,所对应的数据表达式为:
ti=tj=tgame
Contj=ARi∩ARj
式中,i为待计算车辆编号,j为待计算车辆周围的车辆序号,tgame为计算时长,Contj为第i车与第j车的经tgame计算的行驶域重叠面积,Wjcont为第i车与第j车的行驶域重叠面积权重系数,Conti为第i车的加权行驶域重合度,ARi为第i车的行驶域面积,ARj为第j车的行驶域面积。
进一步地,所述的步骤4中的社会合作能力评价结果,具体为各车实际评分与基准评分的分值差异,经各车权重系数整合而成的分值,所对应的数据表达式为:
QUidelta=f(QUiref,QUireal)
式中,AB为社会合作能力评价结果,QUiref为各车实际评分,QUireal为各车基准评分,QUidelta为各车实际评分与基准评分的分值差异,Wi为第i辆车的权重系数,具体为各车行驶域重合度的相互关系,Wi=f(Conti,Contj)。
进一步地,所述的步骤5中的不同社会合作性等级的对手车,采用有限数量的用于与被评车产生交互行为的环境车,具体包括基于人为设定的交互策略的条件触发环境车,或具备特定社会合作能力评价结果的智能环境车。
进一步地,所述的步骤5中的社会合作性评分,具体包括将被评车与多个具有不同社会合作性等级的对手车分别实施交互行驶的社会合作能力评价结果,经不同社会合作性等级的对手车对应的权重系数整合而成的总分值,所对应的数学表达式为:
式中,Perf为社会合作性评分,WiAB为第i等级对手车的权重系数,ABi为第i个社会合作能力评级结果。
本发明提供一种电子设备,包括一个或多个处理器、存储器和被存储在存储器中的一个或多个程序,所述一个或多个程序包括用于执行如上所述自动驾驶车辆社会合作性评价方法的指令。
本发明提供一种计算机可读存储介质,包括供电子设备的一个或多个处理器执行的一个或多个程序,所述一个或多个程序包括用于执行如上所述自动驾驶车辆社会合作性评价方法的指令。
与现有技术相比,本发明具有以下优点:
一、本发明基于非合作博弈思想,将存在潜在交互的车辆集群视为一个系统,将实际交互行为视为输入,将受交互行为的影响会表现出差异性的结果视为输出,并设立一个输出的基准值,通过比较基准值和实际值的差异程度间接度量该交互行为的优劣,可灵活应用于软件在换测试、硬件在环测试和整车集成测试,应用广泛且高效;
二、本发明有效填补了自动驾驶车辆社会合作性评价领域的空白,能够用于验证自动驾驶车辆的决策规划系统的设计,帮助提高其他人类交通参与者对被测自动驾驶车辆的接受程度。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本发明的方法流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都应属于本发明保护的范围。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本发明的描述中,还需要说明的是,除非另有明确的规定和限定,术语“设置”、“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
本发明涉及一种自动驾驶车辆社会合作性评价方法,该方法对一个已发生且记录数据的特定的交互场景,通过计算行驶域,判断交互类型和确定待评价时空区域;分别对交互场景中各车行驶质量的多维评价准则进行计算,将各准则评价结果整合获得单车的交互质量评价结果,计算各单车在当次交互中实施的实际交互行为的得分作为实际评分;进而分别构造各单车在无交互对象时独立行驶的场景并计算该场景下该车的得分作为基准评分;继而计算基准评分和实际评分的变化情况,并根据潜在交互程度计算结果定义交互场景中各单车的分值权重,获得该交互场景中某辆指定车辆的社会合作性评分;对被测车与多个具有不同社会合作性等级的对手车分别实施交互行驶的数据计算评价结果,综合各评价结果以评价自动驾驶车辆是否具备在行驶过程中与其他交通参与者进行良好交互的能力。该方法基于非合作博弈思想,该方法包括车辆行驶域计算、交互类型判断、交互过程时空范围判断、车辆行驶质量多维评价、实际评分计算、基准评分计算、社会合作能力评价及社会合作性评价。
车辆行驶域计算,指当前时刻车辆在某一时间内能够行驶到达的区域,该区域由当前时刻车辆的位置、速度决定,并受车辆动力学性能约束,计算式如下:
ARi=f(pi0,vi0,aimax,wimax,ti)
式中,ARi为第i辆车的行驶域,pi0为该车的初始位置,vi0为该车的初始速度,aimax为该车在约束下能够达到的最大加速度,wimax为该车在约束下能够达到的最大横摆角速度,ti为该车计算行驶域所选取的时间长度。
交互类型判断,指具体分为安全类、舒适类和自由类的交互类型,其判断方法为被测车行驶域与其他车行驶域发生重叠的最小计算时间,判断式如下:
当,
tego=ttarget=tmin
且,
ARego∩ARtarget
若tmin≤tsafe,则交互类型为安全型;若tsafe<tmin≤tcomf,则交互类型为舒适性;若tcomf<tmin,则交互类型为自由型;
式中,tego为被测车行驶域发生重叠的时间,ttarget为其他车行驶域发生重叠的时间,tmin为行驶域发生重叠的最小计算时间,tsafe为潜在交互中任一车辆实施交互行为时存在安全风险的最大计算时间,系定值;tcomf为潜在交互中任一车辆实施交互行为时存在舒适性问题的最大时间,系定值,ARego为被测车行驶域面积,ARtarget为其他车行驶域面积;
交互过程时空范围判断,指经交互类型判断为舒适类交互时,时间的起始终止范围以及各车在该时段内对应行驶的沿道路方向的起始终到位置;
车辆行驶质量多维评价,指车辆因受到交互行为的影响会表现出差异性结果的评价准则,包括但不限于效率、舒适、能耗等;
其中效率准则具体包含车辆在交互过程时空范围内的通行耗时指标,舒适准则具体包含车辆在交互过程时空范围内由速度变化引起的驾乘人员体感舒适性指标和由车间相对关系引起的驾乘人员观感舒适性指标,能耗准则具体包含车辆在交互过程时空范围内因加减速导致的耗能指标,计算式如下:
式中,Sieffi为第i辆车的效率准则的评价结果,WEFj为效率指标的权重系数,EFj为效率指标的值;Siener为第i辆车的能耗准则的评价结果,WENj为能耗指标的权重系数,ENj为能耗指标的值;Sicomf为第i辆车的舒适准则的评价结果,WCj为舒适指标的权重系数,Cj为舒适指标的值;
在本实施方式中,对被计算车辆的各权重系数以WEF1=1/3,WEN1=1/3,WC1=1/12,WC2=1/12,WC3=1/12,WC4=1/12为例;
其中,各指标的具体计算式如下:
EF1i=tit-ti0
式中,EF1i为效率指标的值,tit为第i辆车驶出时空范围的时刻,ti0为第i辆车驶出入时空范围的时刻;
式中,EN1i为舒适指标的值,ki为第i辆车的速度曲线的极值个数,mi为第i辆车的质量,v(i,p)为第i辆车的第p个极值速度;
式中,C1i、C2i、C3i、C4i为舒适指标的值,j为被计算车辆在时空范围内行驶的数据帧数,n为该车辆数据的总帧数,mpi为第i辆车上乘员的质量,ax(i,j)为第i辆车在第j帧下的纵向加速度,ay(i,j)为第i辆车在第j帧下的横向加速度,abreak为车辆最大制动加速度,s(i,j)为第i辆车在第j帧内的位移,L(i,j)为第i辆车在第j帧下与其前车的距离,vlead(i,j)为第i辆车的前车在第j帧下的速度,v(i,j)为第i辆车在第j帧下的速度。
QU=Wirole(Wieffi·Sieffi+Wiener·Siener+Wicomf·Sicomf)
式中,QU为经由多维评价准则进行计算获得的行驶质量评价结果,Wirole为第i辆车的角色权重,Wieffi为第i辆车的效率权重系数,Sieffi为第i辆车的效率准则评价结果,Wiener为第i辆车的能耗权重系数,Siener为第i辆车的能耗准则评价结果,Wicomf为第i辆车的舒适权重系数,Sicomf为第i辆车的舒适准则评价结果;
在本实施方式中,各被计算车辆的权重系数均以Wirole=1,Wieffi=1,Wiener=1,Wicomf=1为例。
实际评分计算,指在已确定的交互过程中,分别对各车的行驶质量经由多维评价准则进行计算,将各准则评价结果整合计算各车在该有交互行驶过程中实施的实际行驶行为得分,将此分数作为实际评分。
基准评分计算,指分别构造各车在无交互对象时自交互过程初始位置独立行驶至交互时空结束位置的行驶过程作为基准行驶过程,经由多维评价准则进行计算,将各准则评价结果整合获得该车的行驶质量评价结果,计算各车在无交互行驶过程中实施的基准行驶行为得分,将此分数作为基准评分;
其中,基准行驶过程具体为在交互过程时空范围内,场景中某一车辆自时空范围的时间和空间起点,以该点的运动状态为初始运动状态,以一定的行驶策略行驶到时空范围终止位置的过程。
社会合作能力评价,指根据各车的实际评分和基准评分差异情况,基于交互过程中各车的行驶域重合度制定的各车权重,整合获得被评车辆评价结果,计算式如下:
QUidelta=f(QUiref,QUireal)
式中,AB为社会合作能力评价结果,QUiref为各车实际评分,QUireal为各车基准评分,QUidelta为各车实际评分与基准评分的分值差异,Wi为第i辆车的权重系数,具体为各车行驶域重合度的相互关系,Wi=f(Conti,Contj)。
其中,行驶域重合度,具体为车辆以某一时长计算的行驶域,与周边其他车辆以该时长计算的行驶域的重叠面积占总面积之比,计算式如下:
ti=tj=tgame
Contj=ARi∩ARj
式中,i为待计算车辆编号,j为待计算车辆周围的车辆序号,tgame为计算时长,Contj为第i车与第j车的经tgame计算的行驶域重叠面积,Wjcont为第i车与第j车的行驶域重叠面积权重系数,Conti为第i车的加权行驶域重合度,ARi为第i车的行驶域面积,ARj为第j车的行驶域面积。
社会合作性评价,指对被测车与多个具有不同社会合作性等级的对手车分别实施交互行驶的样本数据计算评价结果,经不同社会合作性等级的对手车对应的权重系数整合获得被评车辆社会合作性评分,计算式如下:
式中,Perf为社会合作性评分,WiAB为第i等级对手车的权重系数,ABi为第i个社会合作能力评级结果。
其中,不同社会合作性等级的对手车,具体为有限数量的用于与被评车产生交互行为的环境车,包括但不限于基于一定的人为设定的交互策略的条件触发环境车,或具备特定社会合作能力评价结果的智能环境车。
综上所述,如图1所示为本发明一种自动驾驶车辆社会合作性评价方法,该方法基于上述车辆社会合作性评价内容,该方法包括自动驾驶车辆社会合作性的评价步骤:
S1、在待评价交互场景中指定一辆被评车,分别计算交互场景中各车各时刻的行驶域;
S2、根据被评车与其余各车间行驶域的相对关系判断该车的交互类型;
S3、并根据交互类型确定待评价交互过程的时空范围;
S4、分别对各车的行驶质量经由多维评价准则进行计算,整合得到各车在该有交互行驶过程中实施的实际行驶行为得分,作为实际评分;
S5、分别构造各车在无交互对象时自交互过程初始位置独立行驶至交互时空结束位置的行驶过程作为基准行驶过程;
S6、分别对各车在基准行驶过程中的行驶质量经由多维评价准则进行计算,整合得到各车在无交互行驶过程中实施的基准行驶行为得分,作为基准评分;
S7、计算各车的实际评分和基准评分差异情况;
S8、基于交互过程中各车的行驶域重合度制定各车权重,整合各车的实际评分和基准评分差异,得到被评车辆的社会合作能力评价结果;
S9、对被测车与多个具有不同社会合作性等级的对手车分别实施交互行驶的样本数据重复步骤S1至S8计算评价结果;
S10、根据步骤S9的评价结果,结合对手车对应的权重系数,整合得到被评车的社会合作性评分。
上述功能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(可以是个人计算机,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、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
上述实施例仅用于说明本发明,其中各部分的计算和组成方式等都可以是有变化的,凡是在本发明技术方案的基础上进行的同等变换和改进,均不应排除在本发明的保护范围之外。本领域技术人员应当理解,本发明涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也涵盖在不脱离所属发明构思的情况下,由上述技术特征或其同等特征进行任意组合而形成的其他技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。任何熟悉本技术领域的工作人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种自动驾驶车辆社会合作性评价方法,其特征在于,该方法包括以下步骤:
步骤1:在待评价交互场景中指定一辆被评车,分别计算交互场景中各车各时刻的行驶域,根据被评车与其余各车间行驶域的相对关系判断该车的交互类型,并根据交互类型确定待评价交互过程的时空范围;
步骤2:在已确定的交互过程中,分别对各车的行驶质量经由多维评价准则进行计算,将各准则评价结果整合计算各车在该有交互行驶过程中实施的实际行驶行为得分,将此分数作为实际评分;
步骤3:分别构造各车在无交互对象时自交互过程初始位置独立行驶至交互时空结束位置的行驶过程作为基准行驶过程,经由多维评价准则进行计算,将各准则评价结果整合获得该车的行驶质量评价结果,计算各车在无交互行驶过程中实施的基准行驶行为得分,将此分数作为基准评分;
步骤4:根据各车的实际评分和基准评分差异情况,基于交互过程中各车的行驶域重合度制定的各车权重,整合获得被评车辆的社会合作能力评价结果;
步骤5:对被测车与多个具有不同社会合作性等级的对手车分别实施交互行驶的样本数据计算评价结果,根据评价结果综合评价被评车的社会合作性评分。
2.根据权利要求1所述的一种自动驾驶车辆社会合作性评价方法,其特征在于,所述的步骤1中的行驶域,具体包括当前时刻车辆在某一时间内能够行驶到达的区域,该区域由当前时刻车辆的位置、速度决定,并受车辆动力学性能约束,所对应的数学表达式为:
ARi=f(pi0,vi0,aimax,wimax,ti)
式中,ARi为第i辆车的行驶域,pi0为该车的初始位置,vi0为该车的初始速度,aimax为该车在约束下能够达到的最大加速度,wimax为该车在约束下能够达到的最大横摆角速度,ti为该车计算行驶域所选取的时间长度。
3.根据权利要求1所述的一种自动驾驶车辆社会合作性评价方法,其特征在于,所述的步骤1中的交互类型包括安全类交互、舒适类交互和自由类交互,其判断方法为被测车行驶域与其他车行驶域发生重叠的最小计算时间,所对应的判断式为:
当,
tego=ttarget=tmin
且,
ARego∩ARtarget
若tmin≤tsafe,则交互类型为安全型;若tsafe<tmin≤tcomf,则交互类型为舒适性;若tcomf<tmin,则交互类型为自由型;
式中,tego为被测车行驶域发生重叠的时间,ttarget为其他车行驶域发生重叠的时间,tmin为行驶域发生重叠的最小计算时间,tsafe为潜在交互中任一车辆实施交互行为时存在安全风险的最大计算时间,系定值;tcomf为潜在交互中任一车辆实施交互行为时存在舒适性问题的最大时间,系定值,ARego为被测车行驶域面积,ARtarget为其他车行驶域面积;
所述的步骤1中的交互过程的时空范围,具体为经交互类型判断为舒适类交互时,时间的起始终止范围以及各车在该时段内对应行驶的沿道路方向的起始终止位置。
4.根据权利要求1所述的一种自动驾驶车辆社会合作性评价方法,其特征在于,所述的步骤2中的多维评价准则,为车辆因受到交互行为的影响会表现出差异性结果的评价准则,包括效率准则、能耗准则和舒适准则;
其中,所述效率准则包括车辆在交互过程时空范围内的通行耗时指标;
所述舒适准则包括车辆在交互过程时空范围内由速度变化引起的驾乘人员体感舒适性指标和由车间相对关系引起的驾乘人员观感舒适性指标;
所述能耗准则包括车辆在交互过程时空范围内因加减速导致的耗能指标;
所述效率准则、能耗准则和舒适准则,所对应的数据表达式为:
式中,Sieffi为第i辆车的效率准则的评价结果,WEFj为效率指标的权重系数,EFj为效率指标的值;Siener为第i辆车的能耗准则的评价结果,WENj为能耗指标的权重系数,ENj为能耗指标的值;Sicomf为第i辆车的舒适准则的评价结果,WCj为舒适指标的权重系数,Cj为舒适指标的值。
5.根据权利要求1所述的一种自动驾驶车辆社会合作性评价方法,其特征在于,所述的步骤2中的行驶行为得分,具体为多维评价准则的指标计算结果在归一化处理之后,经各车不同角色的不同价值取向决定的不同权重系数整合计算而成的分值,所对应的数据表达式为:
QU=Wirole(Wieffi·Sieffi+Wiener·Siener+Wicomf·Sicomf)
式中,QU为经由多维评价准则进行计算获得的行驶质量评价结果,Wirole为第i辆车的角色权重,Wieffi为第i辆车的效率权重系数,Sieffi为第i辆车的效率准则评价结果,Wiener为第i辆车的能耗权重系数,Siener为第i辆车的能耗准则评价结果,Wicomf为第i辆车的舒适权重系数,Sicomf为第i辆车的舒适准则评价结果。
6.根据权利要求1所述的一种自动驾驶车辆社会合作性评价方法,其特征在于,所述的步骤3中的基准行驶过程,具体为在交互过程时空范围内,场景中某一车辆自时空范围的时间和空间起点,以该点的运动状态为初始运动状态,以设定的行驶策略行驶到时空范围终止位置所对应的过程。
9.根据权利要求1所述的一种自动驾驶车辆社会合作性评价方法,其特征在于,所述的步骤5中的不同社会合作性等级的对手车,采用有限数量的用于与被评车产生交互行为的环境车,具体包括基于人为设定的交互策略的条件触发环境车,或具备特定社会合作能力评价结果的智能环境车。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110192563.5A CN112907072A (zh) | 2021-02-20 | 2021-02-20 | 一种自动驾驶车辆社会合作性评价方法 |
CN2021101925635 | 2021-02-20 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113793074A true CN113793074A (zh) | 2021-12-14 |
CN113793074B CN113793074B (zh) | 2023-08-29 |
Family
ID=76124087
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110192563.5A Pending CN112907072A (zh) | 2021-02-20 | 2021-02-20 | 一种自动驾驶车辆社会合作性评价方法 |
CN202111248264.5A Active CN113793074B (zh) | 2021-02-20 | 2021-10-26 | 一种自动驾驶车辆社会合作性评价方法 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110192563.5A Pending CN112907072A (zh) | 2021-02-20 | 2021-02-20 | 一种自动驾驶车辆社会合作性评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN112907072A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117093811A (zh) * | 2023-07-17 | 2023-11-21 | 上海智能汽车融合创新中心有限公司 | 一种自动驾驶安全能力评价方法、装置及设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140195093A1 (en) * | 2013-01-04 | 2014-07-10 | Carnegie Mellon University | Autonomous Driving Merge Management System |
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 |
CN110414803A (zh) * | 2019-07-08 | 2019-11-05 | 清华大学 | 不同网联程度下自动驾驶系统智能水平的测评方法及装置 |
CN110796856A (zh) * | 2019-10-16 | 2020-02-14 | 腾讯科技(深圳)有限公司 | 车辆变道意图预测方法及变道意图预测网络的训练方法 |
CN111002993A (zh) * | 2019-12-23 | 2020-04-14 | 苏州智加科技有限公司 | 一种基于场景识别的自动驾驶低油耗运动规划方法及系统 |
CN112382086A (zh) * | 2020-10-30 | 2021-02-19 | 上海炬宏信息技术有限公司 | 自动驾驶汽车开放道路测试评价系统的使用方法 |
-
2021
- 2021-02-20 CN CN202110192563.5A patent/CN112907072A/zh active Pending
- 2021-10-26 CN CN202111248264.5A patent/CN113793074B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140195093A1 (en) * | 2013-01-04 | 2014-07-10 | Carnegie Mellon University | Autonomous Driving Merge Management System |
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 |
CN110414803A (zh) * | 2019-07-08 | 2019-11-05 | 清华大学 | 不同网联程度下自动驾驶系统智能水平的测评方法及装置 |
CN110796856A (zh) * | 2019-10-16 | 2020-02-14 | 腾讯科技(深圳)有限公司 | 车辆变道意图预测方法及变道意图预测网络的训练方法 |
CN111002993A (zh) * | 2019-12-23 | 2020-04-14 | 苏州智加科技有限公司 | 一种基于场景识别的自动驾驶低油耗运动规划方法及系统 |
CN112382086A (zh) * | 2020-10-30 | 2021-02-19 | 上海炬宏信息技术有限公司 | 自动驾驶汽车开放道路测试评价系统的使用方法 |
Non-Patent Citations (4)
Title |
---|
HAOLAN MENG: "Tire-Model-Free Control for Steering of Skid Steering Vehicle", 《2018 IEEE INTELLIGENT VEHICLES SYMPOSIUM 》 * |
夏芹: "自动驾驶车辆安全性测试评价方法", 《2016中国汽车安全技术学术会议》 * |
左昊: "基于动态图的多车协同学习方法研究", 《中国优秀硕士学位论文全文数据库》 * |
陈君毅: "两车交互场景中的车辆交通协调性评价方法", 《汽车技术》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117093811A (zh) * | 2023-07-17 | 2023-11-21 | 上海智能汽车融合创新中心有限公司 | 一种自动驾驶安全能力评价方法、装置及设备 |
CN117093811B (zh) * | 2023-07-17 | 2024-05-10 | 上海智能汽车融合创新中心有限公司 | 一种自动驾驶安全能力评价方法、装置及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN112907072A (zh) | 2021-06-04 |
CN113793074B (zh) | 2023-08-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Han et al. | Safe-and eco-driving control for connected and automated electric vehicles using analytical state-constrained optimal solution | |
CN109345020B (zh) | 一种完全信息下的无信号交叉口车辆驾驶行为预测方法 | |
CN109733390B (zh) | 一种基于驾驶人特性的自适应换道预警方法 | |
Fernandez et al. | Driver classification for intelligent transportation systems using fuzzy logic | |
CN102109821B (zh) | 车辆自适应巡航控制系统及方法 | |
CN112307564A (zh) | 列车ato目标运行速度曲线优化方法及装置 | |
CN106874597A (zh) | 一种应用于自动驾驶车辆的高速公路超车行为决策方法 | |
CN112721949B (zh) | 一种自动驾驶车辆纵向驾驶拟人化程度评价方法 | |
CN108647836B (zh) | 一种驾驶员节能评价方法和系统 | |
CN110239556B (zh) | 一种驾驶员即时操控能力感知方法 | |
CN113793074A (zh) | 一种自动驾驶车辆社会合作性评价方法 | |
CN112394729A (zh) | 一种动车组运行过程t-s模糊建模和模糊追踪控制方法 | |
Santin et al. | Cruise controller with fuel optimization based on adaptive nonlinear predictive control | |
Selvaraj et al. | An ML-aided reinforcement learning approach for challenging vehicle maneuvers | |
Ding et al. | An Extended Car‐Following Model in Connected and Autonomous Vehicle Environment: Perspective from the Cooperation between Drivers | |
Lin et al. | Adaptive prediction-based control for an ecological cruise control system on curved and hilly roads | |
KR102058741B1 (ko) | 차로 변경이 가능한 공간 선정 시스템 및 그 방법 | |
Bao et al. | Data-driven risk-sensitive control for personalized lane change maneuvers | |
Moghaddam et al. | Cooperative adaptive cruise control system for electric vehicles through a predictive deep reinforcement learning approach | |
Chen et al. | A Safety Control Method of Car-Following Trajectory Planning Based on LSTM | |
CN115841712A (zh) | 一种基于v2x技术的驾驶数据处理方法、装置及设备 | |
CN112967420B (zh) | 一种基于区间二型的重载列车运行过程监控方法及系统 | |
CN105869412A (zh) | 一种基于车辆行驶数据的急加速行为识别方法 | |
CN115689108A (zh) | 一种人机共驾系统预见性及满意度的主观评价方法 | |
CN106529118A (zh) | 一种基于二元语义ahp的智能汽车仿人转向操纵性能评价方法 |
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 | ||
CB03 | Change of inventor or designer information |
Inventor after: Meng Haolan Inventor after: Chen Junyi Inventor after: Chen Lei Inventor after: Xiong Lu Inventor before: Chen Junyi Inventor before: Meng Haolan Inventor before: Chen Lei Inventor before: Xiong Lu |
|
CB03 | Change of inventor or designer information |