CN114475587A - 引入目标行为及碰撞概率的风险评估算法 - Google Patents

引入目标行为及碰撞概率的风险评估算法 Download PDF

Info

Publication number
CN114475587A
CN114475587A CN202210114652.2A CN202210114652A CN114475587A CN 114475587 A CN114475587 A CN 114475587A CN 202210114652 A CN202210114652 A CN 202210114652A CN 114475587 A CN114475587 A CN 114475587A
Authority
CN
China
Prior art keywords
target
abs
vehicle
collision probability
domain
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
CN202210114652.2A
Other languages
English (en)
Other versions
CN114475587B (zh
Inventor
李小凯
任凡
孔周维
邱利宏
陆波
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.)
Chongqing Changan Automobile Co Ltd
Original Assignee
Chongqing Changan Automobile 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 Chongqing Changan Automobile Co Ltd filed Critical Chongqing Changan Automobile Co Ltd
Priority to CN202210114652.2A priority Critical patent/CN114475587B/zh
Publication of CN114475587A publication Critical patent/CN114475587A/zh
Application granted granted Critical
Publication of CN114475587B publication Critical patent/CN114475587B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
    • 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
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
    • 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
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0953—Predicting travel path or likelihood of collision the prediction being responsive to vehicle dynamic parameters
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/80—Spatial relation or speed relative to objects
    • B60W2554/801—Lateral distance
    • 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/80—Spatial relation or speed relative to objects
    • B60W2554/802—Longitudinal distance
    • 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/80—Spatial relation or speed relative to objects
    • B60W2554/804—Relative longitudinal speed
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Educational Administration (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种引入目标行为及碰撞概率的风险评估算法，以自车坐标系为基准，根据自车速度和目标相对距离，来规划自车的一个通行域，经过通行域的目标过滤，考虑已在通行域或预测即将进入通行域的目标，进行行为类别判断和碰撞概率的计算，当目标行为类别为Run‑forward且碰撞概率大于阈值，认为目标有碰撞风险，输出碰撞目标供决策、归控算法参考，结合TTC、TTB、所需最小加速度等参数最后判断是否需触发制动。本发明可以更好地减少误触发和漏触发的产生，提高行车安全。

Description

引入目标行为及碰撞概率的风险评估算法
技术领域
本发明涉及汽车自动驾驶的主动安全功能的相关算法，具体涉及一种通过对前方目标的距离、速度、加速度信息进行处理及预测，结合自车车姿状态及驾驶员的行为，判断目标是否会进入或已在自车通行域内，并结合预测算法识别前方目标的行为类别与碰撞概率，确认是否有碰撞的风险，从而进一步辅助解决安全辅助功能误触发或漏触发的问题。
背景技术
汽车自动驾驶过程中，道路环境复杂，目标属性不一：可能有车辆、行人、自行车、两轮车、障碍物、动物等目标类型，目标的行为可能有pass、cut-in、Run-forward、cross等类别，其中pass为安全通过；cut-in为从通行域外切入到自车前方通行域内；Run-forward为在前方通行域内；cross指目标有相对较大的横向速度进行横穿的场景。自动驾驶的安全控制模块需要从环境感知中准确识别到潜在的危险目标，从而避免碰撞风险，这对算法来说有很大的挑战。当前主动安全算法做的比较好的公司有博世、大陆、安波福、福瑞泰克等，对于归控算法主要是参考危险参数TTB/TTC/所需最小减速度等条件来判断避免碰撞的刹车时机，但也避免不了有误触发和漏触发的情况。其中，TTB----time to brake 刹停所需时间；TTC---time to collision，以当前状态直到碰撞的时间。
发明内容
针对现有技术存在的上述不足，本发明的目的是提供一种引入目标行为及碰撞概率的风险评估算法，本发明进行目标行为类别判断和碰撞概率计算，来辅助归控算法进行刹车时机判断，从而更好地减少误触发和漏触发的产生，提高行车安全。
本发明的技术方案是这样实现的：
引入目标行为及碰撞概率的风险评估算法，步骤如下，
1）以自车坐标系为基准，根据自车和目标位置关系以及其他影响因素，确定自车的一个通行域；
2）对经过通行域的目标进行过滤，对已在通行域或预测即将进入通行域的目标，进行行为类别判断；
3）基于判断得到的行为类别，计算该行为类别下的碰撞概率；
4）当碰撞概率大于阈值，则认为目标与自车有相互碰撞风险；
4）结合包括TTC、TTB、所需最小加速度在内的多维度参数判断是否需触发制动；如需要触发制动，则触发制动。
步骤1）中，自车通行域的确定，需要考虑自车和目标的相对纵横向距离以及自车和目标的速度及加速度。
步骤2）中，行为类别有四种，分别为pass、cut-in、Run-forward和cross。
步骤1）中，当目标车处于运动状态时，自车通行域按如下方法确定，
以自车坐标系为基准，以纵向30m距离为边界，当目标相对纵向距离PosX≤30m时，如果目标的相对横向距离绝对值PosY <abs(halfwidth+offset1)，其中，halfwidth指半个车宽，offset1是第一偏移量；则认为目标此时在通行域内；
以自车坐标系为基准，以纵向150m距离为边界，当PosX >150m时，如果PosY <abs(halfwidth+offset2)，其中offset2是第二偏移量，则认为目标此时在通行域内；
当30m <PosX≤150m时，如果PosY <abs(halfwidth+offset3)，offset3是offset1与offset2的线性插值，则认为目标此时在通行域内。
步骤1）中，当目标车处于静止状态时，自车通行域按如下方法确定，
以自车坐标系为基准，以纵向30m距离为边界，当目标相对纵向距离PosX≤30m时，Abs（PosY）<abs(halfwidth+offset1+factor1)，factor1是第一偏离因子，则认为目标此时在通行域内；
以自车坐标系为基准，以纵向150m距离为边界，当PosX>150m时，如果abs（PosY）<abs(halfwidth+offset2+factor2)，factor2是第二偏离因子，则认为目标此时在通行域内；
当目标距离30m <PosX≤150m时，如果abs（PosY）<abs(halfwidth+offset3+factor3)，factor3是第三偏离因子，则认为目标此时在通行域内。
与现有技术相比，本发明具有如下有益效果：
本发明以自车坐标系为基准，根据自车速度和目标相对距离，来规划自车的一个通行域，经过通行域的目标过滤，考虑已在通行域或预测即将进入通行域的目标，进行行为类别判断和碰撞概率的计算，当目标行为类别为Run-forward且碰撞概率大于阈值，认为目标有碰撞风险，输出碰撞目标供决策、归控算法参考，结合TTC、TTB、所需最小加速度等参数最后判断是否需触发制动。
本发明的算法，参考目标和自车的属性（距离、速度、加速度）状态、进行目标行为类别判断和碰撞概率计算，来辅助归控算法进行刹车时机判断，从而更好地减少误触发和漏触发的产生，提高行车安全。
附图说明
图1-目标车处于运动状态时的通行域示意图。
图2-目标在通行域且目标移动时的行为类别Run-forward及碰撞概率示意图。
图3-自车有转向或在弯道上行驶的行为类别Run-forward及碰撞概率示意图。
图4-目标不在通行域，预测t s后目标在通行域内时，行为类别Cut-in示意图。
图5-行为类别Cross示意图。
图6-行为类别Pass示意图。
图7-算法应用示意图和AEB触发流程图。
图中主车最外面的大方框为通行域。GVT为目标。
具体实施方式
以下结合附图对本发明的具体实施方案做详细描述。
本发明引入目标行为及碰撞概率的风险评估算法，步骤如下，
1）以自车坐标系为基准，根据自车和目标位置关系以及其他影响因素，确定自车的一个通行域；
2）对经过通行域的目标进行过滤，对已在通行域或预测即将进入通行域的目标，进行行为类别判断；
3）基于判断得到的行为类别，计算该行为类别下的碰撞概率；
4）当碰撞概率大于阈值，则认为目标与自车有相互碰撞风险，输出碰撞目标供决策、归控算法参考；
4）结合包括TTC、TTB、所需最小加速度在内的多维度参数判断是否需触发制动；如需要触发制动，则触发制动。
步骤1）中，自车通行域的确定，需要考虑自车和目标的相对纵横向距离以及自车和目标的速度及加速度。
步骤2）中，行为类别有四种，分别为pass、cut-in、Run-forward和cross。
通行域的设计，分以下两种情形：
一、当目标车处于运动状态时：
以自车坐标系为基准，以纵向30m距离为边界，当目标相对纵向距离
PosX≤30m时，如果目标的相对横向距离绝对值（包含左、右方向）
PosY <abs(halfwidth+offset1)，halfwidth指半个车宽，offset1是偏移量，则认为目标此时在通行域内。
以自车坐标系为基准，以纵向150m距离为边界，当PosX >150m时，如果PosY <abs(halfwidth+offset2)， offset2是偏移量，则认为目标此时在通行域内。
当30<PosX<150m时，如果PosY <abs(halfwidth+offset3)，offset3是offset1与offset2线性插值，则认为目标此时在通行域内。
通行域示意图如图1所示。
二、当目标车处于静止状态时：
以自车坐标系为基准，以纵向30m距离为边界，当目标相对纵向距离PosX≤30m时，Abs（PosY）<abs(halfwidth+offset1+factor1)，factor1是偏离因子，则认为目标此时在通行域内。
以自车坐标系为基准，以纵向150m距离为边界，当PosX>150m时，
如果abs（PosY）<abs(halfwidth+offset2+factor2)，factor2是偏离因子，则认为目标此时在通行域内。
当目标距离30<x<150m时，如果abs（PosY）<abs(halfwidth+offset3+factor3)，factor3是偏离因子，则认为目标此时在通行域内。
相对位置不同，通行域界限值不同，offset3、offset1与offset2通过设置初始经验值，然后通过仿真及标定来确定这些量。
根据自车速度不同、相对位置的差异，通行域界限值不一样，factor1、factor2、factor3 通过设置初始经验值，然后通过仿真及标定来确定这些量。
当前周期，目标在通行域时：
行为类别Run-forward及碰撞概率判断：
目标静止时
如果PosX≤30m，abs（PosY）>abs(halfwidth+offset1+factor1)，则当前周期，行为类别为Run-forward，碰撞概率P=0；
如果PosX≤30m，abs（PosY）<= halfwidth*fitvalue，则当前周期，行为类别为Run-forward，碰撞概率P=1；fitvalue是halfwidth增益值，默认值为1，后续通过标定确认。
如果PosX≤30m，halfwidth*fitvalue <abs（PosY）<= abs(halfwidth+offset1+factor1)，则当前周期，行为类别为Run-forward，碰撞概率为0-1的线性插值；
如果PosX>150m，abs（PosY）>abs(halfwidth+offset2+factor1)，则当前周期，行为类别为Run-forward，碰撞概率P=0；
如果PosX>150m，abs（PosY）<= halfwidth*fitvalue，则当前周期，行为类别为Run-forward，碰撞概率P=1；
如果PosX>150m，halfwidth*fitvalue <abs（PosY）<= abs(halfwidth+offset2+factor1)，则当前周期，行为类别为Run-forward，碰撞概率为0-1的线性插值；
如果30m<PosX≤150m，abs（PosY）>abs(halfwidth+offset3+factor1)，则当前周期，行为类别为Run-forward，碰撞概率P=0；
如果30m<PosX≤150m，abs（PosY）<= halfwidth*fitvalue，则当前周期，目标行为类别为Run-forward，碰撞概率P=1；
如果30m<PosX≤150m，
halfwidth*fitvalue <abs（PosY）<= abs(halfwidth+offset3+factor1)，则当前周期，目标行为类别为Run-forward，碰撞概率为0-1的线性插值；
目标移动时：
如果PosX≤30m，abs（PosY）>abs(halfwidth+offset1)，则当前周期，目标行为类别为Run-forward，碰撞概率P=0；
如果PosX≤30m，abs（PosY）<= halfwidth*fitvalue，则当前周期，目标行为类别为Run-forward，碰撞概率P=1；
如果PosX≤30m，halfwidth*fitvalue <abs（PosY）<= abs(halfwidth+offset1)，则当前周期，目标行为类别为Run-forward，碰撞概率为0-1的线性插值；
如果PosX>150m，abs（PosY）>abs(halfwidth+offset2)，则当前周期，目标行为类别为Run-forward，碰撞概率P=0；
如果PosX>150m，abs（PosY）<= halfwidth*fitvalue，则当前周期，目标行为类别为Run-forward，碰撞概率P=1；
如果PosX>150m，halfwidth*fitvalue <abs（PosY）<= abs(halfwidth+offset2)，则当前周期，目标行为类别为Run-forward，碰撞概率为0-1的线性插值；
如果30m<PosX≤150m，abs（PosY）>abs(halfwidth+offset3)，则当前周期，目标行为类别为Run-forward，碰撞概率P=0；
如果30m<PosX≤150m，abs（PosY）<= halfwidth*fitvalue，则当前周期，目标行为类别为Run-forward，碰撞概率P=1；
如果30m<PosX≤150m，，halfwidth*fitvalue <abs（PosY）<= abs(halfwidth+offset3)，则当前周期，目标行为类别为Run-forward，碰撞概率为0-1的线性插值；
当前周期的行为类别Run-forward及碰撞概率示意图如图2所示。
当前周期，目标在通行域，预测t s后目标仍在通行域内时：
目标移动时：
预测的横向距离Pre_ PosY=PosY+v*t+0.5*Ay*t*t
(v-滤波后的目标横向速度，Ay-滤波的目标横向加速度)
如果Pre_ PosX≤30m，abs（Pre_ PosY）>abs(halfwidth+offset1)，则当前周期,目标行为类别为Run-forward，碰撞概率P=0；
如果Pre_ PosX≤30m，abs（Pre_ PosY）<= halfwidth*fitvalue，则当前周期,目标行为类别为Run-forward，碰撞概率P=1；
如果Pre_ PosX≤30m，halfwidth*fitvalue <abs（Pre_ PosY）<= abs(halfwidth+offset1)，则当前周期,目标行为类别为Run-forward，碰撞概率为0-1的线性插值；
如果Pre_ PosX>150m，abs（Pre_ PosY）>abs(halfwidth+offset2)，则当前周期,目标行为类别为Run-forward，碰撞概率P=0；
如果Pre_ PosX>150m，abs（Pre_ PosY）<= halfwidth*fitvalue，则当前周期,目标行为类别为Run-forward，碰撞概率P=1；
如果Pre_ PosX>150m，halfwidth*fitvalue <abs（Pre_ PosY）<= abs(halfwidth+offset2)，则当前周期,目标行为类别为Run-forward，碰撞概率为0-1的线性插值；
如果30m<Pre_ PosX≤150m，abs（Pre_ PosY）>abs(halfwidth+offset3)，则当前周期,目标行为类别为Run-forward，碰撞概率P=0；
如果30m<Pre_ PosX≤150m，abs（Pre_ PosY）<= halfwidth*fitvalue，则当前周期,目标行为类别为Run-forward，碰撞概率P=1；
如果30m<Pre_ PosX≤150m，halfwidth*fitvalue <abs（Pre_ PosY）<= abs(halfwidth+offset3)，则当前周期,目标行为类别为Run-forward，碰撞概率为0-1的线性插值；
综合参考当前周期和预测的Run-forward概率，定义权重系数Q，最终Run-forward输出的碰撞概率值Pfinal=Pnow×Q+ Ppre×（1-Q）；
其中，Pnow为当前状态的碰撞概率，Ppre是预测时刻的碰撞概率；权重系数Q通过经验值设定初始值，后续通过仿真和实车标定确定当前和预测时刻的权重值；
Pfinal包含了前面的碰撞概率，前面的碰撞概率指当前的碰撞概率或预测的碰撞概率的计算值。Pfinal综合考虑当前和预测状态，用可标定的权重值去权衡最优的碰撞概率计算方法。可为当前的碰撞值，也可为预测的碰撞值，也可为两者综合值。
当前周期，自车有转向或在弯道上行驶时：
当车辆在弯道行驶时，相对横向距离无法准确表征两车的相对距离。此时引入目标车距离自车轨迹的投影距离Pro-Dis。
当自车在弯道半径或转弯半径R>1250m道路上行驶时，Pro-Dis=PosY。行为类别与概率计算同上。
当自车在弯道半径或转弯半径<=1250m时，此时需计算Pro-Dis，来替代PosY作条件判断。
如果目标静止:
当abs(Pro-Dis)<=A时，目标行为类别为Run-forward，碰撞概率为1；
当abs(Pro-Dis)>=B时，目标行为类别为Run-forward，碰撞概率为0;
当A< abs(Pro-Dis)<B时，目标行为类别为Run-forward，碰撞概率为0-1的线性插值；
A和B都是投影距离的边界门限值，且A<B，类似上文的abs(halfwidth+offset1)和halfwidth*fitvalue，值不定相同。通过经验值设定初始值，后续通过仿真和实车标定确定最终值。
如果目标移动；
当abs(Pro-Dis) <=A时时，目标行为类别为Run-forward，碰撞概率为1；
当abs(Pro-Dis)>=B+offset时，目标行为类别为Run-forward，碰撞概率为0;
当A< abs(Pro-Dis)< B+offset时，目标行为类别为Run-forward，碰撞概率为0-1的线性插值。根据自车静止和移动状态，边界值有不同。offset通过经验值设定初始值，后续通过仿真和实车标定确定最终值。
当前周期的行为类别Run-forward及碰撞概率示意图如图3所示。
当前周期，目标在通行域，预测t s后目标仍在通行域内时：
如果目标移动；
当abs(Pre _Pro-Dis)<=A时，目标行为类别为Run-forward，碰撞概率为1；
当abs(Pre_Pro-Dis)>=B+offset时，目标行为类别为Run-forward，碰撞为0；这里A和B定义同上。
当A< abs(Pre _Pro-Dis)< B+offset时，目标行为类别为Run-forward，碰撞为0-1的线性插值；
综合参考当前周期和预测的Run-forward概率，定义权重系数M，
最终Run-forward输出的碰撞概率值Pfinal_Pro-Dis=Pnow_Pro-Dis *M+ Ppre_Pro-Dis *（1-M）
Pnow_Pro-Dis为转弯场景当前状态的碰撞概率，Ppre_Pro-Dis为转弯场景预测时刻的碰撞概率。权重系数M通过经验值设定初始值，后续通过仿真和实车标定确定当前和预测时刻的权重值。
当前周期，目标不在通行域，预测t s后目标在通行域内时：
当前周期：
行为类别 cut-in 判断：
若PosX≤30m，abs（PosY）> abs(halfwidth+offset1)，目标横向速度abs(Obj_Vy)>0.2m/s，目标纵向速度Obj_Vx>1.39m/s
预测t s后且目标TTC >t，预测的横向距离abs（Pre_PosY）< abs(halfwidth+offset1) ，则认为当前周期目标行为类别为cut-in；
若PosX>150m，abs（PosY）> abs(halfwidth+offset2)，且横向速度abs(Obj_Vy)>0.2m/s，Obj_Vx>1.39m/s
预测t s后且目标TTC >t，预测的横向距离abs（Pre_PosY）< abs(halfwidth+offset2) ，则认为当前周期目标行为类别为cut-in；
若30<PosX<=150m，abs（PosY）> abs(halfwidth+offset3)，且横向速度abs(Obj_Vy)>0.2m/s，Obj_Vx>1.39m/s；
预测t s后且目标TTC >t，预测的横向距离abs（Pre_PosY）< abs(halfwidth+offset3)，则认为当前周期目标行为类别为cut-in；
行为类别Cut-in示意图如图4所示。
行为类别 Cross 判断：
若PosX≤30m，abs（PosY）> 4m且横向速度abs(Obj_Vy)>=1.39m/s，Obj_Vx<1.39m/s
预测t s后且目标TTC >t，预测的横向距离abs（Pre_PosY）< abs(halfwidth+offset1) ，则认为当前周期目标行为类别为Cross；
若PosX>=150m，abs（PosY）> 4m且横向速度abs(Obj_Vy)>=1.39m/s，Obj_Vx<1.39m/s
预测t s后且目标TTC >t，预测的横向距离abs（Pre_PosY）< abs(halfwidth+offset2) ，则认为当前周期目标类别为Cross ；
若30<PosX<150m，abs（PosY）> 4m且横向速度abs(Obj_Vy)>=1.39m/s，Obj_Vx<1.39m/s
预测t s后且目标TTC >t，预测的横向距离abs（Pre_PosY）< abs(halfwidth+offset3)，则认为当前周期目标类别为Cross ；
行为类别Cross示意图如图5所示。
行为类别 Pass 判断：
若PosX≤30m，abs（PosY）> abs(halfwidth+offset1)，且横向速度abs(Obj_Vy)<0.2m/s，Obj_Vx>1.39m/s
预测t s后且目标TTC >t，预测的横向距离abs（Pre_PosY）>abs(halfwidth+offset1) ，则认为当前周期目标类别为Pass。
若PosX>=150m，abs（PosY）> abs(halfwidth+offset1)，且横向速度abs(Obj_Vy)<0.2m/s，Obj_Vx>1.39m/s
预测t s后且目标TTC >t，预测的横向距离abs（Pre_PosY）>abs(halfwidth+offset2) ，则认为当前周期目标类别为Pass。
若30<PosX<150m，abs（PosY）> abs(halfwidth+offset3)，且横向速度abs(Obj_Vy)<0.2m/s，Obj_Vx>1.39m/s
预测t s后且目标TTC >t，预测的横向距离abs（Pre_PosY）>abs(halfwidth+offset3) ，则认为当前周期目标类别为Pass。
行为类别Pass示意图如图6所示。
算法应用示意图和AEB触发流程图如图7所示。
当自车迫近目标车时，判断目标行为类别为Run-forward且碰撞概率>阈值时，若此时TTC/TTB、所需最小减速度等都满足触发条件，则触发AEB制动，避免碰撞。
最后需要说明的是，本发明的上述实例仅仅是为说明本发明所作的举例，而并非是对本发明的实施方式的限定。尽管申请人参照较佳实施例对本发明进行了详细说明，对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其他不同形式的变化和变动。这里无法对所有的实施方式予以穷举。凡是属于本发明的技术方案所引申出的显而易见的变化或变动仍处于本发明的保护范围之列。

Claims (5)

1.引入目标行为及碰撞概率的风险评估算法，其特征在于：步骤如下，
1）以自车坐标系为基准，根据自车和目标位置关系以及其他影响因素，确定自车的一个通行域；
2）对经过通行域的目标进行过滤，对已在通行域或预测即将进入通行域的目标，进行行为类别判断；
3）基于判断得到的行为类别，计算该行为类别下的碰撞概率；
4）当碰撞概率大于阈值，则认为目标与自车有相互碰撞风险；
4）结合包括TTC、TTB、所需最小加速度在内的多维度参数判断是否需触发制动；如需要触发制动，则触发制动。
2.根据权利要求1所述的引入目标行为及碰撞概率的风险评估算法，其特征在于：步骤1）中，自车通行域的确定，需要考虑自车和目标的相对纵横向距离以及自车和目标的速度及加速度。
3.根据权利要求1所述的引入目标行为及碰撞概率的风险评估算法，其特征在于：步骤2）中，行为类别有四种，分别为pass、cut-in、Run-forward和cross。
4.根据权利要求1所述的引入目标行为及碰撞概率的风险评估算法，其特征在于：步骤1）中，当目标车处于运动状态时，自车通行域按如下方法确定，
以自车坐标系为基准，以纵向30m距离为边界，当目标相对纵向距离PosX≤30m时，如果目标的相对横向距离绝对值PosY <abs(halfwidth+offset1)，其中，halfwidth指半个车宽，offset1是第一偏移量；则认为目标此时在通行域内；
以自车坐标系为基准，以纵向150m距离为边界，当PosX >150m时，如果PosY <abs(halfwidth+offset2)，其中offset2是第二偏移量，则认为目标此时在通行域内；
当30m <PosX≤150m时，如果PosY <abs(halfwidth+offset3)，offset3是offset1与offset2的线性插值，则认为目标此时在通行域内。
5.根据权利要求1所述的引入目标行为及碰撞概率的风险评估算法，其特征在于：步骤1）中，当目标车处于静止状态时，自车通行域按如下方法确定，
以自车坐标系为基准，以纵向30m距离为边界，当目标相对纵向距离PosX≤30m时，Abs（PosY）<abs(halfwidth+offset1+factor1)，factor1是第一偏离因子，则认为目标此时在通行域内；
以自车坐标系为基准，以纵向150m距离为边界，当PosX>150m时，如果abs（PosY）<abs(halfwidth+offset2+factor2)，factor2是第二偏离因子，则认为目标此时在通行域内；
当目标距离30m <PosX≤150m时，如果abs（PosY）<abs(halfwidth+offset3+factor3)，factor3是第三偏离因子，则认为目标此时在通行域内。
CN202210114652.2A 2022-01-30 2022-01-30 引入目标行为及碰撞概率的风险评估算法 Active CN114475587B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210114652.2A CN114475587B (zh) 2022-01-30 2022-01-30 引入目标行为及碰撞概率的风险评估算法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210114652.2A CN114475587B (zh) 2022-01-30 2022-01-30 引入目标行为及碰撞概率的风险评估算法

Publications (2)

Publication Number Publication Date
CN114475587A true CN114475587A (zh) 2022-05-13
CN114475587B CN114475587B (zh) 2024-04-30

Family

ID=81477775

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210114652.2A Active CN114475587B (zh) 2022-01-30 2022-01-30 引入目标行为及碰撞概率的风险评估算法

Country Status (1)

Country Link
CN (1) CN114475587B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117246321A (zh) * 2023-09-14 2023-12-19 武汉科技大学 一种多场景下的前方危险目标检测方法及aeb控制策略

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110246156A1 (en) * 2008-12-23 2011-10-06 Continental Safety Engineering International Gmbh Method for Determining the Probability of a Collision of a Vehicle With a Living Being
CN106428000A (zh) * 2016-09-07 2017-02-22 清华大学 一种车辆速度控制装置和方法
CN108569287A (zh) * 2017-12-15 2018-09-25 蔚来汽车有限公司 生成车辆控制命令的方法和装置、车辆控制器、存储介质
CN109572693A (zh) * 2019-01-24 2019-04-05 湖北亿咖通科技有限公司 车辆避障辅助方法、系统及车辆
DE102018104270A1 (de) * 2018-02-26 2019-08-29 Connaught Electronics Ltd. Verfahren zum Vorhersagen des Verhaltens mindestens eines Fußgängers
CN110239549A (zh) * 2018-03-08 2019-09-17 本田技研工业株式会社 车辆控制装置、车辆控制方法及存储介质
CN110816523A (zh) * 2018-08-10 2020-02-21 现代自动车株式会社 车辆及其控制方法
CN111094096A (zh) * 2017-09-29 2020-05-01 本田技研工业株式会社 车辆控制装置、车辆控制方法及程序
CN111488792A (zh) * 2019-01-29 2020-08-04 福特全球技术公司 用于预测行人行为的系统和方法
CN111731279A (zh) * 2020-06-24 2020-10-02 重庆长安汽车股份有限公司 融合侧视摄像头实现车辆侧面保护的方法、车载设备及车辆
CN113799794A (zh) * 2020-06-16 2021-12-17 华为技术有限公司 车辆纵向运动参数的规划方法和装置
CN113844439A (zh) * 2021-09-30 2021-12-28 重庆长安汽车股份有限公司 一种用于辅助驾驶的低速辅助制动辅助决策方法、系统及计算机可读存储介质
US20210403003A1 (en) * 2020-06-24 2021-12-30 Humanising Autonomy Limited Appearance and Movement Based Model for Determining Risk of Micro Mobility Users

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110246156A1 (en) * 2008-12-23 2011-10-06 Continental Safety Engineering International Gmbh Method for Determining the Probability of a Collision of a Vehicle With a Living Being
CN106428000A (zh) * 2016-09-07 2017-02-22 清华大学 一种车辆速度控制装置和方法
CN111094096A (zh) * 2017-09-29 2020-05-01 本田技研工业株式会社 车辆控制装置、车辆控制方法及程序
CN108569287A (zh) * 2017-12-15 2018-09-25 蔚来汽车有限公司 生成车辆控制命令的方法和装置、车辆控制器、存储介质
DE102018104270A1 (de) * 2018-02-26 2019-08-29 Connaught Electronics Ltd. Verfahren zum Vorhersagen des Verhaltens mindestens eines Fußgängers
CN110239549A (zh) * 2018-03-08 2019-09-17 本田技研工业株式会社 车辆控制装置、车辆控制方法及存储介质
CN110816523A (zh) * 2018-08-10 2020-02-21 现代自动车株式会社 车辆及其控制方法
CN109572693A (zh) * 2019-01-24 2019-04-05 湖北亿咖通科技有限公司 车辆避障辅助方法、系统及车辆
CN111488792A (zh) * 2019-01-29 2020-08-04 福特全球技术公司 用于预测行人行为的系统和方法
CN113799794A (zh) * 2020-06-16 2021-12-17 华为技术有限公司 车辆纵向运动参数的规划方法和装置
CN111731279A (zh) * 2020-06-24 2020-10-02 重庆长安汽车股份有限公司 融合侧视摄像头实现车辆侧面保护的方法、车载设备及车辆
US20210403003A1 (en) * 2020-06-24 2021-12-30 Humanising Autonomy Limited Appearance and Movement Based Model for Determining Risk of Micro Mobility Users
CN113844439A (zh) * 2021-09-30 2021-12-28 重庆长安汽车股份有限公司 一种用于辅助驾驶的低速辅助制动辅助决策方法、系统及计算机可读存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117246321A (zh) * 2023-09-14 2023-12-19 武汉科技大学 一种多场景下的前方危险目标检测方法及aeb控制策略

Also Published As

Publication number Publication date
CN114475587B (zh) 2024-04-30

Similar Documents

Publication Publication Date Title
CN110155046B (zh) 自动紧急制动分级控制方法与系统
CN110705388B (zh) 一种基于预测反馈的辅助驾驶用目标车辆换道识别方法
US20190155291A1 (en) Methods and systems for automated driving system simulation, validation, and implementation
CN112896188B (zh) 一种考虑前车遭遇的自动驾驶决策控制的系统
US20230021615A1 (en) Vehicle control device, and vehicle control system
CN110077398B (zh) 一种用于智能驾驶的危险处理方法
CN112406820B (zh) 多车道增强型自动紧急制动系统控制方法
CN111038502A (zh) 一种安全车距预估、修正、预警、驾驶资质评估方法及系统
CN114967499B (zh) 一种自动紧急制动仿真测试系统及测试方法
Kim et al. Crash probability and error rates for head-on collisions based on stochastic analyses
CN113859232B (zh) 一种车辆自动驾驶潜在目标预测报警方法及系统
Hyeon et al. Influence of speed forecasting on the performance of ecological adaptive cruise control
CN113962011A (zh) 一种电动汽车制动系模型及其建立方法
CN114475587A (zh) 引入目标行为及碰撞概率的风险评估算法
CN115092131A (zh) 一种车辆巡航系统及方法
Lai et al. Simulation analysis of automatic emergency braking system under constant steer conditions
KR102011665B1 (ko) 차량용 ａｃｃ 시스템 시험평가 장치 및 방법
CN112026767B (zh) 自适应巡航对护栏误识别的处理方法、系统及车辆
CN114802231A (zh) 危险等级判定方法、装置、电子设备及存储介质
CN117485369A (zh) 一种物流机器人运输中变形障碍物实时检测方法
Sevil et al. Development of an adaptive autonomous emergency braking system based on road friction
Ding et al. Research on safety lane change warning method based on potential angle collision point
CN115056773B (zh) 一种低速场景下的行人微碰撞识别方法及系统
CN113911131A (zh) 面向自动驾驶环境人车冲突的责任敏感安全模型标定方法
CN112351407A (zh) 一种基于5g分级决策的aeb策略方法

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