CN114572138A - 自动驾驶车辆事故故障自检方法、装置、设备及存储介质 - Google Patents
自动驾驶车辆事故故障自检方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114572138A CN114572138A CN202210254009.XA CN202210254009A CN114572138A CN 114572138 A CN114572138 A CN 114572138A CN 202210254009 A CN202210254009 A CN 202210254009A CN 114572138 A CN114572138 A CN 114572138A
- Authority
- CN
- China
- Prior art keywords
- self
- fault
- checking
- accident
- information
- 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
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000001514 detection method Methods 0.000 claims abstract description 54
- 230000006870 function Effects 0.000 claims description 99
- 230000007613 environmental effect Effects 0.000 claims description 74
- 238000012544 monitoring process Methods 0.000 claims description 67
- 238000012360 testing method Methods 0.000 claims description 8
- 238000010998 test method Methods 0.000 claims 1
- 239000002699 waste material Substances 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000012806 monitoring device Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000004927 fusion Effects 0.000 description 4
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R21/00—Arrangements or fittings on vehicles for protecting or preventing injuries to occupants or pedestrians in case of accidents or other traffic risks
-
- 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
- B60R16/0232—Circuits relating to the driving or the functioning of the vehicle for measuring vehicle parameters and indicating critical, abnormal or dangerous conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R21/00—Arrangements or fittings on vehicles for protecting or preventing injuries to occupants or pedestrians in case of accidents or other traffic risks
- B60R2021/0027—Post collision measures, e.g. notifying emergency services
-
- 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)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种自动驾驶车辆事故故障自检方法、装置、设备及存储介质，所述方法通过在检测到自动驾驶车辆发生事故后，启动故障自检分析功能；根据所述自检分析功能依次对所述自动驾驶车辆的感知层、决策层和执行层进行故障自检并生成自检结果；根据所述自检结果确定对应的事故描述信息，将所述事故描述信息进行反馈，能够提高传感器故障检测的准确性，避免由于出现误判的情况而导致不可挽回的损失，保证了自动驾驶的安全性，减少了车辆失控的可能性，避免了自动驾驶车辆在故障分析时的资源浪费，降低了故障分析成本和自动驾驶事故率，提升了自动驾驶车辆事故故障自检的速度和效率。
Description
技术领域
本发明涉及自动驾驶技术领域，尤其涉及一种自动驾驶车辆事故故障自检方法、装置、设备及存储介质。
背景技术
现如今，装有自动驾驶辅助系统的车辆事故频发，为了能够从中吸取教训，改善车辆，满足道路车辆的安全性；如当自动驾驶车辆发生事故后，自身事故车辆能够完成故障自检测，并将事故原因上报到道路交通事故的专有数据库中，就尤为重要。
现有方案是若车辆未退出自动驾驶状态，则检测车辆在发生故障时的地图数据是否存在，若存在地图数据，则对车辆发生的故障进行分类以获得车辆的故障类别；若不存在地图数据，则将车辆发生的故障判定为地图丢失故障；现有方案存在以下缺点：仅能检测车辆发生故障的地图数据，不能够确切的针对自动驾驶系统或辅助系统造成事故的原因，仍无法解决实质意义上的自动驾驶车辆的故障。
发明内容
本发明的主要目的在于提供一种自动驾驶车辆事故故障自检方法、装置、设备及存储介质，旨在解决现有技术中仅依据地图数据确定制动驾驶事故原因，故障判断准确性低，容易出现误判漏判情况，进而影响自动驾驶汽车行驶的安全性能的技术问题。
第一方面，本发明提供一种自动驾驶车辆事故故障自检方法，所述自动驾驶车辆事故故障自检方法包括以下步骤：
在检测到自动驾驶车辆发生事故后，启动故障自检分析功能；
根据所述自检分析功能依次对所述自动驾驶车辆的感知层、决策层和执行层进行故障自检并生成自检结果；
根据所述自检结果确定对应的事故描述信息，将所述事故描述信息进行反馈。
可选地，所述在检测到自动驾驶车辆发生事故后，启动故障自检分析功能，包括：
在检测到自动驾驶车辆发生事故后，获取所述自动驾驶车辆的当前车辆位置；
获取所述当前车辆位置的预设范围内的道路交通监控数据，根据所述道路交通监控数据启动故障自检分析功能。
可选地，所述根据所述自检分析功能依次对所述自动驾驶车辆的感知层、决策层和执行层进行故障自检并生成自检结果，包括：
根据所述自检分析功能获取车载传感器的传感器监测数据，根据所述传感器监测数据和所述道路交通监控数据对所述自动驾驶车辆的感知层进行故障自检，并生成感知层自检结果；
在所述感知层自检结果为正常时，根据所述自检分析功能获取决策规划路径，根据所述决策规划路径对所述自动驾驶车辆的决策层进行故障自检，并生成决策层自检结果；
在所述决策层自检结果为正常时，根据所述自检分析功能获取方向数据和制动踏板数据，根据所述方向数据和制动踏板数据对所述自动驾驶车辆的执行层进行故障自检，并生成执行层自检结果。
可选地，所述根据所述自检分析功能获取车载传感器的传感器监测数据，根据所述传感器监测数据和所述道路交通监控数据对所述自动驾驶车辆的感知层进行故障自检，并生成感知层自检结果，包括：
根据所述自检分析功能获取车载传感器采集的雨刮频率数据和摄像头状态数据；
将所述雨刮频率数据与预设雨刮频率阈值进行比较，在所述雨刮频率大于所述预设雨刮频率阈值，且雨刮传感器运行异常时，判定发生雨刮传感器故障，生成雨刮故障信息；
根据所述摄像头状态数据确定是否发生摄像头故障，在发生摄像头故障时，生成摄像头故障信息；
从所述道路交通监控数据中获取目标物信息和环境信息，在所述目标物信息与所述自动驾驶车辆的车辆信息一致时，确定目标物正确，并从所述环境信息中获得环境温度和环境湿度；
在所述环境温度大于预设温度阈值，所述环境湿度大于预设湿度阈值，且环境信息采集传感器运行异常时，判断环境信息采集传感器故障，生成环境信息采集传感器故障信息；
根据所述雨刮故障信息、所述摄像头故障信息和所述环境信息采集传感器故障信息生成感知层自检结果。
可选地，所述在所述感知层自检结果为正常时，根据所述自检分析功能获取决策规划路径，根据所述决策规划路径对所述自动驾驶车辆的决策层进行故障自检，并生成决策层自检结果，包括：
在所述感知层自检结果为正常时，根据所述自检分析功能获取决策规划路径；
从所述道路交通监控数据中获取事故关联车辆的车辆行驶路径，将所述车辆行驶路径与所述决策规划路径进行匹配，在所述车辆行驶路径与所述决策规划路径匹配时，生成决策规划路径错误信息，根据所述决策规划路径错误信息的决策层自检结果。
可选地，所述在所述决策层自检结果为正常时，根据所述自检分析功能获取方向数据和制动踏板数据，根据所述方向数据和制动踏板数据对所述自动驾驶车辆的执行层进行故障自检，并生成执行层自检结果，包括：
在所述决策层自检结果为正常时，根据所述自检分析功能获取方向数据和制动踏板数据，获取方向盘指令对应的转角速度估计值，并获取制动指令对应的制动角度估计值；
从所述方向数据中获得方向盘转角速度，从所述制动踏板数据中获得制动踏板角度，在所述方向盘转角速度小于所述转角速度估计值时，生成方向盘故障信息，在所述制动踏板角度小于所述制动角度估计值时，生成制动踏板故障信息；
将所述方向盘故障信息和所述制动踏板故障信息生成执行层自检结果。
可选地，所述根据所述自检结果确定对应的事故描述信息，将所述事故描述信息进行反馈，包括：
在所述自检结果为感知层故障时，获取对应的传感器故障信息，传感器故障发生时间和传感器故障发生地点，将所述传感器故障信息，所述传感器故障发生时间和所述传感器故障发生地点作为事故描述信息进行反馈；
在所述自检结果为决策层故障时，获取对应的路径规划错误信息，错误发生时间和错误发生地点，将所述路径规划错误信息，所述错误发生时间和所述错误发生地点作为事故描述信息进行反馈；
在所述自检结果为执行层故障时，获取对应的方向盘执行故障信息和/或制动踏板执行故障信息，执行故障发生时间和执行故障发生地点，将所述方向盘执行故障信息和/或所述制动踏板执行故障信息，所述执行故障发生时间和所述执行故障发生地点作为事故描述信息进行反馈。
第二方面，为实现上述目的，本发明还提出一种自动驾驶车辆事故故障自检装置，所述自动驾驶车辆事故故障自检装置包括：
功能启动模块，用于在检测到自动驾驶车辆发生事故后，启动故障自检分析功能；
自检模块，用于根据所述自检分析功能依次对所述自动驾驶车辆的感知层、决策层和执行层进行故障自检并生成自检结果；
反馈模块，用于根据所述自检结果确定对应的事故描述信息，将所述事故描述信息进行反馈。
第三方面，为实现上述目的，本发明还提出一种自动驾驶车辆事故故障自检设备，所述自动驾驶车辆事故故障自检设备包括：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自动驾驶车辆事故故障自检程序，所述自动驾驶车辆事故故障自检程序配置为实现如上文所述的自动驾驶车辆事故故障自检方法的步骤。
第四方面，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自动驾驶车辆事故故障自检程序，所述自动驾驶车辆事故故障自检程序被处理器执行时实现如上文所述的自动驾驶车辆事故故障自检方法的步骤。
本发明提出的自动驾驶车辆事故故障自检方法，通过在检测到自动驾驶车辆发生事故后，启动故障自检分析功能；根据所述自检分析功能依次对所述自动驾驶车辆的感知层、决策层和执行层进行故障自检并生成自检结果；根据所述自检结果确定对应的事故描述信息，将所述事故描述信息进行反馈，能够提高传感器故障检测的准确性，避免由于出现误判的情况而导致不可挽回的损失，保证了自动驾驶的安全性，减少了车辆失控的可能性，避免了自动驾驶车辆在故障分析时的资源浪费，降低了故障分析成本和自动驾驶事故率，提升了自动驾驶车辆事故故障自检的速度和效率。
附图说明
图1为本发明实施例方案涉及的硬件运行环境的设备结构示意图；
图2为本发明自动驾驶车辆事故故障自检方法第一实施例的流程示意图；
图3为本发明自动驾驶车辆事故故障自检方法第二实施例的流程示意图；
图4为本发明自动驾驶车辆事故故障自检方法第三实施例的流程示意图；
图5为本发明自动驾驶车辆事故故障自检方法第四实施例的流程示意图；
图6为本发明自动驾驶车辆事故故障自检方法第五实施例的流程示意图；
图7为本发明自动驾驶车辆事故故障自检方法第六实施例的流程示意图；
图8为本发明自动驾驶车辆事故故障自检方法第七实施例的流程示意图；
图9为本发明自动驾驶车辆事故故障自检装置第一实施例的功能模块图。
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仅用以解释本发明，并不用于限定本发明。
本发明实施例的解决方案主要是：通过在检测到自动驾驶车辆发生事故后，启动故障自检分析功能；根据所述自检分析功能依次对所述自动驾驶车辆的感知层、决策层和执行层进行故障自检并生成自检结果；根据所述自检结果确定对应的事故描述信息，将所述事故描述信息进行反馈，能够提高传感器故障检测的准确性，避免由于出现误判的情况而导致不可挽回的损失，保证了自动驾驶的安全性，减少了车辆失控的可能性，避免了自动驾驶车辆在故障分析时的资源浪费，降低了故障分析成本和自动驾驶事故率，提升了自动驾驶车辆事故故障自检的速度和效率，解决了现有技术中仅依据地图数据确定制动驾驶事故原因，故障判断准确性低，容易出现误判漏判情况，进而影响自动驾驶汽车行驶的安全性能的技术问题。
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设备结构示意图。
如图1所示，该设备可以包括：处理器1001，例如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Wi-Fi接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(Non-Volatile Memory)，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中示出的设备结构并不构成对该设备的限定，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中可以包括操作装置、网络通信模块、用户接口模块以及自动驾驶车辆事故故障自检程序。
本发明设备通过处理器1001调用存储器1005中存储的自动驾驶车辆事故故障自检程序，并执行以下操作：
在检测到自动驾驶车辆发生事故后，启动故障自检分析功能；
根据所述自检分析功能依次对所述自动驾驶车辆的感知层、决策层和执行层进行故障自检并生成自检结果；
根据所述自检结果确定对应的事故描述信息，将所述事故描述信息进行反馈。
本发明设备通过处理器1001调用存储器1005中存储的自动驾驶车辆事故故障自检程序，还执行以下操作：
在检测到自动驾驶车辆发生事故后，获取所述自动驾驶车辆的当前车辆位置；
获取所述当前车辆位置的预设范围内的道路交通监控数据，根据所述道路交通监控数据启动故障自检分析功能。
本发明设备通过处理器1001调用存储器1005中存储的自动驾驶车辆事故故障自检程序，还执行以下操作：
根据所述自检分析功能获取车载传感器的传感器监测数据，根据所述传感器监测数据和所述道路交通监控数据对所述自动驾驶车辆的感知层进行故障自检，并生成感知层自检结果；
在所述感知层自检结果为正常时，根据所述自检分析功能获取决策规划路径，根据所述决策规划路径对所述自动驾驶车辆的决策层进行故障自检，并生成决策层自检结果；
在所述决策层自检结果为正常时，根据所述自检分析功能获取方向数据和制动踏板数据，根据所述方向数据和制动踏板数据对所述自动驾驶车辆的执行层进行故障自检，并生成执行层自检结果。
本发明设备通过处理器1001调用存储器1005中存储的自动驾驶车辆事故故障自检程序，还执行以下操作：
根据所述自检分析功能获取车载传感器采集的雨刮频率数据和摄像头状态数据；
将所述雨刮频率数据与预设雨刮频率阈值进行比较，在所述雨刮频率大于所述预设雨刮频率阈值，且雨刮传感器运行异常时，判定发生雨刮传感器故障，生成雨刮故障信息；
根据所述摄像头状态数据确定是否发生摄像头故障，在发生摄像头故障时，生成摄像头故障信息；
从所述道路交通监控数据中获取目标物信息和环境信息，在所述目标物信息与所述自动驾驶车辆的车辆信息一致时，确定目标物正确，并从所述环境信息中获得环境温度和环境湿度；
在所述环境温度大于预设温度阈值，所述环境湿度大于预设湿度阈值，且环境信息采集传感器运行异常时，判断环境信息采集传感器故障，生成环境信息采集传感器故障信息；
根据所述雨刮故障信息、所述摄像头故障信息和所述环境信息采集传感器故障信息生成感知层自检结果。
本发明设备通过处理器1001调用存储器1005中存储的自动驾驶车辆事故故障自检程序，还执行以下操作：
在所述感知层自检结果为正常时，根据所述自检分析功能获取决策规划路径；
从所述道路交通监控数据中获取事故关联车辆的车辆行驶路径，将所述车辆行驶路径与所述决策规划路径进行匹配，在所述车辆行驶路径与所述决策规划路径匹配时，生成决策规划路径错误信息，根据所述决策规划路径错误信息的决策层自检结果。
本发明设备通过处理器1001调用存储器1005中存储的自动驾驶车辆事故故障自检程序，还执行以下操作：
在所述决策层自检结果为正常时，根据所述自检分析功能获取方向数据和制动踏板数据，获取方向盘指令对应的转角速度估计值，并获取制动指令对应的制动角度估计值；
从所述方向数据中获得方向盘转角速度，从所述制动踏板数据中获得制动踏板角度，在所述方向盘转角速度小于所述转角速度估计值时，生成方向盘故障信息，在所述制动踏板角度小于所述制动角度估计值时，生成制动踏板故障信息；
将所述方向盘故障信息和所述制动踏板故障信息生成执行层自检结果。
本发明设备通过处理器1001调用存储器1005中存储的自动驾驶车辆事故故障自检程序，还执行以下操作：
在所述自检结果为感知层故障时，获取对应的传感器故障信息，传感器故障发生时间和传感器故障发生地点，将所述传感器故障信息，所述传感器故障发生时间和所述传感器故障发生地点作为事故描述信息进行反馈；
在所述自检结果为决策层故障时，获取对应的路径规划错误信息，错误发生时间和错误发生地点，将所述路径规划错误信息，所述错误发生时间和所述错误发生地点作为事故描述信息进行反馈；
在所述自检结果为执行层故障时，获取对应的方向盘执行故障信息和/或制动踏板执行故障信息，执行故障发生时间和执行故障发生地点，将所述方向盘执行故障信息和/或所述制动踏板执行故障信息，所述执行故障发生时间和所述执行故障发生地点作为事故描述信息进行反馈。
本实施例通过上述方案，通过在检测到自动驾驶车辆发生事故后，启动故障自检分析功能；根据所述自检分析功能依次对所述自动驾驶车辆的感知层、决策层和执行层进行故障自检并生成自检结果；根据所述自检结果确定对应的事故描述信息，将所述事故描述信息进行反馈，能够提高传感器故障检测的准确性，避免由于出现误判的情况而导致不可挽回的损失，保证了自动驾驶的安全性，减少了车辆失控的可能性，避免了自动驾驶车辆在故障分析时的资源浪费，降低了故障分析成本和自动驾驶事故率，提升了自动驾驶车辆事故故障自检的速度和效率。
基于上述硬件结构，提出本发明自动驾驶车辆事故故障自检方法实施例。
参照图2，图2为本发明自动驾驶车辆事故故障自检方法第一实施例的流程示意图。
在第一实施例中，所述自动驾驶车辆事故故障自检方法包括以下步骤：
步骤S10、在检测到自动驾驶车辆发生事故后，启动故障自检分析功能。
需要说明的是，在检测到自动驾驶车辆发生事故后，能够立刻进行自动驾驶车辆事故后故障自检，即及时启动故障自检分析功能。
步骤S20、根据所述自检分析功能依次对所述自动驾驶车辆的感知层、决策层和执行层进行故障自检并生成自检结果。
可以理解的是，根据所述自检分析功能可以从多个层次找到自动驾驶汽车故障的原因，即从汽车感知层、决策层、执行层三者层面逐步分析，能够获得对应的故障自检结果。
步骤S30、根据所述自检结果确定对应的事故描述信息，将所述事故描述信息进行反馈。
应当理解的是，根据所述自检结果可以确定对应的自动驾驶车辆事故故障的事故描述信息，进而可以将所述事故描述信息进行反馈，可以发送至车辆故障处理中心，还可以发送至互联网或其他云平台，进行后续故障处理，本实施例对此不加以限制。
本实施例通过上述方案，通过在检测到自动驾驶车辆发生事故后，启动故障自检分析功能；根据所述自检分析功能依次对所述自动驾驶车辆的感知层、决策层和执行层进行故障自检并生成自检结果；根据所述自检结果确定对应的事故描述信息，将所述事故描述信息进行反馈，能够提高传感器故障检测的准确性，避免由于出现误判的情况而导致不可挽回的损失，保证了自动驾驶的安全性，减少了车辆失控的可能性，避免了自动驾驶车辆在故障分析时的资源浪费，降低了故障分析成本和自动驾驶事故率，提升了自动驾驶车辆事故故障自检的速度和效率。
进一步地，图3为本发明自动驾驶车辆事故故障自检方法第二实施例的流程示意图，如图3所示，基于第一实施例提出本发明自动驾驶车辆事故故障自检方法第二实施例，在本实施例中，所述步骤S10具体包括以下步骤：
步骤S11、在检测到自动驾驶车辆发生事故后，获取所述自动驾驶车辆的当前车辆位置。
需要说明的是，在检测到自动驾驶车辆发生事故后，可以及时采集所述自动驾驶车辆的当前车辆位置，一般可以通过车载定位装置进行车辆的实时位置，还可以通过车内移动终端的卫星定位功能获得所述自动驾驶车辆的当前车辆位置，还可以通过具有定位功能的装置反馈车辆位置，本实施例对此不加以限制。
步骤S12、获取所述当前车辆位置的预设范围内的道路交通监控数据，根据所述道路交通监控数据启动故障自检分析功能。
可以理解的是，在自动驾驶车辆在发生事故后，可以及时定位当前车辆位置，利用互联网技术自动调取当前位置周围能覆盖该车辆位置的监控装置，即道路交通安全摄像头，通过摄像头可以获得所述当前车辆位置的预设范围内的道路交通监控数据，进而根据所述道路交通监控数据启动故障自检分析功能。
本实施例通过上述方案，通过在检测到自动驾驶车辆发生事故后，获取所述自动驾驶车辆的当前车辆位置；获取所述当前车辆位置的预设范围内的道路交通监控数据，根据所述道路交通监控数据启动故障自检分析功能，通过调取事发车辆的周围监控数据，进而为故障判断提供数据支持，能够提高自动驾驶故障判断的准确性。
进一步地，图4为本发明自动驾驶车辆事故故障自检方法第三实施例的流程示意图，如图4所示，基于第一实施例提出本发明自动驾驶车辆事故故障自检方法第三实施例，在本实施例中，所述步骤S20具体包括以下步骤：
步骤S21、根据所述自检分析功能获取车载传感器的传感器监测数据，根据所述传感器监测数据和所述道路交通监控数据对所述自动驾驶车辆的感知层进行故障自检，并生成感知层自检结果。
需要说明的是，根据所述自检分析功能获取车载传感器的传感器监测数据，车载传感器可以为设置在车辆中多种传感器，不同的传感器会对应有不同类型的传感器监测数据，通过所述传感器监测数据和所述道路交通监控数据能够对所述自动驾驶车辆的感知层进行故障自检，根据感知层自检结果确定车辆事故故障的原因。
步骤S22、在所述感知层自检结果为正常时，根据所述自检分析功能获取决策规划路径，根据所述决策规划路径对所述自动驾驶车辆的决策层进行故障自检，并生成决策层自检结果。
可以理解的是，在所述感知层自检结果为正常，即不存在感知层故障时，自检分析功能获取决策规划路径，所述决策规划路径为预先决策规划的车辆行驶路径，可以根据所述决策规划路径对所述自动驾驶车辆的决策层进行故障自检，从而获得对应的决策层自检结果。
步骤S23、在所述决策层自检结果为正常时，根据所述自检分析功能获取方向数据和制动踏板数据，根据所述方向数据和制动踏板数据对所述自动驾驶车辆的执行层进行故障自检，并生成执行层自检结果。
应当理解的是，在所述决策层自检结果为正常，即不存在决策层故障时，可以根据自检分析功能获取方向数据和制动踏板数据，所述方向数据为方向盘在转动时对应的转角速度对应的数据，所述制动踏板数据为车辆自动踏板在踩下时的角度数据，通过所述方向数据和制动踏板数据与预先设定的阈值比较，可以根据比较结果对所述自动驾驶车辆的执行层进行故障自检，从而生成执行层自检结果。
本实施例通过上述方案，通过根据所述自检分析功能获取车载传感器的传感器监测数据，根据所述传感器监测数据和所述道路交通监控数据对所述自动驾驶车辆的感知层进行故障自检，并生成感知层自检结果；在所述感知层自检结果为正常时，根据所述自检分析功能获取决策规划路径，根据所述决策规划路径对所述自动驾驶车辆的决策层进行故障自检，并生成决策层自检结果；在所述决策层自检结果为正常时，根据所述自检分析功能获取方向数据和制动踏板数据，根据所述方向数据和制动踏板数据对所述自动驾驶车辆的执行层进行故障自检，并生成执行层自检结果，能够提高传感器故障检测的准确性，避免由于出现误判的情况而导致不可挽回的损失。
进一步地，图5为本发明自动驾驶车辆事故故障自检方法第四实施例的流程示意图，如图5所示，基于第三实施例提出本发明自动驾驶车辆事故故障自检方法第四实施例，在本实施例中，所述步骤S21具体包括以下步骤：
步骤S211、根据所述自检分析功能获取车载传感器采集的雨刮频率数据和摄像头状态数据。
需要说明的是，根据所述自检分析功能获取雨刮传感器的雨刮频率数据，根据摄像头或拍摄传感器可以获取摄像头在私有CAN线上发送的状态信息，即摄像头状态数据。
步骤S212、将所述雨刮频率数据与预设雨刮频率阈值进行比较，在所述雨刮频率大于所述预设雨刮频率阈值，且雨刮传感器运行异常时，判定发生雨刮传感器故障，生成雨刮故障信息。
可以理解的是，将所述雨刮频率数据与预设雨刮频率阈值进行比较根据比较结果可以确定是否是雨刮器故障。
在具体实现中，如果在事故发生前一段时间内检测到雨刮开启，并且雨刮上装置的传感器监测到雨刮的频率大于一定阈值时，则可判定当前环境状况为大雨，如相关受影响传感器未跳转至降级或不可用状态仍继续使用，则可判断该传感器为故障发生原因。
步骤S213、根据所述摄像头状态数据确定是否发生摄像头故障，在发生摄像头故障时，生成摄像头故障信息。
在具体实现中，如果传感器(摄像头)的状态在事故发生前一段时间内，道路交通监控装置显示当前光照情况较差，自动调取摄像头在私有CAN线上发送的状态信息，根据当前摄像头的状态信息，确定摄像头是否跳转至降级或不可用，若否，则可判断该传感器为故障发生原因。
步骤S214、从所述道路交通监控数据中获取目标物信息和环境信息，在所述目标物信息与所述自动驾驶车辆的车辆信息一致时，确定目标物正确，并从所述环境信息中获得环境温度和环境湿度。
应当理解的是，从所述道路交通监控数据中可以获得发生事故的自动驾驶车辆对应的目标物信息，在所述目标物信息和所述自动驾驶车辆的车辆信息一致时，可以确定目标物正确，此时可以进一步从环境信息中获得环境温度和环境湿度。
在具体实现中，调取摄像头/雷达在私有CAN线上发送的目标物信息，系统自动判断与外部交通监控摄像头中物体信息是否一致，确定是否存在物体错误识别、物体漏识别的情况。
步骤S215、在所述环境温度大于预设温度阈值，所述环境湿度大于预设湿度阈值，且环境信息采集传感器运行异常时，判断环境信息采集传感器故障，生成环境信息采集传感器故障信息。
可以理解的是，在所述环境温度大于预设温度阈值，并且所述环境湿度大于预设湿度阈值，且环境信息采集传感器运行异常时，可以确定当前环境信息采集的传感器故障，可以生成环境信息采集传感器故障信息。
在具体实现中，如果温度、湿度传感器监测到当前温度、湿度已经超过车辆既定范围时，则可判断当前环境状态温度、湿度不满足自动驾驶要求，如相关受影响传感器未跳转至降级或不可用状态仍继续使用，则可判断该传感器为故障发生原因。
步骤S216、根据所述雨刮故障信息、所述摄像头故障信息和所述环境信息采集传感器故障信息生成感知层自检结果。
应当理解的是，通过整合所述雨刮故障信息、所述摄像头故障信息和所述环境信息采集传感器故障信息，可以生成感知层自检结果。
本实施例通过上述方案，通过根据所述自检分析功能获取车载传感器采集的雨刮频率数据和摄像头状态数据；将所述雨刮频率数据与预设雨刮频率阈值进行比较，在所述雨刮频率大于所述预设雨刮频率阈值，且雨刮传感器运行异常时，判定发生雨刮传感器故障，生成雨刮故障信息；根据所述摄像头状态数据确定是否发生摄像头故障，在发生摄像头故障时，生成摄像头故障信息；从所述道路交通监控数据中获取目标物信息和环境信息，在所述目标物信息与所述自动驾驶车辆的车辆信息一致时，确定目标物正确，并从所述环境信息中获得环境温度和环境湿度；在所述环境温度大于预设温度阈值，所述环境湿度大于预设湿度阈值，且环境信息采集传感器运行异常时，判断环境信息采集传感器故障，生成环境信息采集传感器故障信息；根据所述雨刮故障信息、所述摄像头故障信息和所述环境信息采集传感器故障信息生成感知层自检结果，能够进一步提升自动驾驶车辆事故故障在感知层面识别的准确性，提高了自动驾驶车辆事故故障确定的速度和效率。
进一步地，图6为本发明自动驾驶车辆事故故障自检方法第五实施例的流程示意图，如图6所示，基于第三实施例提出本发明自动驾驶车辆事故故障自检方法第五实施例，在本实施例中，所述步骤S22具体包括以下步骤：
步骤S221、在所述感知层自检结果为正常时，根据所述自检分析功能获取决策规划路径。
需要说明的是，在所述感知层自检结果为正常时，即感知层的自检未发现原因，则进行决策层的自检，通过所述自检分析功能可以获取决策规划路径。
步骤S222、从所述道路交通监控数据中获取事故关联车辆的车辆行驶路径，将所述车辆行驶路径与所述决策规划路径进行匹配，在所述车辆行驶路径与所述决策规划路径匹配时，生成决策规划路径错误信息，根据所述决策规划路径错误信息的决策层自检结果。
可以理解的是，从所述道路交通监控数据中可以获取事故关联车辆的车辆行驶路径，将所述事故关联车辆的行驶路径和本车的决策规划路径匹配，匹配成功则确定路径规划错误，此时可以生成决策规划路径错误信息，根据所述决策规划路径错误信息的决策层自检结果。
在具体实现中，调出决策规划的路径，与道路监控装置信息融合，判断事故发生时事故车辆(非自车)是否与自车路径的规划轨迹重叠，如果重叠，则可判断决策过程中路径规划错误。
本实施例通过上述方案，通过在所述感知层自检结果为正常时，根据所述自检分析功能获取决策规划路径；从所述道路交通监控数据中获取事故关联车辆的车辆行驶路径，将所述车辆行驶路径与所述决策规划路径进行匹配，在所述车辆行驶路径与所述决策规划路径匹配时，生成决策规划路径错误信息，根据所述决策规划路径错误信息的决策层自检结果，能够进一步提升自动驾驶车辆事故故障在决策层面识别的准确性，提高了自动驾驶车辆事故故障确定的速度和效率。
进一步地，图7为本发明自动驾驶车辆事故故障自检方法第六实施例的流程示意图，如图7所示，基于第三实施例提出本发明自动驾驶车辆事故故障自检方法第六实施例，在本实施例中，所述步骤S23具体包括以下步骤：
步骤S231、在所述决策层自检结果为正常时，根据所述自检分析功能获取方向数据和制动踏板数据，获取方向盘指令对应的转角速度估计值，并获取制动指令对应的制动角度估计值。
需要说明的是，在所述决策层自检结果为正常时，即决策层的自检未发现原因，则进行执行层的自检，此时可以获得方向盘的方向数据，制动踏板对应的制动踏板数据，以及方向盘指令对应的转角速度估计值，和制动指令对应的制动角度估计值。
步骤S232、从所述方向数据中获得方向盘转角速度，从所述制动踏板数据中获得制动踏板角度，在所述方向盘转角速度小于所述转角速度估计值时，生成方向盘故障信息，在所述制动踏板角度小于所述制动角度估计值时，生成制动踏板故障信息。
可以理解的是，从所述方向数据中获得方向盘转角速度，从所述制动踏板数据中获得制动踏板角度，并相应与转角速度估计值和制动角度估计值比较后，能够在所述方向盘转角速度小于所述转角速度估计值时，生成方向盘故障信息，在所述制动踏板角度小于所述制动角度估计值时，生成制动踏板故障信息。
在具体实现中，方向盘转角传感器检测当前实际方向盘转角速度，通过比较自动驾驶车辆发送的方向盘转角速度指令，如若实际方向盘转角速度小于该指令，则可判断执行过程中方向盘执行发生故障；制动踏板检测当前实际制动踏板刹车踩下的角度，通过比较自动驾驶车辆发送的制动指令，如若实际方制动踏板踩下的角度小于该指令，则可判断执行过程中制动执行发生故障；如果执行层的自检未发现原因，则不是本车原因，事故数据将从其他交通参与物中调取。
步骤S233、将所述方向盘故障信息和所述制动踏板故障信息生成执行层自检结果。
应当理解的是，根据所述方向盘故障信息和所述制动踏板故障信息可以生成执行层自检结果。
本实施例通过上述方案，通过在所述决策层自检结果为正常时，根据所述自检分析功能获取方向数据和制动踏板数据，获取方向盘指令对应的转角速度估计值，并获取制动指令对应的制动角度估计值；从所述方向数据中获得方向盘转角速度，从所述制动踏板数据中获得制动踏板角度，在所述方向盘转角速度小于所述转角速度估计值时，生成方向盘故障信息，在所述制动踏板角度小于所述制动角度估计值时，生成制动踏板故障信息；将所述方向盘故障信息和所述制动踏板故障信息生成执行层自检结果；能够进一步提升自动驾驶车辆事故故障在执行层面识别的准确性，提高了自动驾驶车辆事故故障确定的速度和效率。
进一步地，图8为本发明自动驾驶车辆事故故障自检方法第七实施例的流程示意图，如图8所示，基于第一实施例提出本发明自动驾驶车辆事故故障自检方法第七实施例，在本实施例中，所述步骤S30具体包括以下步骤：
步骤S31、在所述自检结果为感知层故障时，获取对应的传感器故障信息，传感器故障发生时间和传感器故障发生地点，将所述传感器故障信息，所述传感器故障发生时间和所述传感器故障发生地点作为事故描述信息进行反馈。
需要说明的是，在所述自检结果为感知层故障时，获取对应的传感器故障信息以及发生时间和地点，从而将所述传感器故障信息，所述传感器故障发生时间和所述传感器故障发生地点作为事故描述信息进行反馈。
步骤S32、在所述自检结果为决策层故障时，获取对应的路径规划错误信息，错误发生时间和错误发生地点，将所述路径规划错误信息，所述错误发生时间和所述错误发生地点作为事故描述信息进行反馈。
可以理解的是，在所述自检结果为决策层故障时，可以获取对应的路径规划错误信息以及发生时间和地点，从而将所述路径规划错误信息，所述错误发生时间和所述错误发生地点作为事故描述信息进行反馈。
步骤S33、在所述自检结果为执行层故障时，获取对应的方向盘执行故障信息和/或制动踏板执行故障信息，执行故障发生时间和执行故障发生地点，将所述方向盘执行故障信息和/或所述制动踏板执行故障信息，所述执行故障发生时间和所述执行故障发生地点作为事故描述信息进行反馈。
应当理解的是，在所述自检结果为执行层故障时，获取对应的方向盘执行故障信息和/或制动踏板执行故障信息，以及相应的发生时间和地点，从而将所述方向盘执行故障信息和/或所述制动踏板执行故障信息，所述执行故障发生时间和所述执行故障发生地点作为事故描述信息进行反馈。
在具体实现中，互联网连接车端信息(自车、事故碰撞车辆、其他交通参与物)、路端信息(交通监控装置)，以及服务支撑(地理位置平台、Web服务、数据融合服务)与数据支撑(公安部共享数据、交通部共享数据、地方公众平台数据)；车端信息包含自车、事故碰撞车辆、其他交通参与物的信息；自车信息是事故发生时，自车自检测发送至互联网的事故故障原因信息；事故碰撞车辆是事故发生时，事故发生车辆自检测发送至互联网的事故故障原因信息；其他交通参与物信息是事故中如果存在的行人和非机动车，其位置信息发送至互联网；路端信息包含交通监控装置，即道路监控摄像头。监控摄像头将当前事故发生时间、地点等详细事故描述信息上报至互联网；服务支撑包含地理位置平台、Web服务、数据融合服务。地理位置平台是基于地图数据实时位置定位事故发生地点；Web服务是提供互联网支持服务；数据融合服务是将车端、场端信息与平台信息、数据信息融合；数据支撑包含公安部共享数据、交通部共享数据、地方公众平台数据；数据用于对比分析同类事故原因事件，并将新发生事故类型及原因记录在数据库中。
本实施例通过上述方案，通过在所述自检结果为感知层故障时，获取对应的传感器故障信息，传感器故障发生时间和传感器故障发生地点，将所述传感器故障信息，所述传感器故障发生时间和所述传感器故障发生地点作为事故描述信息进行反馈；在所述自检结果为决策层故障时，获取对应的路径规划错误信息，错误发生时间和错误发生地点，将所述路径规划错误信息，所述错误发生时间和所述错误发生地点作为事故描述信息进行反馈；在所述自检结果为执行层故障时，获取对应的方向盘执行故障信息和/或制动踏板执行故障信息，执行故障发生时间和执行故障发生地点，将所述方向盘执行故障信息和/或所述制动踏板执行故障信息，所述执行故障发生时间和所述执行故障发生地点作为事故描述信息进行反馈；能够提高传感器故障检测的准确性，避免由于出现误判的情况而导致不可挽回的损失，保证了自动驾驶的安全性，减少了车辆失控的可能性，避免了自动驾驶车辆在故障分析时的资源浪费，降低了故障分析成本和自动驾驶事故率，提升了自动驾驶车辆事故故障自检的速度和效率。
相应地，本发明进一步提供一种自动驾驶车辆事故故障自检装置。
参照图9，图9为本发明自动驾驶车辆事故故障自检装置第一实施例的功能模块图。
本发明自动驾驶车辆事故故障自检装置第一实施例中，该自动驾驶车辆事故故障自检装置包括：
功能启动模块10，用于在检测到自动驾驶车辆发生事故后，启动故障自检分析功能。
自检模块20，用于根据所述自检分析功能依次对所述自动驾驶车辆的感知层、决策层和执行层进行故障自检并生成自检结果。
反馈模块30，用于根据所述自检结果确定对应的事故描述信息，将所述事故描述信息进行反馈。
所述功能启动模块10，还用于在检测到自动驾驶车辆发生事故后，获取所述自动驾驶车辆的当前车辆位置；获取所述当前车辆位置的预设范围内的道路交通监控数据，根据所述道路交通监控数据启动故障自检分析功能。
所述自检模块20，还用于根据所述自检分析功能获取车载传感器的传感器监测数据，根据所述传感器监测数据和所述道路交通监控数据对所述自动驾驶车辆的感知层进行故障自检，并生成感知层自检结果；在所述感知层自检结果为正常时，根据所述自检分析功能获取决策规划路径，根据所述决策规划路径对所述自动驾驶车辆的决策层进行故障自检，并生成决策层自检结果；在所述决策层自检结果为正常时，根据所述自检分析功能获取方向数据和制动踏板数据，根据所述方向数据和制动踏板数据对所述自动驾驶车辆的执行层进行故障自检，并生成执行层自检结果。
所述自检模块20，还用于根据所述自检分析功能获取车载传感器采集的雨刮频率数据和摄像头状态数据；将所述雨刮频率数据与预设雨刮频率阈值进行比较，在所述雨刮频率大于所述预设雨刮频率阈值，且雨刮传感器运行异常时，判定发生雨刮传感器故障，生成雨刮故障信息；根据所述摄像头状态数据确定是否发生摄像头故障，在发生摄像头故障时，生成摄像头故障信息；从所述道路交通监控数据中获取目标物信息和环境信息，在所述目标物信息与所述自动驾驶车辆的车辆信息一致时，确定目标物正确，并从所述环境信息中获得环境温度和环境湿度；在所述环境温度大于预设温度阈值，所述环境湿度大于预设湿度阈值，且环境信息采集传感器运行异常时，判断环境信息采集传感器故障，生成环境信息采集传感器故障信息；根据所述雨刮故障信息、所述摄像头故障信息和所述环境信息采集传感器故障信息生成感知层自检结果。
所述自检模块20，还用于在所述感知层自检结果为正常时，根据所述自检分析功能获取决策规划路径；从所述道路交通监控数据中获取事故关联车辆的车辆行驶路径，将所述车辆行驶路径与所述决策规划路径进行匹配，在所述车辆行驶路径与所述决策规划路径匹配时，生成决策规划路径错误信息，根据所述决策规划路径错误信息的决策层自检结果。
所述自检模块20，还用于在所述决策层自检结果为正常时，根据所述自检分析功能获取方向数据和制动踏板数据，获取方向盘指令对应的转角速度估计值，并获取制动指令对应的制动角度估计值；从所述方向数据中获得方向盘转角速度，从所述制动踏板数据中获得制动踏板角度，在所述方向盘转角速度小于所述转角速度估计值时，生成方向盘故障信息，在所述制动踏板角度小于所述制动角度估计值时，生成制动踏板故障信息；将所述方向盘故障信息和所述制动踏板故障信息生成执行层自检结果。
所述反馈模块30，还用于在所述自检结果为感知层故障时，获取对应的传感器故障信息，传感器故障发生时间和传感器故障发生地点，将所述传感器故障信息，所述传感器故障发生时间和所述传感器故障发生地点作为事故描述信息进行反馈；在所述自检结果为决策层故障时，获取对应的路径规划错误信息，错误发生时间和错误发生地点，将所述路径规划错误信息，所述错误发生时间和所述错误发生地点作为事故描述信息进行反馈；在所述自检结果为执行层故障时，获取对应的方向盘执行故障信息和/或制动踏板执行故障信息，执行故障发生时间和执行故障发生地点，将所述方向盘执行故障信息和/或所述制动踏板执行故障信息，所述执行故障发生时间和所述执行故障发生地点作为事故描述信息进行反馈。
其中，自动驾驶车辆事故故障自检装置的各个功能模块实现的步骤可参照本发明自动驾驶车辆事故故障自检方法的各个实施例，此处不再赘述。
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自动驾驶车辆事故故障自检程序，所述自动驾驶车辆事故故障自检程序被处理器执行时实现如下操作：
在检测到自动驾驶车辆发生事故后，启动故障自检分析功能；
根据所述自检分析功能依次对所述自动驾驶车辆的感知层、决策层和执行层进行故障自检并生成自检结果；
根据所述自检结果确定对应的事故描述信息，将所述事故描述信息进行反馈。
进一步地，所述自动驾驶车辆事故故障自检程序被处理器执行时还实现如下操作：
在检测到自动驾驶车辆发生事故后，获取所述自动驾驶车辆的当前车辆位置；
获取所述当前车辆位置的预设范围内的道路交通监控数据，根据所述道路交通监控数据启动故障自检分析功能。
进一步地，所述自动驾驶车辆事故故障自检程序被处理器执行时还实现如下操作：
根据所述自检分析功能获取车载传感器的传感器监测数据，根据所述传感器监测数据和所述道路交通监控数据对所述自动驾驶车辆的感知层进行故障自检，并生成感知层自检结果；
在所述感知层自检结果为正常时，根据所述自检分析功能获取决策规划路径，根据所述决策规划路径对所述自动驾驶车辆的决策层进行故障自检，并生成决策层自检结果；
在所述决策层自检结果为正常时，根据所述自检分析功能获取方向数据和制动踏板数据，根据所述方向数据和制动踏板数据对所述自动驾驶车辆的执行层进行故障自检，并生成执行层自检结果。
进一步地，所述自动驾驶车辆事故故障自检程序被处理器执行时还实现如下操作：
根据所述自检分析功能获取车载传感器采集的雨刮频率数据和摄像头状态数据；
将所述雨刮频率数据与预设雨刮频率阈值进行比较，在所述雨刮频率大于所述预设雨刮频率阈值，且雨刮传感器运行异常时，判定发生雨刮传感器故障，生成雨刮故障信息；
根据所述摄像头状态数据确定是否发生摄像头故障，在发生摄像头故障时，生成摄像头故障信息；
从所述道路交通监控数据中获取目标物信息和环境信息，在所述目标物信息与所述自动驾驶车辆的车辆信息一致时，确定目标物正确，并从所述环境信息中获得环境温度和环境湿度；
在所述环境温度大于预设温度阈值，所述环境湿度大于预设湿度阈值，且环境信息采集传感器运行异常时，判断环境信息采集传感器故障，生成环境信息采集传感器故障信息；
根据所述雨刮故障信息、所述摄像头故障信息和所述环境信息采集传感器故障信息生成感知层自检结果。
进一步地，所述自动驾驶车辆事故故障自检程序被处理器执行时还实现如下操作：
在所述感知层自检结果为正常时，根据所述自检分析功能获取决策规划路径；
从所述道路交通监控数据中获取事故关联车辆的车辆行驶路径，将所述车辆行驶路径与所述决策规划路径进行匹配，在所述车辆行驶路径与所述决策规划路径匹配时，生成决策规划路径错误信息，根据所述决策规划路径错误信息的决策层自检结果。
进一步地，所述自动驾驶车辆事故故障自检程序被处理器执行时还实现如下操作：
在所述决策层自检结果为正常时，根据所述自检分析功能获取方向数据和制动踏板数据，获取方向盘指令对应的转角速度估计值，并获取制动指令对应的制动角度估计值；
从所述方向数据中获得方向盘转角速度，从所述制动踏板数据中获得制动踏板角度，在所述方向盘转角速度小于所述转角速度估计值时，生成方向盘故障信息，在所述制动踏板角度小于所述制动角度估计值时，生成制动踏板故障信息；
将所述方向盘故障信息和所述制动踏板故障信息生成执行层自检结果。
进一步地，所述自动驾驶车辆事故故障自检程序被处理器执行时还实现如下操作：
在所述自检结果为感知层故障时，获取对应的传感器故障信息，传感器故障发生时间和传感器故障发生地点，将所述传感器故障信息，所述传感器故障发生时间和所述传感器故障发生地点作为事故描述信息进行反馈；
在所述自检结果为决策层故障时，获取对应的路径规划错误信息，错误发生时间和错误发生地点，将所述路径规划错误信息，所述错误发生时间和所述错误发生地点作为事故描述信息进行反馈；
在所述自检结果为执行层故障时，获取对应的方向盘执行故障信息和/或制动踏板执行故障信息，执行故障发生时间和执行故障发生地点，将所述方向盘执行故障信息和/或所述制动踏板执行故障信息，所述执行故障发生时间和所述执行故障发生地点作为事故描述信息进行反馈。
本实施例通过上述方案，通过在检测到自动驾驶车辆发生事故后，启动故障自检分析功能；根据所述自检分析功能依次对所述自动驾驶车辆的感知层、决策层和执行层进行故障自检并生成自检结果；根据所述自检结果确定对应的事故描述信息，将所述事故描述信息进行反馈，能够提高传感器故障检测的准确性，避免由于出现误判的情况而导致不可挽回的损失，保证了自动驾驶的安全性，减少了车辆失控的可能性，避免了自动驾驶车辆在故障分析时的资源浪费，降低了故障分析成本和自动驾驶事故率，提升了自动驾驶车辆事故故障自检的速度和效率。
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、物品或者装置不仅包括那些要素，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、物品或者装置所固有的要素。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、物品或者装置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。
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)
1.一种自动驾驶车辆事故故障自检方法，其特征在于，所述自动驾驶车辆事故故障自检方法，包括：
在检测到自动驾驶车辆发生事故后，启动故障自检分析功能；
根据所述自检分析功能依次对所述自动驾驶车辆的感知层、决策层和执行层进行故障自检并生成自检结果；
根据所述自检结果确定对应的事故描述信息，将所述事故描述信息进行反馈。
2.如权利要求1所述的自动驾驶车辆事故故障自检方法，其特征在于，所述在检测到自动驾驶车辆发生事故后，启动故障自检分析功能，包括：
在检测到自动驾驶车辆发生事故后，获取所述自动驾驶车辆的当前车辆位置；
获取所述当前车辆位置的预设范围内的道路交通监控数据，根据所述道路交通监控数据启动故障自检分析功能。
3.如权利要求2所述的自动驾驶车辆事故故障自检方法，其特征在于，所述根据所述自检分析功能依次对所述自动驾驶车辆的感知层、决策层和执行层进行故障自检并生成自检结果，包括：
根据所述自检分析功能获取车载传感器的传感器监测数据，根据所述传感器监测数据和所述道路交通监控数据对所述自动驾驶车辆的感知层进行故障自检，并生成感知层自检结果；
在所述感知层自检结果为正常时，根据所述自检分析功能获取决策规划路径，根据所述决策规划路径对所述自动驾驶车辆的决策层进行故障自检，并生成决策层自检结果；
在所述决策层自检结果为正常时，根据所述自检分析功能获取方向数据和制动踏板数据，根据所述方向数据和制动踏板数据对所述自动驾驶车辆的执行层进行故障自检，并生成执行层自检结果。
4.如权利要求3所述的自动驾驶车辆事故故障自检方法，其特征在于，所述根据所述自检分析功能获取车载传感器的传感器监测数据，根据所述传感器监测数据和所述道路交通监控数据对所述自动驾驶车辆的感知层进行故障自检，并生成感知层自检结果，包括：
根据所述自检分析功能获取车载传感器采集的雨刮频率数据和摄像头状态数据；
将所述雨刮频率数据与预设雨刮频率阈值进行比较，在所述雨刮频率大于所述预设雨刮频率阈值，且雨刮传感器运行异常时，判定发生雨刮传感器故障，生成雨刮故障信息；
根据所述摄像头状态数据确定是否发生摄像头故障，在发生摄像头故障时，生成摄像头故障信息；
从所述道路交通监控数据中获取目标物信息和环境信息，在所述目标物信息与所述自动驾驶车辆的车辆信息一致时，确定目标物正确，并从所述环境信息中获得环境温度和环境湿度；
在所述环境温度大于预设温度阈值，所述环境湿度大于预设湿度阈值，且环境信息采集传感器运行异常时，判断环境信息采集传感器故障，生成环境信息采集传感器故障信息；
根据所述雨刮故障信息、所述摄像头故障信息和所述环境信息采集传感器故障信息生成感知层自检结果。
5.如权利要求3所述的自动驾驶车辆事故故障自检方法，其特征在于，所述在所述感知层自检结果为正常时，根据所述自检分析功能获取决策规划路径，根据所述决策规划路径对所述自动驾驶车辆的决策层进行故障自检，并生成决策层自检结果，包括：
在所述感知层自检结果为正常时，根据所述自检分析功能获取决策规划路径；
从所述道路交通监控数据中获取事故关联车辆的车辆行驶路径，将所述车辆行驶路径与所述决策规划路径进行匹配，在所述车辆行驶路径与所述决策规划路径匹配时，生成决策规划路径错误信息，根据所述决策规划路径错误信息的决策层自检结果。
6.如权利要求3所述的自动驾驶车辆事故故障自检方法，其特征在于，所述在所述决策层自检结果为正常时，根据所述自检分析功能获取方向数据和制动踏板数据，根据所述方向数据和制动踏板数据对所述自动驾驶车辆的执行层进行故障自检，并生成执行层自检结果，包括：
在所述决策层自检结果为正常时，根据所述自检分析功能获取方向数据和制动踏板数据，获取方向盘指令对应的转角速度估计值，并获取制动指令对应的制动角度估计值；
从所述方向数据中获得方向盘转角速度，从所述制动踏板数据中获得制动踏板角度，在所述方向盘转角速度小于所述转角速度估计值时，生成方向盘故障信息，在所述制动踏板角度小于所述制动角度估计值时，生成制动踏板故障信息；
将所述方向盘故障信息和所述制动踏板故障信息生成执行层自检结果。
7.如权利要求1所述的自动驾驶车辆事故故障自检方法，其特征在于，所述根据所述自检结果确定对应的事故描述信息，将所述事故描述信息进行反馈，包括：
在所述自检结果为感知层故障时，获取对应的传感器故障信息，传感器故障发生时间和传感器故障发生地点，将所述传感器故障信息，所述传感器故障发生时间和所述传感器故障发生地点作为事故描述信息进行反馈；
在所述自检结果为决策层故障时，获取对应的路径规划错误信息，错误发生时间和错误发生地点，将所述路径规划错误信息，所述错误发生时间和所述错误发生地点作为事故描述信息进行反馈；
在所述自检结果为执行层故障时，获取对应的方向盘执行故障信息和/或制动踏板执行故障信息，执行故障发生时间和执行故障发生地点，将所述方向盘执行故障信息和/或所述制动踏板执行故障信息，所述执行故障发生时间和所述执行故障发生地点作为事故描述信息进行反馈。
8.一种自动驾驶车辆事故故障自检装置，其特征在于，所述自动驾驶车辆事故故障自检装置包括：
功能启动模块，用于在检测到自动驾驶车辆发生事故后，启动故障自检分析功能；
自检模块，用于根据所述自检分析功能依次对所述自动驾驶车辆的感知层、决策层和执行层进行故障自检并生成自检结果；
反馈模块，用于根据所述自检结果确定对应的事故描述信息，将所述事故描述信息进行反馈。
9.一种自动驾驶车辆事故故障自检设备，其特征在于，所述自动驾驶车辆事故故障自检设备包括：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自动驾驶车辆事故故障自检程序，所述自动驾驶车辆事故故障自检程序配置为实现如权利要求1至7中任一项所述的自动驾驶车辆事故故障自检方法的步骤。
10.一种存储介质，其特征在于，所述存储介质上存储有自动驾驶车辆事故故障自检程序，所述自动驾驶车辆事故故障自检程序被处理器执行时实现如权利要求1至7中任一项所述的自动驾驶车辆事故故障自检方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210254009.XA CN114572138B (zh) | 2022-03-15 | 2022-03-15 | 自动驾驶车辆事故故障自检方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210254009.XA CN114572138B (zh) | 2022-03-15 | 2022-03-15 | 自动驾驶车辆事故故障自检方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114572138A true CN114572138A (zh) | 2022-06-03 |
| CN114572138B CN114572138B (zh) | 2023-07-25 |
Family
ID=81781425
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210254009.XA Active CN114572138B (zh) | 2022-03-15 | 2022-03-15 | 自动驾驶车辆事故故障自检方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114572138B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114954413A (zh) * | 2022-06-22 | 2022-08-30 | 北京主线科技有限公司 | 车辆自检处理方法、装置、设备及存储介质 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105303645A (zh) * | 2015-09-24 | 2016-02-03 | 上海车音网络科技有限公司 | 一种车载设备、行车监控系统及方法 |
| CN105976450A (zh) * | 2016-04-27 | 2016-09-28 | 百度在线网络技术（北京）有限公司 | 无人驾驶车辆的数据处理方法和装置、黑匣子系统 |
| CN108845579A (zh) * | 2018-08-14 | 2018-11-20 | 苏州畅风加行智能科技有限公司 | 一种港口车辆的自动驾驶系统及其方法 |
| CN109367501A (zh) * | 2018-09-07 | 2019-02-22 | 百度在线网络技术（北京）有限公司 | 自动驾驶系统、车辆控制方法及装置 |
| CN110164181A (zh) * | 2018-02-13 | 2019-08-23 | 阿里巴巴集团控股有限公司 | 一种车辆事故检测、预警方法、设备和系统 |
| CN111028384A (zh) * | 2019-12-12 | 2020-04-17 | 苏州智加科技有限公司 | 自动驾驶车辆的故障智能分类方法和系统 |
| CN111710058A (zh) * | 2020-06-16 | 2020-09-25 | 长安大学 | 一种无人驾驶车辆黑匣子系统及其数据获取方法 |
| WO2020241971A1 (ko) * | 2019-05-30 | 2020-12-03 | 엘지전자 주식회사 | 교통 사고 처리 장치 및 교통 사고 처리 방법 |
| CN113190977A (zh) * | 2021-04-13 | 2021-07-30 | 北京汽车研究总院有限公司 | 自动驾驶车辆的事故责任分析方法及装置 |
-
2022
- 2022-03-15 CN CN202210254009.XA patent/CN114572138B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105303645A (zh) * | 2015-09-24 | 2016-02-03 | 上海车音网络科技有限公司 | 一种车载设备、行车监控系统及方法 |
| CN105976450A (zh) * | 2016-04-27 | 2016-09-28 | 百度在线网络技术（北京）有限公司 | 无人驾驶车辆的数据处理方法和装置、黑匣子系统 |
| CN110164181A (zh) * | 2018-02-13 | 2019-08-23 | 阿里巴巴集团控股有限公司 | 一种车辆事故检测、预警方法、设备和系统 |
| CN108845579A (zh) * | 2018-08-14 | 2018-11-20 | 苏州畅风加行智能科技有限公司 | 一种港口车辆的自动驾驶系统及其方法 |
| CN109367501A (zh) * | 2018-09-07 | 2019-02-22 | 百度在线网络技术（北京）有限公司 | 自动驾驶系统、车辆控制方法及装置 |
| WO2020241971A1 (ko) * | 2019-05-30 | 2020-12-03 | 엘지전자 주식회사 | 교통 사고 처리 장치 및 교통 사고 처리 방법 |
| CN111028384A (zh) * | 2019-12-12 | 2020-04-17 | 苏州智加科技有限公司 | 自动驾驶车辆的故障智能分类方法和系统 |
| CN111710058A (zh) * | 2020-06-16 | 2020-09-25 | 长安大学 | 一种无人驾驶车辆黑匣子系统及其数据获取方法 |
| CN113190977A (zh) * | 2021-04-13 | 2021-07-30 | 北京汽车研究总院有限公司 | 自动驾驶车辆的事故责任分析方法及装置 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114954413A (zh) * | 2022-06-22 | 2022-08-30 | 北京主线科技有限公司 | 车辆自检处理方法、装置、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114572138B (zh) | 2023-07-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113348111B (zh) | 车辆安全监视装置、方法以及程序记录介质 | |
| CN110737688B (zh) | 驾驶数据分析方法、装置、电子设备和计算机存储介质 | |
| US7831348B2 (en) | Failure detection device, failure detection system and failure detection method | |
| CN113485294A (zh) | 车辆的数据记录方法、装置、设备及存储介质 | |
| CN111137282A (zh) | 车辆的碰撞预测方法、装置、车辆和电子设备 | |
| CN111862656A (zh) | 智能运载工具的地图更新方法及装置、存储介质、处理器 | |
| CN111105622A (zh) | 违规停车纠正方法、装置以及存储介质 | |
| CN109360417B (zh) | 一种基于区块链的危险驾驶行为辨识与推送方法及系统 | |
| CN115129041A (zh) | 远程支援系统以及远程支援方法 | |
| CN114572138B (zh) | 自动驾驶车辆事故故障自检方法、装置、设备及存储介质 | |
| CN114387785A (zh) | 一种基于智慧公路的安全管控方法、系统及可存储介质 | |
| CN113386784A (zh) | 车辆速度监控方法、装置、设备及计算机可读存储介质 | |
| JP2020046728A (ja) | 車載器 | |
| CN111161587A (zh) | 车辆的控制方法 | |
| CN113386738A (zh) | 风险预警系统、方法和存储介质 | |
| CN111243290B (zh) | 驾驶行为数据获取和分析方法及系统 | |
| CN109278747B (zh) | 车辆监控系统及方法 | |
| CN111477000B (zh) | 信息处理装置、信息处理方法及存储程序的非易失性存储介质 | |
| EP4435623A1 (en) | Map update method and apparatus thereof | |
| CN115757628A (zh) | 车辆碰撞检测方法、装置、设备及介质 | |
| CN115112149A (zh) | 场地车道线识别测试方法、装置、设备及存储介质 | |
| CN114572234A (zh) | 一种自动驾驶方法、系统、电子设备及可读存储介质 | |
| CN113852928B (zh) | 一种基于5g-v2x的事故自动报告系统及方法 | |
| JP2020154369A (ja) | 障害物情報管理装置、障害物情報管理方法、及び障害物情報管理プログラム | |
| WO2023084984A1 (ja) | データ通信システム、機能管理サーバ、車載システム、推奨機能配信プログラム及び推奨機能提示プログラム |
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 |