CN115578856A - 一种自动驾驶汽车道路测试安全风险评估方法及装置 - Google Patents

一种自动驾驶汽车道路测试安全风险评估方法及装置 Download PDF

Info

Publication number
CN115578856A
CN115578856A CN202211100097.4A CN202211100097A CN115578856A CN 115578856 A CN115578856 A CN 115578856A CN 202211100097 A CN202211100097 A CN 202211100097A CN 115578856 A CN115578856 A CN 115578856A
Authority
CN
China
Prior art keywords
risk
test
road
automatic driving
safety
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.)
Pending
Application number
CN202211100097.4A
Other languages
English (en)
Inventor
王敏
吴昌成
孙巍
王运霞
蔡晨
罗为明
陆文杰
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.)
Traffic Management Research Institute of Ministry of Public Security
Original Assignee
Traffic Management Research Institute of Ministry of Public Security
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 Traffic Management Research Institute of Ministry of Public Security filed Critical Traffic Management Research Institute of Ministry of Public Security
Priority to CN202211100097.4A priority Critical patent/CN115578856A/zh
Publication of CN115578856A publication Critical patent/CN115578856A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • 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
    • G08G1/09—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
    • G08G1/096766—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及交通管理技术领域，具体公开了一种自动驾驶汽车道路测试安全风险评估方法，包括：采集当前自动驾驶汽车测试道路的风险因素；依据当前自动驾驶汽车测试道路的风险因素，评估各风险因素对自动驾驶汽车道路测试的风险影响量化值和各风险因素的发生概率；依据各风险因素对自动驾驶汽车道路测试的风险影响量化值和各风险因素的发生概率，计算得到当前测试道路开展自动驾驶汽车测试的安全风险等级量化值；依据当前测试道路开展自动驾驶汽车测试的安全风险等级量化值，确定当前自动驾驶汽车的道路测试项目是否可以进行。本发明还公开了一种自动驾驶汽车道路测试安全风险评估装置。本发明实现了自动驾驶汽车道路测试的安全管控。

Description

一种自动驾驶汽车道路测试安全风险评估方法及装置
技术领域
本发明涉及交通管理技术领域，更具体地，涉及一种自动驾驶汽车道路测试安全风险评估方法及自动驾驶汽车道路测试安全风险评估装置。
背景技术
近年来，自动驾驶已经成为国内外研究的热点，随着研发力度不断加大，自动驾驶汽车已逐步开展道路测试、试点运营等活动。然而，自动驾驶汽车尚属发展的初级阶段，技术水平还不成熟，在公共道路上开展随机的试验验证，存在事故隐患，对交通安全产生影响。
在已有的专利文献中，有部分自动驾驶汽车测试安全风险管控的技术方法已经提出，但均是针对自动驾驶汽车测试过程中系统感知到外界环境目标进行检测、识别和碰撞分析，尚没有从道路交通的角度出发，评估道路交通环境的复杂度来确定自动驾驶汽车道路测试的安全管控策略的方法。如申请号为202110703878.1的中国专利从测试场景和被测算法的耦合关系出发，分析被测算法在不同测试场景中的危险度，但从管理角度出发每一种测试或组合测试均需要专门评估，方法本身复杂度就较高，不利于运维单位或管理部门服务管理工作的开展；申请号为201910071335.5的中国专利从自动驾驶系统传感器数据出发，基于已有采集的场景环境数据进行模拟，生成仿真数据注入自动驾驶系统进行测试，避免实际道路测试的安全风险，这是一种避免实际路侧的手段；申请号为202110334434.5的中国专利则专门构建了一套安全控制冗余系统，确保自动驾驶汽车即使发生故障也能够维持车辆基本控制；申请号为202111627237.9的中国专利则从自动驾驶汽车的测试数据出发，进行多维度评估并获得聚类热力图，划分数据安全边界，确保自动驾驶测试在安全边界范围内进行；申请号为201811497726.5的中国专利则从车辆CAN总线信息出发，分析车辆是否发生故障、设备受损等问题，提高测试车辆的安全性。
和这些方法和技术不同的是，本发明是从道路环境的角度出发，分析道路的安全风险因素，判定是否满足自动驾驶测试最低安全风险要求，预先评估开展自动驾驶测试的潜在安全风险，提升自动驾驶汽车道路测试示范的运营和管理部门的风险管理能力。
发明内容
为了解决现有技术中存在的不足，本发明提供了一种自动驾驶汽车道路测试安全风险评估方法及装置，以解决相关技术中存在的缺乏针对自动驾驶汽车在开放或半开放道路环境下开展测试的问题。
作为本发明的第一个方面，提供一种自动驾驶汽车道路测试安全风险评估方法，包括以下步骤：
采集当前自动驾驶汽车测试道路的风险因素；
依据所述当前自动驾驶汽车测试道路的风险因素，评估各风险因素对自动驾驶汽车道路测试的风险影响量化值和各风险因素的发生概率；
依据所述各风险因素对自动驾驶汽车道路测试的风险影响量化值和各风险因素的发生概率，计算得到各风险因素的安全风险等级量化值；
依据所述各风险因素的安全风险等级量化值，计算得到当前测试道路开展自动驾驶汽车测试的安全风险等级量化值；
依据所述当前测试道路开展自动驾驶汽车测试的安全风险等级量化值，确定当前自动驾驶汽车的道路测试项目是否可以进行。
进一步地，所述当前自动驾驶汽车测试道路的风险因素包括道路曲率、道路坡度、交叉口、地理条件、交通条件、天气条件、交通流组成、交通量、车速、机动车特性、非机动车特性和行人特性中的任意一种或多种。
进一步地，所述各风险因素对自动驾驶汽车道路测试的风险影响量化值用于衡量某一风险因素对自动驾驶汽车测试的影响程度，取值范围为0～5，通过专家调查法获得。
进一步地，所述各风险因素的发生概率取值范围为0～1，按照交通事故调查数据、历史数据、预测数据和事件概率分布特性中的任意一种或多种计算得出。
进一步地，所述依据所述各风险因素对自动驾驶汽车道路测试的风险影响量化值和各风险因素的发生概率，计算得到各风险因素的安全风险等级量化值，还包括：
构建以各风险因素发生概率为纵坐标、各风险影响量化值为横坐标的风险矩阵，所述风险矩阵采用笛卡尔坐标系的方式，按照对应的坐标值将风险矩阵划分为多个风险等级区域，作为当前风险因素对自动驾驶汽车测试安全影响的风险等级；
其中，所述各风险因素的安全风险等级量化值采用插值法，根据当前风险因素的风险影响量化值和发生概率所确定的坐标位置及所在安全风险等级计算得出。
作为本发明的第二个方面，提供一种自动驾驶汽车道路测试安全风险评估装置，用于实现前述自动驾驶汽车道路测试安全风险评估方法，所述自动驾驶汽车道路测试安全风险评估装置包括：
采集模块，用于采集当前自动驾驶汽车测试道路的风险因素；
评估模块，用于依据所述当前自动驾驶汽车测试道路的风险因素，评估各风险因素对自动驾驶汽车道路测试的风险影响量化值和各风险因素的发生概率；
第一计算模块，用于依据所述各风险因素对自动驾驶汽车道路测试的风险影响量化值和各风险因素的发生概率，计算得到各风险因素的安全风险等级量化值；
第二计算模块，用于依据所述各风险因素的安全风险等级量化值，计算得到当前测试道路开展自动驾驶汽车测试的安全风险等级量化值；
确定模块，用于依据所述当前测试道路开展自动驾驶汽车测试的安全风险等级量化值，确定当前自动驾驶汽车的道路测试项目是否可以进行。
进一步地，所述当前自动驾驶汽车测试道路的风险因素包括道路曲率、道路坡度、交叉口、地理条件、交通条件、天气条件、交通流组成、交通量、车速、机动车特性、非机动车特性和行人特性中的任意一种或多种。
进一步地，所述各风险因素对自动驾驶汽车道路测试的风险影响量化值用于衡量某一风险因素对自动驾驶汽车测试的影响程度，取值范围为0～5，通过专家调查法获得。
进一步地，所述各风险因素的发生概率取值范围为0～1，按照交通事故调查数据、历史数据、预测数据和事件概率分布特性中的任意一种或多种计算得出。
进一步地，所述第一计算模块，具体用于构建以各风险因素发生概率为纵坐标、各风险影响量化值为横坐标的风险矩阵，所述风险矩阵采用笛卡尔坐标系的方式，按照对应的坐标值将风险矩阵划分为多个风险等级区域，作为当前风险因素对自动驾驶汽车测试安全影响的风险等级；
其中，所述各风险因素的安全风险等级量化值采用插值法，根据当前风险因素的风险影响量化值和发生概率所确定的坐标位置及所在安全风险等级计算得出。
本发明提供的自动驾驶汽车道路测试安全风险评估方法具有以下优点：对自动驾驶汽车开展道路测试过程中的相关风险因素进行分析，基于其风险影响和风险发生概率确定各个风险因素的风险等级及其量化值，最终进行综合评估当前道路环境的安全风险等级，确定其是否满足开展自动驾驶汽车测试项目的最低要求，否则将停止相关测试项目的开展，保障自动驾驶汽车道路测试的交通安全；另外可以确保自动驾驶汽车测试运营方和管理方实时把控测试过程的道路安全风险，指导和管控测试工作安全有序开展，实现自动驾驶汽车在测试道路交通环境中的安全风险管控。
附图说明
附图是用来提供对本发明的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明，但并不构成对本发明的限制。
图1为本发明提供的自动驾驶汽车道路测试安全风险评估方法的流程图。
图2为本发明提供的道路测试风险因素的示意图。
图3为本发明提供的风险矩阵的示意图。
具体实施方式
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互结合。下面将参考附图并结合实施例来详细说明本发明。
为更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例，对依据本发明提出的自动驾驶汽车道路测试安全风险评估方法其具体实施方式、结构、特征及其功效，详细说明如后。显然，所描述的实施例为本发明的一部分实施例，而不是全部的实施例。基于本发明的实施例，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，都属于本发明的保护范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包括，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本实施例中提供了一种自动驾驶汽车道路测试安全风险评估方法，如图1所示，所述自动驾驶汽车道路测试安全风险评估方法包括：
步骤S1：采集当前自动驾驶汽车测试道路的风险因素I＝[I1,I2,...,In]，其中n为风险因素的数量；
步骤S2：依据所述当前自动驾驶汽车测试道路的风险因素，评估各风险因素对自动驾驶汽车道路测试的风险影响量化值F＝[F1,F2,...,Fn]；
步骤S3：依据所述当前自动驾驶汽车测试道路的风险因素，评估各风险因素的发生概率P＝[P1,P2,...,Pn]；
步骤S4：依据所述各风险因素对自动驾驶汽车道路测试的风险影响量化值和各风险因素的发生概率，计算得到各风险因素的安全风险等级量化值L＝[L1,L2,...,Ln]；以及依据所述各风险因素的安全风险等级量化值，计算得到当前测试道路开展自动驾驶汽车测试的安全风险等级量化值；
步骤S5：依据所述当前测试道路开展自动驾驶汽车测试的安全风险等级量化值，确定当前自动驾驶汽车的道路测试项目是否可以进行。
本发明实施例提供的自动驾驶汽车道路测试安全风险评估方法，在自动驾驶汽车开展道路测试之前，根据即将开展的道路测试项目对道路环境的相关风险因素进行分析，评估各个风险因素对测试的影响和发生的概率，从而确定该风险因素的安全风险等级量化值，最终根据短板理论汇总测试道路环境的安全风险等级，评估是否满足自动驾驶汽车开展该项测试项目的最低安全风险要求。自动驾驶汽车开展道路测试前应将开展的测试项目和场景向管理部门报备。基于本发明提供的自动驾驶汽车道路测试安全风险评估方法，可以帮助自动驾驶测试示范的运营管理部门提升道路安全风险管控能力。
在本发明实施例中，在开展自动驾驶汽车道路测试前，需要对该测试道路进行风险因素的采集，确认是否存在所述各风险因素，也为计算风险因素的发生概率提供依据。
优选地，所述当前自动驾驶汽车测试道路的风险因素包括道路曲率、道路坡度、交叉口、地理条件、交通条件、天气条件、交通流组成、交通量、车速、机动车特性、非机动车特性和行人特性中的任意一种或多种。
可以理解的是，影响自动驾驶汽车道路测试的风险因素和道路本身的交通安全风险因素是高度一致的，某段道路的交通事故率高、交通隐患突出，那么该道路开展自动驾驶汽车道路测试的安全风险也会比较突出。一般可以认为，道路交通安全风险来自道路、环境、交通状况和交通参与者四个方面。如图2所示，道路方面有道路曲率201、道路坡度202、交叉口203；环境方面有地理条件204、交通条件205、天气条件206；交通状况方面有：交通流组成207、交通量208、车速209；交通参与者方面有机动车特性210、非机动车特性211、行人特性212。
具体地，所述道路曲率201的影响体现在视距受曲线半径的影响，而且转弯时车辆受到离心力的作用，容易失去平衡，发生横向滑移甚至倾覆。
具体地，所述道路坡度202的影响体现在当上坡容易动力不足，速度降低；下坡容易导致车速过高、车辆刹车片过热，甚至制动失灵，引发交通事故。
具体地，所述交叉口203的影响在于交叉口处交通流既有汇聚又有分散，不同方向的车流形成了较多的冲突点和交织点，其数量随着平交路口支路数的增加而急剧增加，是交通事故的高发点。
具体地，所述地理条204件是指路段的道路地质条件、路侧危险障碍物等，地理条件的好坏会对行车安全产生一定的影响。
具体地，所述交通条件205是指道路交通的设施条件，包括交通安全设施和管理设施。
具体地，所述天气条件206包括风、雨、雾、冰、雪等恶劣气候对行车安全的影响。
具体地，所述交通流组成207的影响在于不同车型(小客车、大客车、货车)组成的混合车流具有随机性和复杂性，相互间干扰大，很难保持稳定的车速和距离，交通流离散程度增大，则发生交通事故的可能性增大。
具体地，所述交通量208是指单位时间内通过道路某一断面(一般为往、返两个方向，若特指时可为某一方向或某一车道)的车辆数或行人数，当道路交通量接近或等于通行能力时，就会出现交通拥挤和阻塞现象，直接影响交通事故发生的频率和严重程度。
具体地，所述车速209是指交通运行车速，采用路段上车辆的85％分位车速，如果测试车辆的车速与该速度差距过大，容易发生碰撞事故。
具体地，所述机动车特性210体现在机动车的特征和性能，包括尺寸、动力、制动等，对道路交通安全有重要影响。
具体地，所述非机动车特性211在于非机动车具有明显的行程短、动力递减、动态平衡、爬坡能力低、稳定性和制动性差的特点。
具体地，所述行人特性212在于行人是道路交通系统中的弱势群体，是主要保护对象。
优选地，所述各风险因素对自动驾驶汽车道路测试的风险影响量化值用于衡量某一风险因素对自动驾驶汽车测试的影响程度，取值范围为0～5，通过专家调查法获得。
本发明实施例中，采集并确认测试道路的风险因素后，需要对风险因素的影响进行量化评估。可以理解的是，由于风险因素对自动驾驶测试的影响是一种抽象的、潜在的相干作用，各个风险因素的影响方式也不一致，因此难以使用准确的数据工具去描述。替代地，本发明实施例中采用专家调查法计算风险因素影响量化值，向自动驾驶从业人员、测试人员以及高校和相关研究机构研究者们进行问卷调查，根据反馈的评分加权获得。
具体的，本发明实施例中规定风险因素影响量化值范围为[0,5]，通过专家调查法获得各风险因素影响量化值如下表1：
表1
序号 风险因素 风险影响量化值
1 曲率 2.43
2 坡度 2.75
3 交叉口 2.21
4 地理环境 3.75
5 交通环境 3.69
6 天气环境 4.12
7 交通组成 3.24
8 交通量 2.86
9 车速 4.08
10 机动车特性 3.98
11 非机动车特性 3.51
12 行人特性 3.44
优选地，所述各风险因素的发生概率取值范围为0～1，按照交通事故调查数据、历史数据、预测数据和事件概率分布特性中的任意一种或多种计算得出。
本发明实施例中，计算当前道路环境各风险因素的发生概率是针对各风险因素的特性分别计算得出的，如曲率、坡度、交叉口这些道路方面的因素随道路建成后便不可改变，概率则等于1；天气环境则可以查询气象部门的预测概率；交通状况和交通参与者方面的因素则可以依据现有道路交通相关理论进行计算。
例如，交通量因素的发生概率，当前时段的道路交通量为120辆/小时(即2辆/分钟)，根据泊松分布原理，假设每次自动驾驶汽车在该路段测试的持续时间为1分钟，那么测试过程中受到交通量因素影响(测试过程中有交通流车辆通过的干扰)的概率为：
Figure BDA0003839955440000061
例如，车速因素的发生概率，当前测试中自动驾驶汽车的车速与该路段上85％分位车速差45公里每小时，根据道路交通事故风险理论中速差和事故率的关系，相关统计数据显示每公里事故率约为0.16(百万辆车辆事故数为160000)。
具体地，本发明实施例中规定风险因素发生概率范围为[0,1]，通过各个因素分析，得到发生概率为如下表2：
表2
序号 风险因素 风险发生概率
1 曲率 1
2 坡度 1
3 交叉口 1
4 地理环境 0.35
5 交通环境 0.1
6 天气环境 0.5
7 交通组成 0.35
8 交通量 0.86
9 车速 0.16
10 机动车特性 0.05
11 非机动车特性 0.35
12 行人特性 0.35
优选地，所述依据所述各风险因素对自动驾驶汽车道路测试的风险影响量化值和各风险因素的发生概率，计算得到各风险因素的安全风险等级量化值，还包括：
构建以各风险因素发生概率为纵坐标、各风险影响量化值为横坐标的风险矩阵，所述风险矩阵采用笛卡尔坐标系的方式，按照对应的坐标值将风险矩阵划分为多个风险等级区域，作为当前风险因素对自动驾驶汽车测试安全影响的风险等级；
其中，所述各风险因素的安全风险等级量化值采用插值法，根据当前风险因素的风险影响量化值和发生概率所确定的坐标位置及所在安全风险等级计算得出。
本发明实施例中，计算当前道路环境开展自动驾驶汽车测试的安全风险等级是基于风险矩阵进行计算得到的。
如图3所示，本发明实施例中构建了以风险因素发生概率P 301为纵坐标、风险影响量化值F 302为横坐标的风险矩阵，按照对应的坐标值将风险矩阵划分为5个区域，分别是风险等级0-1区域303、风险等级1-2区域304、风险等级2-3区域305、风险等级3-4区域306、风险等级4-5区域307。
具体地，对于某一个风险因素Ii，它的影响量化值Fi处在风险矩阵横坐标的
Figure BDA0003839955440000071
范围内，发生概率Pi处在风险矩阵纵坐标的
Figure BDA0003839955440000072
范围内，那么可以在风险矩阵中查询风险因素Ii的安全风险等级位于
Figure BDA0003839955440000073
范围内，具体的安全风险等级量化值则如下插值计算得到：
Figure BDA0003839955440000074
具体地，对于当前测试道路所有风险因素I＝[I1,I2,...,In]，可以计算得到各风险因素的安全风险等级量化值集合L＝[L1,L2,...,Ln]，那么当前测试道路的风险等级如下计算得到：L＝max{L1,L2,...,Li,...,Ln},i∈[1,2,...,n]。
具体地，本发明实施例中各个风险因素对应的风险等级量化值计算结果如下表3：
表3
序号 风险因素 风险等级量化值
1 曲率 2.66
2 坡度 1.87
3 交叉口 3.46
4 地理环境 3.31
5 交通环境 1.83
6 天气环境 3.24
7 交通组成 3.17
8 交通量 3.83
9 车速 3.15
10 机动车特性 1.70
11 非机动车特性 3.25
12 行人特性 3.23
具体地，本发明实施例中当前测试道路开展自动驾驶汽车测试的安全风险等级计算结果(安全风险等级量化值)为3.83。
本发明实施例中，对当前自动驾驶汽车开展的测试项目规定了所在道路不应超过的安全风险等级最高值，如果该值大于等于当前测试道路的实际风险等级L，那么可以开展该项测试项目；否则应立刻停止该项测试。
具体地，本发明实施例中，如果当前自动驾驶汽车开展的测试项目安全风险等级最高值规定为3.5，小于当前测试道路的安全风险等级量化值3.83，故该项测试不能开展。
作为本发明的另一实施例，提供一种自动驾驶汽车道路测试安全风险评估装置，包括：
采集模块，用于采集当前自动驾驶汽车测试道路的风险因素；
评估模块，用于依据所述当前自动驾驶汽车测试道路的风险因素，评估各风险因素对自动驾驶汽车道路测试的风险影响量化值和各风险因素的发生概率；
第一计算模块，用于依据所述各风险因素对自动驾驶汽车道路测试的风险影响量化值和各风险因素的发生概率，计算得到各风险因素的安全风险等级量化值；
第二计算模块，用于依据所述各风险因素的安全风险等级量化值，计算得到当前测试道路开展自动驾驶汽车测试的安全风险等级量化值；
确定模块，用于依据所述当前测试道路开展自动驾驶汽车测试的安全风险等级量化值，确定当前自动驾驶汽车的道路测试项目是否可以进行。
优选地，所述当前自动驾驶汽车测试道路的风险因素包括道路曲率、道路坡度、交叉口、地理条件、交通条件、天气条件、交通流组成、交通量、车速、机动车特性、非机动车特性和行人特性中的任意一种或多种。
优选地，所述各风险因素对自动驾驶汽车道路测试的风险影响量化值用于衡量某一风险因素对自动驾驶汽车测试的影响程度，取值范围为0～5，通过专家调查法获得。
优选地，所述各风险因素的发生概率取值范围为0～1，按照交通事故调查数据、历史数据、预测数据和事件概率分布特性中的任意一种或多种计算得出。
优选地，所述第一计算模块，具体用于构建以各风险因素发生概率为纵坐标、各风险影响量化值为横坐标的风险矩阵，所述风险矩阵采用笛卡尔坐标系的方式，按照对应的坐标值将风险矩阵划分为多个风险等级区域，作为当前风险因素对自动驾驶汽车测试安全影响的风险等级；
其中，所述各风险因素的安全风险等级量化值采用插值法，根据当前风险因素的风险影响量化值和发生概率所确定的坐标位置及所在安全风险等级计算得出。
以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明,任何熟悉本专业的技术人员，在不脱离本发明技术方案范围内,当可利用上述揭示的技术内容作出些许更动或修饰为等同变化的等效实施例,但凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。

Claims (10)

1.一种自动驾驶汽车道路测试安全风险评估方法，其特征在于，包括以下步骤：
采集当前自动驾驶汽车测试道路的风险因素；
依据所述当前自动驾驶汽车测试道路的风险因素，评估各风险因素对自动驾驶汽车道路测试的风险影响量化值和各风险因素的发生概率；
依据所述各风险因素对自动驾驶汽车道路测试的风险影响量化值和各风险因素的发生概率，计算得到各风险因素的安全风险等级量化值；
依据所述各风险因素的安全风险等级量化值，计算得到当前测试道路开展自动驾驶汽车测试的安全风险等级量化值；
依据所述当前测试道路开展自动驾驶汽车测试的安全风险等级量化值，确定当前自动驾驶汽车的道路测试项目是否可以进行。
2.根据权利要求1所述的自动驾驶汽车道路测试安全风险评估方法，其特征在于，所述当前自动驾驶汽车测试道路的风险因素包括道路曲率、道路坡度、交叉口、地理条件、交通条件、天气条件、交通流组成、交通量、车速、机动车特性、非机动车特性和行人特性中的任意一种或多种。
3.根据权利要求1所述的自动驾驶汽车道路测试安全风险评估方法，其特征在于，所述各风险因素对自动驾驶汽车道路测试的风险影响量化值用于衡量某一风险因素对自动驾驶汽车测试的影响程度，取值范围为0~5，通过专家调查法获得。
4.根据权利要求1所述的自动驾驶汽车道路测试安全风险评估方法，其特征在于，所述各风险因素的发生概率取值范围为0~1，按照交通事故调查数据、历史数据、预测数据和事件概率分布特性中的任意一种或多种计算得出。
5.根据权利要求1所述的自动驾驶汽车道路测试安全风险评估方法，其特征在于，所述依据所述各风险因素对自动驾驶汽车道路测试的风险影响量化值和各风险因素的发生概率，计算得到各风险因素的安全风险等级量化值，还包括：
构建以各风险因素发生概率为纵坐标、各风险影响量化值为横坐标的风险矩阵，所述风险矩阵采用笛卡尔坐标系的方式，按照对应的坐标值将风险矩阵划分为多个风险等级区域，作为当前风险因素对自动驾驶汽车测试安全影响的风险等级；
其中，所述各风险因素的安全风险等级量化值采用插值法，根据当前风险因素的风险影响量化值和发生概率所确定的坐标位置及所在安全风险等级计算得出。
6.一种自动驾驶汽车道路测试安全风险评估装置，用于实现权利要求1至5中任意一项所述的自动驾驶汽车道路测试安全风险评估方法，其特征在于，包括：
采集模块，用于采集当前自动驾驶汽车测试道路的风险因素；
评估模块，用于依据所述当前自动驾驶汽车测试道路的风险因素，评估各风险因素对自动驾驶汽车道路测试的风险影响量化值和各风险因素的发生概率；
第一计算模块，用于依据所述各风险因素对自动驾驶汽车道路测试的风险影响量化值和各风险因素的发生概率，计算得到各风险因素的安全风险等级量化值；
第二计算模块，用于依据所述各风险因素的安全风险等级量化值，计算得到当前测试道路开展自动驾驶汽车测试的安全风险等级量化值；
确定模块，用于依据所述当前测试道路开展自动驾驶汽车测试的安全风险等级量化值，确定当前自动驾驶汽车的道路测试项目是否可以进行。
7.根据权利要求6所述的自动驾驶汽车道路测试安全风险评估装置，其特征在于，所述当前自动驾驶汽车测试道路的风险因素包括道路曲率、道路坡度、交叉口、地理条件、交通条件、天气条件、交通流组成、交通量、车速、机动车特性、非机动车特性和行人特性中的任意一种或多种。
8.根据权利要求6所述的自动驾驶汽车道路测试安全风险评估装置，其特征在于，所述各风险因素对自动驾驶汽车道路测试的风险影响量化值用于衡量某一风险因素对自动驾驶汽车测试的影响程度，取值范围为0~5，通过专家调查法获得。
9.根据权利要求6所述的自动驾驶汽车道路测试安全风险评估装置，其特征在于，所述各风险因素的发生概率取值范围为0~1，按照交通事故调查数据、历史数据、预测数据和事件概率分布特性中的任意一种或多种计算得出。
10.根据权利要求6所述的自动驾驶汽车道路测试安全风险评估装置，其特征在于，所述第一计算模块，具体用于构建以各风险因素发生概率为纵坐标、各风险影响量化值为横坐标的风险矩阵，所述风险矩阵采用笛卡尔坐标系的方式，按照对应的坐标值将风险矩阵划分为多个风险等级区域，作为当前风险因素对自动驾驶汽车测试安全影响的风险等级；
其中，所述各风险因素的安全风险等级量化值采用插值法，根据当前风险因素的风险影响量化值和发生概率所确定的坐标位置及所在安全风险等级计算得出。
CN202211100097.4A 2022-09-09 2022-09-09 一种自动驾驶汽车道路测试安全风险评估方法及装置 Pending CN115578856A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211100097.4A CN115578856A (zh) 2022-09-09 2022-09-09 一种自动驾驶汽车道路测试安全风险评估方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211100097.4A CN115578856A (zh) 2022-09-09 2022-09-09 一种自动驾驶汽车道路测试安全风险评估方法及装置

Publications (1)

Publication Number Publication Date
CN115578856A true CN115578856A (zh) 2023-01-06

Family

ID=84580433

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211100097.4A Pending CN115578856A (zh) 2022-09-09 2022-09-09 一种自动驾驶汽车道路测试安全风险评估方法及装置

Country Status (1)

Country Link
CN (1) CN115578856A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116153078A (zh) * 2023-04-14 2023-05-23 健鼎（无锡）电子有限公司 基于毫米波雷达的道路安全度评估方法、装置及存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116153078A (zh) * 2023-04-14 2023-05-23 健鼎（无锡）电子有限公司 基于毫米波雷达的道路安全度评估方法、装置及存储介质

Similar Documents

Publication Publication Date Title
EP3958129A1 (en) Method and system for validating autonomous control software for a self-driving vehicle
Mak et al. Roadside safety analysis program (RSAP): engineer's manual
Toledo et al. In-vehicle data recorder for evaluation of driving behavior and safety
CN104978853B (zh) 一种道路交通安全评估方法及系统
Anastasopoulos et al. A study of factors affecting highway accident rates using the random-parameters tobit model
Jarju Drivers' Behavior Analysis under Reduced Visibility Condition Using a Driving Simulator
McAvoy et al. Simulator study of primary and precipitating factors in work zone crashes
Komnos et al. Analysing the real-world fuel and energy consumption of conventional and electric cars in Europe
CN115578856A (zh) 一种自动驾驶汽车道路测试安全风险评估方法及装置
Tamsanya et al. Development of a driving cycle for the measurement of fuel consumption and exhaust emissions of automobiles in Bangkok during peak periods
Zolali et al. Analysing the effect of foggy weather on drivers’ speed choice in two-lane highways
CN113335293B (zh) 一种线控底盘的高速公路路面探测系统
CN116740940A (zh) 恶劣天气高影响路段风险预测和安全管理方法、装置和设备
CN113592221A (zh) 基于安全替代评价指标的道路路段风险动态评估方法
CN116753938A (zh) 车辆测试场景生成方法、装置、存储介质及设备
Ebner et al. Identifying and analyzing reference scenarios for the development and evaluation of active safety: application to preventive pedestrian safety
Yen et al. A study on the determination of the real-world driving characteristics of motorcycles in Hanoi
Regan et al. Effects on driving performance of in-vehicle intelligent transport systems: Final results of the Australian TAC SafeCar project
Hao et al. The effects of lighting on driver's injury severity at highway‐rail grade crossings
Kłos et al. Effects of countdown timers on traffic safety at signalized intersections
Colonna et al. The method of the friction diagram: New developments and possible applications
Ess et al. Estimating the potential of a warning system preventing road accidents at pedestrian crossings
CN109284889A (zh) 一种无人车反应敏捷度评测方法和装置
CN118500759B (zh) 一种自动辅助驾驶测试方法及系统
Qiu et al. Study on Minimum Tangent Length of Identical Direction in Expressway Reconstruction and Expansion through Driving Behavior

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