CN115587300A - 一种车辆风险评价方法、装置、设备及介质 - Google Patents

Abstract

本发明公开了一种车辆风险评价方法、装置、设备及介质。方法包括：获取至少一个功能模块在预设时间区间内产生的事件；从事件中筛选出至少一个故障事件；确定事件中与至少一个故障事件具有时间关联的至少一个非故障事件，至少一个故障事件及其对应的非故障事件为车辆事件集合；基于车辆事件集合对应的事件，确定车辆事件集合中的每个事件对应的至少一个基础评价指标；从至少一个基础评价指标中筛选出指向性评价指标。本发明实施例可以从无人驾驶车辆的全部基础评价指标中挖掘出用于从故障风险的角度，指向性评价车辆性能，评价无人驾驶车辆存在的潜在风险的指向性评价指标。

Description

一种车辆风险评价方法、装置、设备及介质

技术领域

本发明涉及计算机技术领域，尤其涉及一种车辆风险评价方法、装置、设备及介质。

背景技术

随着无人驾驶车辆的日益普及和广泛使用，人们对无人驾驶车辆的安全性有了越来越高的要求。如何评价无人驾驶车辆存在的风险，从而判断无人驾驶车辆能否持续安全行驶，是安全驾驶技术的核心问题之一。

相关技术中，通常是根据在无人驾驶车辆行驶过程中产生的原始数据，比如驾驶数据、决策数据、环境数据等，判断无人驾驶车辆是否存在风险。但无人驾驶车辆存在的某些潜在风险可能没有完全暴露出来，无法通过原始数据披露。可能无人驾驶车辆行使过程中有所异常，但并没体现在原始数据中。相关技术仅根据原始数据判断无人驾驶车辆是否存在风险，无法评价无人驾驶车辆存在的潜在风险，导致用户无法准确地判断无人驾驶车辆能否持续安全行驶。

发明内容

本发明提供了一种车辆风险评价方法、装置、设备及介质，以解决相关技术的车辆风险评价方案中，仅根据原始数据判断无人驾驶车辆是否存在风险，无法评价无人驾驶车辆存在的潜在风险，导致用户无法准确地判断无人驾驶车辆能否持续安全行驶的问题。

根据本发明的一方面，提供了一种车辆风险评价方法，包括：

获取所述至少一个功能模块在预设时间区间内产生的事件；

从所述事件中筛选出至少一个故障事件；

确定所述事件中与所述至少一个故障事件具有时间关联的至少一个非故障事件，所述至少一个故障事件及其对应的非故障事件为车辆事件集合；

基于所述车辆事件集合对应的参数，确定所述车辆事件集合中的每个事件对应的至少一个基础评价指标；

从所述至少一个基础评价指标中筛选出指向性评价指标，所述指向性评价指标为用于指向性评价车辆性能的基础评价指标。

根据本发明的另一方面，提供了一种车辆风险评价装置，包括：

数据获取模块，用于获取所述至少一个功能模块在预设时间区间内产生的事件；

事件筛选模块，用于从所述事件中筛选出至少一个故障事件；

事件确定模块，用于确定所述事件中与所述至少一个故障事件具有时间关联的至少一个非故障事件，所述至少一个故障事件及其对应的非故障事件为车辆事件集合；

指标确定模块，用于基于所述车辆事件集合对应的参数，确定所述车辆事件集合中的每个事件对应的至少一个基础评价指标；

指标筛选模块，用于从所述至少一个基础评价指标中筛选出指向性评价指标，所述指向性评价指标为用于指向性评价车辆性能的基础评价指标

根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：

至少一个处理器；

以及与所述至少一个处理器通信连接的存储器；

其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的车辆风险评价方法。

根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的车辆风险评价方法。

本发明实施例的技术方案，通过获取至少一个功能模块在预设时间区间内产生的事件；然后从事件中筛选出至少一个故障事件；确定事件中与至少一个故障事件具有时间关联的至少一个非故障事件，至少一个故障事件及其对应的非故障事件为车辆事件集合；基于车辆事件集合对应的参数，确定车辆事件集合中的每个事件对应的至少一个基础评价指标；最后从所述至少一个基础评价指标中筛选出指向性评价指标，指向性评价指标为用于指向性评价车辆性能的基础评价指标，解决了相关技术的车辆风险评价方案中，仅根据原始数据判断无人驾驶车辆是否存在风险，无法评价无人驾驶车辆存在的潜在风险，导致用户无法准确地判断无人驾驶车辆能否持续安全行驶的问题，取到了可以从无人驾驶车辆的全部基础评价指标中挖掘出用于从故障风险的角度，指向性评价车辆性能，评价无人驾驶车辆存在的潜在风险，辅助无人驾驶车辆的使用者准确判断无人驾驶车辆能否持续安全行驶的指向性评价指标，可以通过指向性评价指标，评价无人驾驶车辆存在的潜在风险，辅助用户准确地判断无人驾驶车辆能否持续安全行驶的问题的有益效果。

应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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的附图。

图1为本发明实施例一提供的一种车辆风险评价方法的流程图。

图2为本发明实施例二提供的一种车辆风险评价方法的流程图。

图3为本发明实施例三提供的一种车辆风险评价装置的结构示意图。

图4为实现本发明实施例的车辆风险评价方法的电子设备的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，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，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。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前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

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“目标”、“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能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包含”、“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含，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。

实施例一

图1为本发明实施例一提供的一种车辆风险评价方法的流程图，本实施例可适用于评价无人驾驶车辆存在的潜在风险，判断无人驾驶车辆能否持续安全行驶的情况。该方法可以由车辆风险评价装置来执行，该车辆风险评价装置可以采用硬件和/或软件的形式实现，该车辆风险评价装置可配置于电子设备中。如图1所示，该方法包括：

步骤101、获取至少一个功能模块在预设时间区间内产生的事件。

可选的，车辆是无人驾驶车辆。车辆包括至少一个功能模块。每个功能模块可以是车辆的控制系统中的用于实现不同功能的模块。每个功能模块可以采用硬件和/或软件的形式实现。预设时间区间为预先设置的一个时间区间。

可选的，功能模块产生的事件是指功能模块的任一个参数的具有起始时间和终止时间的参数状态。参数的参数状态为处于正常参数值范围或未处于正常参数值范围。功能模块的某一个参数在目标时间区间处于正常参数值范围或未处于正常参数值范围，即为功能模块产生的一个事件。目标时间区间的起始时间即为该事件的起始时间，目标时间区间的终止时间即为该事件的终止时间。其中，若事件中包含的参数状态为未处于正常参数值范围，则确定事件为故障事件。

可选的，车辆包括的功能模块有感知定位模块、规划控制模块、底盘控制模块、驾驶状态模块以及运营状态模块。

可选的，感知定位模块，用于接收多个定位源的多个定位信息，并基于多个定位信息，确定车辆位姿。车辆位姿包括车辆坐标以及车辆航向与各坐标轴的夹角。定位源包括但不限于全球定位系统(Global Positioning System，GPS)定位源、视觉定位源和激光雷达定位源。定位源的定位信息包括但不限于位姿信息和置信度。位姿信息是定位源确定的车辆位姿。置信度是定位源所确定的车辆位姿的可信度。

可选的，感知定位模块的参数可以包括感知定位模块在预设时间区间内接收的多个定位源的多个定位信息。

示例性的，感知定位模块在预设时间区间内产生的事件包括：感知定位模块在预设时间区间内接收的GPS定位源的定位信息未处于定位信息的正常数值范围、感知定位模块在预设时间区间内接收的视觉定位源的定位信息处于定位信息的正常数值范围、感知定位模块在预设时间区间内接收的激光雷达定位源的定位信息处于定位信息的正常数值范围。

可选的，规划控制模块，用于基于车辆位姿，监测车辆行驶过程中是否偏离预设区域，并根据判断结果进行路径规划和决策。规划控制模块还用于监测车辆行驶过程中的变换车道的操作。

可选的，规划控制模块的参数可以包括、规划控制模块检测到的预设时间区间内的车辆每次变换车道的时长。车辆状态为偏离预设区域或未偏离预设区域。

示例性的，规划控制模块在预设时间区间内产生的事件包括：规划控制模块检测到的预设时间区间内各个时刻的车辆状态为未偏离预设区域、规划控制模块检测到的预设时间区间内的车辆每次变换车道的时长小于预设时长阈值。

可选的，底盘控制模块，用于生成车辆底层执行系统的控制信号，并下发控制信号，以使车辆底层执行系统控制车辆按照期望路径行驶。车辆底层执行系统包括但不限于：整车控制器、转向系统、制动系统和驱动系统。

可选的，底盘控制模块的参数可以包括底盘控制模块在预设时间区间内接收的换档指令和紧急刹车指令、底盘控制模块获取的预设时间区间内各个时刻的车辆加速度、车辆速度以及车辆转向角。

示例性的，底盘控制模块在预设时间区间内产生的事件包括：底盘控制模块获取的预设时间区间内各个时刻的车辆加速度小于预设加速度阈值、底盘控制模块获取的预设时间区间内各个时刻的车辆速度小于预设速度阈值。

可选的，驾驶状态模块，用于监测车辆行驶过程中的人工接管操作和人工干预操作。

可选的，驾驶状态模块的参数可以包括每次人工接管操作的开始时间、结束时间、时长，每次人工干预操作的开始时间、结束时间、时长。

示例性的，驾驶状态模块在预设时间区间内产生的事件包括：底盘控制模块获取的预设时间区间内每次人工干预操作的时长小于预设时长阈值。

可选的，运营状态模块，用于监测车辆行驶过程中的自动驾驶里程、自动驾驶时间以及耗电量。

可选的，运营状态模块的参数可以包括运营状态模块获取的预设时间区间内各个时刻的自动驾驶里程、自动驾驶时间以及耗电量。

示例性的，运营状态模块在预设时间区间内产生的事件包括：运营状态模块获取的预设时间区间内各个时刻的耗电量小于预设耗电量阈值。

可选的，获取所述至少一个功能模块在预设时间区间内产生的事件，包括：针对每一个功能模块执行下述操作：从功能模块中存储的事件中，获取功能模块在预设时间区间内产生的事件。

可选的，获取所述至少一个功能模块在预设时间区间内产生的事件，包括：获取用户上传的所述至少一个功能模块在预设时间区间内产生的事件。

步骤102、从所述事件中筛选出至少一个故障事件。

可选的，从所述事件中筛选出至少一个故障事件，包括：针对每一个功能模块执行下述操作：从功能模块在预设时间区间内产生的事件中，提取事件中包含的参数状态为未处于正常参数值范围的故障事件。由此，筛选出每个功能模块在预设时间区间内产生的故障事件。

步骤103、确定所述事件中与所述至少一个故障事件具有时间关联的至少一个非故障事件，所述至少一个故障事件及其对应的非故障事件为车辆事件集合。

可选的，每个故障事件有对应的起始时间和终止时间；所述确定所述事件中与所述至少一个故障事件具有时间关联的至少一个非故障事件，包括：针对每个故障事件执行下述操作：在起始时间之前第一预设时长和终止时间之后第二预设时长中的至少一个时间段内，判断是否有故障事件；若否，则将所述至少一个时间段对应的事件确定为与故障事件具有时间关联的非故障事件。

可选的，故障事件的起始时间是故障事件发生的时间，故障事件的终止时间是故障事件结束的时间。第一预设时长和第二预设时长是预设设置的时长。第一预设时长和第二预设时长可以是相同的时长，也可以是不同的时长。时间段对应的事件是在时间段内发生的事件。

可选的，与故障事件具有时间关联的非故障事件是在故障事件发生之前或故障事件发生之后，发生的不是故障事件的事件。

可选的，若每个时间段内都有故障事件，则确定不存在与故障事件具有时间关联的非故障事件。

在一个具体实例中，第一预设时长为30分钟，第二预设时长为45分钟。针对某一个故障事件：在起始时间之前30分钟内、以及终止时间之后45分钟内，判断是否有故障事件。若起始时间之前30分钟内和终止时间之后45分钟内都没有故障事件，则将起始时间之前30分钟对应的事件确定为与故障事件具有时间关联的非故障事件，并将终止时间之后45分钟对应的事件确定为与故障事件具有时间关联的非故障事件。若起始时间之前30分钟内或终止时间之后45分钟内有故障事件，则将起始时间之前30分钟或终止时间之后45分钟对应的事件确定为与故障事件具有时间关联的非故障事件。若起始时间之前30分钟内和终止时间之后45分钟内都有故障事件，则确定不存在与该故障事件具有时间关联的非故障事件。

可选的，筛选出的至少一个故障事件、以及与所述至少一个故障事件具有时间关联的至少一个非故障事件构成车辆事件集合。

在一个具体实例中，筛选出的n个故障事件：μ₁，μ₂，…，μ_n。确定所述事件中与每个故障事件具有时间关联的至少一个非故障事件，得到m个非故障事件：μ_n+1，μ_n+2，…，μ_n+m。n个故障事件和m个非故障事件构成车辆事件集合{μ₁，μ₂，…，μ_n+m}。

步骤104、基于所述车辆事件集合对应的参数，确定所述车辆事件集合中的每个事件对应的至少一个基础评价指标。

可选的，所述基础评价指标是基于事件对应的至少一个参数得到的统计参数。

可选的，所述车辆事件集合对应的参数是所述车辆事件集合中的每个事件对应的参数。事件对应的参数是所述至少一个功能模块在事件发生期间的参数。

可选的，基于所述车辆事件集合对应的参数，确定所述车辆事件集合中的每个事件对应的至少一个基础评价指标，包括：针对所述车辆事件集合中的每个事件执行下述操作：对事件对应的参数进行统计，确定事件对应的至少一个基础评价指标。

可选的，事件对应的基础评价指标包括：感知定位模块在事件发生期间接收的多个定位信息中的置信度的最大值、最小值、以及均值。

可选的，事件对应的基础评价指标还包括：在事件发生期间车辆状态为偏离预设区域的次数、在事件发生期间车辆状态为偏离预设区域的累计时间、在事件发生期间车辆变换车道的次数、以及在事件发生期间车辆变换车道的累计时间。

可选的，事件对应的基础评价指标还包括：在事件发生期间车辆档位换为驻车档的次数、在事件发生期间车辆档位换为驻车档的累计时间、在事件发生期间车辆紧急刹车的次数、在事件发生期间车辆紧急刹车的累计时间、在事件发生期间车辆转向角大于预设转向角阈值的次数、在事件发生期间车辆转向角大于预设转向角阈值的累计时间、在事件发生期间车辆速度与车辆加速度的乘积大于第一预设乘积阈值的次数、在事件发生期间车辆速度与车辆加速度的乘积大于第一预设乘积阈值的累计时间、在事件发生期间车辆速度与车辆转向角的乘积大于第二预设乘积阈值的次数、以及在事件发生期间车辆速度与车辆转向角的乘积大于第二预设乘积阈值的累计时间。

可选的，预设转向角阈值是预先设置的车辆转向角阈值。第一预设乘积阈值是预先设置的车辆速度与车辆加速度的乘积阈值。第二预设乘积阈值是预先设置的车辆速度与车辆转向角的乘积阈值。

在一个具体实例中，根据事件发生期间各个时刻的车辆加速度和车辆转向角，计算事件发生期间各个时刻的车辆加速度和车辆转向角的乘积。然后根据事件发生期间各个时刻的车辆加速度和车辆转向角的乘积进行统计，确定在事件发生期间车辆速度与车辆转向角的乘积大于第二预设乘积阈值的次数、以及在事件发生期间车辆速度与车辆转向角的乘积大于第二预设乘积阈值的累计时间。

可选的，事件对应的基础评价指标还包括：在事件发生期间人工接管操作的次数、以及在事件发生期间人工干预操作的次数。

可选的，事件对应的基础评价指标还包括：在事件发生期间的自动驾驶里程、在事件发生期间的自动驾驶时间、以及在事件发生期间的自动驾驶里程与耗电量的比值。

步骤105、从所述至少一个基础评价指标中筛选出指向性评价指标，所述指向性评价指标为用于指向性评价车辆性能的基础评价指标。

可选的，所述从所述至少一个基础评价指标中筛选出指向性评价指标，包括：基于所述车辆事件集合中的每个事件对应的基础评价指标和故障属性，构建车辆事件样本集，所述故障属性表征事件是否为故障事件；根据所述车辆事件样本集，确定每个基础评价指标的重要程度值；确定重要程度值大于预设阈值的基础评价指标为指向性评价指标。

可选的，将所述车辆事件集合中的每个事件对应的基础评价指标和故障属性确定为车辆事件样本集中的一个样本，从而构建车辆事件样本集。

在一个具体实例中，车辆事件集合中有n+m个事件{μ₁，μ₂，…，μ_n+m}。将车辆事件集合中的每个事件对应的基础评价指标和故障属性确定为车辆事件样本集中的一个样本，从而构建包含n+m个样本的车辆事件样本集{(X₁，Y₁)，(X₂，Y₂)，…，(X_n+m，Y_n+m)}。X₁包含事件μ₁对应的每个基础评价指标。Y₁为事件对应的故障属性。(X₁，Y₁)为车辆事件样本集中的一个样本。故障属性为1，表征事件是为故障事件。故障属性为0，表征事件是为非故障事件。

可选的，所述根据所述车辆事件样本集，确定每个基础评价指标的重要程度值，包括：以所述车辆事件样本集中的每个事件对应的故障属性作为因变量，以所述车辆事件样本集中的每个事件对应的基础评价指标作为自变量，对随机森林模型进行训练，得到每个基础评价指标对所述随机森林模型的贡献度；确定每个基础评价指标对所述随机森林模型的贡献度为每个基础评价指标的重要程度值。

可选的，将所述车辆事件样本集划分为训练样本集合以及测试样本集合；以所述训练样本集合中的每个事件对应的故障属性作为因变量，以所述训练样本集合中的每个事件对应的基础评价指标作为自变量，对随机森林模型进行训练；使用所述测试样本集合对所述随机森林模型进行测试，得到所述随机森林模型的准确度；若准确度大于预设准确度阈值，则确定所述随机森林模型训练完成；使用训练完成的所述随机森林模型中的基尼系数，确定各个自变量对所述随机森林模型的贡献度，即得到每个基础评价指标对所述随机森林模型的贡献度。自变量对随机森林模型的贡献度表征自变量对随机森林模型的重要程度、自变量对因变量的影响程度。基础评价指标对所述随机森林模型的贡献度较大，表明基础评价指标对故障属性有显著影响，在判断车辆行驶过程中是否发生故障时有重要作用。

可选的，确定每个基础评价指标对所述随机森林模型的贡献度为每个基础评价指标的重要程度值。重要程度值表征基础评价指标在判断车辆行驶过程中是否发生故障时的重要程度。基础评价指标的重要程度值较大，表明基础评价指标在判断车辆行驶过程中是否发生故障时有重要作用。基础评价指标的重要程度值较小，表明基础评价指标在判断车辆行驶过程中是否发生故障时作用较小。

可选的，预设阈值是预先设置的重要程度值阈值。确定重要程度值大于预设阈值的基础评价指标为指向性评价指标，从而将全部基础评价指标中的在判断车辆行驶过程中是否发生故障时有重要作用的基础评价指标筛选出来，作为指向性评价指标。

由此，从全部基础评价指标中挖掘出用于从故障风险的角度，指向性评价车辆性能，评价无人驾驶车辆存在的潜在风险，辅助无人驾驶车辆的使用者准确判断无人驾驶车辆能否持续安全行驶的指向性评价指标。

可选的，在从所述至少一个基础评价指标中筛选出指向性评价指标之后，还包括：根据与每个功能模块关联的指向性评价指标，确定每个功能模块的指向性评价得分。

可选的，根据与每个功能模块关联的指向性评价指标，确定每个功能模块的指向性评价得分，包括：获取每个功能模块在待检测时间区间内的参数；基于所述参数，确定待检测时间区间对应的指向性评价指标；根据指向性评价指标的指标类型，确定指向性评价指标的基础得分；根据与每个功能模块关联的指向性评价指标的基础得分和重要程度值，计算每个功能模块的指向性评价得分。

可选的，待检测时间区间是需要检测车辆是否存在故障风险的时间区间。待检测时间区间对应的指向性评价指标是通过对待检测时间区间内的参数进行统计，得到的指向性评价指标。

可选的，指向性评价指标的指标类型包括风险指标和优良指标。

可选的，指向性评价指标的指标类型为风险指标，表明当指向性评价指标较大时，车辆运营风险和故障发生率可能会升高。例如，在待检测时间区间车辆紧急刹车的次数、在事件发生期间车辆状态为偏离预设区域的次数等。

可选的，指向性评价指标的指标类型为优良指标，表明当指向性评价指标较大时，车辆运营状态良好，车辆运营风险和故障发生率可能较小。例如，在待检测时间区间接收的多个定位信息中的置信度的均值。

可选的，根据指向性评价指标的指标类型，确定指向性评价指标的基础得分，包括：针对每个指向性评价指标执行下述操作：根据与指向性评价指标对应的历史最大值和历史最小值，对指向性评价指标进行归一化处理，得到指向性评价指标的归一化结果m_i；若指向性评价指标的指标类型为风险指标，则确定指向性评价指标的基础得分为1-m_i；若指向性评价指标的指标类型为优良指标，则确定指向性评价指标的基础得分为m_i。

可选的，若指向性评价指标是基于某一个功能模块的参数得到的统计参数，则确定指向性评价指标是与该功能模块关联的指向性评价指标。

可选的，根据与每个功能模块关联的指向性评价指标的基础得分和重要程度值，计算每个功能模块的指向性评价得分，包括：使用下述公式计算每个功能模块的指向性评价得分：

其中，i＝1，2…，j。F为功能模块的指向性评价得分，j为与功能模块关联的指向性评价指标的个数，w_i为与功能模块关联的第i个指向性评价指标的重要程度值，x_i为与功能模块关联的第i个指向性评价指标的基础得分。

可选的，功能模块的指向性评价得分表征了功能模块在待检测时间区间的表现。功能模块的功能模块的指向性评价得分较高，表明在待检测时间区间内功能模块状态良好，故障发生率较小。功能模块的功能模块的指向性评价得分较低，表明在待检测时间区间内功能模块的故障发生率较高。指向性评价表明功能模块状态良好，故障发生率较小。功能模块的指向性评价表明功能模块状态良好，故障发生率较小。

可选的，在确定每个功能模块的指向性评价得分之后，还包括：将所述指向性评价得分提供给目标用户。目标用户可以为车辆的使用者或负责管理车辆的技术人员。

可选的，将所述指向性评价得分发送至目标用户的终端设备，以使目标用户根据所述指向性评价得分，确定每个功能模块在待检测时间区间的表现，确定在待检测时间区间内各功能模块的状态和故障发生率。

可选的，生成用于展示指向性评价指标的可视化图表，将所述可视化图表发送至目标用户的终端设备。

可选的，在从所述至少一个基础评价指标中筛选出指向性评价指标之后，还包括：生成用于展示指向性评价指标的可视化图表，将所述可视化图表提供给目标用户，以使所述目标用户对指向性评价指标进行验证，验证指向性评价指标是否是对故障属性有显著影响的基础评价指标。

可选的，在从所述至少一个基础评价指标中筛选出指向性评价指标之后，还包括：通过方差分析法，验证指向性评价指标是否是对故障属性有显著影响的基础评价指标。

本发明实施例的技术方案，通过获取至少一个功能模块在预设时间区间内产生的事件；然后从事件中筛选出至少一个故障事件；确定事件中与至少一个故障事件具有时间关联的至少一个非故障事件，至少一个故障事件及其对应的非故障事件为车辆事件集合；基于车辆事件集合对应的参数，确定车辆事件集合中的每个事件对应的至少一个基础评价指标；最后从所述至少一个基础评价指标中筛选出指向性评价指标，指向性评价指标为用于指向性评价车辆性能的基础评价指标，解决了相关技术的车辆风险评价方案中，仅根据原始数据判断无人驾驶车辆是否存在风险，无法评价无人驾驶车辆存在的潜在风险，导致用户无法准确地判断无人驾驶车辆能否持续安全行驶的问题，取到了可以从无人驾驶车辆的全部基础评价指标中挖掘出用于从故障风险的角度，指向性评价车辆性能，评价无人驾驶车辆存在的潜在风险，辅助无人驾驶车辆的使用者准确判断无人驾驶车辆能否持续安全行驶的指向性评价指标，可以通过指向性评价指标，评价无人驾驶车辆存在的潜在风险，辅助用户准确地判断无人驾驶车辆能否持续安全行驶的问题的有益效果。

通过指向性评价指标，辅助用户识别车辆运行的潜在风险，挖掘故障。通过指向性评价指标辅助现场工作人员判断车辆是否出现异常，是否有潜在的风险。通过指向性评价指标在出现较大事故的情况下，帮助现场人员和研发人员快速排查。

实施例二

图2为本发明实施例二提供的一种车辆风险评价方法的流程图，本发明实施例可以与上述一个或者多个实施例中各个可选方案结合。如图2所示，该方法包括：

步骤201、获取至少一个功能模块在预设时间区间内产生的事件。

步骤202、从所述事件中筛选出至少一个故障事件。

步骤203、确定所述事件中与所述至少一个故障事件具有时间关联的至少一个非故障事件，所述至少一个故障事件及其对应的非故障事件为车辆事件集合。

步骤204、基于所述车辆事件集合对应的参数，确定所述车辆事件集合中的每个事件对应的至少一个基础评价指标。

步骤205、基于所述车辆事件集合中的每个事件对应的基础评价指标和故障属性，构建车辆事件样本集，所述故障属性表征事件是否为故障事件。

可选的，将所述车辆事件集合中的每个事件对应的基础评价指标和故障属性确定为车辆事件样本集中的一个样本，从而构建车辆事件样本集。

在一个具体实例中，车辆事件集合中有n+m个事件{μ₁，μ₂，…，μ_n+m}。将车辆事件集合中的每个事件对应的基础评价指标和故障属性确定为车辆事件样本集中的一个样本，从而构建包含n+m个样本的车辆事件样本集{(X₁，Y₁)，(X₂，Y₂)，…，(X_n+m，Y_n+m)}。X₁包含事件μ₁对应的每个基础评价指标。Y₁为事件对应的故障属性。(X₁，Y₁)为车辆事件样本集中的一个样本。故障属性为1，表征事件是为故障事件。故障属性为0，表征事件是为非故障事件。

步骤206、以所述车辆事件样本集中的每个事件对应的故障属性作为因变量，以所述车辆事件样本集中的每个事件对应的基础评价指标作为自变量，对随机森林模型进行训练，得到每个基础评价指标对所述随机森林模型的贡献度。

可选的，将所述车辆事件样本集划分为训练样本集合以及测试样本集合；以所述训练样本集合中的每个事件对应的故障属性作为因变量，以所述训练样本集合中的每个事件对应的基础评价指标作为自变量，对随机森林模型进行训练；使用所述测试样本集合对所述随机森林模型进行测试，得到所述随机森林模型的准确度；若准确度大于预设准确度阈值，则确定所述随机森林模型训练完成；使用训练完成的所述随机森林模型中的基尼系数，确定各个自变量对所述随机森林模型的贡献度，即得到每个基础评价指标对所述随机森林模型的贡献度。自变量对随机森林模型的贡献度表征自变量对随机森林模型的重要程度、自变量对因变量的影响程度。基础评价指标对所述随机森林模型的贡献度较大，表明基础评价指标对故障属性有显著影响，在判断车辆行驶过程中是否发生故障时有重要作用。

步骤207、确定每个基础评价指标对所述随机森林模型的贡献度为每个基础评价指标的重要程度值。

可选的，确定每个基础评价指标对所述随机森林模型的贡献度为每个基础评价指标的重要程度值。重要程度值表征基础评价指标在判断车辆行驶过程中是否发生故障时的重要程度。基础评价指标的重要程度值较大，表明基础评价指标在判断车辆行驶过程中是否发生故障时有重要作用。基础评价指标的重要程度值较小，表明基础评价指标在判断车辆行驶过程中是否发生故障时作用较小。

步骤208、确定重要程度值大于预设阈值的基础评价指标为指向性评价指标。

可选的，预设阈值是预先设置的重要程度值阈值。确定重要程度值大于预设阈值的基础评价指标为指向性评价指标，从而将全部基础评价指标中的在判断车辆行驶过程中是否发生故障时有重要作用的基础评价指标筛选出来，作为指向性评价指标。

由此，从全部基础评价指标中挖掘出用于从故障风险的角度，指向性评价车辆性能，评价无人驾驶车辆存在的潜在风险，辅助无人驾驶车辆的使用者准确判断无人驾驶车辆能否持续安全行驶的指向性评价指标。

步骤209、根据与每个功能模块关联的指向性评价指标，确定每个功能模块的指向性评价得分。

可选的，根据与每个功能模块关联的指向性评价指标，确定每个功能模块的指向性评价得分，包括：获取每个功能模块在待检测时间区间内的参数；基于所述参数，确定待检测时间区间对应的指向性评价指标；根据指向性评价指标的指标类型，确定指向性评价指标的基础得分；根据与每个功能模块关联的指向性评价指标的基础得分和重要程度值，计算每个功能模块的指向性评价得分。

可选的，待检测时间区间是需要检测车辆是否存在故障风险的时间区间。待检测时间区间对应的指向性评价指标是通过对待检测时间区间内的参数进行统计，得到的指向性评价指标。

可选的，指向性评价指标的指标类型包括风险指标和优良指标。

可选的，指向性评价指标的指标类型为风险指标，表明当指向性评价指标较大时，车辆运营风险和故障发生率可能会升高。例如，在待检测时间区间车辆紧急刹车的次数、在事件发生期间车辆状态为偏离预设区域的次数等。

可选的，指向性评价指标的指标类型为优良指标，表明当指向性评价指标较大时，车辆运营状态良好，车辆运营风险和故障发生率可能较小。例如，在待检测时间区间接收的多个定位信息中的置信度的均值。

可选的，根据指向性评价指标的指标类型，确定指向性评价指标的基础得分，包括：针对每个指向性评价指标执行下述操作：根据与指向性评价指标对应的历史最大值和历史最小值，对指向性评价指标进行归一化处理，得到指向性评价指标的归一化结果m_i；若指向性评价指标的指标类型为风险指标，则确定指向性评价指标的基础得分为1-m_i；若指向性评价指标的指标类型为优良指标，则确定指向性评价指标的基础得分为m_i。

可选的，若指向性评价指标是基于某一个功能模块的参数得到的统计参数，则确定指向性评价指标是与该功能模块关联的指向性评价指标。

可选的，根据与每个功能模块关联的指向性评价指标的基础得分和重要程度值，计算每个功能模块的指向性评价得分，包括：使用下述公式计算每个功能模块的指向性评价得分：

其中，i＝1，2…，j。F为功能模块的指向性评价得分，j为与功能模块关联的指向性评价指标的个数，w_i为与功能模块关联的第i个指向性评价指标的重要程度值，x_i为与功能模块关联的第i个指向性评价指标的基础得分。

可选的，功能模块的指向性评价得分表征了功能模块在待检测时间区间的表现。功能模块的功能模块的指向性评价得分较高，表明在待检测时间区间内功能模块状态良好，故障发生率较小。功能模块的功能模块的指向性评价得分较低，表明在待检测时间区间内功能模块的故障发生率较高。指向性评价表明功能模块状态良好，故障发生率较小。功能模块的指向性评价表明功能模块状态良好，故障发生率较小。

可选的，在确定每个功能模块的指向性评价得分之后，还包括：将所述指向性评价得分提供给目标用户。目标用户可以为车辆的使用者或负责管理车辆的技术人员。

可选的，将所述指向性评价得分发送至目标用户的终端设备，以使目标用户根据所述指向性评价得分，确定每个功能模块在待检测时间区间的表现，确定在待检测时间区间内各功能模块的状态和故障发生率。

可选的，生成用于展示指向性评价指标的可视化图表，将所述可视化图表发送至目标用户的终端设备。

本发明实施例的技术方案，取到了可以从无人驾驶车辆的全部基础评价指标中挖掘出用于从故障风险的角度，指向性评价车辆性能，评价无人驾驶车辆存在的潜在风险，辅助无人驾驶车辆的使用者准确判断无人驾驶车辆能否持续安全行驶的指向性评价指标，可以根据指向性评价指标确定每个功能模块的指向性评价得分，可以通过指向性评价指标和每个功能模块的指向性评价得分，评价无人驾驶车辆存在的潜在风险，辅助用户准确地判断无人驾驶车辆能否持续安全行驶，帮助用户更好地了解指定时间区间内车辆行驶状态、各个功能模块的表现，辅助用户识别车辆运行的潜在风险，挖掘故障的有益效果。

实施例三

图3为本发明实施例三提供的一种车辆风险评价装置的结构示意图。所述装置可以配置于电子设备中。如图3所示，所述装置包括：数据获取模块301、事件筛选模块302、事件确定模块303、指标确定模块304以及指标筛选模块305。

其中，数据获取模块301，用于获取至少一个功能模块在预设时间区间内产生的事件；事件筛选模块302，用于从所述事件中筛选出至少一个故障事件；事件确定模块303，用于确定所述事件中与所述至少一个故障事件具有时间关联的至少一个非故障事件，所述至少一个故障事件及其对应的非故障事件为车辆事件集合；指标确定模块304，用于基于所述车辆事件集合对应的参数，确定所述车辆事件集合中的每个事件对应的至少一个基础评价指标；指标筛选模块305，用于从所述至少一个基础评价指标中筛选出指向性评价指标，所述指向性评价指标为用于指向性评价车辆性能的基础评价指标。

本发明实施例的技术方案，通过获取至少一个功能模块在预设时间区间内产生的事件；然后从事件中筛选出至少一个故障事件；确定事件中与至少一个故障事件具有时间关联的至少一个非故障事件，至少一个故障事件及其对应的非故障事件为车辆事件集合；基于车辆事件集合对应的参数，确定车辆事件集合中的每个事件对应的至少一个基础评价指标；最后从所述至少一个基础评价指标中筛选出指向性评价指标，指向性评价指标为用于指向性评价车辆性能的基础评价指标，解决了相关技术的车辆风险评价方案中，仅根据原始数据判断无人驾驶车辆是否存在风险，无法评价无人驾驶车辆存在的潜在风险，导致用户无法准确地判断无人驾驶车辆能否持续安全行驶的问题，取到了可以从无人驾驶车辆的全部基础评价指标中挖掘出用于从故障风险的角度，指向性评价车辆性能，评价无人驾驶车辆存在的潜在风险，辅助无人驾驶车辆的使用者准确判断无人驾驶车辆能否持续安全行驶的指向性评价指标，可以通过指向性评价指标，评价无人驾驶车辆存在的潜在风险，辅助用户准确地判断无人驾驶车辆能否持续安全行驶的问题的有益效果。

在本发明实施例的一个可选实施方式中，可选的，每个故障事件有对应的起始时间和终止时间；事件确定模块303具体用于：针对每个故障事件执行下述操作：在起始时间之前第一预设时长和终止时间之后第二预设时长中的至少一个时间段内，判断是否有故障事件；若否，则将所述至少一个时间段对应的事件确定为与故障事件具有时间关联的非故障事件。

在本发明实施例的一个可选实施方式中，可选的，指标筛选模块305具体用于：基于所述车辆事件集合中的每个事件对应的基础评价指标和故障属性，构建车辆事件样本集，所述故障属性表征事件是否为故障事件；根据所述车辆事件样本集，确定每个基础评价指标的重要程度值；确定重要程度值大于预设阈值的基础评价指标为指向性评价指标。

在本发明实施例的一个可选实施方式中，可选的，指标筛选模块305在执行根据所述车辆事件样本集，确定每个基础评价指标的重要程度值的操作时，具体用于：以所述车辆事件样本集中的每个事件对应的故障属性作为因变量，以所述车辆事件样本集中的每个事件对应的基础评价指标作为自变量，对随机森林模型进行训练，得到每个基础评价指标对所述随机森林模型的贡献度；确定每个基础评价指标对所述随机森林模型的贡献度为每个基础评价指标的重要程度值。

在本发明实施例的一个可选实施方式中，可选的，所述基础评价指标是基于事件对应的至少一个参数得到的统计参数。

在本发明实施例的一个可选实施方式中，可选的，车辆风险评价装置还包括：模块评分模块，用于根据与每个功能模块关联的指向性评价指标，确定每个功能模块的指向性评价得分。

在本发明实施例的一个可选实施方式中，可选的，车辆风险评价装置还包括：评分提供模块，用于将所述指向性评价得分提供给目标用户。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

上述车辆风险评价装置可执行本发明任意实施例所提供的车辆风险评价方法，具备执行车辆风险评价方法相应的功能模块和有益效果。

实施例四

图4示出了可以用来实现本发明实施例的车辆风险评价方法的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。

如图4所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(ROM)12、随机访问存储器(RAM)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18构建到随机访问存储器(RAM)13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。

电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如车辆风险评价方法。

在一些实施例中，车辆风险评价方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序构建到RAM 13并由处理器11执行时，可以执行上文描述的车辆风险评价方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行车辆风险评价方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本发明的车辆风险评价方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入、或者触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、区块链网络和互联网。

计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (10)

1.一种车辆风险评价方法，所述车辆包括至少一个功能模块，其特征在于，包括：

获取所述至少一个功能模块在预设时间区间内产生的事件；

从所述事件中筛选出至少一个故障事件；

确定所述事件中与所述至少一个故障事件具有时间关联的至少一个非故障事件，所述至少一个故障事件及其对应的非故障事件为车辆事件集合；

基于所述车辆事件集合对应的参数，确定所述车辆事件集合中的每个事件对应的至少一个基础评价指标；

从所述至少一个基础评价指标中筛选出指向性评价指标，所述指向性评价指标为用于指向性评价车辆性能的基础评价指标。

2.根据权利要求1所述的方法，其特征在于，每个故障事件有对应的起始时间和终止时间；

所述确定所述事件中与所述至少一个故障事件具有时间关联的至少一个非故障事件，包括：

针对每个故障事件执行下述操作：

在起始时间之前第一预设时长和终止时间之后第二预设时长中的至少一个时间段内，判断是否有故障事件；

若否，则将所述至少一个时间段对应的事件确定为与故障事件具有时间关联的非故障事件。

3.根据权利要求1所述的方法，其特征在于，所述从所述至少一个基础评价指标中筛选出指向性评价指标，包括：

基于所述车辆事件集合中的每个事件对应的基础评价指标和故障属性，构建车辆事件样本集，所述故障属性表征事件是否为故障事件；

根据所述车辆事件样本集，确定每个基础评价指标的重要程度值；

确定重要程度值大于预设阈值的基础评价指标为指向性评价指标。

4.根据权利要求3所述的方法，其特征在于，所述根据所述车辆事件样本集，确定每个基础评价指标的重要程度值，包括：

以所述车辆事件样本集中的每个事件对应的故障属性作为因变量，以所述车辆事件样本集中的每个事件对应的基础评价指标作为自变量，对随机森林模型进行训练，得到每个基础评价指标对所述随机森林模型的贡献度；

确定每个基础评价指标对所述随机森林模型的贡献度为每个基础评价指标的重要程度值。

5.根据权利要求1所述的方法，其特征在于，所述基础评价指标是基于事件对应的至少一个参数得到的统计参数。

6.根据权利要求1所述的方法，其特征在于，在从所述至少一个基础评价指标中筛选出指向性评价指标之后，还包括：

根据与每个功能模块关联的指向性评价指标，确定每个功能模块的指向性评价得分。

7.根据权利要求6所述的方法，其特征在于，在确定每个功能模块的指向性评价得分之后，还包括：

将所述指向性评价得分提供给目标用户。

8.一种车辆风险评价装置，所述车辆包括至少一个功能模块，其特征在于，包括：

数据获取模块，用于获取所述至少一个功能模块在预设时间区间内产生的事件；

事件筛选模块，用于从所述事件中筛选出至少一个故障事件；

事件确定模块，用于确定所述事件中与所述至少一个故障事件具有时间关联的至少一个非故障事件，所述至少一个故障事件及其对应的非故障事件为车辆事件集合；

指标确定模块，用于基于所述车辆事件集合对应的参数，确定所述车辆事件集合中的每个事件对应的至少一个基础评价指标；

指标筛选模块，用于从所述至少一个基础评价指标中筛选出指向性评价指标，所述指向性评价指标为用于指向性评价车辆性能的基础评价指标。

9.一种电子设备，其特征在于，所述电子设备包括：

至少一个处理器；

以及与所述至少一个处理器通信连接的存储器；

其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的车辆风险评价方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的车辆风险评价方法。

Images