CN115635982A - 基于驾驶效率与舒适度的自动驾驶方法及系统 - Google Patents
基于驾驶效率与舒适度的自动驾驶方法及系统 Download PDFInfo
- Publication number
- CN115635982A CN115635982A CN202211375061.7A CN202211375061A CN115635982A CN 115635982 A CN115635982 A CN 115635982A CN 202211375061 A CN202211375061 A CN 202211375061A CN 115635982 A CN115635982 A CN 115635982A
- Authority
- CN
- China
- Prior art keywords
- comfort
- driving
- vehicle
- sensor
- scene
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000013135 deep learning Methods 0.000 claims abstract description 11
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 7
- 230000001133 acceleration Effects 0.000 claims description 22
- 230000007613 environmental effect Effects 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 230000036760 body temperature Effects 0.000 claims description 3
- 238000011160 research Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 238000011156 evaluation Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开一种基于驾驶效率与舒适度的自动驾驶方法，包括：a、传感器测量；b、场景识别；c、舒适度等级划分；d、行驶路径和速度规划；e、控制中心指令发送等步骤。同时公开了一种采用上述自动驾驶方法的系统。本发明综合考虑驾驶效率和舒适度，采用深度学习算法对驾驶场景进行分类，智能识别场景类别，并根据不同场景需求对舒适度和驾驶效率做出合理取舍，实现全场景的舒适度自动驾驶解决方案。
Description
技术领域
本发明涉及自动驾驶技术领域，尤其涉及一种基于驾驶效率与舒适度的自动驾驶方法及系统。
背景技术
当前自动驾驶技术日趋成熟，国内外公司已针对自动驾驶汽车开发出相关技术以应对多种复杂路况，基本保障车辆在真实路况中安全有效地完成自动驾驶行程。但是当前自动驾驶的相关研究主要集中在避免碰撞、车道保持和协调控制以确保驾驶安全和提高效率，而很少关注乘客的舒适度。而少有的关于自动驾驶舒适度的研究中，也仅仅是在某一特定场景中加入舒适性约束条件。例如，专利1《自动驾驶速度曲线选择方法和系统》（公开号CN114919588A），首先根据车辆周围环境情况计算出多条自动驾驶速度曲线，然后通过代价函数对不同的速度曲线计算出各自的代价值，最终通过对比代价值确定最佳的驾驶速度曲线。其中代价函数取决于限速值、舒适度阈值、障碍物信息。专利2《自动驾驶转向控制方法、设备及计算机可读存储介质》（公开号CN114852173A），针对汽车转向这一场景做安全性和舒适性考量，当系统接收到转向指令后，首先解析指令中的转向参数并获取当前汽车的行驶状态，然后根据舒适度和安全性要求得到转向约束参数，最后根据转向约束参数完成转向指令。
首先，当前研究只对特定场景进行研究，例如，专利1中，只在车辆的纵向控制中加入舒适度约束。专利2中又仅针对汽车转向这一场景考量舒适度。因此当前技术还不能在车辆应对现实世界的复杂路况时，始终有效保证乘客的舒适性。
其次，当前多采用阈值法约束车辆加速度和加速度的变化率以达到期望舒适度。例如专利1中针对舒适度的约束就是通过阈值法完成。而相关研究表明根据标准ISO-2631所得结果相比阈值法更贴合乘客的主观评价。因此对于舒适度数据的客观评价方面还存在优化空间。
最后，安全、效率和舒适度作为自动驾驶技术的三大目标。但当前研究对于效率和舒适之间的取舍还未形成完美的解决方案，多数对于自动驾驶舒适性的研究仅仅针对乘客舒适度本身展开研究，而忽略了舒适度和驾驶效率之间的关系。面对复杂多变的真实路况，过于关注舒适度本身会使自动驾驶的效率大打折扣，因此需要针对不同场景对舒适度和驾驶效率进行取舍。同时，目前基于舒适度的研究多停留于模拟仿真阶段，而难以应对所有复杂多变的真实路况。
因此，现有针对自动驾驶舒适度的研究仅仅是针对某一场景的理想仿真，同时缺乏不同路况下舒适度和效率之间的取舍，并未形成成熟的落地方案。
发明内容
针对以上缺陷，本发明公开一种综合考虑驾驶效率和舒适度的自动驾驶方案，采用深度学习算法对驾驶场景进行分类，智能识别场景类别，并根据不同场景需求对驾驶效率和舒适度做出合理取舍，实现全场景的舒适度自动驾驶。
为达到上述目的，本发明是采用以下技术方案实现的：
本发明公开的基于驾驶效率与舒适度的自动驾驶方法，包括以下步骤：
a、传感器测量，采用环境传感器测量环境状况并获取环境数据，采用车内传感器获取车辆行驶数据以及乘客的生理数据；
b、场景识别，根据环境数据分析路况场景，并进行分类获得场景类别；
c、舒适度等级划分，根据场景类别确定驾驶效率权重以及舒适度等级；
d、行驶路径和速度规划，制定或更新车辆下一时间段的行驶路径和行驶速度，根据场景类别和舒适度等级约束规划当前车辆行驶路径以及速度曲线；
e、车辆执行控制中心发送指令，控制车辆按照已规划的路径和速度行驶。
进一步的，在步骤e结束或未结束时执行步骤a。
优选的，步骤b中，所述分析路况场景采用深度学习算法实现。
优选的，所述舒适度等级根据ISO-2631标准确定。
进一步的，步骤d中，制定或更新行驶路径及速度曲线时还综合乘客反馈因数，所述乘客反馈因数可设定。
优选的，所述速度曲线包括车辆纵向、横向和垂直方向的加速度约束关系。
优选的，所述车内传感器包括三轴加速度传感器，所述三轴加速度传感器用于获取车辆纵向、横向和垂直方向的加速度数据，在步骤e中还包括根据加速度数据验证以及修正速度曲线。
优选的，所述车内传感器包括生理传感器，所述用于获取乘客的生理数据，所述生理数据包括心率、体温。
本发明还公开了采用上述自动驾驶方法的一种系统，具体包括：
环境探测模块，所述环境探测模块包括GPS接收器、双目摄像头、雷达设备；
乘客舒适度感知模块，所述乘客舒适度感知模块包括三轴加速度传感器、生理传感器；
所述GPS接收器、双目摄像头、雷达设备、三轴加速度传感器、生理传感器均连接控制单元。
优选的，所述控制单元包括场景识别中心、舒适度计算中心模块、路径规划中心模块、控制中心。
本发明的有益效果如下：
1、相对于现有技术采用阈值法简单提供舒适度约束条件，本发明参考ISO-2631标准设定舒适度约束条件，更贴合乘客主观需求。
2、本发明采用深度学习算法对驾驶场景进行分类，智能识别场景类别，并根据不同场景需求对舒适度和效率做出合理取舍。
附图说明
图1为实施例1的流程图。
图2为实施例2的框架图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图，对本发明进行进一步详细说明。
实施例1
本实施例公开一种基于驾驶效率与舒适度的自动驾驶方法，如图1所示，具体如下：
自动驾驶系统在车辆行驶过程中利用摄像头和雷达探测车辆周边路况，深度学习算法根据采集数据分析路况场景，并根据场景进行分类。本实施例预设场景分类共分为多种类型，以此区分不同场景下的驾驶效率和舒适度取舍。之后根据场景类别规划行进路径和速度曲线，车辆开始执行动作。循环以上步骤，实现车辆全程的自动驾驶任务。
主要流程为：传感器探测→场景识别→依据场景分类确定舒适度等级→根据舒适度等级约束，规划行驶路径和速度→车辆开始执行动作→乘客舒适度感知模块用于确定舒适度。
具体的：
首先，对于自动驾驶的需求，舒适度和驾驶效率不应是一成不变的对应关系，而应该根据车辆驾驶的不同场景做出不同决策，对舒适度和效率进行取舍。本实施例利用深度学习技术对车辆驾驶过程中的环境进行建模和分析，根据不同路况对驾驶环境进行分类，从而对于不同类别的环境做出舒适度和驾驶效率之间的权衡。
其次，对于舒适度的评判，本实施例舍弃阈值法直接约束加速度的方法。根据研究表明，ISO-2631标准相比于阈值法所得舒适度结果更贴合主观感受，因此本实施例根据ISO-2631标准对车辆中乘客的舒适度做出的客观评价，结合自动驾驶系统规划的路径，进而反演得出车辆纵向、横向和垂直方向的加速度约束关系，合理驱动车辆行进。
再次，目前大部分针对自动驾驶舒适性方向的研究只局限于某几个特定场景，如转弯、直行和人机接管部分等。不足以解决现实情况中的各种复杂路况。本实施例借助计算机视觉和深度学习技术，对于车辆行驶过程中的路况实时分析，实现全场景舒适性规划方案。
最后，由于乘车舒适度为主观评价，很大程度受乘客的个体差异，因此本实施例加入乘客反馈因数。乘客可根据自身状况设定反馈因数，自动驾驶系统会考虑反馈因数制定行进路径和速度曲线。
实施例2
在实施例1的基础上，本实施例公开一种适用于基于驾驶效率与舒适度的自动驾驶方法的系统，即衡量驾驶效率与舒适度的自动驾驶解决方案，如图2所示，具体包括：
1、环境探测模块：GPS接收器、双目摄像头、雷达设备。
2、乘客舒适度感知模块：三轴加速度传感器、生理传感器。
3、场景识别中心。
4、舒适度计算中心。
5、路径规划中心。
6、控制中心。
GPS接收器、双目摄像头和雷达均为路况数据收集设备，作为自动驾驶系统的眼睛，多方位为车辆行驶提供全面的周边数据。其中，GPS接收器用于车辆定位和路径导航，为车辆提供地理信息；双目摄像头用于采集全方位路况信息，为后续机器视觉工作提供基础。摄像头作为路况识别的主要设备，可通过多角度摄像头数据对路况信息进行建模；雷达作为摄像头的辅助工具，用于补充摄像头的视觉盲区和细节。
三轴加速度传感器和生理传感器为车内传感器，主要目的为评估乘客主客观舒适度。三轴加速度传感器用于监测车辆纵向、横向和垂直方向的加速度和加速度的变化率，以此对车辆执行的运行状态进行监测，从而验证乘客客观舒适度等级。而生理传感器则用于检测乘客心率、体温等生理参数，用于评估乘客的主观舒适度感受。
场景识别中心即利用深度学习技术对摄像头采集的数据进行场景建模和分析。同时，本自动驾驶系统利用深度学习技术将实际道路中所有可能出现的情况进行场景分类。(深度学习、场景识别)
舒适度计算中心即根据场景识别算法所得的不同场景类别对应不同舒适度等级，然后根据ISO-2631标准反演出总加速度阈值。
路径规划中心即根据舒适度约束条件规划出最合理的行进路径和最高效的速度曲线，从而保证自动驾驶车辆满足乘客舒适度的前提下实现效率最大化。
控制中心按照规划路径和速度曲线控制车辆行进。
当然，本发明还可有其它多种实施例，在不背离本发明精神及其实质的情况下，熟悉本领域的技术人员可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。
Claims (10)
1.基于驾驶效率与舒适度的自动驾驶方法，其特征在于，包括以下步骤：
a、传感器测量，采用环境传感器获取环境数据，采用车内传感器获取车辆行驶数据以及乘客的生理数据；
b、场景识别，根据环境数据分析路况场景，并进行分类获得场景类别；
c、舒适度等级划分，根据场景类别确定驾驶效率权重以及舒适度等级；
d、行驶路径和速度规划，制定或更新车辆下一时间段的行驶路径和行驶速度，根据场景类别和舒适度等级约束规划当前车辆行驶路径以及速度；
e、控制中心发送指令，控制车辆按照已规划的路径和速度行驶。
2.根据权利要求1所述的基于驾驶效率与舒适度的自动驾驶方法，其特征在于，在步骤e结束或未结束时执行步骤a。
3.根据权利要求1或2所述的基于驾驶效率与舒适度的自动驾驶方法，其特征在于，步骤b中，所述分析路况场景采用深度学习算法实现。
4.根据权利要求3所述的基于驾驶效率与舒适度的自动驾驶方法，其特征在于，所述舒适度等级根据ISO-2631标准确定。
5.根据权利要求3所述的基于驾驶效率与舒适度的自动驾驶方法，其特征在于，步骤d中，制定或更新行驶路径和速度时还综合乘客反馈因数，所述乘客反馈因数可设定。
6.根据权利要求3所述的基于驾驶效率与舒适度的自动驾驶方法，其特征在于，所述路径和速度的规划受限于车辆纵向、横向和垂直方向的加速度约束关系。
7.根据权利要求6所述的基于驾驶效率与舒适度的自动驾驶方法，其特征在于，所述车内传感器包括三轴加速度传感器，所述三轴加速度传感器用于测量车辆纵向、横向和垂直方向的加速度数据，在步骤e中还包括根据加速度数据验证以及修正行驶速度。
8.根据权利要求3所述的基于驾驶效率与舒适度的自动驾驶方法，其特征在于，所述车内传感器包括生理传感器，所述用于获取乘客的生理数据，所述生理数据包括心率、体温。
9.采用如权利要求4-8任一项所述的自动驾驶方法的系统，其特征在于，包括：
环境探测模块，所述环境探测模块包括GPS接收器、双目摄像头、雷达设备；
乘客舒适度感知模块，所述乘客舒适度感知模块包括三轴加速度传感器、生理传感器；
所述GPS接收器、双目摄像头、雷达设备、三轴加速度传感器、生理传感器均连接控制单元。
10.根据权利要求9所述的系统，其特征在于，所述控制单元包括场景识别中心、舒适度计算中心、路径规划中心、控制中心。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211375061.7A CN115635982A (zh) | 2022-11-04 | 2022-11-04 | 基于驾驶效率与舒适度的自动驾驶方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211375061.7A CN115635982A (zh) | 2022-11-04 | 2022-11-04 | 基于驾驶效率与舒适度的自动驾驶方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115635982A true CN115635982A (zh) | 2023-01-24 |
Family
ID=84948971
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211375061.7A Pending CN115635982A (zh) | 2022-11-04 | 2022-11-04 | 基于驾驶效率与舒适度的自动驾驶方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115635982A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117922615A (zh) * | 2024-03-22 | 2024-04-26 | 交通运输部科学研究院 | 自动驾驶公交避险场景下减少乘客不良反应的方法和装置 |
-
2022
- 2022-11-04 CN CN202211375061.7A patent/CN115635982A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117922615A (zh) * | 2024-03-22 | 2024-04-26 | 交通运输部科学研究院 | 自动驾驶公交避险场景下减少乘客不良反应的方法和装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107492251B (zh) | 一种基于机器学习与深度学习的驾驶员身份识别与驾驶状态监测方法 | |
| JP6842574B2 (ja) | 自律車両運転イベントに応答して乗車者フィードバックを取得するシステムおよび方法 | |
| CN113635897B (zh) | 一种基于风险场的安全驾驶预警方法 | |
| CN109466543A (zh) | 规划自主运动 | |
| CN105928531A (zh) | 一种适用于无人驾驶汽车的行进路线精准生成方法 | |
| US20050159851A1 (en) | System and method for real-time recognition of driving patterns | |
| CN105574537A (zh) | 基于多传感器的危险驾驶行为检测和评估方法 | |
| CN106184220B (zh) | 一种基于车辆定位轨迹的车道内异常驾驶检测方法 | |
| CN110509983A (zh) | 一种适用于不同驾驶需求的线控转向路感反馈装置 | |
| Hecker et al. | Learning accurate, comfortable and human-like driving | |
| Sun et al. | An integrated solution for lane level irregular driving detection on highways | |
| CN110764507A (zh) | 一种强化学习与信息融合的人工智能自动驾驶系统 | |
| CN112829747A (zh) | 一种驾驶行为决策方法、装置及存储介质 | |
| CN114898042A (zh) | 基于时空紧迫性的人车碰撞危险态势预测方法 | |
| CN115635982A (zh) | 基于驾驶效率与舒适度的自动驾驶方法及系统 | |
| CN112687121A (zh) | 行驶轨迹的预测方法、装置及自动驾驶车辆 | |
| CN110083099A (zh) | 一种符合汽车功能安全标准自动驾驶架构系统和工作方法 | |
| CN109964184A (zh) | 通过比较过渡预测的自主车辆控制 | |
| CN105620486B (zh) | 应用于车辆能量管理的行驶模式判断装置及方法 | |
| CN114932918A (zh) | 一种智能网联车在各种路况下行驶的行为决策方法及系统 | |
| CN109720353B (zh) | 一种基于智能手机的驾驶行为检测方法 | |
| CN107826105A (zh) | 半透明自动驾驶人工智能系统及车辆 | |
| CN113415292A (zh) | 一种驾驶接管能力评估方法及电子装置 | |
| CN117216515A (zh) | 基于自动驾驶的安全检测方法、装置以及计算机设备 | |
| CN105629953A (zh) | 基于车辆辅助驾驶的杆体识别系统 |
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 |