CN116484255A - 暴露度评估方法、装置、设备及可读存储介质 - Google Patents
暴露度评估方法、装置、设备及可读存储介质 Download PDFInfo
- Publication number
- CN116484255A CN116484255A CN202310421834.9A CN202310421834A CN116484255A CN 116484255 A CN116484255 A CN 116484255A CN 202310421834 A CN202310421834 A CN 202310421834A CN 116484255 A CN116484255 A CN 116484255A
- Authority
- CN
- China
- Prior art keywords
- scene
- exposure
- evaluation method
- level
- determining
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 149
- 238000000034 method Methods 0.000 abstract description 18
- 238000012854 evaluation process Methods 0.000 abstract description 4
- 230000007547 defect Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 8
- 238000013461 design Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/02—Ensuring safety in case of control system failures, e.g. by diagnosing, circumventing or fixing failures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2123/00—Data types
- G06F2123/02—Data types in the time domain, e.g. time-series data
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Automation & Control Theory (AREA)
- Human Computer Interaction (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Studio Devices (AREA)
Abstract
本发明提供一种暴露度评估方法、装置、设备及可读存储介质,暴露度评估方法包括:采集场景信息,根据场景信息确定场景数据和场景类型;根据场景类型,确定场景暴露度评估方法;采用确定的场景暴露度评估方法,根据场景数据,计算得到场景暴露度值;根据场景暴露度值,确定场景暴露度级别。通过本发明,首先根据采集的场景信息确定场景数据和场景类型,然后确定场景暴露度评估方法,计算得到场景暴露度值,最终确定场景暴露度级别,从而克服了目前在对暴露度的评估过程中缺乏有效的场景数据,以及避免了依靠专家判断和主观经验来评估暴露度,提升了暴露度评估的准确度。
Description
技术领域
本发明涉及车辆及道路安全技术领域,尤其涉及一种暴露度评估方法、装置、设备及可读存储介质。
背景技术
ASIL等级,英文全称Automotive Safety Integrity Leve,中文为汽车安全完整性等级,在道路车辆功能安全标准(ISO26262)中,将功能安全定义为“不存在由电气/电子系统故障行为相关的危害引起的不合理风险”,该标准根据伤害严重性、暴露度和可控性三项指标将ASIL等级划分为从低到高的A、B、C和D四个安全等级,ASIL等级中的暴露度是指危害事件相应场景的暴露概率,其中,场景是指已存在的电气/电子系统故障会导致危害事件发生的具体场景。
目前,在对ASIL等级暴露度的评估过程中,缺乏有效的场景数据,以及依靠专家判断和主观经验来评估暴露度,导致评估结果容易出现过高或过低的情况,从而导致安全设计不足或安全设计过于保守的风险。
发明内容
本发明的主要目的在于提供一种暴露度评估方法、装置、设备及可读存储介质,旨在解决目前在对暴露度的评估过程中缺乏有效的场景数据,以及依靠专家判断和主观经验来评估暴露度,导致评估结果容易出现过高或过低的情况,从而导致安全设计不足或安全设计过于保守的风险的技术问题。
第一方面,本发明提供一种暴露度评估方法,所述暴露度评估方法包括:
采集场景信息,根据场景信息确定场景数据和场景类型;
根据场景类型,确定场景暴露度评估方法;
采用确定的场景暴露度评估方法,根据场景数据,计算得到场景暴露度值;
根据场景暴露度值,确定场景暴露度级别。
可选的,所述场景包括多个特征,所述场景数据包括场景的持续时长和场景的发生次数,所述采集场景信息,根据场景信息确定场景数据包括:
采集场景的每个特征的信息;
统计场景的每个特征同时出现的时长,得到场景的持续时长;
统计场景的每个特征同时出现的次数,得到场景的发生次数。
可选的,所述场景类型包括触发型和持续型,所述根据场景类型,确定场景暴露度评估方法包括:
若场景类型属于持续型,则确定场景暴露度评估方法为基于持续时长的评估方法;
若场景类型属于触发型,则确定场景暴露度评估方法为基于发生频率的评估方法;
若场景的类型同时属于持续型和触发型,则确定场景暴露度评估方法为基于持续时长的评估方法和基于发生频率的评估方法。
可选的,所述采用确定的场景暴露度评估方法,根据场景数据,计算得到场景暴露度值包括:
当确定场景暴露度评估方法为基于持续时长的评估方法时,采用基于持续时长的评估方法,根据场景的持续时长,通过公式一计算得到第一场景暴露度值σ,所述公式一为:σ=t/T;
其中,t为场景的持续时长,T为车辆的总运行时长;
当确定场景暴露度评估方法为基于发生频率的评估方法时,采用基于发生频率的评估方法,根据场景的发生次数,通过公式二计算得到第二场景暴露度值,所述公式二为:第二场景暴露度值=场景的发生次数/年。
可选的,所述根据场景暴露度值,确定场景暴露度级别包括:
若第一场景暴露度值等于零,则确定场景暴露度级别为第一级别;
若第一场景暴露度值大于零,且小于第一预设值,则确定场景暴露度级别为第二级别;
若第一场景暴露度值大于第一预设值,且小于第二预设值,则确定场景暴露度级别为第三级别;
若第一场景暴露度值大于第二预设值,且小于第三预设值,则确定场景暴露度级别为第四级别;
若第一场景暴露度值大于第三预设值,则确定场景暴露度级别为第五级别,所述第一级别、第二级别、第三级别、第四级别及第五级别,依次表征场景暴露度级别从低到高;
若第二场景暴露度值等于零,则确定场景暴露度级别为第一级别;
若第二场景暴露度值大于零,且小于第四预设值,则确定场景暴露度级别为第二级别;
若第二场景暴露度值大于第四预设值,且小于第五预设值,则确定场景暴露度级别为第三级别;
若第二场景暴露度值大于第五预设值,且小于第六预设值,则确定场景暴露度级别为第四级别;
若第二场景暴露度值大于第六预设值,则确定场景暴露度级别为第五级别。
可选的,当确定场景暴露度评估方法为基于持续时长的评估方法和基于发生频率的评估方法时,所述确定场景暴露度级别包括:
将采用两种场景暴露度评估方法所确定的场景暴露度级别中的较高者,作为最终的场景暴露度级别。
第二方面,本发明还提供一种暴露度评估装置,所述暴露度评估装置包括:
采集模块,用于采集场景信息,根据场景信息确定场景数据和场景类型;
第一确定模块,用于根据场景类型,确定场景暴露度评估方法;
计算模块,用于采用确定的场景暴露度评估方法,根据场景数据,计算得到场景暴露度值;
第二确定模块,用于根据场景暴露度值,确定场景暴露度级别。
可选的,所述场景包括多个特征,所述场景数据包括场景的持续时长和场景的发生次数,所述采集模块,用于:
采集场景的每个特征的信息;
统计场景的每个特征同时出现的时长,得到场景的持续时长;
统计场景的每个特征同时出现的次数,得到场景的发生次数。
第三方面,本发明还提供一种暴露度评估设备,所述暴露度评估设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的暴露度评估程序,其中所述暴露度评估程序被所述处理器执行时,实现如上述所述的暴露度评估方法的步骤。
第四方面,本发明还提供一种可读存储介质,所述可读存储介质上存储有暴露度评估程序,其中所述暴露度评估程序被处理器执行时,实现如上述所述的暴露度评估方法的步骤。
本发明中,采集场景信息,根据场景信息确定场景数据和场景类型;根据场景类型,确定场景暴露度评估方法;采用确定的场景暴露度评估方法,根据场景数据,计算得到场景暴露度值;根据场景暴露度值,确定场景暴露度级别。本发明通过,首先根据采集的场景信息确定场景数据和场景类型,然后确定场景暴露度评估方法,计算得到场景暴露度值,最终确定场景暴露度级别,从而克服了目前在对暴露度的评估过程中缺乏有效的场景数据,以及避免了依靠专家判断和主观经验来评估暴露度,提升了暴露度评估的准确度。
附图说明
图1为本发明暴露度评估方法一实施例的流程示意图;
图2为图1中步骤S10的细化流程示意图;
图3为图1中步骤S20的细化流程示意图;
图4为图1中步骤S30的细化流程示意图;
图5为本发明暴露度评估装置一实施例的功能模块示意图;
图6为本发明暴露度评估设备一实施例的硬件结构示意图。
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。
第一方面,本发明实施例提供了一种暴露度评估方法。
为了更清楚地展示本申请实施例提供的暴露度评估方法,首先介绍一下本申请实施例提供的暴露度评估方法的应用场景。
本申请实施例提供的暴露度评估方法应用于,在ASIL等级中暴露度是指危害事件相应场景的暴露概率,场景是指已存在的电气/电子系统故障会导致危害事件发生的具体场景。然而,在对ASIL等级暴露度的评估过程中,缺乏有效的场景数据,以及依靠专家判断和主观经验来评估暴露度,导致评估结果容易出现过高或过低的情况,从而导致安全设计不足或安全设计过于保守的风险。
一实施例中,参照图1,图1为本发明暴露度评估方法一实施例的流程示意图,如图1所示,所述暴露度评估方法包括:
步骤S10,采集场景信息,根据场景信息确定场景数据和场景类型。
本实施例中,可通过摄像头、雷达及各类传感器等,采集可用于支持ASIL等级暴露度的场景信息,所述场景信息具体可包括如车辆周围环境信息、车辆和部件状态信息、交通参与者信息和驾驶员操作信息等,其中,交通参与者参数信息可包括如距离参数、对象参数、相关车辆车速、加速度和横摆角速度等,驾驶员操作信息可包括如方向盘转角加速度信息、油门踏板和制动踏板加速度信息等,通过采集的场景信息确定场景的类型和场景数据,以用于支持场景暴露度的评估。
步骤S20,根据场景类型,确定场景暴露度评估方法。
本实施例中,场景类型主要包括触发型和持续型,根据不同的场景类型确定相应的场景暴露度评估方法。
步骤S30,采用确定的场景暴露度评估方法,根据场景数据,计算得到场景暴露度值。
本实施例中,采用步骤S20中根据不同的场景类型确定相应的场景暴露度评估方法,使用场景数据,计算出场景暴露度值。
步骤S40,根据场景暴露度值,确定场景暴露度级别。
本实施例中,为更直观的展示场景暴露度,将计算得到的场景暴露度值转换为场景暴露度级别。
本实施例中,首先可通过摄像头、雷达及各类传感器等,采集可用于支持ASIL等级暴露度的场景信息,根据采集的场景信息确定场景数据和场景类型,然后确定场景暴露度评估方法,计算得到场景暴露度值,转换为可直观展示的场景暴露度级别,从而克服了目前在对暴露度的评估过程中缺乏有效的场景数据,以及避免了依靠专家判断和主观经验来评估暴露度,提升了暴露度评估的准确度。
进一步地,一实施例中,所述场景包括多个特征,所述场景数据包括场景的持续时长和场景的发生次数,参照图2,图2为图1中步骤S10的细化流程示意图,如图2所示,步骤S10包括:
步骤S101,采集场景的每个特征的信息;
步骤S102,统计场景的每个特征同时出现的时长,得到场景的持续时长;
步骤S103,统计场景的每个特征同时出现的次数,得到场景的发生次数。
本实施例中,场景通常包括多个特征,场景的特征可以根据暴露度等级的评估需求灵活进行定义,采集场景的每个特征的信息,具体的,可通过定位系统采集车辆的位置特征信息,通过车辆电子信息系统,比如驱动系统、转向系统、制动系统和驻车系统等采集车辆的行为特征信息,通过摄像头和雷达等传感器采集道路环境和交通参与者等场景的相关特征信息,然后统计场景的每个特征同时出现的时长,进而得到场景的持续时长,例如某个待评估场景的第一特征为车辆以车速v1行驶,出现的时长为t1,第二特征为后方车辆以车速v2跟随前车行驶,出现的时长为t2,第三特征为车辆在弯道半径为R的道路上行驶,出现的时长为t3,对t1、t2和t3求交集,即可确定该场景以上三个特征同时出现时的场景的持续时长,同理,通过统计场景的每个特征同时出现的次数,得到场景的发生次数。
进一步地,一实施例中,所述场景类型包括触发型和持续型,参照图3,图3为图1中步骤S20的细化流程示意图,如图3所示,步骤S20包括:
步骤S201,若场景类型属于持续型,则确定场景暴露度评估方法为基于持续时长的评估方法;
步骤S202,若场景类型属于触发型,则确定场景暴露度评估方法为基于发生频率的评估方法;
步骤S203,若场景的类型同时属于持续型和触发型,则确定场景暴露度评估方法为基于持续时长的评估方法和基于发生频率的评估方法。
本实施例中,场景类型主要包括触发型和持续型,根据场景类型采取合适的场景暴露度评估方法,主要是考虑场景中的特征信息,场景类型中的持续型是指场景经常性的发生,比如包含有车辆通过交通路口的时长等特征的场景,适用于基于持续时长的评估方法,场景类型中的触发型是指场景的发生具有一定频率性,可统计场景发生的次数,比如包含有车辆重复通过交通路口等特征的场景,适用于基于发生频率的评估方法,还有的场景既属于持续型又属于触发型,比如包含有车辆在停车场中的驾驶等特征的场景,则需要同时使用两种评估方法来进行场景暴露度的评估。
进一步地,一实施例中,参照图4,图4为图1中步骤S30的细化流程示意图,如图4所示,步骤S30包括:
步骤S301,当确定场景暴露度评估方法为基于持续时长的评估方法时,采用基于持续时长的评估方法,根据场景的持续时长,通过公式一计算得到第一场景暴露度值σ,所述公式一为:σ=t/T;
其中,t为场景的持续时长,T为车辆的总运行时长;
步骤S302,当确定场景暴露度评估方法为基于发生频率的评估方法时,采用基于发生频率的评估方法,根据场景的发生次数,通过公式二计算得到第二场景暴露度值,所述公式二为:第二场景暴露度值=场景的发生次数/年。
本实施例中,第一场景暴露度值基于场景的持续时长和车辆的总运行时长计算得到,需要说明的是,车辆的总运行时长还可以替代使用汽车生命周期来计算,其中,车辆的总运行时长通常不包含车辆下电的时长,汽车生命周期通常包含车辆下电的时长,当采用汽车生命周期来计算第一场景暴露度值时,可使用具有独立电源的采集设备来确保车辆在下电时的场景信息的采集,基于场景的发生次数,通常以年为单位进行计算,得到第二场景暴露度值。
进一步地,一实施例中,步骤S40包括:
若第一场景暴露度值等于零,则确定场景暴露度级别为第一级别;
若第一场景暴露度值大于零,且小于第一预设值,则确定场景暴露度级别为第二级别;
若第一场景暴露度值大于第一预设值,且小于第二预设值,则确定场景暴露度级别为第三级别;
若第一场景暴露度值大于第二预设值,且小于第三预设值,则确定场景暴露度级别为第四级别;
若第一场景暴露度值大于第三预设值,则确定场景暴露度级别为第五级别,所述第一级别、第二级别、第三级别、第四级别及第五级别,依次表征场景暴露度级别从低到高;
若第二场景暴露度值等于零,则确定场景暴露度级别为第一级别;
若第二场景暴露度值大于零,且小于第四预设值,则确定场景暴露度级别为第二级别;
若第二场景暴露度值大于第四预设值,且小于第五预设值,则确定场景暴露度级别为第三级别;
若第二场景暴露度值大于第五预设值,且小于第六预设值,则确定场景暴露度级别为第四级别;
若第二场景暴露度值大于第六预设值,则确定场景暴露度级别为第五级别。
本实施例中,按照第一场景暴露度值从小到大的顺序,分别转换为从低到高的场景暴露度级别,第一预设值、第二预设值和第三预设值,可根据实际需要进行具体的设定和调整,其中,第二预设值比如为1%,第三预设值比如为10%;按照第二场景暴露度值从小到大的顺序,分别转换为从低到高的场景暴露度级别,第四预设值、第五预设值和第六预设值,可根据实际需要进行具体的设定和调整,其中,第四预设值比如为1次/年,第五预设值比如为12次/年。
进一步地,一实施例中,当确定场景暴露度评估方法为基于持续时长的评估方法和基于发生频率的评估方法时,步骤S40还包括:
将采用两种场景暴露度评估方法所确定的场景暴露度级别中的较高者,作为最终的场景暴露度级别。
本实施例中,由于场景暴露度等级关系到车辆道路安全,因此,将采用两种场景暴露度评估方法所确定的场景暴露度级别中的较高者,作为最终的场景暴露度级别。
第二方面,本发明实施例还提供一种暴露度评估装置。
参照图5,图5为本发明暴露度评估装置一实施例的功能模块示意图。
本实施例中,所述暴露度评估装置包括:
采集模块10,用于采集场景信息,根据场景信息确定场景数据和场景类型;
第一确定模块20,用于根据场景类型,确定场景暴露度评估方法;
计算模块30,用于采用确定的场景暴露度评估方法,根据场景数据,计算得到场景暴露度值;
第二确定模块40,用于根据场景暴露度值,确定场景暴露度级别。
进一步地,一实施例中,所述场景包括多个特征,所述场景数据包括场景的持续时长和场景的发生次数,采集模块10,用于:
采集场景的每个特征的信息;
统计场景的每个特征同时出现的时长,得到场景的持续时长;
统计场景的每个特征同时出现的次数,得到场景的发生次数。
进一步地,一实施例中,所述场景类型包括触发型和持续型,第一确定模块20,用于:
若场景类型属于持续型,则确定场景暴露度评估方法为基于持续时长的评估方法;
若场景类型属于触发型,则确定场景暴露度评估方法为基于发生频率的评估方法;
若场景的类型同时属于持续型和触发型,则确定场景暴露度评估方法为基于持续时长的评估方法和基于发生频率的评估方法。
进一步地,一实施例中,计算模块30,用于:
当确定场景暴露度评估方法为基于持续时长的评估方法时,采用基于持续时长的评估方法,根据场景的持续时长,通过公式一计算得到第一场景暴露度值σ,所述公式一为:σ=t/T;
其中,t为场景的持续时长,T为车辆的总运行时长;
当确定场景暴露度评估方法为基于发生频率的评估方法时,采用基于发生频率的评估方法,根据场景的发生次数,通过公式二计算得到第二场景暴露度值,所述公式二为:第二场景暴露度值=场景的发生次数/年。
进一步地,一实施例中,第二确定模块40,用于:
若第一场景暴露度值等于零,则确定场景暴露度级别为第一级别;
若第一场景暴露度值大于零,且小于第一预设值,则确定场景暴露度级别为第二级别;
若第一场景暴露度值大于第一预设值,且小于第二预设值,则确定场景暴露度级别为第三级别;
若第一场景暴露度值大于第二预设值,且小于第三预设值,则确定场景暴露度级别为第四级别;
若第一场景暴露度值大于第三预设值,则确定场景暴露度级别为第五级别,所述第一级别、第二级别、第三级别、第四级别及第五级别,依次表征场景暴露度级别从低到高;
若第二场景暴露度值等于零,则确定场景暴露度级别为第一级别;
若第二场景暴露度值大于零,且小于第四预设值,则确定场景暴露度级别为第二级别;
若第二场景暴露度值大于第四预设值,且小于第五预设值,则确定场景暴露度级别为第三级别;
若第二场景暴露度值大于第五预设值,且小于第六预设值,则确定场景暴露度级别为第四级别;
若第二场景暴露度值大于第六预设值,则确定场景暴露度级别为第五级别。
进一步地,一实施例中,当确定场景暴露度评估方法为基于持续时长的评估方法和基于发生频率的评估方法时,第二确定模块40,用于:
将采用两种场景暴露度评估方法所确定的场景暴露度级别中的较高者,作为最终的场景暴露度级别。
其中,上述暴露度评估装置中各个模块的功能实现与上述暴露度评估方法实施例中各步骤相对应,其功能和实现过程在此处不再一一赘述。
第三方面,本发明实施例提供一种暴露度评估设备,该暴露度评估设备可以是个人计算机(personal computer,PC)、笔记本电脑、服务器等具有数据处理功能的设备。
参照图6,图6为本发明暴露度评估设备一实施例的硬件结构示意图。本发明实施例中,暴露度评估设备可以包括处理器1001(例如中央处理器Central Processing Unit,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);网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真WIreless-FIdelity,WI-FI接口);存储器1005可以是高速随机存取存储器(random accessmemory,RAM),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6中示出的硬件结构并不构成对本发明的限定,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。
继续参照图6,图6中作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及暴露度评估程序。其中,处理器1001可以调用存储器1005中存储的暴露度评估程序,并执行本发明实施例提供的暴露度评估方法。
第四方面,本发明实施例还提供一种可读存储介质。
本发明可读存储介质上存储有暴露度评估程序,其中所述暴露度评估程序被处理器执行时,实现如上述的暴露度评估方法的步骤。
其中,暴露度评估程序被执行时所实现的方法可参照本发明暴露度评估方法的各个实施例,此处不再赘述。
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、物品或者系统不仅包括那些要素,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、物品或者系统所固有的要素。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、物品或者系统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。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备执行本发明各个实施例所述的方法。
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)
1.一种暴露度评估方法,其特征在于,所述暴露度评估方法包括:
采集场景信息,根据场景信息确定场景数据和场景类型;
根据场景类型,确定场景暴露度评估方法;
采用确定的场景暴露度评估方法,根据场景数据,计算得到场景暴露度值;
根据场景暴露度值,确定场景暴露度级别。
2.如权利要求1所述的暴露度评估方法,其特征在于,所述场景包括多个特征,所述场景数据包括场景的持续时长和场景的发生次数,所述采集场景信息,根据场景信息确定场景数据包括:
采集场景的每个特征的信息;
统计场景的每个特征同时出现的时长,得到场景的持续时长;
统计场景的每个特征同时出现的次数,得到场景的发生次数。
3.如权利要求2所述的暴露度评估方法,其特征在于,所述场景类型包括触发型和持续型,所述根据场景类型,确定场景暴露度评估方法包括:
若场景类型属于持续型,则确定场景暴露度评估方法为基于持续时长的评估方法;
若场景类型属于触发型,则确定场景暴露度评估方法为基于发生频率的评估方法;
若场景的类型同时属于持续型和触发型,则确定场景暴露度评估方法为基于持续时长的评估方法和基于发生频率的评估方法。
4.如权利要求3所述的暴露度评估方法,其特征在于,所述采用确定的场景暴露度评估方法,根据场景数据,计算得到场景暴露度值包括:
当确定场景暴露度评估方法为基于持续时长的评估方法时,采用基于持续时长的评估方法,根据场景的持续时长,通过公式一计算得到第一场景暴露度值σ,所述公式一为:σ=t/T;
其中,t为场景的持续时长,T为车辆的总运行时长;
当确定场景暴露度评估方法为基于发生频率的评估方法时,采用基于发生频率的评估方法,根据场景的发生次数,通过公式二计算得到第二场景暴露度值,所述公式二为:第二场景暴露度值=场景的发生次数/年。
5.如权利要求4所述的暴露度评估方法,其特征在于,所述根据场景暴露度值,确定场景暴露度级别包括:
若第一场景暴露度值等于零,则确定场景暴露度级别为第一级别;
若第一场景暴露度值大于零,且小于第一预设值,则确定场景暴露度级别为第二级别;
若第一场景暴露度值大于第一预设值,且小于第二预设值,则确定场景暴露度级别为第三级别;
若第一场景暴露度值大于第二预设值,且小于第三预设值,则确定场景暴露度级别为第四级别;
若第一场景暴露度值大于第三预设值,则确定场景暴露度级别为第五级别,所述第一级别、第二级别、第三级别、第四级别及第五级别,依次表征场景暴露度级别从低到高;
若第二场景暴露度值等于零,则确定场景暴露度级别为第一级别;
若第二场景暴露度值大于零,且小于第四预设值,则确定场景暴露度级别为第二级别;
若第二场景暴露度值大于第四预设值,且小于第五预设值,则确定场景暴露度级别为第三级别;
若第二场景暴露度值大于第五预设值,且小于第六预设值,则确定场景暴露度级别为第四级别;
若第二场景暴露度值大于第六预设值,则确定场景暴露度级别为第五级别。
6.如权利要求3所述的暴露度评估方法,其特征在于,当确定场景暴露度评估方法为基于持续时长的评估方法和基于发生频率的评估方法时,所述确定场景暴露度级别包括:
将采用两种场景暴露度评估方法所确定的场景暴露度级别中的较高者,作为最终的场景暴露度级别。
7.一种暴露度评估装置,其特征在于,所述暴露度评估装置包括:
采集模块,用于采集场景信息,根据场景信息确定场景数据和场景类型;
第一确定模块,用于根据场景类型,确定场景暴露度评估方法;
计算模块,用于采用确定的场景暴露度评估方法,根据场景数据,计算得到场景暴露度值;
第二确定模块,用于根据场景暴露度值,确定场景暴露度级别。
8.如权利要求7所述的暴露度评估装置,其特征在于,所述场景包括多个特征,所述场景数据包括场景的持续时长和场景的发生次数,所述采集模块,用于:
采集场景的每个特征的信息;
统计场景的每个特征同时出现的时长,得到场景的持续时长;
统计场景的每个特征同时出现的次数,得到场景的发生次数。
9.一种暴露度评估设备,其特征在于,所述暴露度评估设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的暴露度评估程序,其中所述暴露度评估程序被所述处理器执行时,实现如权利要求1至6中任一项所述的暴露度评估方法的步骤。
10.一种可读存储介质,其特征在于,所述可读存储介质上存储有暴露度评估程序,其中所述暴露度评估程序被处理器执行时,实现如权利要求1至6中任一项所述的暴露度评估方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310421834.9A CN116484255A (zh) | 2023-04-19 | 2023-04-19 | 暴露度评估方法、装置、设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310421834.9A CN116484255A (zh) | 2023-04-19 | 2023-04-19 | 暴露度评估方法、装置、设备及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116484255A true CN116484255A (zh) | 2023-07-25 |
Family
ID=87222603
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310421834.9A Pending CN116484255A (zh) | 2023-04-19 | 2023-04-19 | 暴露度评估方法、装置、设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116484255A (zh) |
-
2023
- 2023-04-19 CN CN202310421834.9A patent/CN116484255A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111489588B (zh) | 车辆驾驶风险预警方法及装置、设备、存储介质 | |
Farah et al. | Safety analysis of passing maneuvers using extreme value theory | |
CN110909419A (zh) | 一种汽车安全完整性能等级计算方法、装置及服务器 | |
CN113247008B (zh) | 一种驾驶行为监控方法、装置及电子设备 | |
CN110949381B (zh) | 一种驾驶行为危险度的监测方法及装置 | |
CN112881661A (zh) | 路面损坏检测装置、路面损坏检测方法及存储介质 | |
CN112016625B (zh) | 车辆异常检测方法、装置、电子设备及存储介质 | |
CN112880627A (zh) | 路面损伤检测装置、路面损伤检测方法及介质 | |
CN111613060B (zh) | 一种数据处理方法以及设备 | |
CN109146258A (zh) | 基于区块链的驾驶数据处理方法及装置 | |
CN112597061A (zh) | 一种acc系统性能测试方法及相关设备 | |
CN111862589B (zh) | 一种高容量车道确定方法及装置 | |
CN116484255A (zh) | 暴露度评估方法、装置、设备及可读存储介质 | |
CN112149908A (zh) | 车辆驾驶预测方法、系统、计算机设备及可读存储介质 | |
CN115080683B (zh) | 车辆行程处理方法、设备和存储介质 | |
CN116304986A (zh) | 车辆事件融合方法、装置、设备及可读存储介质 | |
CN113947921A (zh) | 超速提示方法、装置、存储介质以及终端 | |
CN112729862B (zh) | 无人驾驶的驾驶行为安全评估方法、装置及电子设备 | |
CN115376319A (zh) | 交通事故智能处理方法、装置、设备及存储介质 | |
CN113642521A (zh) | 红绿灯识别质量的评价方法、装置和电子设备 | |
CN113268428A (zh) | 车队管理系统的测试方法、系统、存储介质和电子装置 | |
CN112597835A (zh) | 驾驶行为的评估方法、装置、电子设备及可读存储介质 | |
CN117292504B (zh) | 交通安全监控方法、装置、设备及介质 | |
CN114475093B (zh) | 轮胎磨损提醒方法、装置、设备及存储介质 | |
US20220335855A1 (en) | Pre-driving test device |
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 |