CN116778720B - 一种交通工况场景库搭建及应用方法、系统和电子设备 - Google Patents

一种交通工况场景库搭建及应用方法、系统和电子设备 Download PDF

Info

Publication number
CN116778720B
CN116778720B CN202311075524.2A CN202311075524A CN116778720B CN 116778720 B CN116778720 B CN 116778720B CN 202311075524 A CN202311075524 A CN 202311075524A CN 116778720 B CN116778720 B CN 116778720B
Authority
CN
China
Prior art keywords
data
working condition
traffic
vehicle
information type
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.)
Active
Application number
CN202311075524.2A
Other languages
English (en)
Other versions
CN116778720A (zh
Inventor
尤嘉勋
亢婧璇
赵博文
于欣策
秦丽蓬
赵洁
刘爽爽
郭欣
崔清泽
任璐璐
陈宏硕
吴吉霞
裘臻
于珍
肖倩
臧金环
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.)
China Automobile Media Tianjin Co ltd
Original Assignee
China Automobile Media Tianjin Co ltd
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 China Automobile Media Tianjin Co ltd filed Critical China Automobile Media Tianjin Co ltd
Priority to CN202311075524.2A priority Critical patent/CN116778720B/zh
Publication of CN116778720A publication Critical patent/CN116778720A/zh
Application granted granted Critical
Publication of CN116778720B publication Critical patent/CN116778720B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G08G1/0125—Traffic data processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G06N5/022—Knowledge engineering; Knowledge acquisition
    • G06N5/025—Extracting rules from 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
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Computational Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开一种交通工况场景库搭建及应用方法、系统和电子设备，涉及电数字数据处理技术领域。本发明以汽车工况信息和交通事故成因类型为基础得到数据信息类型，按照预设规则梳理生成数据信息类型层级关系，并对数据信息类型中的数据元素进行扩展，对数据元素进行编码，并确定各数据元素间的互斥关系，以便得到更加合理的案例情况组合，然后，基于每种数据信息类型的事故数量对数据元素进行排序得到元素顺序，以筛选得到事故发生场景情况案例，从车辆交通事故成因角度出发，基于实际道路交通事故数据进行梳理分析构建得到交通工况场景库，进而提高交通工况场景的应用效率和精确度，以为制定汽车相应的安全管理措施和政策提供有力依据。

Description

一种交通工况场景库搭建及应用方法、系统和电子设备
技术领域
本发明涉及电数字数据处理技术领域，特别是涉及一种交通工况场景库搭建及应用方法、系统和电子设备。
背景技术
在现代社会中，汽车已成为人们生活中不可或缺的交通工具。然而，由于道路条件、车辆性能、驾驶员行为等因素的影响，汽车事故时有发生。为了降低汽车事故的发生率，需要对不同的汽车工况进行研究和分析，以便制定相应的安全管理措施和政策。
然而，由于汽车工况的多样性和复杂性，研究和分析它们是一项具有挑战性的任务。目前，许多汽车工况场景库已经建立，以帮助汽车企业和研究人员更好地理解汽车工况和事故。例如，一种自动驾驶场景库的建设方法和系统（公开号为CN115292153A），该发明通过正向设计与逆向设计的技术路线建设形成覆盖智能网联汽车全开发周期的仿真场景库，实现对产品的全面验证。从感知、决策、控制三个方面分析，得到场景关键元素的判定、组合准则，设计具体场景。进而建设出真实、标准、规范、全面的仿真场景库，避免了自动驾驶场景库缺乏系统性和真实性，各类场景无明确分类标准，业内各个场景库设计准则、测试目标不一，场景库间无关联性和一致性等问题。一种智能汽车仿真测试场景库生成方法及测试系统和方法（公开号为：CN109446371A），该发明则是利用场景图像生成仿真测试场景库。利用基于实景图像生成的场景图像构造仿真测试场景进行测试，极大提高了对真实交通环境模拟的真实性，从而确保了测试的高效性、可靠性以及场景覆盖率。一种基于自学习衍生理论的自动驾驶已知不安全场景库构建方法（公开号为：CN115577640A），该发明是基于自学习衍生理论构建自动驾驶已知不安全场景库，这一方法通过深度强化学习的方法完成已知不安全场景的特征的自学习衍生；能够基于场景库中已有的已知不安全场景泛化衍生出一系列的已知不安全场景，能够极大地提高仿真验证的有效性，为其优化设计提供全面的参考。
基于上述描述，现有的场景库构建方法大多数是基于车辆自身感知力、路况图像处理与分析能力进行建立的，主要针对车辆的仿真与预测，但现有技术并没有从车辆交通事故成因角度出发，基于实际道路交通事故数据进行梳理分析构建适用于汽车工况试验场景设定的场景库，进而使得在进行场景库应用过程中存在效率低和精确度低等问题。
发明内容
为解决现有技术存在的上述问题，本发明提供了一种交通工况场景库搭建及应用方法、系统和电子设备。
为实现上述目的，本发明提供了如下方案：
一种交通工况场景库搭建方法，包括：
获取汽车工况信息类型和交通事故成因类型；
按照第一预设规则匹配所述汽车工况信息类型和所述交通事故成因类型得到数据信息类型；每一所述数据信息类型均包括多个数据元素；
按照第二预设规则基于所述数据信息类型生成数据信息类型层级关系，并基于实验结果扩展所述数据信息类型中的数据元素；
对所述数据元素进行编码，并确定各所述数据元素间的互斥关系；
基于所述互斥关系和所述数据信息类型中的数据元素进行案例情况组合得到元素矩阵；
获取不同汽车工况数据信息类型下的交通事故成因数据，以得到每种数据信息类型对应的事故数量；
基于所述事故数量对所述数据信息类型中的数据元素进行排序得到元素顺序；
根据所述元素顺序筛选所述元素矩阵得到事故发生场景情况案例；
基于筛选得到的事故发生场景情况案例生成交通工况场景库。
可选地，所述数据信息类型包括：事故发生过程信息类型、自然环境信息类型、交通环境信息类型、车辆行驶状态信息类型和事故形态信息类型。
可选地，所述数据信息类型层级关系包括：工况场景发生环节和工况场景构成元素；
所述工况场景发生环节基于所述事故发生过程信息类型映射生成；所述工况场景构成元素基于所述自然环境信息类型、所述交通环境信息类型、所述车辆行驶状态信息类型和所述事故形态信息类型生成。
可选地，基于所述互斥关系和所述数据信息类型中的数据元素进行案例情况组合得到元素矩阵，具体包括：
选择自然环境、交通环境、道路环境和试验车运行状态；
基于选择的所述自然环境、所述交通环境、所述道路环境和所述试验车运行状态确定是否发生事故；
若与单一物体产生交互行为，则进行第一障碍物的状态选择，得到测试案例；
若发生连环避障/碰撞情况，则进行第一障碍物和第二障碍物状态选择。
一种交通工况场景库搭建系统，应用于上述提供的交通工况场景库搭建方法；所述交通工况场景库搭建系统包括：
类型获取模块，用于获取汽车工况信息类型和交通事故成因类型；
类型匹配模块，用于按照第一预设规则匹配所述汽车工况信息类型和所述交通事故成因类型得到数据信息类型；每一所述数据信息类型均包括多个数据元素；
层级确定模块，用于按照第二预设规则基于所述数据信息类型生成数据信息类型层级关系，并基于实验结果扩展所述数据信息类型中的数据元素；
编码互斥模块，用于对所述数据元素进行编码，并确定各所述数据元素间的互斥关系；
元素组合模块，用于基于所述互斥关系和所述数据信息类型中的数据元素进行案例情况组合得到元素矩阵；
数量确定模块，用于获取不同汽车工况数据信息类型下的交通事故成因数据，以得到每种数据信息类型对应的事故数量；
元素排序模块，用于基于所述事故数量对所述数据信息类型中的数据元素进行排序得到元素顺序；
案例提取模块，用于根据所述元素顺序筛选所述元素矩阵得到事故发生场景情况案例；
场景库搭建模块，用于基于筛选得到的事故发生场景情况案例生成交通工况场景库。
一种交通工况场景库应用方法，包括：
获取交通工况场景库和车辆工况数据；所述交通工况场景库采用上述提供的交通工况场景库搭建方法搭建得到；
将所述车辆工况数据与所述交通工况场景库进行相似度匹配，得到匹配结果；所述匹配结果为：；式中，/>为匹配结果，/>为车辆工况数据，/>为交通工况场景库中的工况数据，/>表示车辆工况数据/>和交通工况场景库中的工况数据的交集，/>表示车辆工况数据/>和交通工况场景库中的工况数据/>的并集；
当所述匹配结果大于等于设定阈值时，对每一所述车辆工况数据进行权重赋值，并确定所述车辆工况数据的总权重；所述车辆工况数据的总权重为；式中，/>为车辆工况数据的总权重，/>为车辆工况数据中第一个数据/>的权重值，/>为车辆工况数据中第二个数据/>的权重值，/>为车辆工况数据中第n个数据/>的权重值；
当所述车辆工况数据的总权重满足设定的阈值范围时，确定当前车辆的安全性能满足要求；
当所述车辆工况数据的总权重不满足设定的阈值范围或所述匹配结果小于所述设定阈值时，确定当前车辆的安全性能不满足要求。
一种交通工况场景库应用系统，包括
数据获取模块，用于获取交通工况场景库和车辆工况数据；所述交通工况场景库采用上述提供的交通工况场景库搭建方法搭建得到；
数据匹配模块，用于将所述车辆工况数据与所述交通工况场景库进行相似度匹配，得到匹配结果；所述匹配结果为：；式中，/>为匹配结果，/>为车辆工况数据，/>为交通工况场景库中的工况数据，/>表示车辆工况数据/>和交通工况场景库中的工况数据/>的交集，/>表示车辆工况数据/>和交通工况场景库中的工况数据/>的并集；
权重确定模块，用于当所述匹配结果大于等于设定阈值时，对每一所述车辆工况数据进行权重赋值，并确定所述车辆工况数据的总权重；所述车辆工况数据的总权重为；式中，/>为车辆工况数据的总权重，/>为车辆工况数据中第一个数据/>的权重值，/>为车辆工况数据中第二个数据/>的权重值，/>为车辆工况数据中第n个数据/>的权重值；
第一安全性能确定模块，用于当所述车辆工况数据的总权重满足设定的阈值范围时，确定当前车辆的安全性能满足要求；
第二安全性能确定模块，用于当所述车辆工况数据的总权重不满足设定的阈值范围或所述匹配结果小于所述设定阈值时，确定当前车辆的安全性能不满足要求。
一种电子设备，包括：
存储器，用于存储计算机程序；
处理器，与所述存储器连接，用于调取并执行所述计算机程序，以实施上述提供的交通工况场景库搭建方法或交通工况场景库应用方法。
可选地，所述存储器为计算机可读存储介质。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明提供的交通工况场景库搭建及应用方法、系统和电子设备，在得到汽车工况信息类型和交通事故成因类型后，以此为基础得到数据信息类型，按照预设规则梳理生成数据信息类型层级关系，并对数据信息类型中的数据元素进行扩展处理，对数据元素进行编码，并确定各数据元素间的互斥关系，以便得到更加合理的案例情况组合，然后，基于每种数据信息类型对应的事故数量对数据信息类型中的数据元素进行排序得到元素顺序，以筛选得到事故发生场景情况案例，从车辆交通事故成因角度出发，基于实际道路交通事故数据进行梳理分析构建得到交通工况场景库，进而提高交通工况场景的应用效率和精确度，能够为制定汽车相应的安全管理措施和政策提供有力依据。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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为本发明提供的交通工况场景库搭建方法的流程图；
图2为本发明提供的交通工况场景库中汽车工况的数据信息类型层级关系图；
图3为本发明提供的交通工况场景库应用方法的流程图。
具体实施方式
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，都属于本发明保护的范围。
本发明的目的是提供一种交通工况场景库搭建及应用方法、系统和电子设备，能够从车辆交通事故成因角度出发，基于实际道路交通事故数据进行梳理分析构建得到适用于汽车工况试验场景设定的场景库，进而提高交通工况场景的应用效率和精确度，以为制定汽车相应的安全管理措施和政策提供有力依据。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示，本发明提供的交通工况场景库搭建方法，包括：
步骤100：获取汽车工况信息类型和交通事故成因类型。
步骤101：按照第一预设规则匹配汽车工况信息类型和交通事故成因类型得到数据信息类型。每一数据信息类型均包括多个数据元素。
进一步，在实际应用过程中，数据信息类型包括：事故发生过程信息类型、自然环境信息类型、交通环境信息类型、车辆行驶状态信息类型和事故形态信息类型。其中，事故发生过程包括事故发生前、事故发生中、事故发生后等。
步骤102：按照第二预设规则基于数据信息类型生成数据信息类型层级关系，并基于实验结果扩展数据信息类型中的数据元素。其中，第一预设规则和第二预设规则均是由用户根据实际需求进行的设置。
在实际应用过程中，该步骤采用的实验结果是基于设立的实验车与障碍物1和障碍物2的交互情况与工况条件进行实验得到的。基于此，该步骤主要是梳理汽车工况数据信息类型层级关系，将连环事故因素融入元素构建中，设立实验车与障碍物1和障碍物2的交互情况与工况条件，并扩展信息类型下元素内容。
其中，数据信息类型层级关系如图2所示，其主要包括工况场景发生环节和工况场景构成元素。
工况场景发生环节基于事故发生过程信息类型映射生成。工况场景构成元素基于自然环境信息类型、交通环境信息类型、车辆行驶状态信息类型和事故形态信息类型生成。
针对不同的数据信息类型工况场景构成元素存在一定区别，例如，在自然环境信息类型下，其数据元素包括海拔、区域类型、季节、天气、气温、时段和照明情况等，其他数据信息类型中的数据元素举例可参见图2。
进一步，扩展信息类型下元素内容的目的是为了完善元素类型下的细项内容，例如：自然因素——季节、天气等，季节包含春夏秋冬，是确定大的组成板块后的细项类目的填充。
步骤103：对数据元素进行编码，并确定各数据元素间的互斥关系。该步骤的目的主要是为剔除不合理的测试案例做准备。
其中，对数据元素进行编码主要是对数据元素进行编号，以便进行互斥关系的确定，具体编码规则的部分示例如表1所示，得到的互斥关系的部分示例如表2所示。
表1 编码规则表
表2 编码与互斥关系表
步骤104：基于互斥关系和数据信息类型中的数据元素进行案例情况组合得到元素矩阵。该步骤中的元素矩阵实质就是一种排列组合，用的是穷举，得出元素所有的组合案例情况。
在实际应用过程中，采用系统界面实现该步骤的具体操作，其中，系统运行操作流程为：
选择自然环境。
选择交通环境。
选择道路环境。
选择试验车运行状态。
基于上述选择的信息确定车辆运行场景，试验车辆行驶过程中若与单一物体产生交互行为，则进行障碍物1（即第一障碍物）状态选择，得到测试案例，若发生连环避障/碰撞情况，则进行障碍物1和障碍物2（即第二障碍物）状态选择，以得到测试案例，进而得出元素所有的组合案例情况。
步骤105：获取不同汽车工况数据信息类型下的交通事故成因数据，以得到每种数据信息类型对应的事故数量。其中，不同汽车工况数据信息类型下的交通事故成因数据是通过大数据获取的不同汽车工况数据信息类型下的交通事故成因数据，例如，2014年-2016年的中国交通数据库中的事故成因影响下的事故数量。
步骤106：基于事故数量对数据信息类型中的数据元素进行排序得到元素顺序。
步骤107：根据元素顺序筛选元素矩阵得到事故发生场景情况案例。
步骤108：基于筛选得到的事故发生场景情况案例生成交通工况场景库。
基于上述描述，相对于现有技术，本发明上述提供的交通工况场景库搭建方法还具有以下优点：
1、本发明能够扩展场景信息类型，将交通事故场景成因元素融合进去，并考虑多次碰撞工况情况，因此，场景库的汽车工况场景案例更加贴合实际道路场景。
2、本发明利用交通事故数据对场景库元素优先级排序，高频工况场景案例梳理更具备交通事故特点，能够为试验厂、车企工程师工况实验条件设定时提供有效参考。
3、本发明将交通事故成因、环境因素、事故形态、事故发生过程等信息类型，进行主因、诱因分析以及相关性分析，并剔除互斥条件，从而形成逻辑性强、合理性高的典型汽车工况场景库，能够有效解决场景库信息之间关系网络不清晰、标准化低的问题。
进一步，本发明还提供了一种交通工况场景库搭建系统，以应用于上述提供的交通工况场景库搭建方法。交通工况场景库搭建系统包括：类型获取模块、类型匹配模块、层级确定模块、编码互斥模块、元素组合模块、数量确定模块、元素排序模块、案例提取模块和场景库搭建模块。
其中，类型获取模块用于获取汽车工况信息类型和交通事故成因类型。
类型匹配模块用于按照第一预设规则匹配汽车工况信息类型和交通事故成因类型得到数据信息类型。每一数据信息类型均包括多个数据元素。
层级确定模块用于按照第二预设规则基于数据信息类型生成数据信息类型层级关系，并基于实验结果扩展数据信息类型中的数据元素。
编码互斥模块用于对数据元素进行编码，并确定各数据元素间的互斥关系。
元素组合模块用于基于互斥关系和数据信息类型中的数据元素进行案例情况组合得到元素矩阵。
数量确定模块用于获取不同汽车工况数据信息类型下的交通事故成因数据，以得到每种数据信息类型对应的事故数量。
元素排序模块用于基于事故数量对数据信息类型中的数据元素进行排序得到元素顺序。
案例提取模块用于根据元素顺序筛选元素矩阵得到事故发生场景情况案例。
场景库搭建模块用于基于筛选得到的事故发生场景情况案例生成交通工况场景库。
进一步，为了提高交通工况场景的应用效率和精确度，本发明提供了一种交通工况场景库应用方法，如图3所示，该方法包括：
步骤300：获取交通工况场景库和车辆工况数据。交通工况场景库采用上述提供的交通工况场景库搭建方法搭建得到。
步骤301：将车辆工况数据与交通工况场景库进行相似度匹配，得到匹配结果。匹配结果为：。式中，/>为匹配结果，/>为车辆工况数据，/>为交通工况场景库中的工况数据，/>表示车辆工况数据/>和交通工况场景库中的工况数据/>的交集，/>表示车辆工况数据/>和交通工况场景库中的工况数据/>的并集。
步骤302：当匹配结果大于等于设定阈值时，对每一车辆工况数据进行权重赋值，并确定车辆工况数据的总权重。车辆工况数据的总权重为。式中，/>为车辆工况数据的总权重，/>为车辆工况数据中第一个数据/>的权重值，/>为车辆工况数据中第二个数据/>的权重值，/>为车辆工况数据中第n个数据/>的权重值。其中，采用的设定阈值是基于实际需要设定的。
步骤303：当车辆工况数据的总权重满足设定的阈值范围时，确定当前车辆的安全性能满足要求。其中，采用的阈值范围也是基于实际需要设定的。
步骤304：当车辆工况数据的总权重不满足设定的阈值范围或匹配结果小于设定阈值时，确定当前车辆的安全性能不满足要求。
对应于上述提供的交通工况场景库应用方法，本发明还提供了一种交通工况场景库应用系统。该交通工况场景库应用系统包括数据获取模块、数据匹配模块、权重确定模块、第一安全性能确定模块和第二安全性能确定模块。
其中，数据获取模块用于获取交通工况场景库和车辆工况数据。交通工况场景库采用上述提供的交通工况场景库搭建方法搭建得到。
数据匹配模块，用于将车辆工况数据与交通工况场景库进行相似度匹配，得到匹配结果。匹配结果为：。式中，/>为匹配结果，/>为车辆工况数据，为交通工况场景库中的工况数据，/>表示车辆工况数据/>和交通工况场景库中的工况数据/>的交集，/>表示车辆工况数据/>和交通工况场景库中的工况数据/>的并集。
权重确定模块，用于当匹配结果大于等于设定阈值时，对每一车辆工况数据进行权重赋值，并确定车辆工况数据的总权重。车辆工况数据的总权重为。式中，/>为车辆工况数据的总权重，/>为车辆工况数据中第一个数据/>的权重值，/>为车辆工况数据中第二个数据/>的权重值，/>为车辆工况数据中第n个数据/>的权重值。
第一安全性能确定模块，用于当车辆工况数据的总权重满足设定的阈值范围时，确定当前车辆的安全性能满足要求。
第二安全性能确定模块，用于当车辆工况数据的总权重不满足设定的阈值范围或匹配结果小于设定阈值时，确定当前车辆的安全性能不满足要求。
再进一步，本发明还提供了一种电子设备，该电子设备包括：存储器和处理器。存储器用于存储计算机程序。处理器与存储器连接，以用于调取并执行计算机程序，进而实施上述提供的交通工况场景库搭建方法或交通工况场景库应用方法。
此外，上述的存储器中的计算机程序通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。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或者该技术方案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一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机、服务器或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器、随机存取存储器、磁碟或者光盘等各种可以存储程序代码的介质。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (7)

1.一种交通工况场景库应用方法，其特征在于，包括：
获取交通工况场景库和车辆工况数据；所述交通工况场景库采用交通工况场景库搭建方法搭建得到；
将所述车辆工况数据与所述交通工况场景库进行相似度匹配，得到匹配结果；所述匹配结果为：式中，J(A,B)为匹配结果，A为车辆工况数据，B为交通工况场景库中的工况数据，A∩B表示车辆工况数据A和交通工况场景库中的工况数据B的交集，A∪B表示车辆工况数据A和交通工况场景库中的工况数据B的并集；
当所述匹配结果大于等于设定阈值时，对每一所述车辆工况数据进行权重赋值，并确定所述车辆工况数据的总权重；所述车辆工况数据的总权重为Q＝α1X1+α2X2+…+αnXn；式中，Q为车辆工况数据的总权重，α1为车辆工况数据中第一个数据X1的权重值，α2为车辆工况数据中第二个数据X2的权重值，αn为车辆工况数据中第n个数据Xn的权重值；
当所述车辆工况数据的总权重满足设定的阈值范围时，确定当前车辆的安全性能满足要求；
当所述车辆工况数据的总权重不满足设定的阈值范围或所述匹配结果小于所述设定阈值时，确定当前车辆的安全性能不满足要求；
其中，交通工况场景库搭建方法包括：
获取汽车工况信息类型和交通事故成因类型；
按照第一预设规则匹配所述汽车工况信息类型和所述交通事故成因类型得到数据信息类型；每一所述数据信息类型均包括多个数据元素；
按照第二预设规则基于所述数据信息类型生成数据信息类型层级关系，并基于实验结果扩展所述数据信息类型中的数据元素；
对所述数据元素进行编码，并确定各所述数据元素间的互斥关系；
基于所述互斥关系和所述数据信息类型中的数据元素进行案例情况组合得到元素矩阵；
获取不同汽车工况数据信息类型下的交通事故成因数据，以得到每种数据信息类型对应的事故数量；
基于所述事故数量对所述数据信息类型中的数据元素进行排序得到元素顺序；
根据所述元素顺序筛选所述元素矩阵得到事故发生场景情况案例；
基于筛选得到的事故发生场景情况案例生成交通工况场景库。
2.根据权利要求1所述的交通工况场景库应用方法，其特征在于，所述数据信息类型包括：事故发生过程信息类型、自然环境信息类型、交通环境信息类型、车辆行驶状态信息类型和事故形态信息类型。
3.根据权利要求2所述的交通工况场景库应用方法，其特征在于，所述数据信息类型层级关系包括：工况场景发生环节和工况场景构成元素；
所述工况场景发生环节基于所述事故发生过程信息类型映射生成；所述工况场景构成元素基于所述自然环境信息类型、所述交通环境信息类型、所述车辆行驶状态信息类型和所述事故形态信息类型生成。
4.根据权利要求1所述的交通工况场景库应用方法，其特征在于，基于所述互斥关系和所述数据信息类型中的数据元素进行案例情况组合得到元素矩阵，具体包括：
选择自然环境、交通环境、道路环境和试验车运行状态；
基于选择的所述自然环境、所述交通环境、所述道路环境和所述试验车运行状态确定是否发生事故；
若与单一物体产生交互行为，则进行第一障碍物的状态选择，得到测试案例；
若发生连环避障/碰撞情况，则进行第一障碍物和第二障碍物状态选择。
5.一种交通工况场景库应用系统，其特征在于，包括
数据获取模块，用于获取交通工况场景库和车辆工况数据；所述交通工况场景库采用如权利要求1-4任意一项所述的交通工况场景库应用方法中提供的交通工况场景库搭建方法搭建得到；
数据匹配模块，用于将所述车辆工况数据与所述交通工况场景库进行相似度匹配，得到匹配结果；所述匹配结果为：式中，J(A,B)为匹配结果，A为车辆工况数据，B为交通工况场景库中的工况数据，A∩B表示车辆工况数据A和交通工况场景库中的工况数据B的交集，A∪B表示车辆工况数据A和交通工况场景库中的工况数据B的并集；
权重确定模块，用于当所述匹配结果大于等于设定阈值时，对每一所述车辆工况数据进行权重赋值，并确定所述车辆工况数据的总权重；所述车辆工况数据的总权重为Q＝α1X1+α2X2+…+αnXn；式中，Q为车辆工况数据的总权重，α1为车辆工况数据中第一个数据X1的权重值，α2为车辆工况数据中第二个数据X2的权重值，αn为车辆工况数据中第n个数据Xn的权重值；
第一安全性能确定模块，用于当所述车辆工况数据的总权重满足设定的阈值范围时，确定当前车辆的安全性能满足要求；
第二安全性能确定模块，用于当所述车辆工况数据的总权重不满足设定的阈值范围或所述匹配结果小于所述设定阈值时，确定当前车辆的安全性能不满足要求。
6.一种电子设备，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，与所述存储器连接，用于调取并执行所述计算机程序，以实施如权利要求1-4任意一项所述的交通工况场景库应用方法。
7.根据权利要求6所述的电子设备，其特征在于，所述存储器为计算机可读存储介质。
CN202311075524.2A 2023-08-25 2023-08-25 一种交通工况场景库搭建及应用方法、系统和电子设备 Active CN116778720B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311075524.2A CN116778720B (zh) 2023-08-25 2023-08-25 一种交通工况场景库搭建及应用方法、系统和电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311075524.2A CN116778720B (zh) 2023-08-25 2023-08-25 一种交通工况场景库搭建及应用方法、系统和电子设备

Publications (2)

Publication Number Publication Date
CN116778720A CN116778720A (zh) 2023-09-19
CN116778720B true CN116778720B (zh) 2023-11-24

Family

ID=87989939

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311075524.2A Active CN116778720B (zh) 2023-08-25 2023-08-25 一种交通工况场景库搭建及应用方法、系统和电子设备

Country Status (1)

Country Link
CN (1) CN116778720B (zh)

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102011088805A1 (de) * 2011-12-16 2013-06-20 Bayerische Motoren Werke Aktiengesellschaft Verfahren zum Entwickeln und/oder Testen eines Fahrerassistenzsystems
CN108765235A (zh) * 2018-05-09 2018-11-06 公安部交通管理科学研究所 基于交通事故案例解构的自动驾驶车辆测试场景构建方法和测试方法
CN109389824A (zh) * 2017-08-04 2019-02-26 华为技术有限公司 一种驾驶风险的评估方法及装置
WO2021038619A1 (ja) * 2019-08-23 2021-03-04 三菱電機株式会社 危険検知装置、危険検知方法、および、危険検知プログラム
WO2021104833A1 (en) * 2019-11-28 2021-06-03 Volkswagen Aktiengesellschaft Method and device for promoting driving safety of vehicle
EP3907659A2 (en) * 2020-12-24 2021-11-10 Apollo Intelligent Connectivity (Beijing) Technology Co., Ltd. Perception data detection method and apparatus
WO2022040872A1 (zh) * 2020-08-24 2022-03-03 中国科学院重庆绿色智能技术研究院 一种基于Radar和IMU的行车记录仪事故数据保存方法与装置
CN114610628A (zh) * 2022-03-16 2022-06-10 阿波罗智联(北京)科技有限公司 场景库建立及测试方法、装置、设备、介质及程序产品
CN114880408A (zh) * 2022-05-31 2022-08-09 小米汽车科技有限公司 场景构建方法、装置、介质以及芯片
CN114925114A (zh) * 2022-05-18 2022-08-19 阿波罗智联(北京)科技有限公司 一种场景数据挖掘方法、装置、电子设备和存储介质
CN114973188A (zh) * 2022-04-29 2022-08-30 同济大学 一种驾驶场景分类编码方法及其系统
CN115731695A (zh) * 2021-08-31 2023-03-03 北京图森未来科技有限公司 一种场景安全等级确定方法、装置、设备及存储介质
CN116244900A (zh) * 2022-12-16 2023-06-09 信通院车联网创新中心(成都)有限公司 基于事故易发地数据的v2x功能测试场景库的构建方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101711025B1 (ko) * 2011-04-21 2017-02-28 한국전자통신연구원 우선 관제 대상 선정 장치와 방법 및 대상물 관제 장치

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102011088805A1 (de) * 2011-12-16 2013-06-20 Bayerische Motoren Werke Aktiengesellschaft Verfahren zum Entwickeln und/oder Testen eines Fahrerassistenzsystems
CN109389824A (zh) * 2017-08-04 2019-02-26 华为技术有限公司 一种驾驶风险的评估方法及装置
CN108765235A (zh) * 2018-05-09 2018-11-06 公安部交通管理科学研究所 基于交通事故案例解构的自动驾驶车辆测试场景构建方法和测试方法
WO2021038619A1 (ja) * 2019-08-23 2021-03-04 三菱電機株式会社 危険検知装置、危険検知方法、および、危険検知プログラム
WO2021104833A1 (en) * 2019-11-28 2021-06-03 Volkswagen Aktiengesellschaft Method and device for promoting driving safety of vehicle
WO2022040872A1 (zh) * 2020-08-24 2022-03-03 中国科学院重庆绿色智能技术研究院 一种基于Radar和IMU的行车记录仪事故数据保存方法与装置
EP3907659A2 (en) * 2020-12-24 2021-11-10 Apollo Intelligent Connectivity (Beijing) Technology Co., Ltd. Perception data detection method and apparatus
CN115731695A (zh) * 2021-08-31 2023-03-03 北京图森未来科技有限公司 一种场景安全等级确定方法、装置、设备及存储介质
CN114610628A (zh) * 2022-03-16 2022-06-10 阿波罗智联(北京)科技有限公司 场景库建立及测试方法、装置、设备、介质及程序产品
CN114973188A (zh) * 2022-04-29 2022-08-30 同济大学 一种驾驶场景分类编码方法及其系统
CN114925114A (zh) * 2022-05-18 2022-08-19 阿波罗智联(北京)科技有限公司 一种场景数据挖掘方法、装置、电子设备和存储介质
CN114880408A (zh) * 2022-05-31 2022-08-09 小米汽车科技有限公司 场景构建方法、装置、介质以及芯片
CN116244900A (zh) * 2022-12-16 2023-06-09 信通院车联网创新中心(成都)有限公司 基于事故易发地数据的v2x功能测试场景库的构建方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
基于交通事故的自动驾驶虚拟测试方法研究;张珊;王蕾;郭魁元;张嘉芮;刘少华;;中国汽车(第05期);全文 *
基于场景元素的智能网联汽车场景构建探析;杨秋燕;秦明明;;时代汽车(第12期);全文 *
杨秋燕 ; 秦明明 ; .基于场景元素的智能网联汽车场景构建探析.时代汽车.2020,(第12期),全文. *

Also Published As

Publication number Publication date
CN116778720A (zh) 2023-09-19

Similar Documents

Publication Publication Date Title
Xi et al. A traffic accident causation analysis method based on AHP-Apriori
CN111311918B (zh) 一种基于视觉分析的交通管理方法及装置
CN109241223B (zh) 行为行踪识别方法及系统
CN102880692A (zh) 一种面向检索的监控视频语义描述和检测建模方法
CN108460685A (zh) 用于挖掘车险风险因子之间的关联规则的方法和装置
CN110909195A (zh) 基于区块链的图片标注方法、装置及存储介质、服务器
CN116013084A (zh) 交通管控场景确定方法、装置、电子设备及存储介质
CN114418360A (zh) 一种智慧城市运行体征大数据分析方法及装置
CN116824868B (zh) 车辆非法停驻点识别及拥堵预测方法、装置、设备及介质
CN116778720B (zh) 一种交通工况场景库搭建及应用方法、系统和电子设备
CN102262682B (zh) 基于粗糙分类知识发现的快速属性约简方法
CN112651992B (zh) 一种轨迹追踪方法及系统
CN105824848A (zh) 获得消防综合信息的方法和消防信息系统
CN111696347A (zh) 一种自动化分析交通事件信息的方法和装置
CN116976220A (zh) 一种基于全局代理优化的自动驾驶系统加速测试方法
CN109190451B (zh) 基于lfp特征的遥感图像车辆检测方法
Blache et al. How to Rationalise the Sampling of Test-Scenarios in Automated Driving Based on Criticality Metrics?
CN109447306A (zh) 基于最大似然回归树的地铁事故延误时间预测方法
CN115456238A (zh) 一种基于动态多视图耦合图卷积的城市出行需求预测方法
Liu Collaborative mining method of traffic accident data based on decision tree and association rules.
CN114841283A (zh) 新能源车辆的行驶工况确定方法、装置、设备及介质
Grigoropoulos et al. Detection and classification of bicyclist group behavior for automated vehicle applications
CN110210048B (zh) 建立巡察分析模型的方法和装置
Liu et al. YOLO-Based Efficient Vehicle Object Detection
Tang Application of information entropy algorithm in safety risk prediction of road traffic driving behaviors.

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