CN116842688A - 一种面向自动驾驶决策算法的在线合规验证系统 - Google Patents
一种面向自动驾驶决策算法的在线合规验证系统 Download PDFInfo
- Publication number
- CN116842688A CN116842688A CN202310530024.7A CN202310530024A CN116842688A CN 116842688 A CN116842688 A CN 116842688A CN 202310530024 A CN202310530024 A CN 202310530024A CN 116842688 A CN116842688 A CN 116842688A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- intersection
- traffic
- speed
- longitudinal
- 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
- 238000012795 verification Methods 0.000 title claims abstract description 33
- 230000004044 response Effects 0.000 claims abstract description 32
- 238000000034 method Methods 0.000 claims abstract description 29
- 238000000605 extraction Methods 0.000 claims abstract description 22
- 230000008569 process Effects 0.000 claims abstract description 16
- 230000008447 perception Effects 0.000 claims abstract description 4
- 230000001133 acceleration Effects 0.000 claims description 45
- 230000035484 reaction time Effects 0.000 claims description 17
- 239000003550 marker Substances 0.000 claims description 7
- 238000005457 optimization Methods 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 6
- 239000000428 dust Substances 0.000 claims description 6
- 238000005286 illumination Methods 0.000 claims description 6
- 238000002955 isolation Methods 0.000 claims description 6
- 239000004576 sand Substances 0.000 claims description 6
- 230000006978 adaptation Effects 0.000 claims description 3
- 230000003993 interaction Effects 0.000 claims description 3
- 238000010801 machine learning Methods 0.000 claims description 3
- 230000006399 behavior Effects 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 9
- 238000004088 simulation Methods 0.000 description 9
- 238000012360 testing method Methods 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开的属于驾驶行为决策技术领域,具体为一种面向自动驾驶决策算法的在线合规验证系统,包括世界模型模块、情景提取模块、态势判断模块、以及态势响应模块,其中世界模型模块接收感知层的信息,并建立起世界模型,情景提取模块利用世界模型中的信息,提取出本车与其他交通参与者之间的情景,态势判断模块根据情景提取结果,对具体情景的合法性进行判断;态势响应模块制定出不同状态的应对措施,并将控制指令输出给仲裁模块,必要时刻对主决策系统进行干预,以提高主决策系统的合法性,基于不同驾驶场景,对自动驾驶车辆的驾驶行为进行交通规则合法性的判断,针对驾驶过程中的不同态势,确定对应的合适响应,以提高决策过程的合法性。
Description
技术领域
本发明涉及驾驶行为决策技术领域,具体为一种面向自动驾驶决策算法的在线合规验证系统。
背景技术
安全决策是自动驾驶汽车能否安全上路行驶及真正意义上走向量产的关键,同时也是自动驾驶汽车研发过程中最复杂、最急需突破解决的难点。随着自动驾驶决策方法日益复杂,智能车辆的预期功能在某些场景下可能无法达到规范的安全要求,因此,对于自动驾驶汽车而言,除考虑系统故障引发的安全风险外,更应重视系统功能不足导致预期功能安全问题所造成的更大安全风险。智能汽车当前采用的决策系统通常包含两种架构,分别为基于机理的决策系统和基于人工智能的决策系统。基于机理的决策系统通常将智能汽车的决策过程分为几个不同的部分,包括交通场景理解、交通参与者预测、驾驶行为选择与局部轨迹规划,并对每个部分根据机理建模,实现智能汽车的决策。基于人工智能的决策系统,特别是端到端的方法,通常采用神经网络进行决策,建立传感器到执行器的某一映射模型。基于机理的决策系统优点在于功能可组合,任务可分解,便于工程协作实现。分解式架构尽管任务可分工,工程协作性好,但是模块之间不可避免存在信息传递损失,难以适用于复杂的城市道路场景,而且在海量场景下构建全面的安全规则、模型较为困难。人工智能方案则将决策过程视作一个黑箱,利用神经网络直接建立传感器到执行器的映射,探索试错过程存在安全隐患,用于实际道路环境存在一定的安全风险。因此,为了保证自动驾驶车辆在现实世界中拥有应对任意复杂的交通场景的能力,确保自动驾驶车辆不主动造成事故,有必要对自动驾驶产生的决策进行安全验证。
目前对决策系统的安全评价多为离线评价。离线评价基于仿真后的结果,根据自车、他车位置速度等离线数据直接评价车辆在驶过当前仿真场景时的决策表现,无法实现对决策算法的在线修正。业内正在推广四种评估自动驾驶决策安全性的方法包括:里程验证、脱离接触、模拟仿真、基于场景的测试。里程验证方法基于统计理论证明自动驾驶汽车满足非安全驾驶决策概率,但该方式需要耗费极高的成本,存在测试与应用场景差异问题,同时周期过长,难以满足算法开发周期的要求。脱离接触通过驾驶员干预次数判断自动驾驶车辆决策的安全性,仍然存在测试与应用场景差异大的问题。模拟仿真的方法是建立一个具有虚拟世界的模拟器,并对决策算法进行验证,该方式无法确定验证模拟器是否真实地代表了现实状况,因此难以验证决策算法有效性的真实水平。基于场景的测试列举出所有可能的驾驶场景,验证各场景下自动驾驶决策的安全性,代表性场景的测试验证无法表征自动驾驶决策再海量随机真实交通场景下的安全性。
因此,有必要面向自动驾驶决策算法设计在线合规验证系统,实时检验自动驾驶算法在真实的交通场景中是否严格遵守交通规则,并在关键情况下提供制动或转向等解决方案,从而保证自动驾驶汽车驾驶行为的合法性。
发明内容
本部分的目的在于概述本发明的实施方式的一些方面以及简要介绍一些较佳实施方式。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊,而这种简化或省略不能用于限制本发明的范围。
因此,本发明的目的是提供一种面向自动驾驶决策算法的在线合规验证系统,能够:
1)基于不同驾驶场景(单车道、多车道、交叉口),对自动驾驶车辆的驾驶行为进行交通规则合法性的判断;
2)针对驾驶过程中的不同态势,确定对应的合适响应,以提高决策过程的合法性。
为解决上述技术问题,根据本发明的一个方面,本发明提供了如下技术方案:一种面向自动驾驶决策算法的在线合规验证系统,其包括:
世界模型模块、情景提取模块、态势判断模块、以及态势响应模块。
世界模型模块用于执行接收感知层的信息,并建立起世界模型;
情景提取模块用于执行利用世界模型中的信息,提取出本车与其他交通参与者之间的情景;
态势判断模块用于执行根据情景提取结果,对具体情景的合法性进行判断;态势响应模块用于执行制定出不同状态的应对措施,并将控制指令输出给仲裁模块,必要时刻对主决策系统进行干预,以提高主决策系统的合法性。
作为本发明所述的一种面向自动驾驶决策算法的在线合规验证系统的一种优选方案,其中:所述世界模型模块的建立包括如下模型:
(1)道路模型
道路模型的特性包括编号,方向,所在区域的速度限制,相邻逻辑区域的速度限制,以及形状,因此,对道路模型建立五元组。
进一步,道路模型分为普通路段和交叉口两种,两者的编号ID,方向,所在区域的速度限制,相邻逻辑区域的速度限制定义方式相同,但形状的定义存在差异。
普通路段形状,以路段中心线为参考线建立参考线坐标系,其边界在普通路段坐标系下表示。并且在普通路段坐标系下表达在各参考点处的道路曲率。因此普通路段的形状可以通过下式表达:
其中,Lref,Lleft,Lright,Rcur分别为普通路段参考线,参考线坐标系下的左侧道路边界,参考线坐标系下的右侧道路边界,沿着参考线道路曲率。
交叉路口的形状通过公式(2)表示。其中,Li代表交叉路口边界线i。
(2)交通标志模型
交通标志模型的特性包括编号,位置,类型,值。因此,对交通标志模型建立四元组;
其中,位置有两种表示方法,可以采用直角坐标系表示,也可以采用参考线坐标系表示。
类型通常可分为禁止(禁止驶入、禁止超车等)、指示(指示直行、指示左转弯等)、限制(速度限制、高度限制、宽度限制等)等。
值包括限制的速度、高度、宽度等信息。
(3)自车模型
自车模型的特性包括编号,轮廓,位置,横向速度,纵向速度,横向加速度,纵向加速度,所属的交通区域。
因此,对自车模型建立八元组。
(4)动力学参数优化模型
根据高精地图和传感器,能够获取自车横向速度、自车速度、光线、天气等信息。已知上述信息,可以通过机器学习的方法得出在不同环境下的驾驶条件。
不同的驾驶条件对应了不同的横向最小距离、横向最大加速度、横向最小制动加速度、横向最大制动加速度、纵向最大加速度、纵向最小制动加速度、纵向最大制动加速度以及反应时间的具体数值,从而实现动力学参数的适配优化,提高合法性的验证精度。
作为本发明所述的一种面向自动驾驶决策算法的在线合规验证系统的一种优选方案,其中:所述情景提取模块包括:
情景的提取:
在线安全验证系统中,合法性意味着车辆严格遵守交通规则。本文中,我们重点提取了车道行驶规则、行车速度规则、交叉口行驶规则和灯光使用规则四大类。其包含的主要内容如下:
1)车道行驶规则
a.车辆在机动车道内右侧通行。
b.车辆按照交通信号行驶,交通信号主要包括:交通标志(指示标志、禁令标志、指路标志)、交通信号灯、交通标线(指示标线、禁止标线、警告标线)。
2)行车速度规则
车辆按照限速标志的标明速度行驶。
在无限速标志时,最高行驶车速通常默认为:无道路中心线的道路,城市不超过30KM/H;同方向只有一条机动车道,城市不超过50KM/H;同向有两条以上车道,城市不超过60KM/H;冰雪泥泞道路、天气原因能见度50m以内、掉头转弯下陡坡不超过30KM/H。
3)交叉口行驶规则
a.在划有导向车道的路口,按所需行进方向驶入导向车道。
b.向左转弯时,靠路口中心点左侧转弯。
c.遇放行信号时依次通过,遇停止信号时依次在停止线外等候。
d.无停止线路口,机动车停在路口以外。
e.前方交叉路口交通阻塞时,应当依次停在路口以外等候,不得进入路口。
4)灯光使用规则
a.机动车通过有交通信号灯控制的交叉路口,转弯时开启转向灯,夜间行驶开启近光灯。
b.机动车在夜间通过拱桥、人行横道或者没有交通信号灯控制的路口时,应当交替使用远、近光灯示意。
c.在没有中心隔离设施或者没有中心线的道路上,夜间会车应当在距相对方向来车150米以内远光灯改用近光灯。
d.机动车在夜间没有路灯、照明不良或者遇有雾、雨、雪、沙尘、冰雹等低能见度情况下行驶时,应当开启雾灯、前照灯、示廓灯。
整合上述交通规则,将合法性的情景提取结果分为横向情景、纵向情景与其他情景。对于车道行驶规则、行车速度规则以及交叉口行驶规则,根据其具体内容分别映射到横向情景和纵向情景,而灯光使用规则被映射到其他情景中。
作为本发明所述的一种面向自动驾驶决策算法的在线合规验证系统的一种优选方案,其中:所述横向情景的交通规则包括:
a车辆在机动车道内右侧通行。
b车辆行驶过程中,不允许触碰白色实线,单黄实线,双黄实线,黄色虚实线的实线侧。
c在划有导向车道的路口,按所需行进方向驶入导向车道。
d向左转弯时,靠路口中心点左侧转弯。
纵向情景的交通规则包括:
a车辆在行驶过程中,禁止触碰人行横道停车线、交通信号灯停车线等标线。
b对于有明确要求的情况,车辆按照限速标志或标线的标明速度行驶。
c在无限速标志时,最高行驶车速通常默认为:无道路中心线的道路,城市不超过30KM/H;同方向只有一条机动车道,城市不超过50KM/H;同向有两条以上车道,城市不超过60KM/H;冰雪泥泞道路、天气原因能见度50m以内、掉头转弯下陡坡不超过30KM/H。
d车辆按照交通信号灯行驶,遇放行信号时依次通过,遇停止信号时依次在停止线外等候。
e无停止线路口,机动车停在路口以外。
f前方交叉路口交通阻塞时,应当依次停在路口以外等候,不得进入路口。
3)其他情景的交通规则包括:
A.机动车通过有交通信号灯控制的交叉路口,转弯时开启转向灯,夜间行驶开启近光灯。
B.机动车在夜间通过拱桥、人行横道或者没有交通信号灯控制的路口时,应当交替使用远、近光灯示意。
C.在没有中心隔离设施或者没有中心线的道路上,夜间会车应当在距相对方向来车150米以内改用近光灯。
D.机动车在夜间没有路灯、照明不良或者遇有雾、雨、雪、沙尘、冰雹等低能见度情况下行驶时,应当开启雾灯、前照灯、示廓灯。
作为本发明所述的一种面向自动驾驶决策算法的在线合规验证系统的一种优选方案,其中:所述态势判断模块包括:
(1)横向情景的态势判断:
情景描述:车辆c横向速度为v1,在反应时间ρ阶段,如果车辆c以最大横向加速度靠近禁止标线加速行驶,反应时间过后,车辆c以最小横向制动加速度/>进行横向制动,直至横向速度为零。最终车辆c与禁止标线的横向距离至少为μ。
因此,横向最小合法距离:
其中,
合法性横向态势判断逻辑如图2,针对合法性的横向提取结果,需要判断自车与纵向禁止标线的距离dlat_legal和横向最小合法距离dlat_min_legal的关系,当dlat_legal>dlat_min_legal时,横向合法;反之横向违法;
(2)纵向情景的态势判断
情景描述:纵向上车辆cr以vr的纵向速度行驶,在反应时间ρ阶段,如果车辆cr以最大纵向加速度加速,反应时间过后,车辆cr开始制动,且制动加速度为/>直至达到标线纵向边界限制车速vlong_bounddary_limit。
因此,纵向最小车速合法距离:
合法性纵向态势判断逻辑如图3,针对合法性的纵向提取结果,制定以下态势判断逻辑:需要判断自车与相邻逻辑区域边界线的距离dlone_legal和纵向最小车速合法距离dlone_min_legal的关系、自车实时车速vlone与所在区域车速要求vlong_limit的关系、自车与交叉口交通信号灯的信息交互;
(3)其他情景的态势判断
情景描述:当车辆处于灯光使用规则中提及的特定场景(例如夜间十字路口、夜间会车、能见度极低等)时,检查车辆是否按照相应的规则使用灯光。
作为本发明所述的一种面向自动驾驶决策算法的在线合规验证系统的一种优选方案,其中:所述态势抉择模块包括:
相应抉择:对于合法性的判断,如果横向态势违法,则执行横向合法响应;如果纵向态势违法,则执行纵向合法响应;如果其他态势违法,则执行其他合法响应。
具体的横向响应措施为:从自车横向违法阈值时刻开始,在反应过程即时,自车被允许以不超过/>的加速度自由行驶,而反应时间过后,自车需要向远离禁止标线的方向进行横向制动,实际横向加速度
具体的纵向响应措施为:从自车纵向违法阈值时刻开始,在反应过程即时,自车被允许以不超过/>的加速度自由行驶,而反应时间过后,自车需要进行纵向制动,实际纵向加速度/>
具体的其他响应措施为:按照相应的灯光使用规则控制灯光信号。
1)与现有技术相比:基于不同驾驶场景(单车道、多车道、交叉口),对自动驾驶车辆的驾驶行为进行交通规则合法性的判断;
2)针对驾驶过程中的不同态势,确定对应的合适响应,以提高决策过程的合法性。
附图说明
为了更清楚地说明本发明实施方式的技术方案,下面将结合附图和详细实施方式对本发明进行详细说明,显而易见地,下面描述中的附图仅仅是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。其中:
图1为本发明系统架构图;
图2为本发明道路模型特征图;
图3为本发明交通标志模型图;
图4为本发明自车模型图;
图5为本发明动力学参数优化模型图;
图6为本发明合法性横向态势判断逻辑图;
图7为本发明合法性纵向态势判断逻辑图;
图8为本发明Prescan仿真车辆参数数据图;
图9为本发明所选传感器及其感知参数数据图;
图10为本发明NAIS事故信息图;
图11为本发明联合Simulink模型仿真图;
图12为本发明自车及目标车轨迹图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图对本发明的具体实施方式做详细的说明。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施方式的限制。
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明的实施方式作进一步地详细描述。
本发明提供一种面向自动驾驶决策算法的在线合规验证系统,包括,世界模型模块、情景提取模块、态势判断模块、以及态势响应模块。
世界模型模块用于执行接收感知层的信息,并建立起世界模型;
情景提取模块用于执行利用世界模型中的信息,提取出本车与其他交通参与者之间的情景;
态势判断模块用于执行根据情景提取结果,对具体情景的合法性进行判断;
态势响应模块用于执行制定出不同状态的应对措施,并将控制指令输出给仲裁模块,必要时刻对主决策系统进行干预,以提高主决策系统的合法性。
所述世界模型模块的建立包括如下模型:
(1)道路模型
道路模型的特性包括编号,方向,所在区域的速度限制,相邻逻辑区域的速度限制,以及形状,因此,对道路模型建立五元组。
普通路段形状,以路段中心线为参考线建立参考线坐标系,其边界在普通路段坐标系下表示。并且在普通路段坐标系下表达在各参考点处的道路曲率。因此普通路段的形状可以通过下式表达:
其中,Lref,Lleft,Lright,Rcur分别为普通路段参考线,参考线坐标系下的左侧道路边界,参考线坐标系下的右侧道路边界,沿着参考线道路曲率。
交叉路口的形状通过公式(2)表示。其中,Li代表交叉路口边界线i。
(2)交通标志模型
交通标志模型的特性包括编号,位置,类型,值。因此,对交通标志模型建立四元组;
其中,位置有两种表示方法,可以采用直角坐标系表示,也可以采用参考线坐标系表示。
类型通常可分为禁止(禁止驶入、禁止超车等)、指示(指示直行、指示左转弯等)、限制(速度限制、高度限制、宽度限制等)等。
值包括限制的速度、高度、宽度等信息。
(3)自车模型
自车模型的特性包括编号,轮廓,位置,横向速度,纵向速度,横向加速度,纵向加速度,所属的交通区域。
因此,对自车模型建立八元组。
(4)动力学参数优化模型
根据高精地图和传感器,能够获取自车横向速度、自车速度、光线、天气等信息。已知上述信息,可以通过机器学习的方法得出在不同环境下的驾驶条件。
不同的驾驶条件对应了不同的横向最小距离、横向最大加速度、横向最小制动加速度、横向最大制动加速度、纵向最大加速度、纵向最小制动加速度、纵向最大制动加速度以及反应时间的具体数值,从而实现动力学参数的适配优化,提高合法性的验证精度。
所述情景提取模块包括:
情景的提取:
在线安全验证系统中,合法性意味着车辆严格遵守交通规则。本文中,我们重点提取了车道行驶规则、行车速度规则、交叉口行驶规则和灯光使用规则四大类。其包含的主要内容如下:
1)车道行驶规则
a.车辆在机动车道内右侧通行。
b.车辆按照交通信号行驶,交通信号主要包括:交通标志(指示标志、禁令标志、指路标志)、交通信号灯、交通标线(指示标线、禁止标线、警告标线)。
2)行车速度规则
车辆按照限速标志的标明速度行驶。
在无限速标志时,最高行驶车速通常默认为:无道路中心线的道路,城市不超过30KM/H;同方向只有一条机动车道,城市不超过50KM/H;同向有两条以上车道,城市不超过60KM/H;冰雪泥泞道路、天气原因能见度50m以内、掉头转弯下陡坡不超过30KM/H。
3)交叉口行驶规则
a.在划有导向车道的路口,按所需行进方向驶入导向车道。
b.向左转弯时,靠路口中心点左侧转弯。
c.遇放行信号时依次通过,遇停止信号时依次在停止线外等候。
d.无停止线路口,机动车停在路口以外。
e.前方交叉路口交通阻塞时,应当依次停在路口以外等候,不得进入路口。
4)灯光使用规则
a.机动车通过有交通信号灯控制的交叉路口,转弯时开启转向灯,夜间行驶开启近光灯。
b.机动车在夜间通过拱桥、人行横道或者没有交通信号灯控制的路口时,应当交替使用远、近光灯示意。
c.在没有中心隔离设施或者没有中心线的道路上,夜间会车应当在距相对方向来车150米以内远光灯改用近光灯。
d.机动车在夜间没有路灯、照明不良或者遇有雾、雨、雪、沙尘、冰雹等低能见度情况下行驶时,应当开启雾灯、前照灯、示廓灯。
整合上述交通规则,将合法性的情景提取结果分为横向情景、纵向情景与其他情景。对于车道行驶规则、行车速度规则以及交叉口行驶规则,根据其具体内容分别映射到横向情景和纵向情景,而灯光使用规则被映射到其他情景中。
所述横向情景的交通规则包括:
a车辆在机动车道内右侧通行。
b车辆行驶过程中,不允许触碰白色实线,单黄实线,双黄实线,黄色虚实线的实线侧。
c在划有导向车道的路口,按所需行进方向驶入导向车道。
d向左转弯时,靠路口中心点左侧转弯。
纵向情景的交通规则包括:
a车辆在行驶过程中,禁止触碰人行横道停车线、交通信号灯停车线等标线。
b对于有明确要求的情况,车辆按照限速标志或标线的标明速度行驶。
c在无限速标志时,最高行驶车速通常默认为:无道路中心线的道路,城市不超过30KM/H;同方向只有一条机动车道,城市不超过50KM/H;同向有两条以上车道,城市不超过60KM/H;冰雪泥泞道路、天气原因能见度50m以内、掉头转弯下陡坡不超过30KM/H。
d车辆按照交通信号灯行驶,遇放行信号时依次通过,遇停止信号时依次在停止线外等候。
e无停止线路口,机动车停在路口以外。
f前方交叉路口交通阻塞时,应当依次停在路口以外等候,不得进入路口。
3)其他情景的交通规则包括:
A.机动车通过有交通信号灯控制的交叉路口,转弯时开启转向灯,夜间行驶开启近光灯。
B.机动车在夜间通过拱桥、人行横道或者没有交通信号灯控制的路口时,应当交替使用远、近光灯示意。
C.在没有中心隔离设施或者没有中心线的道路上,夜间会车应当在距相对方向来车150米以内改用近光灯。
D.机动车在夜间没有路灯、照明不良或者遇有雾、雨、雪、沙尘、冰雹等低能见度情况下行驶时,应当开启雾灯、前照灯、示廓灯。
所述态势判断模块包括:
(1)横向情景的态势判断:
情景描述:车辆c横向速度为v1,在反应时间ρ阶段,如果车辆c以最大横向加速度靠近禁止标线加速行驶,反应时间过后,车辆c以最小横向制动加速度/>进行横向制动,直至横向速度为零。最终车辆c与禁止标线的横向距离至少为μ。
因此,横向最小合法距离:
其中,
合法性横向态势判断逻辑如图2,针对合法性的横向提取结果,需要判断自车与纵向禁止标线的距离dlat_legal和横向最小合法距离dlat_min_legal的关系,当dlat_legal>dlat_min_legal时,横向合法;反之横向违法;
(2)纵向情景的态势判断
情景描述:纵向上车辆cr以vr的纵向速度行驶,在反应时间ρ阶段,如果车辆cr以最大纵向加速度加速,反应时间过后,车辆cr开始制动,且制动加速度为/>直至达到标线纵向边界限制车速vlong_boundary_limut。
因此,纵向最小车速合法距离:
合法性纵向态势判断逻辑如图3,针对合法性的纵向提取结果,制定以下态势判断逻辑:需要判断自车与相邻逻辑区域边界线的距离dlong_legal和纵向最小车速合法距离dlog_min_legal的关系、自车实时车速vlong与所在区域车速要求vlong_limit的关系、自车与交叉口交通信号灯的信息交互;
(3)其他情景的态势判断
情景描述:当车辆处于灯光使用规则中提及的特定场景(例如夜间十字路口、夜间会车、能见度极低等)时,检查车辆是否按照相应的规则使用灯光。
所述态势抉择模块包括:
相应抉择:对于合法性的判断,如果横向态势违法,则执行横向合法响应;如果纵向态势违法,则执行纵向合法响应;如果其他态势违法,则执行其他合法响应。
具体的横向响应措施为:从自车横向违法阈值时刻开始,在反应过程即时,自车被允许以不超过/>的加速度自由行驶,而反应时间过后,自车需要向远离禁止标线的方向进行横向制动,实际横向加速度
具体的纵向响应措施为:从自车纵向违法阈值时刻开始,在反应过程即时,自车被允许以不超过/>的加速度自由行驶,而反应时间过后,自车需要进行纵向制动,实际纵向加速度/>
具体的其他响应措施为:按照相应的灯光使用规则控制灯光信号。
请参阅图8,采用PreScan与Simulink联合仿真,在PreScan搭建场景,并利用Simulink搭建出在线合规验证系统的逻辑模型,通过联合仿真观察模型的有效性,仿真环境中,车辆参数如图8。
请参阅图9,为满足在线合规系统世界模型的搭建,在该模型中涉及到SELF传感器、AIR传感器以及LaneMarkerSensor传感器。
SELF传感器主要负责采集自车信息,例如自车各坐标值、速度、角偏移量以及角速度等;AIR传感器主要负责采集周围障碍物的信息,例如障碍物的ID、障碍物与自车距离以及夹角等。LaneMarkerSensor传感器主要负责采集自车两侧的车道线信息,例如车道线的种类、自车与车道线的距离等。所选传感器及其获取的感知参数参阅图9。
请参阅图10,利用NAIS(国家车辆事故深度调查体系)中的真实交通事故数据中选取了1个典型案例,其具体信息如图10。
请参阅图11,利用PreScan重现事故场景,并联合Simulink对模型进行联合仿真,仿真结果如图11:
参阅图12,横向和其他情景态势始终输出为0,满足合法性要求;而纵向情景态势判断结果始终为1,因为在交叉路口的相邻区域车速需要低于30km/h,并且1.5s后自车对应的交通灯为红灯,需要自车静止等待。
根据上述信息,对合法性的分析结果如下:自车不满足交叉口的车速及红绿灯规则,因此在线安全验证系统发出纵向制动指令。4.5s时辆车距离最小为15m,避免了碰撞的发生,而后自车继续在路口等待红灯结束,目标车驶离交叉口,两者距离逐渐增大。
虽然在上文中已经参考实施方式对本发明进行了描述,然而在不脱离本发明的范围的情况下,可以对其进行各种改进并且可以用等效物替换其中的部件。尤其是,只要不存在结构冲突,本发明所披露的实施方式中的各项特征均可通过任意方式相互结合起来使用,在本说明书中未对这些组合的情况进行穷举性的描述仅仅是出于省略篇幅和节约资源的考虑。因此,本发明并不局限于文中公开的特定实施方式,而是包括落入权利要求的范围内的所有技术方案。
Claims (6)
1.一种面向自动驾驶决策算法的在线合规验证系统,其特征在于,包括:世界模型模块、情景提取模块、态势判断模块、以及态势响应模块。
世界模型模块用于执行接收感知层的信息,并建立起世界模型;
情景提取模块用于执行利用世界模型中的信息,提取出本车与其他交通参与者之间的情景;
态势判断模块用于执行根据情景提取结果,对具体情景的合法性进行判断;
态势响应模块用于执行制定出不同状态的应对措施,并将控制指令输出给仲裁模块,必要时刻对主决策系统进行干预,以提高主决策系统的合法性。
2.根据权利要求1所述的一种面向自动驾驶决策算法的在线合规验证系统,其特征在于,所述世界模型模块的建立包括如下模型:
(1)道路模型
道路模型的特性包括编号,方向,所在区域的速度限制,相邻逻辑区域的速度限制,以及形状,因此,对道路模型建立五元组。
进一步,道路模型分为普通路段和交叉口两种,两者的编号ID,方向,所在区域的速度限制,相邻逻辑区域的速度限制定义方式相同,但形状的定义存在差异。
普通路段形状,以路段中心线为参考线建立参考线坐标系,其边界在普通路段坐标系下表示。并且在普通路段坐标系下表达在各参考点处的道路曲率。因此普通路段的形状可以通过下式表达:
其中,Lref,Lleft,Lright,Rcur分别为普通路段参考线,参考线坐标系下的左侧道路边界,参考线坐标系下的右侧道路边界,沿着参考线道路曲率。
交叉路口的形状通过公式(2)表示。其中,Li代表交叉路口边界线i。
(2)交通标志模型
交通标志模型的特性包括编号,位置,类型,值。因此,对交通标志模型建立四元组;
其中,位置有两种表示方法,可以采用直角坐标系表示,也可以采用参考线坐标系表示。
类型通常可分为禁止(禁止驶入、禁止超车等)、指示(指示直行、指示左转弯等)、限制(速度限制、高度限制、宽度限制等)等。
值包括限制的速度、高度、宽度等信息。
(3)自车模型
自车模型的特性包括编号,轮廓,位置,横向速度,纵向速度,横向加速度,纵向加速度,所属的交通区域。
因此,对自车模型建立八元组。
(4)动力学参数优化模型
根据高精地图和传感器,能够获取自车横向速度、自车速度、光线、天气等信息。已知上述信息,可以通过机器学习的方法得出在不同环境下的驾驶条件。
不同的驾驶条件对应了不同的横向最小距离、横向最大加速度、横向最小制动加速度、横向最大制动加速度、纵向最大加速度、纵向最小制动加速度、纵向最大制动加速度以及反应时间的具体数值,从而实现动力学参数的适配优化,提高合法性的验证精度。
3.根据权利要求1所述的一种面向自动驾驶决策算法的在线合规验证系统,其特征在于,所述情景提取模块包括:
情景的提取:
在线安全验证系统中,合法性意味着车辆严格遵守交通规则。本文中,我们重点提取了车道行驶规则、行车速度规则、交叉口行驶规则和灯光使用规则四大类。其包含的主要内容如下:
1)车道行驶规则
a.车辆在机动车道内右侧通行。
b.车辆按照交通信号行驶,交通信号主要包括:交通标志(指示标志、禁令标志、指路标志)、交通信号灯、交通标线(指示标线、禁止标线、警告标线)。
2)行车速度规则
车辆按照限速标志的标明速度行驶。
在无限速标志时,最高行驶车速通常默认为:无道路中心线的道路,城市不超过30KM/H;同方向只有一条机动车道,城市不超过50KM/H;同向有两条以上车道,城市不超过60KM/H;冰雪泥泞道路、天气原因能见度50m以内、掉头转弯下陡坡不超过30KM/H。
3)交叉口行驶规则
a.在划有导向车道的路口,按所需行进方向驶入导向车道。
b.向左转弯时,靠路口中心点左侧转弯。
c.遇放行信号时依次通过,遇停止信号时依次在停止线外等候。
d.无停止线路口,机动车停在路口以外。
e.前方交叉路口交通阻塞时,应当依次停在路口以外等候,不得进入路口。
4)灯光使用规则
a.机动车通过有交通信号灯控制的交叉路口,转弯时开启转向灯,夜间行驶开启近光灯。
b.机动车在夜间通过拱桥、人行横道或者没有交通信号灯控制的路口时,应当交替使用远、近光灯示意。
c.在没有中心隔离设施或者没有中心线的道路上,夜间会车应当在距相对方向来车150米以内远光灯改用近光灯。
d.机动车在夜间没有路灯、照明不良或者遇有雾、雨、雪、沙尘、冰雹等低能见度情况下行驶时,应当开启雾灯、前照灯、示廓灯。
整合上述交通规则,将合法性的情景提取结果分为横向情景、纵向情景与其他情景。对于车道行驶规则、行车速度规则以及交叉口行驶规则,根据其具体内容分别映射到横向情景和纵向情景,而灯光使用规则被映射到其他情景中。
4.根据权利要求3所述的一种面向自动驾驶决策算法的在线合规验证系统,其特征在于,所述横向情景的交通规则包括:
a车辆在机动车道内右侧通行。
b车辆行驶过程中,不允许触碰白色实线,单黄实线,双黄实线,黄色虚实线的实线侧。
c在划有导向车道的路口,按所需行进方向驶入导向车道。
d向左转弯时,靠路口中心点左侧转弯。
纵向情景的交通规则包括:
a车辆在行驶过程中,禁止触碰人行横道停车线、交通信号灯停车线等标线。
b对于有明确要求的情况,车辆按照限速标志或标线的标明速度行驶。
c在无限速标志时,最高行驶车速通常默认为:无道路中心线的道路,城市不超过30KM/H;同方向只有一条机动车道,城市不超过50KM/H;同向有两条以上车道,城市不超过60KM/H;冰雪泥泞道路、天气原因能见度50m以内、掉头转弯下陡坡不超过30KM/H。
d车辆按照交通信号灯行驶,遇放行信号时依次通过,遇停止信号时依次在停止线外等候。
e无停止线路口,机动车停在路口以外。
f前方交叉路口交通阻塞时,应当依次停在路口以外等候,不得进入路口。
3)其他情景的交通规则包括:
A.机动车通过有交通信号灯控制的交叉路口,转弯时开启转向灯,夜间行驶开启近光灯。
B.机动车在夜间通过拱桥、人行横道或者没有交通信号灯控制的路口时,应当交替使用远、近光灯示意。
C.在没有中心隔离设施或者没有中心线的道路上,夜间会车应当在距相对方向来车150米以内改用近光灯。
D.机动车在夜间没有路灯、照明不良或者遇有雾、雨、雪、沙尘、冰雹等低能见度情况下行驶时,应当开启雾灯、前照灯、示廓灯。
5.根据权利要求4所述的一种面向自动驾驶决策算法的在线合规验证系统,其特征在于,所述态势判断模块包括:
(1)横向情景的态势判断:
情景描述:车辆c横向速度为v1,在反应时间ρ阶段,如果车辆c以最大横向加速度靠近禁止标线加速行驶,反应时间过后,车辆c以最小横向制动加速度/>进行横向制动,直至横向速度为零。最终车辆c与禁止标线的横向距离至少为μ。
因此,横向最小合法距离:
其中,
合法性横向态势判断逻辑如图2,针对合法性的横向提取结果,需要判断自车与纵向禁止标线的距离dlat_legal和横向最小合法距离dlat_min_legal的关系,当dlat_legal>dlat_min_legal时,横向合法;反之横向违法;
(2)纵向情景的态势判断;
情景描述:纵向上车辆cr以vr的纵向速度行驶,在反应时间ρ阶段,如果车辆cr以最大纵向加速度加速,反应时间过后,车辆cr开始制动,且制动加速度为/>直至达到标线纵向边界限制车速vlong_boundary_limit。
因此,纵向最小车速合法距离:
合法性纵向态势判断逻辑如图3,针对合法性的纵向提取结果,制定以下态势判断逻辑:需要判断自车与相邻逻辑区域边界线的距离dlong_legal和纵向最小车速合法距离dlong_min_legal的关系、自车实时车速vlong与所在区域车速要求vlong_limit的关系、自车与交叉口交通信号灯的信息交互;
(3)其他情景的态势判断;
情景描述:当车辆处于灯光使用规则中提及的特定场景(例如夜间十字路口、夜间会车、能见度极低等)时,检查车辆是否按照相应的规则使用灯光。
6.根据权利要求1所述的一种面向自动驾驶决策算法的在线合规验证系统,其特征在于,所述态势抉择模块包括:
相应抉择,对于合法性的判断,如果横向态势违法,则执行横向合法响应;如果纵向态势违法,则执行纵向合法响应;如果其他态势违法,则执行其他合法响应;
横向响应措施为,从自车横向违法阈值时刻开始,在反应过程即/> 时,自车被允许以不超过/>的加速度自由行驶,而反应时间过后,自车需要向远离禁止标线的方向进行横向制动,实际横向加速度/>
纵向响应措施为,从自车纵向违法阈值时刻开始,在反应过程即/> 时,自车被允许以不超过/>的加速度自由行驶,而反应时间过后,自车需要进行纵向制动,实际纵向加速度/>
其他响应措施为,按照相应的灯光使用规则控制灯光信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310530024.7A CN116842688A (zh) | 2023-05-11 | 2023-05-11 | 一种面向自动驾驶决策算法的在线合规验证系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310530024.7A CN116842688A (zh) | 2023-05-11 | 2023-05-11 | 一种面向自动驾驶决策算法的在线合规验证系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116842688A true CN116842688A (zh) | 2023-10-03 |
Family
ID=88160633
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310530024.7A Pending CN116842688A (zh) | 2023-05-11 | 2023-05-11 | 一种面向自动驾驶决策算法的在线合规验证系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116842688A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117901756A (zh) * | 2024-03-18 | 2024-04-19 | 徐州昊德照明有限公司 | 一种车辆照明灯控制系统 |
-
2023
- 2023-05-11 CN CN202310530024.7A patent/CN116842688A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117901756A (zh) * | 2024-03-18 | 2024-04-19 | 徐州昊德照明有限公司 | 一种车辆照明灯控制系统 |
CN117901756B (zh) * | 2024-03-18 | 2024-05-14 | 徐州昊德照明有限公司 | 一种车辆照明灯控制系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110675656B (zh) | 一种基于瞬时风险识别的智能车辆换道预警方法 | |
CN110597711B (zh) | 一种基于场景和任务的自动驾驶测试用例生成方法 | |
WO2020135742A1 (zh) | 自动驾驶车辆的横向决策系统及横向决策确定方法 | |
CN113165652B (zh) | 使用基于网格的方法检验预测轨迹 | |
CN112631246B (zh) | 测试评价信息确定方法、装置、设备及计算机存储介质 | |
CN110751847B (zh) | 一种自动驾驶车辆行为决策方法及系统 | |
US20220105926A1 (en) | Method and apparatus for driving control, device, medium, and system | |
CN113050455A (zh) | 一种用于智能网联汽车的数字孪生测试系统及控制方法 | |
US11042758B2 (en) | Vehicle image generation | |
CN113212454B (zh) | 车辆行驶状态的调整方法、装置、计算机设备和存储介质 | |
CN114077541A (zh) | 验证用于自动驾驶车辆的自动控制软件的方法和系统 | |
CN113065685B (zh) | 基于自动驾驶应用场景的高精地图交通规则模型及其实现方法 | |
EP3822945B1 (en) | Driving environment information generation method, driving control method, driving environment information generation device | |
US11645360B2 (en) | Neural network image processing | |
CN111477030B (zh) | 车辆协同避险方法、车端平台、云端平台及存储介质 | |
JP2022550058A (ja) | 安全性分析フレームワーク | |
CN116842688A (zh) | 一种面向自动驾驶决策算法的在线合规验证系统 | |
CN110599025A (zh) | 自动驾驶汽车驾驶行为可靠性指标评估方法 | |
Xie et al. | Study on the controlled field test scenarios of automated vehicles | |
CN108349500B (zh) | 用于分析车辆的驾驶员的驾驶方式的方法和装置 | |
CN112906209B (zh) | 一种面向封闭场地的车路协同测试场景可信度评估方法 | |
CN116597690B (zh) | 智能网联汽车的高速公路测试场景生成方法、设备及介质 | |
CN115855531B (zh) | 自动驾驶汽车的测试场景构建方法、设备和介质 | |
CN109446690B (zh) | Ldw功能检测方法 | |
CN114004080A (zh) | 一种基于虚拟仿真的自动驾驶车辆道路行驶适应性评价方法 |
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 |