CN117093811A - 一种自动驾驶安全能力评价方法、装置及设备 - Google Patents

一种自动驾驶安全能力评价方法、装置及设备 Download PDF

Info

Publication number
CN117093811A
CN117093811A CN202310868756.7A CN202310868756A CN117093811A CN 117093811 A CN117093811 A CN 117093811A CN 202310868756 A CN202310868756 A CN 202310868756A CN 117093811 A CN117093811 A CN 117093811A
Authority
CN
China
Prior art keywords
driving
scene
disturbance
vehicle
automatic driving
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.)
Granted
Application number
CN202310868756.7A
Other languages
English (en)
Other versions
CN117093811B (zh
Inventor
张伟伟
陈江
贡俊
李骏
李伯琪
余王鹏飞
陈洋
徐杰杰
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.)
Shanghai Intelligent Vehicle Integration Innovation Center Co ltd
Original Assignee
Shanghai Intelligent Vehicle Integration Innovation Center 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 Shanghai Intelligent Vehicle Integration Innovation Center Co ltd filed Critical Shanghai Intelligent Vehicle Integration Innovation Center Co ltd
Priority to CN202310868756.7A priority Critical patent/CN117093811B/zh
Publication of CN117093811A publication Critical patent/CN117093811A/zh
Application granted granted Critical
Publication of CN117093811B publication Critical patent/CN117093811B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
    • G06F17/141—Discrete Fourier transforms
    • 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
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Discrete Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Traffic Control Systems (AREA)

Abstract

一种自动驾驶安全能力评价方法、装置及设备，方法包括：包括：根据自动驾驶车辆可通行区域和自动驾驶车辆与其他交通参与方安全距离不足的危险区域构建行驶域；根据自动驾驶车辆与其他车辆在行驶过程中的状态划分行驶域生成安全行驶域划分图；采集划分图中的场景扰动数据构建场景扰动数据集；随机采样场景扰动数据集；遴选前方车辆减速、切出以及相邻车辆切入场景扰动数据时域信号，构建场景扰动时域谱；傅里叶变换场景扰动时域谱生成场景扰动频率谱；根据安全行驶域划分图、时域谱和频率谱得出每个特定场景扰动数据的位置‑安全行驶域评价频谱模型并评价自动驾驶车辆行驶安全能力。本申请具有自动驾驶车辆行驶安全能力评价全面、准确的特点。

Description

一种自动驾驶安全能力评价方法、装置及设备
技术领域
本申请涉及自动驾驶技术领域，特别涉及一种自动驾驶安全能力评价方法、装置及设备。
背景技术
在现有技术中，自动驾驶功能主要通过C-NCAP、i-VISTA等智能汽车指数评价规程中预设的固定交通场景进行评估定级。现有的安全评价存在的问题如下：距离速度等各类场景参数固定、交通参与物数量和种类有限，评分规则多依赖于事故发生后启发的速度权重和危险场景权重，未从自动驾驶系统应对复杂动态交通情形的场景扰动进行安全评价；本申请从场景扰动角度出发，评价自动驾驶在行驶过程中场景扰动下的安全性能。
申请内容
为了解决现有自动驾驶安全评价方法未从场景扰动方面进行安全评价的技术问题，本申请了提供一种自动驾驶安全能力评价方法、装置及设备，具体的，本申请的技术方案如下：一种自动驾驶安全能力评价方法，包括：
根据所述自动驾驶车辆的可通行区域和所述自动驾驶车辆与其他障碍物或其他车辆之间的安全距离不足的危险区域，构建行驶域；
根据所述自动驾驶车辆与所述其他车辆在行驶过程中的状态，划分所述行驶域，生成安全行驶域划分图；
采集所述安全行驶域划分图中的自动驾驶场景扰动数据，构建场景扰动数据集；
随机采样所述场景扰动数据集；
遴选出前方车辆减速、切出以及相邻车辆切入的特定场景扰动数据的时域信号，并构建每个所述时域信号的场景扰动时域谱；
对每个所述场景扰动时域谱进行傅里叶变换，生成每个所述场景扰动时域谱相对应的场景扰动频率谱；
结合所述安全行驶域划分图、所述场景扰动时域谱和所述场景扰动频率谱，生成每个所述特定场景扰动数据的位置-安全行驶域评价频谱模型，并根据所述位置-安全行驶域评价频谱模型的结果评价每个所述场景扰动数据的所述自动驾驶车辆的行驶安全能力。
在一些实施方式中，所述可通行区域的构建过程具体包括：
获取所述自动驾驶车辆自身状态的速度、加速度以及所述自动驾驶车辆的自身参数，构建所述可通行区域为：
其中x是所述自动驾驶车辆横向行驶方向，y是所述自动驾驶车辆纵向行驶方向，ar是所述自动驾驶车辆的瞬时减速度，fmax是所述自动驾驶车辆轮胎与路面之间的最大摩擦系数，g是重力加速度，t是所述自动驾驶车辆速度变为零所需时间，T表示将来某一时刻需要知道所述自动驾驶车辆位置的时间。
根据所述自动驾驶车辆的横向与纵向行驶方向构建所述可通行区域。
在一些实现中，所述的根据所述自动驾驶车辆与所述其他车辆在行驶过程中的状态，划分所述行驶域，生成安全行驶域划分图具体包括：
计算所述自动驾驶车辆与所述其他行驶车辆实际行驶过程中纵向相对距离，并根据所述自动驾驶车辆与所述其他车辆最初的两车纵向距离，计算所述自动驾驶车辆的驾驶安全能力参数；
根据所述驾驶安全能力参数将所述安全行驶域进行划分，得到所述安全行驶域划分图。
在一些实现中，所述安全行驶域划分图，根据所述驾驶安全行驶能力参数划分为安全区域和碰撞区域；
所述安全区域需满足所述自动驾驶车辆的横纵向操作反应时间和预计碰撞时间的联合约束条件：
G(tR，tC)∩Cobj(T)＝Φ,tC＞tR
G(tR,tC)表示所述自动驾驶车辆操作响应区域，Cobj(T)表示所述自动驾驶车辆与其他障碍物或所述其他车辆之间的位置或运动区域，tC为所述预计碰撞时间，tR为所述横纵向操作反应时间，Φ为所述安全区域；
当tC大于tR时，所述自动驾驶车辆操作响应区域与所述自动驾驶车辆与其他障碍物或其他自动驾驶车辆之间的位置与运动区域不重叠。
在一些实现中，所述生成每个所述特定场景扰动数据的位置-安全行驶域评价频谱模型，具体包括：
将所述场景扰动频率谱进行归一化计算，获得位置-安全行驶域评价频谱模型：
τ表示调整系数，M为实际切入扰动量，M’为理论切入扰动量，Mmax为允许切入扰动量。Pse为安全行驶评价指数；
根据所述安全行驶评价指数评价所述行驶安全能力。
基于相同的技术构思，本申请还提供了一种自动驾驶安全能力评价装置，包括：
行驶域构建模块，用于根据所述自动驾驶车辆的可通行区域和所述自动驾驶车辆与其他障碍物或其他车辆之间的安全距离不足的危险区域构建行驶域；
行驶域划分模块，用于根据所述自动驾驶车辆与所述其他车辆在行驶过程中的状态，划分所述行驶域，生成安全行驶域划分图；
场景扰动数据采集模块，用于在所述行驶域划分图中采集自动驾驶场景扰动数据，并构建场景扰动数据集；
场景扰动遴选模块，用于根据所述场景扰动数据集，遴选出前方车辆减速、切出和相邻车辆切入的特定场景扰动数据的时域信号；
场景扰动时域谱构建模块，用于根据所述时域信号，构建每个所述时域信号的场景扰动时域谱；
场景扰动频率谱构建模块，用于将所述场景扰动时域谱进行傅里叶变换，生成每个所述场景扰动时域谱相对应的场景扰动频率谱。
评价模型构建模块，用于结合所述安全行驶域划分图、所述场景扰动时域谱和所述场景扰动频率谱，生成每个所述特定场景扰动数据的位置-安全行驶域评价频谱模型；
评价模块，用于根据所述位置-安全行驶域评价频谱模型的结果评价每个所述场景扰动数据的所述自动驾驶车辆的行驶安全能力。
在一些实现中，一种自动驾驶安全能力评价装置，还包括：
行驶状态采集模块，用于采集所述自动驾驶车辆的速度、加速度、实际行驶距离、车身参数；
行驶环境采集模块，用于采集其他车辆的实际行驶距离、速度和加速度。
在一些实现中，所述行驶域构建模块还包括：可通行区域构建子模块和危险区域构建子模块；
所述可通行区域构建子模块，用于根据所述行驶状态采集模块的采集结果构建所述可通行区域；
所述危险区域构建子模块，用于根据所述行驶环境采集模块的采集结果构建所述危险区域。
基于相同的技术构思本申请还提供了一种自动驾驶安全能力评价设备，包括上述任一项实施方式所述的自动驾驶行驶安全能力评价装置。
与现有技术相比，本申请至少具有以下一项有益效果：
1.本申请通过对自动驾驶过程中，自动驾驶车辆和其他车辆的行驶状态为基础，在其他车辆进行减速、切入和切出变化时产生的场景扰动数据进行频谱分析，具有评价响应速度快，准确性好的技术特点。
2.本申请构建位置-安全行驶域评价频谱模型的过程中所采集的自动驾驶车辆和其他车辆的行驶状态等行驶过程信息，具备易实时获取的特性，该安全能力测评方法可用于自动驾驶车辆在线测评,从而对自动驾驶汽车在线路径规划方面具有指引作用。
3.本申请可以应用于职业驾驶员的安全驾驶技能的客观评价，具有重要的方法价值和明显的应用前景。
附图说明
下面将结合附图说明实施方式，对本申请的上述特性、技术特征、优点及其实现方式予以进一步说明。
图1是本申请的一种自动驾驶安全能力评价方法流程图；
图2是本申请的一种自动驾驶安全能力评价方法的安全行驶域划分图；
图3是本申请的一种自动驾驶安全能力评价方法的场景扰动时域图；
图4是本申请的一种自动驾驶安全能力评价方法的场景扰动频率图；
图5是本申请的一种自动驾驶安全能力评价方法的评价过程时间节点图；
图6是本申请的一种自动驾驶安全能力评价方法的试验流程图。
附图标号说明：110-试验控制平台，120-虚拟工况平台，130-自动驾驶车辆。
具体实施方式
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对照附图说明本申请的具体实施方式。显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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，并获得其他的实施方式。
为使图面简洁，各图中只示意性地表示出了与申请相关的部分，它们并不代表其作为产品的实际结构。另外，以使图面简洁便于理解，在有些图中具有相同结构或功能的部件，仅示意性地绘示了其中的一个，或仅标出了其中的一个。在本文中，“一个”不仅表示“仅此一个”，也可以表示“多于一个”的情形。
一种自动驾驶安全能力评价方法，参考说明书附图1，包括：
S100，根据自动驾驶车辆的可通行区域和自动驾驶车辆与其他障碍物或其他车辆之间的安全距离不足的危险区域，构建行驶域；
可通行区域的构建过程具体包括：
获取自动驾驶车辆自身状态的速度、加速度以及自动驾驶车辆的自身参数，构建可通行区域，参考公式1至公式3：
其中x是自动驾驶车辆横向行驶方向，y是自动驾驶车辆纵向行驶方向，ar是自动驾驶车辆的瞬时减速度，fmax是自动驾驶车辆轮胎与路面之间的最大摩擦系数，g是重力加速度，t是自动驾驶车辆速度变为零所需时间，T表示将来某一时刻需要知道自动驾驶车辆位置的时间。
根据自动驾驶车辆的横向与纵向行驶方向的公式1和公式2构建可通行区域。
自动驾驶车辆与其他障碍物或其他车辆之间的安全距离不足的危险区域通过自动驾驶车辆的车身传感器进行获取。
S200，根据自动驾驶车辆与其他车辆在行驶过程中的状态，划分行驶域，生成安全行驶域划分图；
具体包括：
计算自动驾驶车辆与其他自动驾驶车辆实际行驶过程中纵向相对距离，参考公式4至公式7：
xvehicle＝vvehicle×tz (4)
vtarget(tz)＝vtarget(0)+atz (6)
d＝xtarget-xvehicle (7)
其中，xvehicle为自动驾驶车辆实际行驶距离，vvehicle为自动驾驶车辆的纵向速度，tZ为横向运动时间，xtarget为切入的其他自动驾驶车辆实际纵向行驶距离，vtarget是其他自动驾驶车辆的纵向速度，a是其他自动驾驶车辆的纵向加速度，d为自动驾驶车辆与其他自动驾驶车辆实际运动过程中纵向相对距离；
根据自动驾驶车辆与其他车辆最初的两车纵向距离，计算当前工况下的驾驶安全能力参数，参考公式8：
P＝d-s (8)
s为自动驾驶车辆与其他车辆车辆之间最初两车纵向距离，P为当前工况下的驾驶安全能力参数，并根据驾驶安全能力参数对安全行驶域进行划分，参考说明书附图2；
驾驶安全能力参数P为正，则代表自动驾驶车辆在安全行驶域中安全行驶，此区域定义为安全区域，为图2中A和D区域所呈现的内容；
驾驶安全能力参数P为负，则代表自动驾驶车辆在安全行驶域中危险行驶，此区域定义为碰撞区域，为图2中B和C区域所呈现的内容；
特别的，安全区域需满足自动驾驶车辆的横纵向操作反应时间和预计碰撞时间的联合约束条件，参考公式9：
G(tR，tC)∩Cobj(T)＝Φ,tC＞tR (9)
G(tR,tC)表示自动驾驶车辆操作响应区域，Cobj(T)表示自动驾驶车辆与其他障碍物或其他车辆之间的位置或运动区域，tC为预计碰撞时间，tR为横纵向操作反应时间，Φ为安全区域；
横纵向操作反应时间tR通常取300ms，预计碰撞时间tC根据自动驾驶车辆和其他车辆的初始距离和初始相对速度得到。当tC大于tR时，自动驾驶车辆操作响应区域与自动驾驶车辆与其他障碍物或其他自动驾驶车辆之间的位置与运动区域不重叠。
自动驾驶车辆,操作响应区域由自动驾驶车辆车身传感器测量车辆位置和行进方向等参数构建，并根据车辆机械结构和控制系统的特点计算得出，参考公式10：
G(tR，tC)＝D+L+W (10)
D表示自动驾驶车辆制动距离；L表示自动驾驶车辆的惯性距离，即自动驾驶车辆在停止前需要经过的道路长度；W表示安全停车距离，即在自动驾驶车辆前方设定的最小安全距离。
S300，采集安全行驶域划分图中的自动驾驶场景扰动数据，构建场景扰动数据集；
自动驾驶场景扰动数据具体是指ISO34502《2022道路车辆自动驾驶系统测试场景词汇》中所载的自动驾驶不同关键场景下的各种扰动变量。
S400，随机采样场景扰动数据集；
S500，遴选出前方车辆减速、切出以及相邻车辆切入的特定场景扰动数据的时域信号，并构建每个时域信号的场景扰动时域谱；
具体的，参考说明书附图3，选取安全行驶域划分图的5个特定场景扰动数据的时域信号进行阐述，图3示出了5个特定场景扰动数据的时域信号的场景扰动时域谱。
S600，对每个场景扰动时域谱进行傅里叶变换，生成每个场景扰动时域谱相对应的场景扰动频率谱；
具体的，参考说明书附图4，示出了5个场景扰动时域谱相对应的场景扰动频率谱。
从场景扰动时域谱到场景扰动功率谱经公式11的非周期傅里叶变换进行转换。
S700，结合安全行驶域划分图、场景扰动时域谱和场景扰动频率谱，生成每个特定场景扰动数据的位置-安全行驶域评价频谱模型，并根据位置-安全行驶域评价频谱模型的结果评价每个场景扰动数据的自动驾驶车辆的行驶安全能力。
生成每个特定场景扰动数据的位置-安全行驶域评价频谱模型具体包括：
将场景扰动频率谱进行归一化计算，获得位置-安全行驶域评价频谱模型：
τ表示调整系数，M为实际切入扰动量，M’为理论切入扰动量，Mmax为允许切入扰动量。Pse为安全行驶评价指数；
实际切入扰动量M是指自动驾驶车辆经过一个道路转弯或变线的区域时所受到的扰动(偏离道路中心线的程度等)。理论切入扰动量M’是指实际切入扰动量可以达到的最小值，即最小安全标准。允许切入扰动量Mmax是指实际切入扰动量可以达到的最大值，即最大安全标准。
S807，根据位置-安全行驶域评价频谱模型评价各个扰动时刻的自动驾驶车辆的安全能力。
同时，自动驾驶安全能力评价方法可基于智能车辆硬件在VTEHIL实验平台中进行应用，采用VTD软件生成多类场景并驱动控制周围目标车辆之间进行联动，参考说明书附图5的评价过程时间节点图，横坐标表示时间，纵坐标上有试验控制平台、虚拟工况平台和自动驾驶车辆三个部分，每个部分上的菱形点表示在此时间有扰动，箭头表示扰动参数发送到哪一部分，示例出自动驾驶车辆130在试验场景中受到的扰动点与扰动顺序。试验步骤参考说明书附图6，具体包括：
S1，试验控制平台110设置虚拟工况平台120的虚拟工况，虚拟工况包括：自动驾驶场景扰动、场景天气情况、光照强度和路面状况，自动驾驶场景扰动包括：自动驾驶车辆130的前方车辆减速或切出当前车道和自动驾驶车辆130的侧方车辆切入当前道路；
S2，试验控制平台110设置自动驾驶车辆130和侧方车辆的行驶速度、行驶加速度以及自动驾驶车辆130与前方车辆和侧方车辆的纵向距离；
S3，试验控制平台110预先在虚拟工况平台120上设置若干扰动时刻，到达扰动时刻时，控制前方车辆进行减速或切出当前道路或控制侧方车辆切入当前道路；
S4，自动驾驶车辆130向试验控制平台110发送自动驾驶车辆130与前方车辆或侧方车辆之间在扰动时刻时的相对速度、相对距离；虚拟工况平台120向试验控制平台110发送扰动时刻时的自动驾驶车辆、前方车辆、侧方车辆位置；
S5，试验控制平台110根据相对速度、相对距离、各个车辆位置得到场景扰动时域谱，并转换为场景扰动频率谱，构建扰动时刻的位置-安全行驶域评价频谱模型；
S6，重复进行步骤S1-S5，获得自动驾驶车辆130各个扰动时刻的位置-安全行驶域评价频谱模型。
从位置-安全行驶域评价频谱模型中可以得出，其他车辆切入自动驾驶车辆130正在行驶的道路的过程中，侧方车辆的横向速度越大、加速度越大，自动驾驶车辆130的加速度越小时，自动驾驶车辆130的扰动频率越小，安全行驶域范围越大，此时相邻车道切入的侧方车辆处于行驶域的安全区域的概率越大。侧方横向速度越大时，减速度越大，自动驾驶车辆130减速度越大，自动驾驶车辆130扰动频率越大，行驶域范围越小，此时相邻车道切入车辆处于碰撞区域概率更大。
基于相同的技术构思，本申请还提供了一种自动驾驶安全能力评价装置，包括：
行驶域构建模块，用于根据自动驾驶车辆的可通行区域和自动驾驶车辆与其他障碍物或其他车辆之间的安全距离不足的危险区域构建行驶域；
行驶域划分模块，用于根据自动驾驶车辆与其他车辆在行驶过程中的状态，划分行驶域，生成安全行驶域划分图；
场景扰动数据采集模块，用于在行驶域划分图中采集自动驾驶场景扰动数据，并构建场景扰动数据集；
场景扰动遴选模块，用于根据场景扰动数据集，遴选出前方车辆减速、切出和相邻车辆切入的特定场景扰动数据的时域信号；
场景扰动时域谱构建模块，用于根据时域信号，构建每个时域信号的场景扰动时域谱；
场景扰动频率谱构建模块，用于将场景扰动时域谱进行傅里叶变换，生成每个场景扰动时域谱相对应的场景扰动频率谱。
评价模型构建模块，用于结合行驶域划分图、场景扰动时域谱和场景扰动频率谱，生成每个特定场景扰动数据的位置-安全行驶域评价频谱模型；
评价模块，用于根据位置-安全行驶域评价频谱模型的结果评价每个场景扰动数据的自动驾驶车辆的行驶安全能力。
在一种实现中，一种自动驾驶安全能力评价装置，还包括：
行驶状态采集模块，用于采集自动驾驶车辆的速度、加速度、实际行驶距离、车身参数；
行驶环境采集模块，用于采集其他车辆的实际行驶距离、速度和加速度。
在一种实现中，行驶域构建模块还包括：可通行区域构建子模块和危险区域构建子模块；
可通行区域构建子模块，用于根据行驶状态采集模块的采集结果构建可通行区域；
危险区域构建子模块，用于根据行驶环境采集模块的采集结果构建危险区域。
基于相同的技术构思本申请还提供了一种自动驾驶安全能力评价设备，包括上述任一项自动驾驶行驶安全能力评价装置。
应当说明的是，上述实施例均可根据需要自由组合。以上仅是本申请的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。

Claims (9)

1.一种自动驾驶安全能力评价方法，应用于自动驾驶车辆车道保持场景，其特征在于，包括：
根据所述自动驾驶车辆的可通行区域和所述自动驾驶车辆与其他障碍物或其他车辆之间的安全距离不足的危险区域，构建行驶域；
根据所述自动驾驶车辆与所述其他车辆在行驶过程中的状态，划分所述行驶域，生成安全行驶域划分图；
采集所述安全行驶域划分图中的自动驾驶场景扰动数据，构建场景扰动数据集；
随机采样所述场景扰动数据集；
遴选出前方车辆减速、切出以及相邻车辆切入的特定场景扰动数据的时域信号，并构建每个所述时域信号的场景扰动时域谱；
对每个所述场景扰动时域谱进行傅里叶变换，生成每个所述场景扰动时域谱相对应的场景扰动频率谱；
结合所述安全行驶域划分图、所述场景扰动时域谱和所述场景扰动频率谱，生成每个所述特定场景扰动数据的位置-安全行驶域评价频谱模型，并根据所述位置-安全行驶域评价频谱模型的结果评价每个所述场景扰动数据的所述自动驾驶车辆的行驶安全能力。
2.根据权利要求1所述的一种自动驾驶安全能力评价方法，其特征在于，所述可通行区域的构建过程具体包括：
获取所述自动驾驶车辆自身状态的速度、加速度以及所述自动驾驶车辆的自身参数，构建所述可通行区域为：
其中x是所述自动驾驶车辆横向行驶方向，y是所述自动驾驶车辆纵向行驶方向，ar是所述自动驾驶车辆的瞬时减速度，fmax是所述自动驾驶车辆轮胎与路面之间的最大摩擦系数，g是重力加速度，t是所述自动驾驶车辆速度变为零所需时间，T表示将来某一时刻需要知道所述自动驾驶车辆位置的时间。
根据所述自动驾驶车辆的横向与纵向行驶方向构建所述可通行区域。
3.根据权利要求1所述的一种自动驾驶安全能力评价方法，其特征在于，所述的根据所述自动驾驶车辆与所述其他车辆在行驶过程中的状态，划分所述行驶域，生成安全行驶域划分图具体包括：
计算所述自动驾驶车辆与所述其他行驶车辆实际行驶过程中纵向相对距离，并根据所述自动驾驶车辆与所述其他车辆最初的两车纵向距离，计算所述自动驾驶车辆的驾驶安全能力参数；
根据所述驾驶安全能力参数将所述安全行驶域进行划分，得到所述安全行驶域划分图。
4.根据权利要求3所述的一种自动驾驶安全能力评价方法，其特征在于，所述安全行驶域划分图，根据所述驾驶安全行驶能力参数划分为安全区域和碰撞区域；
所述安全区域需满足所述自动驾驶车辆的横纵向操作反应时间和预计碰撞时间的联合约束条件：
G(tR，tC)∩Cobj(T)＝Φ,tC＞tR
G(tR,tC)表示所述自动驾驶车辆操作响应区域，Cobj(T)表示所述自动驾驶车辆与其他障碍物或所述其他车辆之间的位置或运动区域，tC为所述预计碰撞时间，tR为所述横纵向操作反应时间，Φ为所述安全区域；
当tC大于tR时，所述自动驾驶车辆操作响应区域与所述自动驾驶车辆与其他障碍物或其他自动驾驶车辆之间的位置与运动区域不重叠。
5.根据权利要求1所述的一种自动驾驶安全能力评价方法，其特征在于，所述生成每个所述特定场景扰动数据的位置-安全行驶域评价频谱模型，具体包括：
将所述场景扰动频率谱进行归一化计算，获得位置-安全行驶域评价频谱模型：
τ表示调整系数，M为实际切入扰动量，M’为理论切入扰动量，Mmax为允许切入扰动量。Pse为安全行驶评价指数；
根据所述安全行驶评价指数评价所述行驶安全能力。
6.一种自动驾驶安全能力评价装置，其特征在于，包括：
行驶域构建模块，用于根据所述自动驾驶车辆的可通行区域和所述自动驾驶车辆与其他障碍物或其他车辆之间的安全距离不足的危险区域构建行驶域；
行驶域划分模块，用于根据所述自动驾驶车辆与所述其他车辆在行驶过程中的状态，划分所述行驶域，生成安全行驶域划分图；
场景扰动数据采集模块，用于在所述行驶域划分图中采集自动驾驶场景扰动数据，并构建场景扰动数据集；
场景扰动遴选模块，用于根据所述场景扰动数据集，遴选出前方车辆减速、切出和相邻车辆切入的特定场景扰动数据的时域信号；
场景扰动时域谱构建模块，用于根据所述时域信号，构建每个所述时域信号的场景扰动时域谱；
场景扰动频率谱构建模块，用于将所述场景扰动时域谱进行傅里叶变换，生成每个所述场景扰动时域谱相对应的场景扰动频率谱。
评价模型构建模块，用于结合所述安全行驶域划分图、所述场景扰动时域谱和所述场景扰动频率谱，生成每个所述特定场景扰动数据的位置-安全行驶域评价频谱模型；
评价模块，用于根据所述位置-安全行驶域评价频谱模型的结果评价每个所述场景扰动数据的所述自动驾驶车辆的行驶安全能力。
7.根据权利要求6所述的一种自动驾驶安全能力评价装置，其特征在于，还包括：
行驶状态采集模块，用于采集所述自动驾驶车辆的速度、加速度、实际行驶距离、车身参数；
行驶环境采集模块，用于采集其他车辆的实际行驶距离、速度和加速度。
8.根据权利要求7所述的一种自动驾驶安全能力评价装置，其特征在于，所述行驶域构建模块还包括：可通行区域构建子模块和危险区域构建子模块；
所述可通行区域构建子模块，用于根据所述行驶状态采集模块的采集结果构建所述可通行区域；
所述危险区域构建子模块，用于根据所述行驶环境采集模块的采集结果构建所述危险区域。
9.一种自动驾驶安全能力评价设备，其特征在于，包括：权利要求6-8任一项所述的自动驾驶车辆行驶安全能力评价装置。
CN202310868756.7A 2023-07-17 2023-07-17 一种自动驾驶安全能力评价方法、装置及设备 Active CN117093811B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310868756.7A CN117093811B (zh) 2023-07-17 2023-07-17 一种自动驾驶安全能力评价方法、装置及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310868756.7A CN117093811B (zh) 2023-07-17 2023-07-17 一种自动驾驶安全能力评价方法、装置及设备

Publications (2)

Publication Number Publication Date
CN117093811A true CN117093811A (zh) 2023-11-21
CN117093811B CN117093811B (zh) 2024-05-10

Family

ID=88772605

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310868756.7A Active CN117093811B (zh) 2023-07-17 2023-07-17 一种自动驾驶安全能力评价方法、装置及设备

Country Status (1)

Country Link
CN (1) CN117093811B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109597317A (zh) * 2018-12-26 2019-04-09 广州小鹏汽车科技有限公司 一种基于自学习的车辆自动驾驶方法、系统及电子设备
CN110160804A (zh) * 2019-05-31 2019-08-23 中国科学院深圳先进技术研究院 一种自动驾驶车辆的测试方法、装置及系统
US20200406911A1 (en) * 2018-03-16 2020-12-31 Huawei Technologies Co., Ltd. Self-Driving Safety Evaluation Method, Apparatus, and System
CN112258830A (zh) * 2020-10-23 2021-01-22 上海博泰悦臻电子设备制造有限公司 车辆编队行驶的可靠性评估方法及其应用
CN113479201A (zh) * 2021-08-20 2021-10-08 燕山大学 考虑驾驶人反应能力的换道场景车辆风险动态评价方法
CN113793074A (zh) * 2021-02-20 2021-12-14 同济大学 一种自动驾驶车辆社会合作性评价方法
CN114353819A (zh) * 2022-01-04 2022-04-15 腾讯科技（深圳）有限公司 车辆的导航方法、装置、设备、存储介质及程序产品

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200406911A1 (en) * 2018-03-16 2020-12-31 Huawei Technologies Co., Ltd. Self-Driving Safety Evaluation Method, Apparatus, and System
CN109597317A (zh) * 2018-12-26 2019-04-09 广州小鹏汽车科技有限公司 一种基于自学习的车辆自动驾驶方法、系统及电子设备
CN110160804A (zh) * 2019-05-31 2019-08-23 中国科学院深圳先进技术研究院 一种自动驾驶车辆的测试方法、装置及系统
CN112258830A (zh) * 2020-10-23 2021-01-22 上海博泰悦臻电子设备制造有限公司 车辆编队行驶的可靠性评估方法及其应用
CN113793074A (zh) * 2021-02-20 2021-12-14 同济大学 一种自动驾驶车辆社会合作性评价方法
CN113479201A (zh) * 2021-08-20 2021-10-08 燕山大学 考虑驾驶人反应能力的换道场景车辆风险动态评价方法
CN114353819A (zh) * 2022-01-04 2022-04-15 腾讯科技（深圳）有限公司 车辆的导航方法、装置、设备、存储介质及程序产品

Also Published As

Publication number Publication date
CN117093811B (zh) 2024-05-10

Similar Documents

Publication Publication Date Title
US10289113B2 (en) Autonomous occupant attention-based control
US10026317B2 (en) Autonomous probability control
US11465617B2 (en) Vehicle path planning
CN109311482B (zh) 用于确定未来路径点处的安全速度的方法
US20170247040A1 (en) Autonomous vehicle control transitioning
US20170248953A1 (en) Autonomous peril control
CN113386795A (zh) 一种自动驾驶车辆智能决策及局部轨迹规划方法及其决策系统
EP4090567B1 (en) Cross-platform control profiling for autonomous vehicle control
US10829114B2 (en) Vehicle target tracking
CN105579320A (zh) 一种用于优化驾驶员辅助系统的方法和设备
US20170057355A1 (en) Vehicle speed control system
GB2549579A (en) Autonomous confidence control
JP7354295B2 (ja) 車両信号を処理して挙動危険性の測度を計算するための装置及び方法
US20220105963A1 (en) Systems and methods for imminent collision avoidance
US20200307598A1 (en) Traveling control apparatus, traveling control method, and non-transitory computer-readable storage medium storing program
US20210139038A1 (en) Low-speed, backward driving vehicle controller design
CN113619597B (zh) 自动驾驶车辆速度限制变更的规划系统
CN117093811B (zh) 一种自动驾驶安全能力评价方法、装置及设备
JP2020075561A (ja) 走行範囲取得システム、車両制御システムおよび走行範囲取得プログラム
CN116061913B (zh) 基于自适应pid控制的井下车辆防追尾系统及控制方法
Kanjee et al. Vision-based adaptive cruise control using pattern matching
CN112129543A (zh) 自动驾驶车辆靠边停车性能的测试方法
CN112985825A (zh) 用于确定自动驾驶系统的乘坐稳定性的方法
CN110450785B (zh) 用于获取轨迹跟随精度的方法
CN114312796A (zh) 一种车速控制方法、装置、存储介质及系统

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
GR01 Patent grant
GR01 Patent grant