1.一种交通车辆行驶风险评估方法,其特征在于,包括以下步骤:步骤一、从原始公开数据集提取目标场景数据,所述目标场景数据包括主车特征序列、每个周车的周车特征序列、主车左车道标签、主车右车道标签,并添加上主车行为标签;
步骤二、构建曝光度量化Transformer模型,通过模型预测周车的驾驶意图,进而计算主车行驶风险的曝光度E;
步骤三、进行考虑车辆类型的主车行驶风险的严重度S计算;
步骤四、基于主车加速度变化幅度,计算主车与任意周车之间行驶风险的可控度C;
步骤五、将步骤二至步骤四计算得到的行驶风险曝光度E、可控度C和严重度S相乘即得到两车之间的风险评估结果R;
步骤六、将主车与所有周车之间风险评估结果R的最大值作为主车的行驶风险评估结果。
2.如权利要求1所述的一种交通车辆行驶风险评估方法,其特征在于,所述步骤一中,目标场景数据提取原则为:首先根据车辆的驾驶状态将其分类为车道保持车辆或车道变换车辆,将分类完成的车辆作为主车;
如果主车为车道保持车辆,则提取其任意2秒的特征场景数据;
如果主车为车道变换车辆,则提取其换道起始点前2秒的特征场景数据,换道起始点设定为当换道车辆与车道中心线的横向距离超过车宽的一半的时刻,换道起始点定义如下式所示:式中,ΔY表示换道车辆与车道中心线的横向距离,height表示车宽。
3.如权利要求1所述的一种交通车辆行驶风险评估方法,其特征在于,所述步骤一中,所述目标场景数据具体包括:所述主车特征序列包括主车横坐标、主车纵坐标、主车纵向速度和主车相对于所在车道中心线的偏移距离共4个特征;
所述每个周车的特征序列包括该周车的横坐标、纵坐标、纵向速度共三个特征,对于主车而言,有左前、前、右前、左后、后、右后6辆周车,共有18个周车特征序列特征;
所述主车左右车道标签,根据道路结构信息以及主车所在车道信息添加;
所述主车行为标签,用于表征主车分类为车道保持车辆还是车道变换车辆,主车行为标签不作为所述步骤二中曝光度量化Transformer模型的输入。
4.如权利要求1所述的一种交通车辆行驶风险评估方法,其特征在于,所述步骤二包括:S21.构建曝光度量化Transformer模型并进行模型训练;
S22.将经过训练的曝光度量化Transformer模型应用于所述目标场景数据,通过周车的驾驶意图预测,计算主车的行驶风险的曝光度E:对于主车而言,驾驶意图预测的被测车辆为主车的任意一辆周车B,将周车B为主车时的目标场景数据输入曝光度量化Transformer模型,得到周车B的3种驾驶意图的概率,取周车B驾驶意图中对主车的行驶造成最大影响的驾驶意图概率值作为周车B对主车带来的行驶风险的曝光度取值;
S23.通过对主车所有周车进行驾驶意图预测,得到任意周车对主车带来的行驶风险曝光度。
5.如权利要求1所述的一种交通车辆行驶风险评估方法,其特征在于,所述步骤S22中,所述3种驾驶意图的概率指被预测车辆在其周车的影响下的下一个时间步长车道保持、左变道和右变道3种驾驶意图的概率分布。
6.如权利要求1所述的一种交通车辆行驶风险评估方法,其特征在于,所述步骤S21包括:构建曝光度量化Transformer模型包括:
输入嵌入模块,其用于将特征序列输入,并将特征序列转换到固定维度的向量表示;
位置编码模块,用于给所述嵌入向量加入位置编码,嵌入之后为每个时间步长添加位置编码,得到每个时间步长的嵌入向量;
多头注意力模块,多头注意力模块将每个时间步长的嵌入向量与特征序列中的所有其他时间步长的嵌入向量比较,并选择与当前时间步长最相关的嵌入向量进行计算;
前馈神经网络层,使用前馈神经网络对每个时间步长的表示进行非线性转换,前馈神经网络由两个全连接层组成,每个全连接层使用ReLU激活函数,前馈神经网络的输出由下式计算:F=ReLU(H·W
其中,H是多头注意力模块的输出,W
预测结果输出模块,将最后时间步长的向量通过全连接层再经过softmax函数输出维度为3的向量E:E=softmax(F)
式中,F为前馈神经网络层全连接层的输出;
将步骤一提取的目标场景片段数据作为曝光度量化Transformer模型的输入,训练模型;经过训练后的模型用于预测被测车辆驾驶意图预测,即被预测车辆在其周车的影响下的下一个时间步长车道保持、左变道和右变道3种驾驶意图的概率分布,取被测车辆驾驶意图概率分布中对主车的行驶造成最大影响的概率值作为该被测车辆对主车带来的行驶风险的曝光度E取值。
7.如权利要求1所述的一种交通车辆行驶风险评估方法,其特征在于,所述步骤三中,将危险发生时,被卷入危险的人承受最大简明损伤定级大于等于2的伤害的概率,作为主车与其一辆周车之间行驶风险的严重度S,计算公式为:λ=λ
式中,λ为发生危险的两车风险系数的乘积,λ
Δv=v
式中,v
8.如权利要求1所述的一种交通车辆行驶风险评估方法,其特征在于,所述步骤四中,采用主车的加速度变化幅度来对风险可控度进行量化,计算公式如下:式中,C为主车与其一辆周车之间行驶风险评估的可控度;α