1.基于人工智能的车辆安全评估方法,其特征在于:该方法包括以下步骤:
步骤S1:数据收集,得到安全评估原始数据;
步骤S2:数据预处理,具体为对所述安全评估原始数据依次进行人工数据标签优化、数据清洗和数据对齐操作,得到优化安全评估数据集;
步骤S3:历史轨迹安全分析,用于结合车辆行驶轨迹的历史数据进行自动化碰撞前兆性安全分析,具体为依据所述优化安全评估数据集,采用结合安全指标加权预测的注意力序列优化长短期记忆神经网络进行历史轨迹安全分析,得到历史轨迹安全评估数据,包括以下步骤:步骤S31:安全指标预定义;步骤S32:构建注意力序列子网;步骤S33:构建自注意力前馈子网;步骤S34:构建长短期记忆子网;步骤S35:历史轨迹安全分析模型训练;步骤S36:历史轨迹安全分析;
在步骤S31中,所述安全指标预定义,具体为定义安全分析预测指标组合,并进行预测结果的加权预设计,得到预定义安全分析预测指标集,包括以下步骤:步骤S311:定义碰撞剩余时间预测指标,用于表示如果当前车辆继续保持当前速度会同位置参考序列数据中的前一车辆发生碰撞的剩余时间,具体为计算碰撞剩余时间判断参数,并依据所述碰撞剩余时间判断参数,进行碰撞剩余时间预测指标定义;
所述碰撞剩余时间判断参数的计算公式为:
式中,TTi是碰撞剩余时间判断参数,∞是无穷大符号,用于表示无碰撞安全风险,i是车辆索引,xi-1是前一车辆的位置参考序列数据,xi是当前车辆的位置参考序列数据,vi是当前车辆的速度数据,vi-1是前一车辆的速度数据,l是当前车辆的车长;
步骤S312:定义碰撞风险预测指标,用于基于相对速度和相对加速度进行当前车辆与前一车辆发生碰撞的风险概率,具体为计算碰撞风险判断参数,并依据所述碰撞风险判断参数,进行碰撞风险预测指标定义;
所述碰撞风险判断参数的计算公式为:
式中,MTi是碰撞风险判断参数,其中,i是车辆索引,Δv是当前车辆与前一车辆的相对速度,Δa是当前车辆与前一车辆的相对加速度,Δx是当前车辆与前一车辆的相对距离,l是当前车辆的车长;
步骤S313:定义规避碰撞减速率预测指标,用于表示当前车辆的速度高于前一车辆时,为规避碰撞所需要的最小减速速率,具体为计算规避碰撞减速率判断参数,并依据所述规避碰撞减速率判断参数,进行规避碰撞减速率预测指标定义;
所述规避碰撞减速率判断参数的计算公式为:
式中,DAi是规避碰撞减速率判断参数,0是减速速率为0标识符,用于表示此时无需进行减速,i是车辆索引,xi-1是前一车辆的位置参考序列数据,xi是当前车辆的位置参考序列数据,vi是当前车辆的速度数据,vi-1是前一车辆的速度数据,l是当前车辆的车长;
步骤S314:定义紧急减速安全距离预测指标,用于表示前一车辆和当前车辆均进行紧急减速时,两辆车完全停止时的两者之间的距离,具体为计算紧急减速潜在碰撞判断参数,并依据所述紧急减速潜在碰撞判断参数,进行紧急减速安全距离预测指标定义;
所述紧急减速潜在碰撞判断参数的计算公式为:
式中,PIi是紧急减速潜在碰撞判断参数,vi是当前车辆的速度数据,vi-1是前一车辆的速度数据,a是紧急停车减速速率参数,Δx是当前车辆与前一车辆的相对距离,ε是紧急停车反应权重参数;
步骤S315:定义安全分析预测指标集,具体为通过所述定义碰撞剩余时间预测指标、所述定义碰撞风险预测指标、所述定义规避碰撞减速率预测指标和所述定义紧急减速安全距离预测指标,进行安全分析预测指标集定义,得到预定义安全分析预测指标集;
所述预定义安全分析预测指标集的计算公式为:
SSMi={TTi,MTi,DAi,PIi};
式中,SSMi是预定义安全分析预测指标集,TTi是碰撞剩余时间判断参数,MTi是碰撞风险判断参数,DAi是规避碰撞减速率判断参数,PIi是紧急减速潜在碰撞判断参数;
步骤S316:预测结果加权预设计,具体为依据所述预定义安全分析预测指标集,进行预测结果的加权计算预设计,得到预定义加权安全分析预测输出,计算公式为:式中,HPOUTPUT是预定义加权安全分析预测输出,I是优化安全评估数据集中的待分析车辆总数,i是车辆索引,α是碰撞剩余时间权重,TTi是碰撞剩余时间判断参数,β是碰撞风险权重,MTi是碰撞风险判断参数,γ是规避碰撞减速率权重,DAi是规避碰撞减速率判断参数,δ是紧急减速潜在碰撞权重,PIi是紧急减速潜在碰撞判断参数;
步骤S4:意图轨迹安全分析,用于变道决策意图的安全性自动预测,具体为依据所述优化安全评估数据集,采用结合自注意力机制的深度神经网络和长短期记忆神经网络的集成网络,进行意图轨迹安全分析,得到意图轨迹安全评估数据;
步骤S5:车辆安全评估,具体为结合所述历史轨迹安全评估数据和所述意图轨迹安全评估数据,进行车辆安全评估,得到车辆安全评估数据。
2.根据权利要求1所述的基于人工智能的车辆安全评估方法,其特征在于:在步骤S3中,所述采用结合安全指标加权预测的注意力序列优化长短期记忆神经网络,具体包括安全指标预定义单元、注意力序列子网、自注意力前馈子网和长短期记忆子网;
所述安全指标预定义单元,用于设定具体预测的车辆行驶碰撞轨迹的安全指标,并依据安全指标进行具体的安全分析和预测;
所述注意力序列子网,用于构建编解码结构优化时序数据的数据信息流处理能力,增强后续长短期记忆神经网络对于复杂数据的处理性能;
所述自注意力前馈子网,用于优化子网之间的信息传递并提升序列数据的处理速度;
所述长短期记忆子网,用于作为历史轨迹安全分析和预测任务的基本子网。
3.根据权利要求2所述的基于人工智能的车辆安全评估方法,其特征在于:在步骤S32中,所述构建注意力序列子网,具体为构建包括编码器、注意力分类器和解码器的结合注意机制的序列到序列模型,作为注意力序列子网,并通过构建所述注意力序列子网,得到历史轨迹数据编解码序列特征数据;
在步骤S33中,所述构建自注意力前馈子网,具体为构建自注意力机制计算查询矩阵、键矩阵和值矩阵,通过位置编码进行序列数据编码,并通过构建前馈层构建变压器模型,得到自注意力前馈子网输出;
在步骤S34中,所述构建长短期记忆子网,具体为构建标准长短期记忆神经网络作为长短期记忆子网,并通过构建所述长短期记忆子网,作为历史轨迹安全分析和预测任务的基本子网。
4.根据权利要求3所述的基于人工智能的车辆安全评估方法,其特征在于:在步骤S35中,所述历史轨迹安全分析模型训练,具体为通过所述安全指标预定义、所述构建注意力序列子网、所述构建自注意力前馈子网和所述构建长短期记忆子网,进行历史轨迹安全分析模型训练,得到历史轨迹安全分析模型ModelHP;
在步骤S36中,所述历史轨迹安全分析,具体为依据所述优化安全评估数据集,使用所述历史轨迹安全分析模型ModelHP,进行历史轨迹安全分析,得到历史轨迹安全评估数据;
所述历史轨迹安全评估数据,具体包括碰撞剩余时间预测数据、碰撞风险预测数据、规避碰撞减速率预测数据和紧急减速安全距离预测数据。
5.根据权利要求4所述的基于人工智能的车辆安全评估方法,其特征在于:在步骤S4中,所述用结合自注意力机制的深度神经网络和长短期记忆神经网络的集成网络,具体包括深度神经子网、长短期记忆子网、自注意力层和集成输出层;
所述深度神经子网,用于提取优化安全评估数据集的高维特征并进行初步预测分析;
所述长短期记忆子网,用于处理时序特征并作为意图轨迹安全分析的基本子网;
所述自注意力层,用于增强网络对于不同时刻的数据特征的处理能力;
所述集成输出层,用于集成深度神经子网和长短期记忆子网的输出结果,得到最终预测输出;
所述采用结合自注意力机制的深度神经网络和长短期记忆神经网络的集成网络,进行意图轨迹安全分析,得到意图轨迹安全评估数据的步骤,包括:步骤S41:构建深度神经子网,具体为构建包括输入层、隐藏层和输出层的深度神经网络,并通过S型激活函数激活,构建得到所述深度神经子网,得到深度神经子网预测输出;
步骤S42:构建长短期记忆子网,具体为依照步骤S34操作进行长短期记忆子网的构建,其中,具体将所述深度神经子网预测输出作为长短期记忆子网的原始输入特征序列,得到所述长短期记忆子网,得到长短期记忆子网预测输出;
步骤S43:构建自注意力层,具体为通过计算查询矩阵、键矩阵和值矩阵,进行自注意力机制构建,其中,具体将所述长短期记忆子网预测输出,作为自注意力层的查询矩阵、键矩阵和值矩阵,构建所述自注意力层,得到自注意力输出;
步骤S44:构建集成输出层,具体为通过将所述深度神经子网预测输出、所述长短期记忆子网预测输出和所述自注意力输出依照全连接权重进行集成,得到集成输出数据,计算公式为:y=sig(WoutA+Bout);
式中,y是集成输出数据,sig(·)是S型激活函数,Wout是集成输出层的全连接权重,A是自注意力输出,Bout是集成输出层的全连接偏置项;
步骤S45:意图轨迹安全分析模型训练,具体为通过所述构建深度神经子网、所述构建长短期记忆子网、所述构建自注意力层和所述构建集成输出层,进行意图轨迹安全分析模型训练,得到意图轨迹安全分析模型ModelAP;
步骤S46:意图轨迹安全分析,具体为依据所述优化安全评估数据集,使用所述意图轨迹安全分析模型ModelAP,进行意图轨迹安全分析,得到意图轨迹安全评估数据;
所述意图轨迹安全评估数据,具体包括左向变道风险预测数据、沿车道直行风险预测数据和右向变道风险预测数据。
6.根据权利要求5所述的基于人工智能的车辆安全评估方法,其特征在于:在步骤S5中,所述车辆安全评估,用于结合历史轨迹和意图轨迹的安全分析结果,进行车辆安全的整体评估,具体为结合所述历史轨迹安全评估数据和所述意图轨迹安全评估数据,进行车辆安全评估,得到车辆安全评估数据;
所述车辆安全评估数据,具体包括当前时刻行驶轨迹安全分析数据和变道意图决策行驶轨迹安全分析数据;
所述当前时刻行驶轨迹安全分析数据,用于分析未变道行驶中的车辆的安全性;所述变道意图决策行驶轨迹安全分析数据,用于分析做出变道决策后的车辆的安全性。
7.基于人工智能的车辆安全评估系统,用于实现如权利要求1-6中任一项所述的基于人工智能的车辆安全评估方法,其特征在于:包括数据收集模块、数据存储模块、轨迹分析模块和安全评估模块。
8.根据权利要求7所述的基于人工智能的车辆安全评估系统,其特征在于:所述数据收集模块,用于数据收集,通过数据收集,得到安全评估原始数据,并将所述安全评估原始数据发送至数据存储模块;
所述数据存储模块,用于数据预处理并存储过程数据,通过数据预处理,得到优化安全评估数据集,并将所述优化安全评估数据集发送至轨迹分析模块;
所述轨迹分析模块,用于轨迹安全分析,通过历史轨迹安全分析和意图轨迹安全分析,得到历史轨迹安全评估数据和意图轨迹安全评估数据,并将所述历史轨迹安全评估数据和所述意图轨迹安全评估数据发送至安全评估模块;
所述安全评估模块,用于车辆安全评估,通过车辆安全评估,得到车辆安全评估数据。