欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2025109615160
申请人: 吉林大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种快速路交织区自动驾驶车辆行车风险评估方法,其特征在于,包括以下步骤:步骤一、障碍物时空风险场建模,包括:构建时空坐标系、计算时空距离、计算考虑自身和运动属性的电荷量、计算考虑各向异性和环境复杂性的介电常数,实现计算障碍物时空风险;

步骤二、道路边界及道路线风险场建模,包括:计算道路边界的场强、计算道路实线的场强、计算道路虚线的场强,实现计算道路边界及道路线风险场;

步骤三、快速路上下匝道风险场建模;

步骤四、总风险场计算;总风险场为多个交通元素场的叠加,将障碍物时空风险场、道路边界及道路线场和快速路上下匝道风险场加和得到总风险场,步骤五、真实世界快速路车辆轨迹提取,包括:基于YOLOv8提取车辆轨迹、基于Deep-SORT的目标追踪模块、视频稳像处理、模型训练与测试、坐标系转换;

步骤六、基于风险动态平衡理论的参数标定,包括:确定目标函数、确定风险动态平衡理论的上限风险和下限风险、使用混合遗传算法和可变邻域搜索算法求解,实现快速路交织区自动驾驶车辆行车风险评估;

确定目标函数中,基于风险动态平衡理论,以决策后样本风险与风险动态平衡曲线的距离的均方差作为标定模型的目标函数,具体公式如下,式中,RMSE为标定模型的目标函数,即第n个样本决策后的风险与可接受风险空间之间的距离;ΔRn为第n个样本的决策后与风险动态平衡曲线的距离;Rn为第n个样本的决策后特定时刻的风险值;Rmax与Rmin分别为风险动态平衡理论的上限风险和下限风险;M为样本个数。

2.根据权利要求1所述的一种快速路交织区自动驾驶车辆行车风险评估方法,其特征在于,在步骤一中还包括以下步骤:A1、构建时空坐标系,

基于Frenet坐标系建立时空三维坐标系,将沿道路行驶方向设为S轴,垂直于道路行驶方向设为D轴,时间设为T轴;

A2、计算时空距离,包括:获取障碍物的预测轨迹,考虑车辆几何轮廓的空间距离计算方法,考虑风险各向异性的等效时基距离的计算方法,以及获取时空距离;

A3、计算考虑自身和运动属性的电荷量,

从车辆功能和驾驶行为的综合属性中选取两个具有代表性的参数作为电荷的关键影响因素:制动性能和反应时间;

电荷qobs的计算公式定义如下;

式中,mobs是障碍物的质量,vobs是车辆的速度,amax是车辆的最大减速度,Tr是车辆反应时间,即驾驶员反应时间与车辆系统延迟之和,γ1和γ2是待定系数,exp是指数函数;

A4、计算考虑各向异性和环境复杂性的介电常数,

将风险场中的介电常数定义为各向异性衰减系数与环境衰减系数的乘积,介电常数ε的计算公式如下:其中,η是各向异性衰减系数,是环境复杂性,具体计算方式如下,η=exp[k·cos(ψ)·(β1·vobs+β2·aobs)];

其中,ψ是障碍物行驶方向与d′之间的夹角,d′=(sA-sobs,dA-dobs)是障碍物指向观测点的位置矢量,vobs和aobs分别是车辆的速度和加速度,V是交织段速度平方差与正常道路的比值,C是交织段换道比例与正常道路的比值,k、β1和β2是待定系数;

A5、计算障碍物时空风险,

障碍物时空风险Eobs,A计算公式如下:

其中,r为时空距离;qobs为电荷量;ε为介电常数。

3.根据权利要求1所述的一种快速路交织区自动驾驶车辆行车风险评估方法,其特征在于,在步骤A2中还包括以下步骤:A2.1、获取障碍物的预测轨迹,

障碍物轨迹散点集合P表示为:P={pi,pi+1,…,pm},其中,pi表示ti时刻障碍物预测的时空轨迹,1≤i≤m,分别为ti障碍物沿着道路行驶方向的位置,垂直道路行驶方向的位置;

A2.2、考虑车辆几何轮廓计算空间距离,

在车身坐标系中,以车辆质心为原点,沿着车辆行驶的方向为X轴,垂直于车辆行驶的方向为Y轴,其中,在时空坐标系下,点A的坐标为(sA,dA),障碍物质心的坐标为(sobs,dobs),在车身坐标系下,矩形四个顶点TE的坐标分别为:(l/2,w/2),(l/2,-w/2),(-l/2,w/2),(-l/2,-w/2),此外,车辆的偏航角车辆的速度vobs,使用平移和旋转得到变换两类坐标系,具体如下:基于车身坐标系求解空间距离d的公式如下示;

式中,(xA,yA)为观测点在车身坐标系下的坐标;(xobs,yobs)为观测点的坐标;(x′A,y′A)为转换后的坐标;w为车辆宽度;l为车辆长度,(d1,d2,d3,d4)为矩形四个顶点TE与转换后观测点(xA′,yA′)的空间距离;

A2.3、考虑风险各向异性计算等效时基距离,

引入等效时基距离T*,等效时基距离T*表示:当交互式物体的点A在障碍物行驶路线的正前方,而交互式物体的点B不在车辆行驶路线的正前方时,假设交互式物体的点A与交互式物体的点B具有相等的碰撞风险,则从车辆到交互式物体的点A的时间距离等于从车辆到交互式物体的点B的等效时间距离,等效时基距离T*用于处理不同方向上风险不相等的问题,等效时基距离T*是基于时间的距离与时空距离的时间维度加权,具体表达式如下:式中,(x′A,y′A)为观测点在车身坐标系下的坐标;w为车辆宽度;l为车辆长度;为矩形四个顶点TE对应的等效时基距离,μ为转换参数;

A2.4、结合时间距离和时间得到时空距离,

在ti时刻的时空距离根据下面公式求解,

式中为ti时刻观测点与障碍物的时空距离,为ti时刻障碍物轨迹散点上距离观测点最近的点A与观测点的等效时基距离,ti时刻障碍物轨迹散点上距离观测点最近的点A记为pmin,车辆到达指定地点所需的时间称为基于时间的距离,tmin为ti时刻轨迹散点pmin的T轴位置,α为时间效应的权重;

选择每个散射点时空距离的最小值作为点A到障碍物的时空距离,计算公式如下,式中ri为ti时刻观测点与障碍物的时空距离,2<n<m。

4.根据权利要求1所述的一种快速路交织区自动驾驶车辆行车风险评估方法,其特征在于,在步骤二中还包括以下步骤:B1、计算道路边界的场强,

道路边界场强Elane1,A的计算公式如下:

其中,W是道路宽度;dlane1是道路边界的横向位置;dA是观测点的横向位置,是待定系数;

B2、计算道路实线的场强,

道路实线场强Elane2,A的计算公式如下:

其中,W是道路宽度;dlane2是道路实线的横向位置;dA是观测点的横向位置,是待定系数;

B3、计算道路虚线的场强,

道路虚线场强Elane3,A的计算公式如下:

其中,W是道路宽度;dlane3是道路虚线的横向位置;dA是观测点的横向位置,是待定系数;

B4、计算道路边界及道路线风险场,

道路边界及道路线风险场Elane,A计算公式如下:Elane,A=Elane1,A+Elane2,A+Elane3,A;

其中,Elane1,A为道路边界场强;Elane2,A为道路实线场强;Elane3,A为道路虚线场强。

5.根据权利要求1所述的一种快速路交织区自动驾驶车辆行车风险评估方法,其特征在于,在步骤三中还包括以下步骤:上下匝道的场强Egeo,A计算方法如下:

式中,send是下匝道的起始处S轴坐标,sstart为强制换道区起始位置S轴坐标,pA=(sA,dA)为车辆上点A的位置,Pmand为强制换道区域范围,σ1和σ2为待定参数,χ为上匝道且意图汇入主线的车辆集合,δ为位于主线且有下匝道意图车辆集合,γ为剩余车辆集合。

6.根据权利要求1所述的一种快速路交织区自动驾驶车辆行车风险评估方法,其特征在于,在步骤四中还包括以下步骤:总风险场中,任意一点A的总风险场计算公式如下:

Etotal,A=Eobs,A+Elane,A+Egeo,A;

式中,Etotal,A是点A总风险场,Eobs,A是障碍物对点A施加的场强,Elane,A是道路边界及道路线对点A施加的场强,Egeo,A是上下匝道对点A施加的场强。

7.根据权利要求1所述的一种快速路交织区自动驾驶车辆行车风险评估方法,其特征在于,在步骤五中还包括以下步骤:E1、基于YOLOv8提取车辆轨迹,

E1.1基于YOLOv8的车辆检测模块,

基于YOLOv8的车辆检测模块用于在单个网络中直接预测目标的位置、大小和类别;

E1.2、基于Deep-SORT的目标追踪模块,

基于Deep-SORT的目标追踪模块用于描述目标的外观信息并区分不同车辆;

E1.3、视频稳像处理,

使用After Effects系统对视频数据进行预处理,通过跟踪视频中的多个固定建筑,提取视频整体的旋转与位移信息,随后施加反向运动来消除变换信息;

E1.4、模型训练与测试,

构建垂直俯视视角专属数据集,采用图像标注工具LabelImg进行数据标注;

E1.5、坐标系转换,

通过获取道路边界和道路线的位置信息,转换得到Frenet坐标系下的坐标信息,得到真实世界快速路车辆轨迹。

8.根据权利要求1所述的一种快速路交织区自动驾驶车辆行车风险评估方法,其特征在于,在步骤六中还包括以下步骤:F2、确定风险动态平衡理论的上限风险Rmax和下限风险Rmin;

使用垂直俯视视角专属数据集来计算上限风险Rmax和下限风险Rmin,垂直俯视视角专属数据集包括高风险数据集、低风险数据集和决策数据集,包含观测车辆以及多个周围车辆的轨迹,高风险数据集包{R1,R2…RL}含使用碰撞时间评估,观测车辆遇到高风险的场景,使用3秒作为TTC阈值,高风险数据集用于确定上限风险Rmax,相反,低风险数据集包含根据TTC阈值的判断,观测车辆始终保持安全的场景,用于确定最优风险水平Rbest,上限风险Rmax和最优风险水平Rbest的计算方法如下,Rmax=min{R1,R2…RL};

其中Rm为观测车辆在做出决策后所经历的风险水平;

基于Rmax和Rbest,确定下限风险Rmin,计算方法如下,Rmin=2Rbest-Rmax;

F3、使用混合遗传算法和可变邻域搜索算法求解,

使用混合遗传算法和可变邻域搜索算法来求解风险场参数,并根据步骤一至三,实现快速路交织区自动驾驶车辆行车风险评估。