1.融合驾驶风格的自动驾驶避险决策权重确定方法,其特征在于,包括以下步骤:S1、通过调查问卷与驾驶模拟器试验结合的方式,采集驾驶员对公平性因素、驾乘人员安全性因素、弱势群体安全性因素的主观判断评分值及两两因素比较的原始评分;
代表第个有效样本的第个影响因素的原始评分;代表第个有效样本的第个影响因素与第个影响因素两两比较的原始评分;代表安全均衡性因素,代表驾乘人员安全性因素,代表弱势群体安全性因素;
S2、定义冲突场景,表示为:
;
式中,为冲突对象,为冲突位置,为基于冲突时间量化的风险等级,冲突时间计算公式为:;
式中,为冲突对象之间的相对距离,为冲突对象之间的相对速度;为冲突时间;
并基于值划分风险等级;
S3、基于S1采集的主观判断原始评分,通过归一化将原始评分映射至[0,1]区间,得到归一化评分,计算公式为:;
式中,为第个有效样本中第个影响因素的归一化评分;为原始评分;为第个因素在所有有效样本的最低原始评分;为第个因素在所有有效样本最高原始评分;
S4、基于S3得到的归一化评分构建三维特征向量,采用聚类算法将驾驶员划分为利己型、中立型、利他型三类驾驶风格;
S5、基于S2的冲突场景与S4得到的驾驶风格进行组合,构建独立的场景-风格计算单元;
S6、针对S5构建的每个场景-风格计算单元,建立包含主观权重、客观权重及权重融合的权重分配模型;
S7、基于S1采集的两两因素相对重要性原始比较评分,计算三角模糊数,并构建模糊判断矩阵;
S8、采用重心法对S7构建的模糊判断矩阵进行去模糊化处理,得到清晰正互反矩阵,计算公式为:;
式中,为模糊比较数的下限值;为模糊比较数的中间值;为模糊比较数的上限值;为清晰正互反矩阵的元素;
S9、对S8得到的清晰正互反矩阵依次执行列归一化、行和计算及行和向量归一化操作,得到各影响因素的层次分析法的主观权重向量;
S10、计算S8中清晰正互反矩阵的最大特征值,并计算一致性指标,公式为:式中,为判断矩阵的最大特征值;为矩阵的阶数;
并结合平均随机一致性指标得到一致性比率,公式为:;
式中,为一致性指标;为平均随机一致性指标;为一致性比率;
当时判定矩阵满足一致性要求;
S11、基于S3得到的归一化评分,通过皮尔逊相关系数公式计算任意两个影响因素之间的相关系数;
S12、基于S11得到的相关系数,计算每个影响因素的冲突性量化指标,计算公式为:;
式中,为因素间相关系数;为第个影响因素的冲突性量化指标;
S13、基于S9得到的主观权重向量与S12得到的冲突性量化指标,计算每个影响因素的综合信息量,公式为:;
式中,为第个影响因素的综合信息量;为主观权重向量;
S14、基于S13得到的综合信息量,计算各影响因素的客观权重向量,公式为:;
式中,为第个影响因素的客观权重;为影响因素的总数量;
S15、基于S9的主观权重向量与S14的客观权重向量,采用加权平均法融合得到综合权重向量;
式中,为第个影响因素的综合权重;为融合系数;
S16、为S2的冲突场景匹配S4中三类驾驶风格对应的综合权重向量,生成权重映射表,用于自动驾驶车辆的实时决策调用。
2.根据权利要求1所述的融合驾驶风格的自动驾驶避险决策权重确定方法,其特征在于,S2中,冲突对象,其中,为自动驾驶车辆与非机动车冲突,为自动驾驶车辆与乘用车冲突,为自动驾驶车辆与商用车冲突;
冲突位置,其中,为交叉口冲突,为路段冲突;
风险等级划分标准为:
低风险:TTC>5.0s;
中等风险:2.5s
高风险:1.5s
极高风险:TTC≤1.5s。
3.根据权利要求1所述的融合驾驶风格的自动驾驶避险决策权重确定方法,其特征在于,S4中,采用聚类算法为K-means,距离度量采用欧氏距离,聚类中心迭代更新至位置变化小于预设阈值或迭代次数达到最大值。
4.根据权利要求1所述的融合驾驶风格的自动驾驶避险决策权重确定方法,其特征在于,S6中,权重分配模型公式为:;
式中,为代表自动驾驶车辆在场景下类驾驶风格避险路径的综合决策评价指标,取值范围为[0,1];为代表公平性因素;为代表驾乘人员安全性因素;为代表弱势群体安全性因素;、、为分别为、、的权重系数。
5.根据权利要求1所述的融合驾驶风格的自动驾驶避险决策权重确定方法,其特征在于,S7中,计算三角模糊数,公式为:;
式中,,2,3,代表公平性因素,代表驾乘人员安全性因素,代表弱势群体安全性因素;为其他两类因素;
代表因素相对于因素的重要性,且满足:;
;
;
式中,为模糊区间调节系数,计算公式为:;
式中,为已知的所有冲突场景中最大的风险系数;1.0为基础模糊宽度;0.5为风险影响增益系数;为风险系数,计算公式为:;
模糊判断矩阵,表示为:
;
式中,对角线元素均为(1,1,1),表示因素自身相对于自身的重要性相等;为第个影响因素与第个影响因素的模糊比较数。
6.根据权利要求1所述的融合驾驶风格的自动驾驶避险决策权重确定方法,其特征在于,S9具体为:遍历清晰正互反矩阵的每一列,计算该列所有元素之和,公式为:;
式中,为清晰正互反矩阵中第列的所有元素之和;
基于,对矩阵进行列归一化,得到归一化矩阵,计算公式为:;
式中,为列归一化后得到的新矩阵中第行、第列的元素;
对归一化矩阵的每一行求和,得到行和向量,公式为:;
;
式中,为列归一化矩阵中第行的所有元素之和;为行和向量;为矩阵的阶数;
对行和向量进行归一化处理,最终得到主观权重向量,公式为:;
式中,为对应第个影响因素的行元素和;为影响因素的数量;为第个影响因素的最终主观权重。
7.根据权利要求1所述的融合驾驶风格的自动驾驶避险决策权重确定方法,其特征在于,S11中,计算任意两个影响因素之间的相关系数,为:;
式中,为第个有效样本在第个影响因素上的归一化评分;为第个影响因素下所有有效样本归一化评分的样本均值;为第个有效样本在第个影响因素上的归一化评分;为第个影响因素下所有有效样本归一化评分的样本均值;为有效样本的总数量;为因素间相关系数;为第个影响因素归一化评分的样本标准差;为第个影响因素归一化评分的样本标准差。
8.根据权利要求1所述的融合驾驶风格的自动驾驶避险决策权重确定方法,其特征在于,S15,融合系数基于驾驶风格系数与场景风险系数计算,公式为:;
式中,为原始融合系数;为风格系数;为场景风险系数。
9.一种计算机设备,其特征在于,包括:处理器,所述处理器用于与存储器耦合,读取并执行所述存储器中的指令和/或程序代码,以执行如权利要求1-8中任一项所述的方法。
10.一种计算机可读介质,其特征在于,所述计算机可读介质存储有计算机程序代码,当所述计算机程序代码在计算机上运行时,使得计算机执行如权利要求1-8中任一项所述的方法。