【技術實現(xiàn)步驟摘要】
本申請涉及智能交通，特別涉及一種基于車路云協(xié)同框架下的道路4d風險占用評估方法及裝置。
技術介紹
1、智能網(wǎng)聯(lián)汽車icv通過集成先進的傳感器、強大的計算能力、實時的通信系統(tǒng)和精確的執(zhí)行機構，能夠實現(xiàn)高度自動化的駕駛功能，其中，能夠依賴于車輛傳感器收集的數(shù)據(jù)來理解周圍環(huán)境，實現(xiàn)環(huán)境感知。然而，目前的環(huán)境感知和風險評估方法尚未形成統(tǒng)一標準，通常依賴于物體的位置和速度等基礎信息。
2、相關技術中，主要將車輛、駕駛員、道路狀況、其他交通參與者、交通流量、潛在的碰撞損失以及行為預測等多種因素和時空指標納入風險評估的理論框架中，以構建新的風險評估方法。
3、然而，相關技術中，由于采用難以測量或主觀評價的參數(shù)，可能增加模型的復雜度和不確定性，降低實際應用的效率和準確性；由于納入人類心理和行為模型，可能影響模型的泛化能力和可信度；由于忽略了道路本身對風險的影響，影響評估的全面性和有效性，亟待改進。
技術實現(xiàn)思路
1、本申請?zhí)峁┮环N基于車路云協(xié)同框架下的道路4d風險占用評估方法及裝置，以解決相關技術中，由于缺乏統(tǒng)一、高效的環(huán)境感知與風險評估標準，導致的智能網(wǎng)聯(lián)汽車在復雜多變的交通環(huán)境中難以做出及時、準確的決策，增加計算負擔，降低運行效率等問題。
2、本申請第一方面實施例提供一種基于車路云協(xié)同框架下的道路4d風險占用評估方法，包括以下步驟：根據(jù)智能網(wǎng)聯(lián)汽車icv的位置和行駛方向的變化，動態(tài)調取不同的采樣點集；獲取影響所述icv行駛安全的風險因素，其中，所述風險因素為
3、可選地，在本申請的一個實施例中，所述得到所述每個采樣點的預設感知范圍內的多個動靜態(tài)因素，包括：采用預設感知范圍半徑策略，對靜態(tài)因素和動態(tài)因素設置差異化感知范圍，其中，靜態(tài)感知范圍的半徑小于動態(tài)感知范圍的半徑。
4、可選地，在本申請的一個實施例中，所述對所述多個動靜態(tài)因素與所述每個采樣點進行風險量化計算，包括：利用靜態(tài)因素風險量化公式對所述靜態(tài)感知范圍內的靜態(tài)因素進行量化，為不同類型的所述靜態(tài)因素分配固定的風險常數(shù)值及相應的權重；利用動態(tài)因素風險量化模型對所述動態(tài)感知范圍內的動態(tài)因素進行量化，以計算不同類型的所述動態(tài)因素的風險大小。
5、可選地，在本申請的一個實施例中，所述靜態(tài)因素風險量化公式為：
6、
7、其中，risksta為靜態(tài)風險值，constant為風險常數(shù)值，distanceso為因素與采樣點的距離；
8、所述動態(tài)因素風險量化模型為：
9、
10、其中，eta為預測到達時間，distanceso為因素與采樣點的距離，speed為動態(tài)因素的行駛速度，riskdyn為動態(tài)風險值。
11、本申請第二方面實施例提供一種基于車路云協(xié)同框架下的道路4d風險占用評估裝置，包括：調取模塊，用于根據(jù)智能網(wǎng)聯(lián)汽車icv的位置和行駛方向的變化，動態(tài)調取不同的采樣點集；獲取模塊，用于獲取影響所述icv行駛安全的風險因素，其中，所述風險因素為動靜態(tài)因素；確定模塊，用于將所述動靜態(tài)因素轉換為幾何對象，以基于所述幾何對象和所述采樣點集中的每個采樣點，得到所述每個采樣點的預設感知范圍內的多個動靜態(tài)因素；評估模塊，用于對所述多個動靜態(tài)因素與所述每個采樣點進行風險量化計算，得到所述多個動靜態(tài)因素分別對應的風險值，以累加所述對應的風險值，歸一化得到所述采樣點集內所有采樣點的最終風險值，以基于所述最終風險值生成道路4d風險占用圖。
12、可選地，在本申請的一個實施例中，所述確定模塊包括：采用預設感知范圍半徑策略，對靜態(tài)因素和動態(tài)因素設置差異化感知范圍，其中，靜態(tài)感知范圍的半徑小于動態(tài)感知范圍的半徑。
13、可選地，在本申請的一個實施例中，所述評估模塊包括：分配單元，用于利用靜態(tài)因素風險量化公式對所述靜態(tài)感知范圍內的靜態(tài)因素進行量化，為不同類型的所述靜態(tài)因素分配固定的風險常數(shù)值及相應的權重；計算單元，利用動態(tài)因素風險量化模型對所述動態(tài)感知范圍內的動態(tài)因素進行量化，以計算不同類型的所述動態(tài)因素的風險大小。
14、可選地，在本申請的一個實施例中，所述靜態(tài)因素風險量化公式為：
15、
16、其中，risksta為靜態(tài)風險值，constant為風險常數(shù)值，distanceso為因素與采樣點的距離；
17、所述動態(tài)因素風險量化模型為：
18、
19、其中，eta為預測到達時間，distanceso為因素與采樣點的距離，speed為動態(tài)因素的行駛速度，riskdyn為動態(tài)風險值。
20、本申請第三方面實施例提供一種車輛，包括：存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，所述處理器執(zhí)行所述程序，以實現(xiàn)如上述實施例所述的基于車路云協(xié)同框架下的道路4d風險占用評估方法。
21、本申請第四方面實施例提供一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲計算機程序，該程序被處理器執(zhí)行時實現(xiàn)如上的基于車路云協(xié)同框架下的道路4d風險占用評估方法。
22、本申請第五方面實施例提供一種計算機程序產品，包括計算機程序，所述計算機程序被執(zhí)行時，以用于實現(xiàn)如上的基于車路云協(xié)同框架下的道路4d風險占用評估方法。
23、本申請實施例可以根據(jù)icv的位置和行駛方向的變化，動態(tài)調取不同的采樣點集，并獲取影響智能網(wǎng)聯(lián)汽車icv行駛安全的風險因素，進而，將動靜態(tài)因素轉換為幾何對象，以基于幾何對象和采樣點集中的每個采樣點，得到每個采樣點的預設感知范圍內的多個動靜態(tài)因素，從而對多個動靜態(tài)因素與每個采樣點進行風險量化計算，得到多個動靜態(tài)因素分別對應的風險值，以累加對應的風險值，歸一化得到采樣點集內所有采樣點的最終風險值組成的4d風險占用圖，有助于及時響應動態(tài)變化，實現(xiàn)對風險的量化評估，且利用車路云協(xié)同框架，有利于優(yōu)化資源分配，提升評估的準確性和效率，且可以幫助icv獲得單個車端不具備的超視距風險感知能力，有效提前規(guī)避風險，能夠做出更加合理、長遠的規(guī)劃。由此，解決了相關技術中，由于缺乏統(tǒng)一、高效的環(huán)境感知與風險評估標準，導致的智能網(wǎng)聯(lián)汽車在復雜多變的交通環(huán)境中難以做出及時、準確的決策，增加計算負擔，降低運行效率等問題。
24、本申請附加的方面和優(yōu)點將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本申請的實踐了解到。
本文檔來自技高網(wǎng)...【技術保護點】
1.一種基于車路云協(xié)同框架下的道路4D風險占用評估方法，其特征在于，包括以下步驟：
2.根據(jù)權利要求1所述的方法，其特征在于，所述得到所述每個采樣點的預設感知范圍內的多個動靜態(tài)因素，包括：
3.根據(jù)權利要求2所述的方法，其特征在于，所述對所述多個動靜態(tài)因素與所述每個采樣點進行風險量化計算，包括：
4.根據(jù)權利要求3所述的方法，其特征在于，所述靜態(tài)因素風險量化公式為：
5.一種基于車路云協(xié)同框架下的道路4D風險占用評估裝置，其特征在于，包括：
6.根據(jù)權利要求5所述的裝置，其特征在于，所述確定模塊包括：
7.根據(jù)權利要求6所述的裝置，其特征在于，所述評估模塊包括：
8.根據(jù)權利要求7所述的裝置，其特征在于，所述靜態(tài)因素風險量化公式為：
9.一種車輛，其特征在于，包括：存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，所述處理器執(zhí)行所述程序，以實現(xiàn)如權利要求1-4任一項所述的基于車路云協(xié)同框架下的道路4D風險占用評估方法。
10.一種計算機可讀存儲介質，其上
11.一種計算機程序產品，包括計算機程序，其特征在于，所述計算機程序被執(zhí)行，以用于實現(xiàn)如權利要求1-4中任一項所述的基于車路云協(xié)同框架下的道路4D風險占用評估方法。
...【技術特征摘要】
1.一種基于車路云協(xié)同框架下的道路4d風險占用評估方法，其特征在于，包括以下步驟：
2.根據(jù)權利要求1所述的方法，其特征在于，所述得到所述每個采樣點的預設感知范圍內的多個動靜態(tài)因素，包括：
3.根據(jù)權利要求2所述的方法，其特征在于，所述對所述多個動靜態(tài)因素與所述每個采樣點進行風險量化計算，包括：
4.根據(jù)權利要求3所述的方法，其特征在于，所述靜態(tài)因素風險量化公式為：
5.一種基于車路云協(xié)同框架下的道路4d風險占用評估裝置，其特征在于，包括：
6.根據(jù)權利要求5所述的裝置，其特征在于，所述確定模塊包括：
7.根據(jù)權利要求6所述的裝置，其特征在于，所述評估模塊包括：
...
【專利技術屬性】
技術研發(fā)人員：高博麟，陳嘉星，黎鑄新，劉逸飛，鄒恒多，
申請(專利權)人：清華大學，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。