【技術(shù)實(shí)現(xiàn)步驟摘要】
本專(zhuān)利技術(shù)涉及駕駛風(fēng)險(xiǎn)評(píng)估領(lǐng)域，具體涉及一種基于駕駛風(fēng)格系數(shù)的汽車(chē)風(fēng)險(xiǎn)勢(shì)場(chǎng)評(píng)估方法，用于評(píng)估行駛風(fēng)險(xiǎn)，提升車(chē)輛駕駛安全性。
技術(shù)介紹
1、風(fēng)險(xiǎn)勢(shì)場(chǎng)的風(fēng)險(xiǎn)評(píng)估方法在交通安全、自動(dòng)駕駛和智能交通系統(tǒng)等領(lǐng)域得到了廣泛應(yīng)用。勢(shì)場(chǎng)理論源自物理學(xué)，主要用于描述空間中力的分布及其對(duì)物體的影響。在風(fēng)險(xiǎn)評(píng)估領(lǐng)域，勢(shì)場(chǎng)理論被用來(lái)描述不同位置的風(fēng)險(xiǎn)水平，通過(guò)構(gòu)建風(fēng)險(xiǎn)勢(shì)場(chǎng)圖，可以直觀(guān)地展示不同區(qū)域的風(fēng)險(xiǎn)分布。
2、現(xiàn)有的汽車(chē)駕駛安全技術(shù)已廣泛應(yīng)用于各種智能輔助駕駛系統(tǒng)中，例如自動(dòng)緊急制動(dòng)系統(tǒng)(aeb)、車(chē)道保持輔助系統(tǒng)(lka)、自適應(yīng)巡航控制系統(tǒng)(acc)等。然而，這些系統(tǒng)主要依賴(lài)于外部環(huán)境的客觀(guān)因素，如交通條件、路面狀態(tài)、天氣情況等，以判斷車(chē)輛的行駛安全性。雖然這些技術(shù)能夠在一定程度上減少因客觀(guān)因素導(dǎo)致的交通事故，但對(duì)于駕駛員自身的行為模式，即駕駛風(fēng)格對(duì)行駛安全的影響，卻缺乏有效的評(píng)估手段。然而，目前的駕駛安全評(píng)估技術(shù)尚未充分考慮駕駛員的個(gè)性化駕駛行為和風(fēng)格差異，現(xiàn)有方法更多地集中在對(duì)車(chē)輛外部環(huán)境的監(jiān)控和分析，而對(duì)駕駛員的操作行為缺乏系統(tǒng)的量化分析。
技術(shù)實(shí)現(xiàn)思路
1、為了解決相關(guān)技術(shù)中存在的問(wèn)題，本專(zhuān)利技術(shù)提供了一種基于駕駛風(fēng)格系數(shù)的汽車(chē)風(fēng)險(xiǎn)勢(shì)場(chǎng)評(píng)估方法。該方法在風(fēng)險(xiǎn)勢(shì)場(chǎng)的基礎(chǔ)上引入通過(guò)駕駛行為數(shù)據(jù)獲取的駕駛風(fēng)格系數(shù)和軌跡預(yù)測(cè)，使用合適的風(fēng)險(xiǎn)勢(shì)場(chǎng)更加準(zhǔn)確地判斷風(fēng)險(xiǎn)，克服了傳統(tǒng)風(fēng)險(xiǎn)勢(shì)場(chǎng)方法的局限性與泛化性，特別是在考慮駕駛員個(gè)體差異和行為特征方面的不足。傳統(tǒng)的風(fēng)險(xiǎn)勢(shì)場(chǎng)方法主要依賴(lài)于外部環(huán)境
2、一種基于駕駛風(fēng)格系數(shù)的汽車(chē)風(fēng)險(xiǎn)勢(shì)場(chǎng)評(píng)估方法，包括步驟如下：
3、步驟1：建立速度風(fēng)險(xiǎn)函數(shù)和加速度風(fēng)險(xiǎn)函數(shù)。
4、步驟2：收集駕駛員的駕駛行為數(shù)據(jù)，包括不同時(shí)間窗口的加速度、速度數(shù)據(jù)和歷史軌跡，通過(guò)建立的速度風(fēng)險(xiǎn)函數(shù)和加速度風(fēng)險(xiǎn)函數(shù)計(jì)算不同時(shí)間窗口的風(fēng)險(xiǎn)積分值。記錄不同時(shí)間窗口的車(chē)輛行駛信息并按時(shí)間順序計(jì)算時(shí)間窗口上的歸一化駕駛風(fēng)格系數(shù)。
5、步驟3、基于混合神經(jīng)網(wǎng)絡(luò)模型對(duì)目標(biāo)行駛車(chē)輛和周?chē)旭傑?chē)輛進(jìn)行預(yù)測(cè)。
6、步驟4：利用所述駕駛風(fēng)格系數(shù)生成駕駛車(chē)輛側(cè)重點(diǎn)不同的風(fēng)險(xiǎn)勢(shì)場(chǎng)，以評(píng)估駕駛風(fēng)險(xiǎn)。
7、步驟5：由預(yù)測(cè)得到的目標(biāo)車(chē)輛與周?chē)?chē)輛的預(yù)測(cè)軌跡及其生成概率，計(jì)算目標(biāo)車(chē)輛在交互車(chē)輛勢(shì)場(chǎng)ev的期望風(fēng)險(xiǎn)勢(shì)場(chǎng)e。
8、步驟6：將駕駛風(fēng)格系數(shù)，預(yù)測(cè)得到的期望風(fēng)險(xiǎn)和高斯型汽車(chē)風(fēng)險(xiǎn)勢(shì)場(chǎng)耦合得到最終的風(fēng)險(xiǎn)勢(shì)場(chǎng)來(lái)評(píng)估汽車(chē)行程中的風(fēng)險(xiǎn)。
9、進(jìn)一步的，步驟1具體操作如下：
10、速度風(fēng)險(xiǎn)函數(shù)rv(v(t))公式為：
11、
12、其中a(t)為時(shí)間t時(shí)刻的車(chē)輛速度。加速度風(fēng)險(xiǎn)函數(shù)公式為：
13、
14、進(jìn)一步的，步驟2具體方法如下：
15、基于步驟1所建立的風(fēng)險(xiǎn)函數(shù)，在給定時(shí)間窗口[t-w,t]內(nèi)，計(jì)算每個(gè)時(shí)刻的加速度a(t),其公式為：
16、a(t)＝f(t)/m
17、其中，f(t)為隨時(shí)間變化的合外力，m為車(chē)輛質(zhì)量。隨后應(yīng)用加速度風(fēng)險(xiǎn)函數(shù)ra計(jì)算每個(gè)時(shí)刻的加速度風(fēng)險(xiǎn)值ra(a(t))。
18、對(duì)于時(shí)間窗口[t-w,t]內(nèi)的每個(gè)時(shí)刻，進(jìn)行風(fēng)險(xiǎn)函數(shù)的積分運(yùn)算：
19、
20、其中rv(a(t))是速度風(fēng)險(xiǎn)函數(shù)，v(t)為時(shí)間t時(shí)刻的車(chē)輛速度,a(t)是時(shí)間t時(shí)刻的車(chē)輛加速度。此積分結(jié)果綜合考慮了加速度和速度對(duì)駕駛風(fēng)險(xiǎn)的影響。
21、對(duì)計(jì)算得到的時(shí)間窗口積分結(jié)果rt(t)進(jìn)行歸一化處理，以消除不同時(shí)間窗口長(zhǎng)度對(duì)評(píng)估結(jié)果的影響，得到整體駕駛風(fēng)格評(píng)分：
22、
23、其中，rmax和rmin分別是時(shí)間窗口積分結(jié)果的最大值與最小值，n為采集的時(shí)間窗口的數(shù)量。
24、隨著駕駛員的持續(xù)駕駛，新時(shí)間窗口的生成會(huì)影響駕駛風(fēng)格評(píng)分。在每次新的時(shí)間窗口生成后，更新駕駛風(fēng)格系數(shù)的公式能夠表示為：
25、
26、其中，n(t)是在時(shí)間t時(shí)刻的有效時(shí)間窗口數(shù)量，rmax(t)和rmin(t)是當(dāng)前時(shí)間窗口內(nèi)的最大值和最小值。
27、進(jìn)一步的，步驟3具體方法如下：
28、收集行駛車(chē)輛的歷史狀態(tài)數(shù)據(jù)，包括位置、速度、加速度和轉(zhuǎn)向角度，在輸入混合神經(jīng)網(wǎng)絡(luò)之前，對(duì)收集到的數(shù)據(jù)進(jìn)行預(yù)處理，包括去噪、歸一化和填補(bǔ)缺失值，以提高模型的性能。定義本車(chē)的狀態(tài)，包括正常行駛、減速和變道。基于已有的狀態(tài)和歷史數(shù)據(jù)，建立馬爾科夫鏈模型，用于描述車(chē)輛狀態(tài)之間的轉(zhuǎn)移概率，即狀態(tài)轉(zhuǎn)移矩陣。
29、隨后建立混合神經(jīng)網(wǎng)絡(luò)模型。首先，將本車(chē)和周?chē)?chē)輛的歷史軌跡、速度、加速度數(shù)據(jù)及狀態(tài)轉(zhuǎn)移概率作為混合神經(jīng)網(wǎng)絡(luò)的輸入。
30、隨后卷積神經(jīng)網(wǎng)絡(luò)(cnn)提取行駛車(chē)輛及其周?chē)?chē)輛的空間軌跡特征；應(yīng)用長(zhǎng)短期記憶網(wǎng)絡(luò)(lstm)處理時(shí)間序列數(shù)據(jù)，提取速度和加速度特征。使用全連接層整合從cnn和lstm中提取的特征，輸出一系列連續(xù)路徑的坐標(biāo)點(diǎn)。通過(guò)softmax層輸出每個(gè)可能路徑的概率，確保所有路徑的概率和為1并使用交叉熵?fù)p失函數(shù)來(lái)訓(xùn)練概率輸出部分以確保模型能夠準(zhǔn)確地預(yù)測(cè)每條路徑的概率，最后使用相似度度量模型輸出路徑的準(zhǔn)確性。
31、通過(guò)混合神經(jīng)網(wǎng)絡(luò)模型對(duì)目標(biāo)行駛車(chē)輛進(jìn)行預(yù)測(cè)，生成k個(gè)不同的軌跡及每個(gè)軌跡的生成概率pk，同時(shí)，對(duì)周?chē)鷐個(gè)行駛車(chē)輛，也生成k個(gè)不同的軌跡以及每個(gè)軌跡的生成概率pmk，其中m＝1,2,...m。最后，對(duì)目標(biāo)車(chē)輛和周?chē)?chē)輛的軌跡生成概率進(jìn)行softmax歸一化處理，以確保所有生成軌跡的概率總和為1，即：
32、σkpk＝1
33、進(jìn)一步的，步驟4具體方法如下：
34、建立高斯型汽車(chē)風(fēng)險(xiǎn)勢(shì)場(chǎng)，通過(guò)高斯型勢(shì)場(chǎng)的定義，將不同來(lái)源的勢(shì)場(chǎng)進(jìn)行統(tǒng)一建模，將汽車(chē)定義為高斯場(chǎng)中的電荷，其電荷量q定義為：
35、q＝k*m
36、其中，m是汽車(chē)的質(zhì)量，k為比例常數(shù)。
37、通用高斯型勢(shì)場(chǎng)定義如下：
38、
39、其中，n是是勢(shì)場(chǎng)源的總數(shù)量，ai是第i個(gè)勢(shì)場(chǎng)源的場(chǎng)強(qiáng)系數(shù)，di是當(dāng)前車(chē)輛與第i個(gè)勢(shì)場(chǎng)源的距離,σi是第i個(gè)勢(shì)場(chǎng)源的影響范圍。
40、為避免車(chē)輛在行駛過(guò)程中隨意換道，設(shè)置車(chē)道標(biāo)線(xiàn)勢(shì)場(chǎng)el，其定義為:
41、
42、其中,ali是第i個(gè)車(chē)道標(biāo)線(xiàn)的場(chǎng)強(qiáng)系數(shù)，dli是車(chē)輛與車(chē)道標(biāo)線(xiàn)的距離，σl是車(chē)道標(biāo)線(xiàn)的衰減系數(shù)。
43、為保證車(chē)輛安全行駛在車(chē)道上，設(shè)置道路邊界勢(shì)場(chǎng)eb，其定義為：
44、
45、其中，abj是第j個(gè)道路邊界的場(chǎng)強(qiáng)系數(shù)，dbj是車(chē)輛與本文檔來(lái)自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種基于駕駛風(fēng)格系數(shù)的汽車(chē)風(fēng)險(xiǎn)勢(shì)場(chǎng)評(píng)估方法，其特征在于，包括步驟如下：
2.根據(jù)權(quán)利要求1所述的一種基于駕駛風(fēng)格系數(shù)的汽車(chē)風(fēng)險(xiǎn)勢(shì)場(chǎng)評(píng)估方法，其特征在于，步驟1具體操作如下：
3.根據(jù)權(quán)利要求1所述的一種基于駕駛風(fēng)格系數(shù)的汽車(chē)風(fēng)險(xiǎn)勢(shì)場(chǎng)評(píng)估方法，其特征在于，步驟2具體方法如下：
4.根據(jù)權(quán)利要求1所述的一種基于駕駛風(fēng)格系數(shù)的汽車(chē)風(fēng)險(xiǎn)勢(shì)場(chǎng)評(píng)估方法，其特征在于，步驟3具體方法如下：
5.根據(jù)權(quán)利要求1所述的一種基于駕駛風(fēng)格系數(shù)的汽車(chē)風(fēng)險(xiǎn)勢(shì)場(chǎng)評(píng)估方法，其特征在于，步驟4具體方法如下：
6.根據(jù)權(quán)利要求4所述的一種基于駕駛風(fēng)格系數(shù)的汽車(chē)風(fēng)險(xiǎn)勢(shì)場(chǎng)評(píng)估方法，其特征在于，步驟5具體方法如下：
7.根據(jù)權(quán)利要求6所述的一種基于駕駛風(fēng)格系數(shù)的汽車(chē)風(fēng)險(xiǎn)勢(shì)場(chǎng)評(píng)估方法，其特征在于，步驟6具體方法如下：
【技術(shù)特征摘要】
1.一種基于駕駛風(fēng)格系數(shù)的汽車(chē)風(fēng)險(xiǎn)勢(shì)場(chǎng)評(píng)估方法，其特征在于，包括步驟如下：
2.根據(jù)權(quán)利要求1所述的一種基于駕駛風(fēng)格系數(shù)的汽車(chē)風(fēng)險(xiǎn)勢(shì)場(chǎng)評(píng)估方法，其特征在于，步驟1具體操作如下：
3.根據(jù)權(quán)利要求1所述的一種基于駕駛風(fēng)格系數(shù)的汽車(chē)風(fēng)險(xiǎn)勢(shì)場(chǎng)評(píng)估方法，其特征在于，步驟2具體方法如下：
4.根據(jù)權(quán)利要求1所述的一種基于駕駛風(fēng)格系數(shù)的汽車(chē)風(fēng)險(xiǎn)勢(shì)場(chǎng)評(píng)估方...
【專(zhuān)利技術(shù)屬性】
技術(shù)研發(fā)人員：翟春杰，薛藝韜，柳雄頂，王博，陳楚翹，
申請(qǐng)(專(zhuān)利權(quán))人：杭州電子科技大學(xué)，
類(lèi)型：發(fā)明
國(guó)別省市：
還沒(méi)有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。