[发明专利]基于驾驶人认知视角的人车路耦合风险评估方法及装置

说明书

本发明公开了一种基于驾驶人认知视角的人车路耦合风险评估方法及装置，方法包括：S1，获取自车、自车周围的交通环境以及处于自车周围的交通环境中交通客体的参数信息；S2，将S1中获取的各类信息输入至车载传感器单元中，车载传感器中预先设置有人车路耦合风险评估模型；S3，通过人车路耦合风险评估模型，输出自车周围的交通环境中的单个交通客体的风险值以及整个自车周围的交通环境中的风险Map图。本发明能够综合考虑人车路之间的耦合特性，符合驾驶人风险感知水平，基于驾驶人主观认知和客观评价的综合风险评估方法，量化当前环境风险值结果，以保证车辆安全避障。

技术领域

本发明涉及智能车应用技术领域，特别是关于一种基于驾驶人认知视角的人车路耦合风险评估方法及装置。

背景技术

交通系统中包含各个要素如人、车、路等，对于整个交通系统而言，行车风险本质上属于人-车-路闭环系统的广义失稳，通常由驾驶人、道路条件、以及车辆本身的动力学特性共同决定。要素之间相互作用直接影响行车安全，而不同要素之间影响机理和影响程度不尽相同，相互作用关系复杂，因此，研究交通要素对行车风险的影响程度，去探究其耦合关系，是实现复杂道路环境下的汽车安全控制的基础。

目前国内外对于行车风险已有大量研究。主要可从宏观和微观两个层次对风险进行辨识。其中，当从宏观角度分析时，在道路风险的评估方法方面，国内外常采用的技术主要有绝对数法、事故率法和事故强度分析法等，通过对事故次数、伤亡人数、经济损失等交通事故宏观统计数据挖掘分析，实现事故风险大小的预判评估。

Lee等人通过log-linear模型有效地将事故发生因素和事故前可能的影响特征变量相结合，设计表征量表来分析事故发生可能性的因素。Abdel-Aty与Pande创造性的选择RCPP建模方式，从高速公路上的众多交通参数进行关键特征参数提取，并选用分类器等智能算法进行关联度分析，从而筛选影响显著的因素来对风险进行防控。美国交通部提出使用安全性能函数来对交通安全事故数量、交通量及事故类型及其严重程度之间的关系进行描述和预测。

然而，这些采用宏观数据进行风险评估的研究方法虽然能够反映整体交通系统风险，但评估结果呈现静态化，不能实时显示自车周围的交通环境当前的安全状态，同时也不能通过详细驾驶数据反映客观行车过程中各因素作用过程和风险产生机理。从微观角度进行分析时，现有行车风险评价参数主要包括纵向行车风险的评价参数，如碰撞时间(TTC)和车头时距(THW)等；横向行车风险的评价参数，如车辆当前位置(CCP)、车道线时距(TLC)和车辆虚拟停车震动带(VRBS)等。这些评价指标能在特定场景有效评价车辆行驶过程某一方向的风险大小，但这些模型参数主要考虑动力学理论和车辆运动学来分析车辆安全性，而忽略了驾驶人本身特性所带来的潜在风险。

近年来，随着人工智能的发展，车辆风险评估也应用了深度学习、强化学习技术，但这些方法大都需要大量训练数据，现有测试场景还远远不够。目前越来越多的学者引入人工势能场来描述车辆与周围环境的相互关系和风险程度。

Hsu基于引力场的概念，利用与自车周围空闲空间和车辆相关的引力和斥力描述车辆横向和纵向的行为，模型考虑周围的空间对车辆的影响，将驾驶行为用空间区域描述，但模型的实际应用依赖于模型参数的标定，且应用场景有限。Wang等人同样借助场论的思想，在场中融合了驾驶人的行为场因素，提出了基于“人-车-路”耦合的行车安全统一评价方法，建立了行车安全场理论，其充分考虑了人、车、路各自属性，且其模型具有良好的扩充性，但在模型应用中如何减少对参数标定的依赖仍然是一个挑战。