[发明专利]一种基于历史数据的轨迹规划的SOTIF的实现方法

说明书

本发明属于汽车技术领域，具体的说是一种基于历史数据的轨迹规划的SOTIF的实现方法。该实现方法包括以下步骤：步骤一、轨迹规划；步骤二、边界聚类；步骤三、数据对比验证；步骤四、后台分析论证；本发明是一种通过聚类边界保证轨迹规划算法的安全性，并对异常数据值进行分析论证，不断扩大已知轨迹的安全范围，提高智能车行驶安全性基于历史数据的轨迹规划的SOTIF的实现方法。

技术领域

本发明属于汽车技术领域，具体的说是一种基于历史数据的轨迹规划的SOTIF的实现方法。

背景技术

SOTIF ISO 21488是汽车行业的一个新兴概念，由2015年启动ISO标准的制定，全称为Safety of the intnded function,目前，ISO PAS21448已经以行业规范的形式发布，预计在2021年启用正式的ISO标准。对于自动驾驶系统来说，系统接管车辆控制，即使系统并未发生故障，也可能因为黑盒输出的不确定性导致功能的偏离，造成交通伤害。这类非故障情况下因系统功能不满足预期或者人类合理可见的误用而导致的安全风险就是SOTIF要解决的问题。自动驾驶功能局限可以分为以下几个部分：

1：目标场景考虑不周到，系统无法对环境做出正确相应–Perception

2：功能逻辑仲裁机制、算法不合理，导致决策出现问题–Decision

3：执行机构的输出与理想输出发生偏差，难以完美控制–Execution

尽管可能在感知决策执行层面没有任何错误和失效的发生，其他复杂的交通状况和车辆的意外行为依然可能会成为自动驾驶系统的不稳定因素。

SOTIF将场景(scenarios)划分为如图1a和图1b所示的4个区间，分别为已知-安全1、已知-不安全2、未知-不安全3和未知-安全4。目的是尽可能缩小未知场景(scenarios)的比例，即将确保场景(scenarios)控制在安全的区间。

轨迹规划技术可以追溯到几十年前机器人领域中的轨迹规划，相关研究者对机器人领域的全局规划、反应式(或局部规划)做了大量的研究，该研究对汽车轨迹规划具有极其重要的价值。自从21世纪以来，无人车大赛和无人车的应用也极大地推动了轨迹规划技术的发展，促进了轨迹规划技术的不断进步。

发明内容

本发明提供了一种通过聚类边界保证轨迹规划算法的安全性，并对异常数据值进行分析论证，不断扩大已知轨迹的安全范围，提高智能车行驶安全性基于历史数据的轨迹规划的SOTIF的实现方法。

本发明技术方案结合附图说明如下：

本发明的有益效果为：

通过本发明的方法可以进一步的提高智能车在行驶过程中的安全性，并且可以根据对数据的处理和分析不断扩大已知安全的数据的边界，逐步扩大已知安全区域，减少未知安全区域。

附图说明

图1a为智能驾驶场景分类图；

图1b为智能驾驶场景分类图；

图2为SOTIF实现目标图；

图3为本发明的流程图；

图4为原始数据集示意图；

图5为经过边界聚类算法筛选以后的边界数据点集示意图。

具体实施方式

参阅图1—图3，一种基于历史数据的轨迹规划的SOTIF的实现方法，该实现方法包括以下步骤：

步骤一、轨迹规划；

输入参数，所述参数为其他交通参与车辆的坐标、速度、加速度，通过轨迹规划算法模型得到输出的油门或制动踏板开度和方向盘转角，与输入参数一起打包为一个数据点；