[发明专利]根据场景观察进行直觉推断的无人驾驶安全判断系统

权利要求书

1.一种根据场景观察进行直觉推断的无人驾驶安全判断系统，其特征在于：包括经验常识记忆库、场景观察器和直觉推断引擎三大要素；

（1）经验常识记忆库：包括事故和场景要素，场景要素包括车辆要素、行驶状态要素、自然环境要素、道路特性要素、人为要素；每个事故可以表达为场景要素空间里的一个向量，所有的事故一起形成一个事故常识记忆矩阵A；一个事故对应的一个场景要素组合就是一个场景向量，经验常识库结构如表1所示：

表1事故经验常识库结构

其中：

C₁～C_m为事故特征代码，由11位数字与字母组成，

①事故特征代码C

事故类别包括发生事故时的五种事故要素，分别为事故形式特征、碰撞主体分类、碰撞受体分类、冲突方式分类和伤害程度分类；事故要素及水平定义见表2，

表2事故要素及水平定义

其中，机动车分类按照GB/T 15089 2001执行，总共分为L类、M类、N类、O类和G类，其中L分为L1～L5，M类分为M1、M2、M3；M2和M3类中继续细分为A级、B级、Ⅰ级、Ⅱ级、Ⅲ级，共计19种；本申请用三位分类编号表达车辆分类，L、M1类第三位为0，M2和M3类车辆的第三位为级别代码A，B，I，II，III，N、O、G类车辆的第二、三位编号均为0；

②场景向量S要素水平定义方法

S_i为场景向量：S_i =（s_i1，...， s_in）

24个场景元素所构成的场景向量由表3所列举出，

表3场景向量S的要素构成

根据上表，历史交通事故记录数据库里的每一次事故环境的记录，表达成一个上述24维的经验场景向量S，也就是说，

S =（s₁，s₂，……，s₂₄）

所有场景经验向量组成的事故矩阵就是人工智能机器所能读懂的驾驶常识经验库，

A为事故矩阵：

；

③根据历史上实际发生过的交通事故记录，将每一次事故都根据表1和表3描述成规范化的事故类型-场景向量对应关系；事故由表1所规定的代码表达，场景由表3所规定的维数向量描述，这种描述经验事故的场景向量成为经验场景向量；

④经验常识记忆库矩阵即事故矩阵A的生成

经验常识记忆库可以表达为一个事故矩阵A，其中 m是事故类别数量，n是场景向量维数，

；

（2）场景观察器

场景观察器的作用是根据车辆感知的信息生成一个现实场景向量X，以便于用来和驾驶常识经验库里的经验场景向量S相比较；

现实场景向量X的元素与维数定义必须与经验场景向量S定义相同，现实场景向量元素的感知有三个渠道来源：车载传感、通讯传感和驾驶员输入，见表4

表4 现实场景向量的生成

根据表4生成24维现实场景向量X：

现实场景向量X是一个n维向量：

（3）直觉推断引擎

根据步骤（2）感知到的现实场景向量X，利用经验比照算法，找到常识经验记忆库里与此最相近的经验场景向量S，然后在事故矩阵A中观察在与现实环境相类似的场景中是否发生过事故，进而推断出最可能发生的事故类别与概率。