[发明专利]一种基于无人驾驶车辆的运行异常检测方法

说明书

本发明涉及数据处理领域，具体涉及一种基于无人驾驶车辆的运行异常检测方法，包括：采集坐标和速度，对直道区域的位置坐标获得的轨迹曲线分解获得周期曲线和残差曲线，对残差曲线进行分段得到若干周期类别；根据周期类别与速度获得周期段，进一步获得速度周期曲线，对速度周期曲线进行匹配获得共点匹配，进而获得最终的异常率，根据最终的异常率获得无人驾驶车辆的运行异常检测结果。本发明避免了路面结构的影响以及速度变化导致误差较大的问题，提高了运行异常检测灵敏度。

技术领域

本发明涉及数据处理领域，具体涉及一种基于无人驾驶车辆的运行异常检测方法。

背景技术

 无人驾驶车辆出于各种原因，如在系统异常或者规划模块出现不合理的规划情况下，无人驾驶车辆将会在道路上来回摆动前进，导致在公路上运行轨迹并非直线，而是运动方向左右来回偏转，导致无人驾驶车辆轨迹弯曲，这种无人车在行驶过程中出现的异常摆动造成轨迹弯曲的行为，也被称作 “画龙”行为。这种行为单从规划模块很难进行规避。当无人车发生异常摆动行为时，非常容易发生碰撞或驶出正常道路，导致风险较高，现有方法通过无人车内置的朝向角来对该行为进行检测，但车辆朝向角通常是通过三角丈量法来计算得到的，通过激光反射原理进行测算，当车辆速度较慢时，较为准确，但实际行驶过程中，车辆不可能总是按照一个较小速度行驶，当车辆速度发生变化或车辆速度较快时，在激光反射较短时间内无人驾驶车辆就前进较长距离，此时的方向角存在较大误差。基于此，本申请提出了一种基于无人驾驶车辆的运行异常检测方法。

发明内容

本发明提供一种基于无人驾驶车辆的运行异常检测方法，以解决现有的问题。

本发明的一种基于无人驾驶车辆的运行异常检测方法采用如下技术方案：

本发明实施例提供了一种基于无人驾驶车辆的运行异常检测方法，该方法包括以下步骤：

采集无人驾驶车辆每个时刻的位置坐标以及速度大小；

根据无人驾驶车辆在直道区域的位置坐标获得轨迹曲线，对轨迹曲线进行分解获得周期曲线和残差曲线，对残差曲线进行多阈值分割获得若干残差段，根据残差段对周期曲线进行分段得到若干周期类别；

对周期类别内所有时刻的速度进行多阈值分割获得每个周期类别的多个周期段，并获得每个周期段的速度周期段，根据所述速度周期段获得每个周期段的速度周期曲线，根据周期类别对应的所有速度周期曲线进行两两匹配，获得所有匹配点对，相同时刻下的匹配点对记为共点匹配，根据共点匹配的数量与速度周期曲线上数据点的数量获得周期类别的异常率，所有周期类别异常率的最大值作为最终的异常率，根据最终的异常率获得无人驾驶车辆的运行异常检测结果。

优选的，所述每个周期段的速度周期段是由每个周期段包含的所有曲线按时间顺序连接得到的。

优选的，所述每个周期段的速度周期曲线的获取方法包括：

每个周期段的速度周期段通过傅里叶变换转换到频域空间得到所有频率以及每个频率对应的幅值，计算最大幅值对应频率的倒数作为周期，根据所述周期对速度周期段进行均等分割，得到多个周期部分，每个周期部分的长度都等于周期；分别计算每个周期部分与其它所有周期部分的余弦相似度，将最大余弦相似度对应的周期部分作为每个周期段的速度周期曲线。

优选的，所述根据周期类别对应的所有速度周期曲线进行两两匹配，具体方法包括：

首先将每个周期类别对应的所有速度周期曲线降维到T维，所述T的取值为每个周期类别对应的所有速度周期曲线的最小长度；对降维后的所有速度周期曲线利用DTW算法进行两两匹配。

优选的，所述获取所有匹配点对中的共点匹配是指相同时刻下的匹配点对。

优选的，所述根据共点匹配的数量与速度周期曲线上数据点的数量获得周期类别的异常率，具体方法包括：