[发明专利]基于多源数据挖掘的汽车智能驾驶系统有效性评价方法

权利要求书

1.一种基于多源数据挖掘的汽车智能驾驶系统有效性评价方法，其特征在于：包括如下步骤：

1)通过多源数据挖掘得到装有待评价智能驾驶系统的待评价车辆模型、随机交通场景模型、乘员损伤模型；

2)基于随机交通场景和待评价车辆模型，利用动力学仿真软件仿真筛选出发生事故的特定场景；

3)利用事故再现软件仿真该场景，输出碰撞后车辆状态；

4)结合乘员损伤模型，计算事故发生后的乘员损伤风险，计算单位行驶里程的乘员损伤风险；

5)将待评价车辆模型替换成常规控制的车辆模型，重复1)-4)步，得到无待评价系统车辆的单位里程乘员损伤风险，然后对比有、无待评价系统在事故场景中的损伤风险，通过对比结果，得知该系统对提高汽车安全性是否有效；

建立待评价车辆模型的过程是：

a.利用待评价系统的实车运行数据实现待评价车辆的关键参数：回正刚度、轮胎纵向刚度、时间延迟系数的辨识：

首先利用转向助力电机的转速和转矩信号，估计出转向系统固有频率f_0-y，基于转向系统的频率特性计算出回正刚度，式中G_s为转向系统传动比、J_d为转向系统转动惯量、k_α为回正刚度；然后利用轮胎纵向与侧向动力学相关的特性k_α＝ak_s+b，得到轮胎纵向刚度，式中k_s为轮胎纵向刚度，a和b为已知系数；

对轮速信号进行傅里叶变换，找到轮胎滚动的固有频率f_0-x，继而基于轮胎滚动的固有频率和时间延迟系数的关系得到了时间延迟系数，R为车轮半径，v为自车车速，τ_x为时间延迟系数，I是车轮转动惯量；

b.将待辨识控制逻辑视作一黑箱，利用待评价系统的实车运行数据和估计的时间延迟系数、轮胎纵向刚度，训练多层神经网络，并以此神经网络作为仿真中待评价系统的控制逻辑。

2.根据权利要求1所述的方法，其特征在于：建立随机交通场景模型的过程是：

随机交通场景指自车和前车、后车的运动状态，在建立模型时，车辆数目由设计者自行决定；

a.设前车为自由驾驶，表征前车的状态参数包括加速度a₁(t)、车速v₁(t)、行驶距离X₁(t)；

则在k+1时刻三个参数的关系如下：

v₁(k+1)＝v₁(k)+T_s·a₁(k) (1)

上式中k为采样时刻，T_s为仿真步长，时间量；a₁(k+1)的取值分布符合正态分布，是均值为a₁(k)，方差为v₁(k)的函数；

b.后车状态参数由密西根大学提出的带有错误操作机制的跟车模型决定；

c.自车就是所述待评价车辆模型。

3.根据权利要求1所述的方法，其特征在于：建立乘员损伤模型的过程是：

a.以综合变形深度为事故严重性指标，建立乘员损伤达到MAIS2+的风险概率模型：其中综合变形深度C，如下式所示：

C_i表示车身在采样位置的变形深度，m和n对应于车身开始发生变形和变形终了附近处的采样序号，C_m和C_n为对应于采样序号m和n处的变形深度；

b.选取综合变形深度C和碰撞的变形长度L_d作为自变量，损伤风险概率P(MAIS2+)作为因变量，建立三者的回归关系：

P(MAIS2+)＝a₀+a₁C+a₂L_d+a₃CL_d+a₄C²+a₅C²L_d+a₆C³ (4)

a₀～a₆为待确定系数，通过数据拟合得到。