[发明专利]行车风险辨识模型的标定方法和系统

说明书

本发明公开了一种行车风险辨识模型的标定方法和系统，标定方法包括：S1，通过在试验车上安装信息采集装置，建立车辆平台；S2，采集与时间同步的试验车和环境相关的试验数据；S3，提取不同驾驶人在不同环境中踩下加速踏板、释放加速踏板、踩下制动踏板和释放制动踏板的各个相应时刻，以定义各所述时刻分别对应的风险等级值；S4，获得驾驶人在不同场景中的风险辨识曲线，该风险辨识曲线表示随时间的变化驾驶人对风险等级的判断；S5，利用风险辨识曲线标定行车风险辨识模型。本发明通过记录驾驶人对车辆平台的操作，辨识驾驶人在不同场景中对风险等级进行判断的风险辨识曲线，再利用风险辨识曲线图对行车风险辨识模型标定，因此标定出来的行车风险辨识模型能适应不同驾驶人的驾驶习惯，有利于提高行车风险辨识系统的接受度。

技术领域

本发明涉及智能车应用技术领域，特别是关于一种行车风险辨识模型的标定方法和系统。

背景技术

随着智能交通、智能驾驶技术和车联网技术的快速发展，汽车智能化已经逐渐被人们熟悉和接受，智能汽车替代传统汽车必将成为大势所趋。然而保障智能汽车安全的技术发展现状已不能满足智能汽车逐渐商业化的需要，而相比传统汽车的商业化，实现智能汽车的大规模商业化，其行车安全性面临着更高的要求。

现有技术中，通常采用预设有行车风险辨识模型的系统(下文将“预设有行车风险辨识模型的系统”均简称为“行车风险辨识系统”)为驾驶人提供危险预警信息以及对车辆的辅助控制或直接控制，以保障智能汽车的行车安全。其中，行车风险辨识模型所运行的方法不仅是行车风险辨识系统的核心控制逻辑，而且也决定了行车风险辨识系统的安全性能和接受度。由于在实际驾驶过程中，驾驶人的生理和心理状态随着时间、空间而变化，且驾驶人存在个体差异，这都要求行车风险辨识模型的参数具有可变性和可适应性，因此导致行车风险辨识系统与驾驶人正常驾驶之间出现频繁的干扰和冲突，继而使得驾驶人和乘客对行车风险辨识系统的接受度降低，难以保证车辆在复杂多变的交通环境下的行车安全。

发明内容

本发明的目的在于提供一种行车风险辨识模型的标定方法来克服或至少减轻现有技术的上述缺陷中的至少一个。

为实现上述目的，本实用新型提供一种行车风险辨识模型的标定方法，所述行车风险辨识模型的标定方法包括：S1，通过在试验车上安装信息采集装置，建立车辆平台；S2，通过不同驾驶人驾驶所述车辆平台在不同环境中进行自由行驶试验，采集与时间同步的试验车和环境相关的试验数据；S3，根据所述试验数据，提取不同驾驶人在不同环境中开始踩下加速踏板的第一时刻、开始释放加速踏板的第二时刻、开始踩下制动踏板的第三时刻和开始释放制动踏板的第四时刻，以定义所述第一时刻、第二时刻、第三时刻和第四时刻分别对应的风险等级值；S4，根据定义好的各所述风险等级值，通过曲线拟合获得驾驶人在不同场景中的风险辨识曲线，该风险辨识曲线表示随时间的变化驾驶人对风险等级的判断；S5，利用所述风险辨识曲线标定行车风险辨识模型。

进一步地，S5具体包括：S51，根据所述试验数据，利用行车风险辨识模型计算所述第一时刻、第二时刻、第三时刻和第四时刻对应的辨识风险值，该辨识风险值包括待标定的参数；S52，通过调整所述待标定的参数，使通过行车风险辨识模型获得的辨识风险值随时间的变化曲线无限趋近于所述风险辨识曲线。

进一步地，S5中使用的“试验数据”包括试验车的CAN数据；

S51中“行车风险辨识模型”表示为：

U[x(t)]＝U_att[x(t)]+U_rep[x(t)]；

式中，

U[x(t)]为利用行车风险辨识模型计算得到的辨识风险值；

U_att[x(t)]为目标的吸引力模型，其表达式为：

U_rep[x(t)]为障碍物的排斥力模型，其表达式为：