[发明专利]一种面向自动驾驶汽车的道路安全风险度评估方法有效
申请号: | 201910899594.7 | 申请日: | 2019-09-23 |
公开(公告)号: | CN110782125B | 公开(公告)日: | 2023-05-02 |
发明(设计)人: | 余荣杰;韩磊;李殊远 | 申请(专利权)人: | 同济大学 |
主分类号: | G06Q10/0637 | 分类号: | G06Q10/0637 |
代理公司: | 上海科盛知识产权代理有限公司 31225 | 代理人: | 宣慧兰 |
地址: | 200092 *** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 面向 自动 驾驶 汽车 道路 安全 风险 评估 方法 | ||
1.一种面向自动驾驶汽车的道路安全风险度评估方法,其特征在于,该方法包括以下步骤:
步骤S1:基于自动驾驶事故数据,得到自动驾驶事故场景;
步骤S2:基于自动驾驶事故场景和人工驾驶事故场景,得到自动驾驶条件下的道路安全风险度;
步骤S3:基于自动驾驶条件下的道路安全风险度,建立自动驾驶条件下的道路安全风险度评估模型;
步骤S4:基于自动驾驶条件下的道路安全风险度评估模型,开展面向自动驾驶汽车的道路安全风险度评估;
所述的步骤S2包括:
步骤S21:基于自动驾驶事故场景和人工驾驶事故场景,得到自动驾驶事故场景风险修正系数;
步骤S22:基于自动驾驶事故场景风险修正系数,得到自动驾驶条件下的道路安全风险度;
所述的自动驾驶事故场景风险修正系数为:
其中,γx为自动驾驶和人工驾驶共有事故场景x的自动驾驶事故场景风险修正系数,px1和px2分别为该共有事故场景x的自动驾驶与人工驾驶的事故比例;
所述的自动驾驶条件下的道路安全风险度RAV为:
RAV=∑nx×γx×sx
其中,nx为该共有事故场景x的人工驾驶事故数,sx为该共有事故场景x的事故损失;
所述的步骤S3包括:
步骤S31:基于自动驾驶条件下的道路安全风险度,通过聚类算法得到自动驾驶条件下的道路安全风险度分级;
步骤S32:基于自动驾驶条件下的道路安全风险度分级,采用混合逐步选择法对自变量进行筛选,得到显著变量,其中,所述自变量包括车道数、周围用地性质和交叉口密度;
步骤S32:基于显著变量,根据多元有序Logit回归模型建立自动驾驶条件下的道路安全风险度评估模型;
所述的自动驾驶条件下的道路安全风险度评估模型为:
其中,Yi为道路i的安全风险度等级,P(Yi)为道路i的安全风险等级发生概率,Xi为显著变量,aj和βj为自动驾驶条件下的道路安全风险度评估模型拟合参数。
2.根据权利要求1所述的一种面向自动驾驶汽车的道路安全风险度评估方法,其特征在于,所述的步骤S1包括:
步骤S11:基于自动驾驶事故数据,建立自动驾驶事故数据库;
步骤S12:基于自动驾驶事故数据库,得到自动驾驶事故场景。
3.根据权利要求1所述的一种面向自动驾驶汽车的道路安全风险度评估方法,其特征在于,所述的自动驾驶事故数据包括车辆测试公司名称、关键事件、事故时间、事故地点、碰撞对象、碰撞前驾驶行为、碰撞类型和严重程度。
4.根据权利要求1所述的一种面向自动驾驶汽车的道路安全风险度评估方法,其特征在于,所述的采用混合逐步选择法对自变量进行筛选的筛选条件为混合逐步选择法的P值小于0.05。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于同济大学,未经同济大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910899594.7/1.html,转载请声明来源钻瓜专利网。
- 同类专利
- 专利分类
G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法;其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10-00 行政;管理
G06Q10-02 .预定,例如用于门票、服务或事件的
G06Q10-04 .预测或优化,例如线性规划、“旅行商问题”或“下料问题”
G06Q10-06 .资源、工作流、人员或项目管理,例如组织、规划、调度或分配时间、人员或机器资源;企业规划;组织模型
G06Q10-08 .物流,例如仓储、装货、配送或运输;存货或库存管理,例如订货、采购或平衡订单
G06Q10-10 .办公自动化,例如电子邮件或群件的计算机辅助管理