[发明专利]一种基于风险场模型的自动驾驶汽车个性化碰撞分级预警方法及系统

说明书

本发明属于汽车路径领域，具体涉及一种基于风险场模型的自动驾驶汽车个性化碰撞分级预警方法及系统，该方法包括：车辆对周围环境继续感知，得到感知信息；根据获取的感知信息构建行车风险场模型；采用行车风险场模型计算车辆用户的行车风险，得到行车风险综合指数曲线；根据行车风险综合指数曲线设置三个级别的预警阈值；根据三个级别的预警阈值计算车辆的期望距离和期望速度，并根据期望距离和期望速度对自动驾驶车辆进行分级预警；本发明通过建立一个考虑道路环境和车辆特征的综合风险场模型，能够计算出动态变化的车辆预警阈值，实现动态工况下车辆自主避撞，能够有效解决在考虑道路环境和自主车辆特性条件下的纵向避障预警问题。

技术领域

本发明属于汽车路径领域，具体涉及一种基于风险场模型的自动驾驶汽车个性化碰撞分级预警方法及系统。

背景技术

随着汽车保有量不断攀升，城市拥堵、能源消耗、交通事故等问题日益突出，为了改善城市交通的运行状况，提高城市交通的运行效率，研究开发自动驾驶系统已经成为汽车行业发展的重中之重。

作为汽车自动驾驶系统的核心技术，风险预警是通过多源传感器进行障碍物信息识别并预测潜在的碰撞风险，为危险情况下的自动驾驶提供危险警告。自20世纪90年代以来，汽车公司一直专注于开发安全辅助驾驶产品，并提出了各种辅助驾驶算法。目前的碰撞预警主要是通过比较和计算安全距离的大小，以此来判断行车风险。采用的模型主要包括：基于运动学分析的安全距离模型，基于车间时间的安全距离模型，基于碰撞时间的安全距离模型等。但在实践中，从驾驶风险的形成到碰撞冲突的发生，整个转化过程很难用一个时空参数来描述，需要考虑多个时空距离参数，且安全阈值点在不断发生变化，导致现有的预警模型难以适应交通环境和车辆状态的相互作用和动态变化。

发明内容

为解决以上现有技术存在的问题，本发明提出了一种基于风险场模型的自动驾驶汽车个性化碰撞分级预警方法，该方法包括：车辆对周围环境进行感知，得到感知信息；根据获取的感知信息构建行车风险场模型；采用行车风险场模型计算车辆用户的行车风险，得到行车风险综合指数曲线；根据行车风险综合指数曲线设置三个级别的预警阈值；根据三个级别的预警阈值计算车辆的期望距离和期望速度，并根据期望距离和期望速度对自动驾驶车辆进行分级预警。

优选的，车辆对周围环境继续感知包括：采用主动传感器和被动传感器对环境信息进行感知，得到感知信息；所述感知信息包括障碍车辆信息和环境信息，其中障碍车辆信息包括障碍车辆的运动状态、质量和体积；环境信息包括道路能见度、道路曲率、道路坡度和道路附着系数。

优选的，构建的行车风险场模型为：

其中，Q_u表示不确定常数；M_u表示道路中物体u的等效质量；R_u表示物体所在位置处的道路条件因子；r_u＝(x-x_u，y-y_u)表示物体周围各位置(x，y)到物体所在位置(x_u，y_u)的距离矢量；λ₁为位置梯度指数；λ₂为大于0的修正系数，用于修正速度对驾驶风险的影响；v_u表示运动物体速度，表示物体速度方向与r_u形成的夹角，顺时针方向为正；C_u表示道路曲率因子，±表示车辆拐弯方向，+表示车辆拐弯方向为左，-表示车辆拐弯方向为右。

优选的，采用行车风险场模型计算车辆用户的行车风险包括：根据行车风险场模型计算车辆纵向行驶风险；对计算出的纵向行驶风险进行标准化和归一化处理；根据归一化后的纵向行驶风险计算风险场时间变化率指数UT_i,j；对纵向行驶风险和风险场时间变化率指数进行整合，得到行车风险综合指数曲线。

进一步的，计算车辆纵向行驶风险的表达式为：