[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

摘要

本发明公开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，包括步骤：1)通过多源数据挖掘得到待评价车辆模型、随机交通场景模型、乘员损伤模型；2)基于随机交通场景和车辆模型，仿真出事故的特定场景；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和单位里程风险；5)将待评价车辆模型替换成常规模型，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、无待评价系统的损伤结果，得知该系统的有效性。该评价平台依靠多源数据和已知软件，可实现多种智能驾驶系统的评价，同时该评价平台运行成本低、速度快，具有较好的普遍适用性。

主权项

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。