[發明專利]基于多源數據挖掘的汽車智能駕駛系統有效性評價方法

有效

• 申請號: 201710139406.1
• 申請日: 2017-03-10
• 公開（公告）號: CN107291972B
• 公開（公告）日: 2019-10-18
• 發明（設計）人: 李克強;陳龍;羅禹貢;趙樹連;張書瑋;秦兆博;解來卿;羅劍;張東好;孔偉偉;連小珉;王建強;楊殿閣;鄭四發
• 申請（專利權）人: 清華大學
• 主分類號: G06F17/50
• 分類號: G06F17/50;G06N3/08;G06N7/00
• 代理公司: 北京尚德技研知識產權代理事務所(普通合伙) 11378
• 代理人: 嚴勇剛

本發明公開一種基于多源數據挖掘的汽車智能駕駛系統有效性評價方法，包括步驟：1)通過多源數據挖掘得到待評價車輛模型、隨機交通場景模型、乘員損傷模型；2)基于隨機交通場景和車輛模型，仿真出事故的特定場景；3)利用事故再現軟件仿真該場景，輸出碰撞后車輛狀態；4)結合乘員損傷模型，計算事故發生后的乘員損傷風險和單位里程風險；5)將待評價車輛模型替換成常規模型，重復1)?4)步得到無待評價系統車輛的單位里程乘員損傷風險；然后對比有、無待評價系統的損傷結果，得知該系統的有效性。該評價平臺依靠多源數據和已知軟件，可實現多種智能駕駛系統的評價，同時該評價平臺運行成本低、速度快，具有較好的普遍適用性。

技術領域

本發明涉及車輛智能駕駛技術，具體涉及一種對汽車智能駕駛系統在減少乘員損傷風險方面有效性的評價方法。

背景技術

對于汽車智能駕駛系統在減少乘員損傷風險方面的有效性的評價，現有評價方法從設備條件上講，可分為兩類：一類是實驗方法，一類是仿真方法。實驗方法又可分為兩類：實車實驗和標準測試，前者：對不同智能駕駛系統具有普遍適用性，但花費大，耗時長，具有危險性；后者：標準統一，評價客觀，操作簡單，可重復性好，但工況單一，無法進行多工況下的統計分析。仿真方法也可分為兩類：危險場景仿真和蒙特卡洛仿真，前者：無危險性，操作簡單，可重復性好，仿真多種工況，可拓展性好，可進行統計分析，但樣本數量少，且反應真實情況的能力較差；后者：具有普遍適用性，但運算量較大。但就方法成立的前提條件來講，標準測試和危險場景評價是相同的，均要求待評價的系統的應用不影響正常的駕駛行為，這保證了從現有數據提煉的場景對該系統的適用性。而實車道路實驗和蒙特卡洛仿真則是采用遍歷法，對待評價系統沒有特殊要求。

現有評價方法從數據來源上講，主要可分兩類：事故數據、FOT數據，事故數據：能夠反映各種危險的事故類型，能夠建立乘員損傷模型，但數據不完整，數據庫不完善，需要大量的統一化整理分類工作；FOT數據：數據完整且數目多，能夠建立隨機仿真場景。

發明內容

綜合以上所述方法的優點，為適應未來更加復雜的智能駕駛系統的有效性評價，本發明提供一種基于多源數據挖掘的蒙特卡洛與危險場景相結合的汽車智能駕駛系統有效性仿真評價方法。該方法可以定量評價出某項智能駕駛系統應用后帶來的汽車安全性改善程度，并且實現該方法的評價平臺依靠多源數據和多款商業化軟件，可實現多種智能駕駛系統的評價，且該平臺運行成本低、速度快，具有較好的普遍適用性。

為實現上述目的，本發明采取以下技術方案：

一種基于多源數據挖掘的汽車智能駕駛系統有效性評價方法，其特征在于：包括如下步驟：

1)通過多源數據挖掘得到裝有待評價智能駕駛系統的待評價車輛模型、隨機交通場景模型、乘員損傷模型；

2)基于隨機交通場景和待評價車輛模型，利用動力學仿真軟件仿真篩選出發生事故的特定場景；

3)利用事故再現軟件仿真該場景，輸出碰撞后車輛狀態；

4)結合乘員損傷模型，計算事故發生后的乘員損傷風險，計算單位行駛里程的乘員損傷風險；

5)將待評價車輛模型替換成常規控制的車輛模型，重復1)-4)步，得到無待評價系統車輛的單位里程乘員損傷風險，然后對比有、無待評價系統在事故場景中的損傷風險，通過對比結果，得知該系統對提高汽車安全性是否有效。

具體地：

建立待評價車輛模型的過程是：

a.利用待評價系統的實車運行數據實現車輛的回正剛度、輪胎縱向剛度、時間延遲系數的辨識：