[發明專利]基于軌跡預測的行車風險辨識方法

有效

• 申請號: 201811541720.3
• 申請日: 2018-12-17
• 公開（公告）號: CN109684702B
• 公開（公告）日: 2020-04-24
• 發明（設計）人: 王建強;鄭訊佳;黃荷葉;許慶;楊奕彬;涂茂然
• 申請（專利權）人: 清華大學
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06F119/14
• 代理公司: 北京匯智勝知識產權代理事務所(普通合伙) 11346
• 代理人: 石輝

本發明公開了一種基于軌跡預測的行車風險辨識方法，該方法包括以下步驟：S1，實時獲取GPS信息，生成參考軌跡；S2，根據參考軌跡和GPS信息，結合車輛動力學模型和控制約束條件，生成動態且連接參考軌跡初始端和終端的可行軌跡集以及可行軌跡集中的每一條可行軌跡對應的速度；S3，優化可行軌跡及其對應的速度；S4，根據優化的可行軌跡和速度，結合車輛動力學模型以及設定的約束條件，利用代價函數計算可行軌跡的代價值，形成自車在每條可行軌跡上行駛的概率分布圖，從而繪制出可行軌跡分布圖；代價函數根據最小作用量原理和等效力方法獲得；S5，根據可行軌跡分布圖，利用車輛動力學模型和軌跡轉向概率，計算相對等效力，以根據相對等效力辨識行車過程中的動態風險范圍。本發明綜合考慮人、車、路各要素之間耦合關系，能適用于行車風險范圍的準確識別，并為駕駛決策提供支持。

技術領域

本發明涉及一種智能車安全駕駛技術領域，特別是關于一種基于軌跡預測的行車風險辨識方法。

背景技術

近年來，隨著汽車擁有量的逐漸增加，由汽車造成的交通事故比例驟升，成為人們重點關注的社會問題。行車風險辨識是車輛駕駛過程保證行車安全的關鍵。行車安全關系到駕駛輔助系統(ADAS)和自動駕駛的發展，也為駕駛人和乘客的人身安全提供保障，因此，對行車風險進行辨識進而準確評估周邊車輛及自車的風險狀況十分必要。對風險進行辨識是對行車過程的影響范圍進行定義，對風險的評估可理解為車輛在行車過程中可能受到的損害。對行車風險進行辨識需要綜合考慮人、車和路各要素之間的耦合關系，進而識別行車風險范圍，并為駕駛決策提供支持。

現有技術中，Groves等人提出了一種基于路網的車輛運動軌跡預測方法的框架。在這個框架下，由全局特征、局部特征和時空數據等三部分組成，第一部分主要提取GPS位置信息到車輛輔助裝置，第二部分主要是獲得該地圖的數據交通政策信息，第三部分對正在行駛的軌跡預測其后續軌跡，該方法能夠達到實時規劃的目的但獲取位置信息難度大，準確率不高。Blackmore等人采用最優化來處理軌跡規劃中的不確定性，考慮高斯分布的不確定性重新描述軌跡規劃，即給定起始狀態的概率分布和目標狀態，設計最優控制序列滿足期望狀態等于目標狀態，同時車輛保持在約束狀態內且發生碰撞的概率小于Δ。基于最優化原理能夠輸出較好的解，但該方法未考慮駕駛人駕駛特性，忽略了駕駛人因素，不能真實反映風險評估軌跡規劃準確性。也有學者對風險進行辨識時限定在特定的場景，提出了如用于車道穿越場景的運動預測和風險評估的方法。通過辨識駕駛人的意圖及其運動期望，通過在交叉口場景搭建動態貝葉斯網絡來預計駕駛人意圖，并考慮了交通參與者的相互影響，從而進行風險辨識、評估。雖然該分析方法實現效果較理想，但其偏重于特定場景，缺少道路環境和交通要素綜合考慮認知，不適合廣泛應用。

發明內容

本發明的目的在于提供一種基于軌跡預測的行車風險辨識方法，其能夠實時準確識別出行風險及判定其影響范圍，并有效反映交通系統各要素產生的風險值，進而支持駕駛決策。

為實現上述目的，本發明提供一種基于軌跡預測的行車風險辨識方法，所述基于軌跡預測的行車風險辨識方法包括以下步驟：

S1，實時獲取GPS信息，生成參考軌跡；

S2，根據所述參考軌跡和GPS信息，結合車輛動力學模型和控制約束條件，生成動態的且連接所述參考軌跡的初始端和終端的可行軌跡集以及所述可行軌跡集中的每一條可行軌跡對應的速度；

S3，優化所述可行軌跡及其對應的速度；

S4，根據所述優化的所述可行軌跡和速度，結合車輛動力學模型以及設定的約束條件，利用代價函數計算所述可行軌跡的代價值，形成自車在每條所述可行軌跡上行駛的概率分布圖，從而繪制出可行軌跡分布圖；所述代價函數根據最小作用量原理和等效力方法獲得；

S5，根據所述可行軌跡分布圖，利用車輛動力學模型和軌跡轉向概率，計算相對等效力，以根據所述相對等效力辨識行車過程中的動態風險范圍。