[發明專利]一種考慮行人激進度的行人風險評估方法

有效

• 申請號: 202011154776.0
• 申請日: 2020-10-26
• 公開（公告）號: CN112232254B
• 公開（公告）日: 2021-04-30
• 發明（設計）人: 王裕寧;黃荷葉;王建強;許慶
• 申請（專利權）人: 清華大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06T7/70;G06N3/04;G06N3/08
• 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;趙立軍

本發明公開了一種考慮行人激進度的行人風險評估方法，包括：步驟S1，檢測自車行駛路線上是否有行人正在穿行；若是，則進入步驟S2；步驟S2，調用自車傳感器數據和定位數據，獲取行人等待時間、行人是否向后退、行人穿行群體人數、行人穿行的速度、加速度和人車間距；步驟S3，根據步驟S2得到的數據，確定特征變量的數值和激進度指數；步驟S4，將步驟S3獲得的特征變量的激進度指數作為輸入，通過基于多層感知機MLP的深度學習網絡，獲得行人整體激進度數值；步驟S5，基于所述行人整體激進度數值計算行人風險值。通過采用本發明提供的方法，能夠完成行人激進度的識別并轉化為行人風險值，以便自車差異化地進行決策，提高通行效率。

技術領域

本發明涉及智能網聯汽車行人風險評估領域，特別涉及一種考慮行人激進度的行人風險評估方法。

背景技術

智能網聯汽車(ICV)的決策方法是自動駕駛的關鍵技術之一。然而，目前大部分已有的決策方法難以支撐高級別的自動駕駛，尤其在擁擠復雜、人車混合場景下的通行效率較低，而原因之一在于沒有根據不同對象個體特征進行差異化處理，導致車輛根據環境決策的動態調整能力較差，差異化程度不足，所以需要對當前的ICV決策方法進行優化。

差異化決策優化的一個關鍵痛點便是無法對行人等隨機性較強的交通參與對象進行精準的風險評估，因此需要一種能夠體現行人個體差異性的行人風險評估方法，以便為后續ICV差異化決策提供量化依據。

當前現有的行人風險評估方法主要有兩種，一種基于簡單物理量映射，將行人速度、人車距離等直觀物理量通過函數映射為數值，映射函數的具體形式有勢能函數、點電荷函數等。該類方法雖然直觀，但考慮的因素太少，無法體現行人個體差異，無法實現對行人個體的精準風險評估；第二種為基于行人軌跡預測的風險評估，該類方法通過提取行人前若干秒的歷史軌跡擬合出未來可能的運動軌跡，并以此計算與自車的碰撞概率，以碰撞概率為核心計算風險值。該類方法對行人軌跡信息的精確度要求很高，當實際獲取的行人軌跡有偏差時得到的結果魯棒性不強，同時該類方法也無法體現行人邏輯層面的差異性。

行人激進度是一個較好的反映行人個體特征的值，其定義為：在行為層面上趨向于危險、高風險運動的程度。行人激進度定義與行人在道路中對車輛所產生風險的原因有很大的關聯性，適合作為行人風險評估的關鍵指標。當前已經有一些關于行人個體差異的研究，主要為根據統計學進行回歸分析，但尚未提出統一的激進度衡量標準，也未涉及人-車交互算法與決策過程。

因此，當前缺乏一種合適的行人風險評估方法，導致后續的決策難實現精細化、差異化，有必要開發一種能夠反映行人個體特征的風險評估方法。

發明內容

本發明的目的在于提供一種考慮行人激進度的行人風險評估方法來克服或至少減輕現有技術的上述缺陷中的至少一個。

為實現上述目的，本發明提供一種考慮行人激進度的行人風險評估方法，包括：

步驟S1，檢測自車行駛路線上是否有行人正在穿行；若是，則進入步驟S2；

步驟S2，調用自車傳感器數據和定位數據，獲取行人等待時間、行人是否向后退、行人穿行群體人數、行人穿行的速度、加速度和人車間距；

步驟S3，根據步驟S2得到的數據，確定特征變量的數值和激進度指數；其中，所述特征變量包括是否向后退、平均速度、是否觀察車流、是否有干擾物、加速度、等待時間、人群數量，所述特征變量是通過下述方法設置的：通過相關性矩陣分析影響行人激進度的備選變量，在每一組相關性高于預設閾值的變量中保留一種變量設置為所述特征變量；確定所述特征變量的數值和激進度指數包括根據步驟S2得到的數據獲取所述特征變量的數值，根據預設的特征變量與激進度之間的對應關系確定所述激進度指數；

步驟S4，將步驟S3獲得的特征變量的激進度指數作為輸入，通過基于多層感知機MLP的深度學習網絡，獲得行人整體激進度數值；

步驟S5，基于所述行人整體激進度數值計算行人風險值。