详情

原文传递一种基于公路事故数据的驾驶人应激训练场景生成系统

专利名称：	一种基于公路事故数据的驾驶人应激训练场景生成系统
摘要：	本发明提供一种基于海量公路事故数据的驾驶人应激训练场景生成系统，对采集到的交通事故数据进行预处理，基于海量的公路事故数据建立一个应激场景库，构建场景库相应指标，利用聚类将场景库进行分类，建立场景生成方法模型，基于驾驶人自定义进行三层筛选，本发明公开的模式驾驶人应激训练场景生成系统为驾驶人提供更加有针对性和丰富性的应激场景，可有效降低事故发生率。
专利类型：	发明专利
国家地区组织代码：	陕西;61
申请人：	长安大学
发明人：	牛世峰;马彬涛;陈礼美;郑佳红
专利状态：	有效
申请日期：	2023-07-21T00:00:00+0800
发布日期：	2023-11-17T00:00:00+0800
申请号：	CN202310902905.7
公开号：	CN117076975A
代理机构：	西安睿通知识产权代理事务所(特殊普通合伙)
代理人：	车宁华
分类号：	G06F18/24;G06F18/214;G06F18/23;G;G06;G06F;G06F18;G06F18/24;G06F18/214;G06F18/23
申请人地址：	710064 陕西省西安市南二环中段33号
主权项：	1.一种基于公路事故数据的驾驶人应激训练场景生成系统，其特征在于，包括如下步骤： S1、对采集到的交通事故数据进行预处理； S2、构建场景库相应指标； S3、利用聚类将场景库进行分类； S4、进行场景生成方法模型的建立。 2.根据权利要求1所述的一种基于公路事故数据的驾驶人应激训练场景生成系统，其特征在于，S1具体包括： S11、对事故形态进行选取，选取车人事故和车辆间事故两种形式； S12、先对车辆参数进行处理，结合转向灯状态对车辆运动状态进行处理，接着结合高风险驾驶行为额对相对运动方向进行生成； S13、选取驾驶应激场景因素。 3.根据权利要求2所述的一种基于公路事故数据的驾驶人应激训练场景生成系统，其特征在于，S12中所述车辆运动状态的处理过程具体如下表：运动状态处理过程所述相对运动方向的生成过程具体如下表：相对运动方向的生成 4.根据权利要求3所述的一种基于公路事故数据的驾驶人应激训练场景生成系统，其特征在于，S13中所述驾驶应激场景因素的选取从自车因素、交通冲突方因素、道路因素、环境因素四个方面选取，具体如下表：驾驶应激场景因素 5.根据权利要求4所述的一种基于公路事故数据的驾驶人应激训练场景生成系统，其特征在于，S2具体包括： S21、危险度指标构建：式中，为平均死亡人数和S2为场景死亡人数方差，Xi为第i起事故中的死亡人数，N为场景涉事故频数。 S22、对环境因素、道路因素、自车因素以及交通冲突方因素进行条理化和层次化，构造出一个有序的结构模型，构建复杂度指标：式中，C表示复杂度，αi表示影响因素分类第i类的复杂度权重，βij表示第i类中第j个参数的复杂度权重。 6.根据权利要求5所述的一种基于公路事故数据的驾驶人应激训练场景生成系统，其特征在于，S3具体包括： S31、对每个场景因素进行编码； S32、确定聚类数量：式中，SSE表示误差平方和，K表示聚类数，Ci表示第i个族，p表示Ci中的样本点，mi为Ci的质心。 S33、对各场景进行相似度度量：式中，d(A，B)表示点A和点B之间的欧式距离。 S34、对聚类结果进行统计，将场景分为11个大类。 7.根据权利要求6所述的一种基于公路事故数据的驾驶人应激训练场景生成系统，其特征在于，S4具体包括： S41、进行场景差异层的筛选； S42、进行驾驶意愿层的筛选； S43、进行指标设定层的筛选。 8.根据权利要求7所述的一种基于公路事故数据的驾驶人应激训练场景生成系统，其特征在于，S41的具体过程为：在S34得到的11个大类中均匀抽取场景，抽取数量M的计算如下：式中，mi为第i个大类中抽取的场景数量，M为设定的抽取场景数量。 9.根据权利要求8所述的一种基于公路事故数据的驾驶人应激训练场景生成系统，其特征在于，S42的具体过程为：根据不同类型的驾驶人的训练意愿，对其含有意愿场景因素的场景链设定较高的抽取比率W，具体的抽取比率W设置如下：式中，Aij为第i个分类下的第j个场景因素，R为场景链。 10.根据权利要求9所述的一种基于公路事故数据的驾驶人应激训练场景生成系统，其特征在于，S43具体过程为： S431、根据S21中计算的平均死亡人数和场景死亡人数方差S2将危险度分为高危险度、中危险度、低危险度三个等级；所述高危险度、中危险度、低危险度的设定占比值分别表示为P高危险度设定值、P中危险度设定值、P低危险度设定值；根据S22中计算的复杂度将所述复杂度分为高复杂度、中复杂度、低复杂度三个等级，所述高复杂度、中复杂度、低复杂度的设定占比值分别表示为P高复杂度设定值、P中复杂度设定值、P低复杂度设定值。 S432、在场景库中随机抽取指定数量的训练场景，对每次的抽取结果的复杂度和危险度各等级占比进行计算，计算结果表示为P高危险度结果、P中危险度结果、P低危险度结果、P高复杂度结果、P中复杂度结果、P低复杂度结果。 S433、根据S431的设定值和S431的计算结果值，进行阈值的对比，满足各等级占比设定值和结果值的差值均不超过5％即可输出，否则继续随机抽取，再次进行阈值判断，直到满足阈值要求。