详情

原文传递驾驶场景的风险评估方法、装置和计算机可读存储介质

专利名称：	驾驶场景的风险评估方法、装置和计算机可读存储介质
摘要：	本申请实施例公开了一种驾驶场景的风险评估方法、装置和计算机可读存储介质。该方法包括：获取自车的行驶参数和感知范围内物体；根据物体的行驶参数和自车的行驶参数确定包括不同类型特征的场景风险特征，以适应于驾驶场景高动态和多样性。从自车角度出发进行场景风险特征的预测，提高了场景风险特征的准确性。根据场景风险特征中不同特征以及特征组合，分别确定时序风险因子和空间风险因子；结合多种场景风险特征量化空间维度和时间维度上场景风险程度，提高了风险因子的准确性。通过对时序风险因子和空间风险因子，两个维度的风险因子进行融合，对场景风险进行综合评估，提高了场景风险指数的准确性。
专利类型：	发明专利
国家地区组织代码：	上海;31
申请人：	上海人工智能创新中心
发明人：	李怡康;黄思渊;黄文锋
专利状态：	有效
申请日期：	2021-11-10T00:00:00+0800
发布日期：	2022-03-11T00:00:00+0800
申请号：	CN202111324305.4
公开号：	CN114162133A
代理机构：	北京派特恩知识产权代理有限公司
代理人：	崔晓岚;张颖玲
分类号：	B60W40/10;B60W50/00;B;B60;B60W;B60W40;B60W50;B60W40/10;B60W50/00
申请人地址：	200232 上海市徐汇区云锦路701号37、38层
主权项：	1.一种驾驶场景的风险评估方法，其特征在于，所述方法包括：获取自车的行驶参数和自车感知范围内物体的行驶参数；根据所述物体的行驶参数和所述自车的行驶参数，确定场景风险特征，所述场景风险特征包括纵向安全距离、横向安全距离、安全区域重合因子和未来碰撞概率中的至少一项特征；根据所述场景风险特征中不同特征以及特征组合，分别确定时序风险因子和空间风险因子，其中，时序风险因子反映时间维度上场景风险程度，空间风险因子反映空间维度上场景风险程度；对所述时序风险因子和所述空间风险因子进行融合，得到场景风险指数。 2.根据权利要求1所述的方法，其特征在于，所述物体的行驶参数包括物体类型和速度，所述自车的行驶参数包括速度；所述根据所述物体的行驶参数和所述自车的行驶参数，确定场景风险特征，包括：根据所述物体类型，确定物体的预设行驶极限参数；根据所述物体的速度、所述自车的速度，以及所述物体和所述自车各自的预设行驶极限参数，计算纵向安全距离和横向安全距离，其中，所述预设行驶极限参数表征匀加速或匀减速运动过程中的行驶极限参数，所述自车的预设行驶极限参数根据所述自车的类型确定。 3.根据权利要求2所述的方法，其特征在于，所述物体和所述自车的行驶参数均包括航向角，所述纵向安全距离包括纵向同向行驶安全距离和/或纵向对向行驶安全距离；所述根据所述物体的速度、所述自车的速度，以及所述物体和所述自车各自的预设行驶极限参数，计算所述纵向安全距离，包括：根据所述物体的航向角和所述自车的航向角，在所述物体中确定与所述自车是同向行驶和/或对向行驶的物体；根据同向行驶物体的速度和预设行驶极限参数，计算所述同向行驶物体对应的所述纵向同向行驶安全距离；和/或，根据对向行驶物体的速度、所述自车的速度，以及所述对向行驶物体和所述自车各自的预设行驶极限参数，计算所述对向行驶物体对应的所述纵向对向行驶安全距离。 4.根据权利要求3所述的方法，其特征在于，所述物体的行驶参数包括所述物体相对所述自车的位置信息，所述预设行驶极限参数包括最小失控时间、最大加速度、最大减速度和最小减速度；所述根据同向行驶物体的速度和预设行驶极限参数，计算所述同向行驶物体对应的所述纵向同向行驶安全距离，包括：根据所述物体相对所述自车的位置信息，沿着所述自车的行驶方向，在所述同向行驶物体中确定位于自车前面的物体和位于自车后面的物体；根据所述位于自车前面的物体的速度和最大减速度，计算所述位于自车前面的物体的纵向最大减速距离；根据所述位于自车后面的物体的速度、最小失控时间、最大加速度和最小减速度，计算所述位于自车后面的物体的纵向失控加速距离和纵向最小减速距离；根据所述位于自车前面的物体的纵向最大减速距离，以及所述位于自车后面的物体的纵向失控加速距离和纵向最小减速距离，计算所述纵向同向行驶安全距离。 5.根据权利要求3所述的方法，其特征在于，所述预设行驶极限参数包括最小失控时间、最大加速度和最小减速度；所述根据对向行驶物体的速度、所述自车的速度，以及所述物体和所述自车各自的预设行驶极限参数，计算所述对向行驶物体对应的所述纵向对向行驶安全距离，包括：根据所述自车和所述对向行驶物体各自的速度、最小失控时间、最大加速度和最小减速度，计算所述纵向对向行驶安全距离。 6.根据权利要求2所述的方法，其特征在于，所述物体的行驶参数包括物体相对自车的位置信息，所述预设行驶极限参数最小失控时间、最大加速度和最小减速度；所述根据所述物体的速度、所述自车的速度，以及所述物体和所述自车各自的预设行驶极限参数，计算横向安全距离，包括：根据所述物体相对自车的位置信息，沿着所述自车的行驶方向，在所述物体中确定位于自车左右两边的物体；根据所述自车和所述位于自车左右两边的物体各自的速度、最小失控时间、最大加速度和最小减速度，计算所述自车和所述位于自车左右两边的物体各自的横向失控加速距离和横向最小减速距离；根据所述自车和所述位于自车左右两边的物体各自的横向失控加速距离和横向最小减速距离，计算所述横向安全距离。 7.根据权利要求1所述的方法，其特征在于，所述物体的行驶参数包括航向角和物体类型，所述自车的行驶参数包括航向角；所述根据所述物体的行驶参数和所述自车的行驶参数，确定场景风险特征，包括：根据所述物体类型确定物体的初始化可行驶区域；根据所述物体的航向角对所述物体的初始化可行驶区域的方向进行调整，确定所述物体的可行驶区域；根据所述物体和所述自车各自的可行驶区域，计算安全区域重合因子；所述自车的可行驶区域根据所述自车的类型和所述自车的航向角确定。 8.根据权利要求7所述的方法，其特征在于，所述根据所述物体和所述自车各自的可行驶区域，计算安全区域重合因子，包括：根据所述物体和所述自车各自的可行驶区域的位置信息，确定所述物体与所述自车的可行驶区域的相交区域；将所述相交区域的面积，与所述物体和所述自车各自的可行驶区域中最小面积之间的比值，确定为所述安全区域重合因子。 9.根据权利要求1所述的方法，其特征在于，所述物体和所述自车的行驶参数均包括航向角、速度和加速度；所述根据所述物体的行驶参数和所述自车的行驶参数，确定场景风险特征，包括：根据所述物体和自车各自的航向角、速度和加速度，预测在未来预设时间段内，所述物体和所述自车各自的多个行驶轨迹片段，所述未来预设时间段包括多个未来时刻，一个未来时刻对应一个行驶轨迹片段；在未来同一时刻，根据所述物体和所述自车各自的行驶轨迹片段，预测未来碰撞次数；将所述未来碰撞次数，与所述未来预设时间段内多个行驶轨迹片段的数量之间的比值，确定为未来碰撞概率。 10.根据权利要求9所述的方法，其特征在于，所述物体和所述自车的行驶参数均包括形状；所述在未来同一时刻，根据所述物体和所述自车各自的行驶轨迹片段，预测未来碰撞次数，包括：根据所述物体和所述自车各自的形状，结合各自对应的行驶轨迹片段，确定所述物体和所述自车各自的行驶轨迹区域；对于未来同一时刻，若所述物体与所述自车的行驶轨迹区域相交，则预测所述物体与所述自车未来发生碰撞，直至所述未来预设时间段预测完成，累计所述物体与所述自车未来发生碰撞的次数，得到所述未来碰撞次数。 11.根据权利要求1-10任一项所述的方法，其特征在于，所述物体的行驶参数包括物体相对自车的位置信息；所述纵向安全距离、所述横向安全距离、所述安全区域重合因子和所述未来碰撞概率的数量均为多个；所述根据所述场景风险特征中不同特征以及特征组合，确定空间风险因子，包括：根据所述物体相对自车的位置信息，沿着所述自车的行驶方向，在所述物体中确定位于自车前面的物体；根据第一预设规则，从多个所述位于自车前面的物体对应的纵向安全距离中，选取第一预设数量的纵向安全距离；根据第二预设规则，从多个所述横向安全距离中选取第二预设数量的横向安全距离；根据第三预设规则，从多个所述安全区域重合因子中选取第三预设数量的安全区域重合因子；从多个所述未来碰撞概率中选取大于零的未来碰撞概率；其中，所述空间风险因子包括所述第一预设数量的纵向安全距离、所述第二预设数量的横向安全距离、所述第三预设数量的安全区域重合因子，以及所述大于零的未来碰撞概率中的至少一项。 12.根据权利要求1-10任一项所述的方法，其特征在于，所述根据所述场景风险特征中不同特征以及特征组合，确定时序风险因子，包括：获取第一预设时间段内多个第一时刻的场景风险特征；以第二预设时间段为时间窗口、第三预设时间段为步长，在所述第一预设时间段内多个第一时刻的场景风险特征中进行滑动，确定多个时间窗口；其中，所述第二预设时间段和所述第三预设时间段均小于所述第一预设时间段；对每个时间窗口中多个第二时刻的场景风险特征进行统计，获得各个时间窗口对应的统计结果；其中，所述统计结果表征所述时间窗口中场景风险特征的时序风险，所述时序风险因子包括所述多个时间窗口对应的统计结果。 13.根据权利要求12所述的方法，其特征在于，所述统计结果包括平均值、最大值和变化率中的至少一项，其中，所述平均值表征场景宏观风险、所述最大值表征场景最坏风险、所述变化率表征场景稳定性。 14.根据权利要求12所述的方法，其特征在于，每个时间窗口中每个第二时刻的场景风险特征包括多个所述纵向安全距离、多个所述横向安全距离、多个所述安全区域重合因子和多个所述未来碰撞概率；对每个时间窗口中多个第二时刻的场景风险特征进行统计，获得各个时间窗口对应的统计结果，包括：针对每个第二时刻的场景风险特征，选取多个所述安全区域重合因子的最大值，得到安全区域重合因子最大值；对多个所述未来碰撞概率进行求和，得到目标未来碰撞概率；对多个所述纵向安全距离、多个所述横向安全距离、所述安全区域重合因子最大值和所述目标未来碰撞概率分别进行统计，获得各个时间窗口对应的统计结果。 15.根据权利要求1-10任一项所述的方法，其特征在于，所述时序风险因子包括时间维度上多个表征不同特征的因子，所述空间风险因子包括空间维度上多个表征不同特征的因子；所述将所述时序风险因子和所述空间风险因子进行融合，得到场景风险指数，包括：在所述时序风险因子和所述空间风险因子中，分别选取大于各自对应预设阈值的各个特征的因子；计算所述各个特征的因子与对应的因子总数之间的比值，得到各个特征概率；计算所述各个特征的因子对应的预设特征权重和各自的特征概率之间的乘积，得到多个特征乘积；根据所述多个特征乘积，确定所述场景风险指数。 16.根据权利要求15所述的方法，其特征在于，所述空间风险因子包括多个横/纵向安全距离；所述在所述空间风险因子中，分别选取大于各自对应预设阈值的各个特征的因子，包括：若对所述物体进行第一关注，则在所述多个横/纵向安全距离中选取大于第一预设阈值的横/纵向安全距离；若对所述物体进行第二关注，则在所述多个横/纵向安全距离中选取大于第二预设阈值的横/纵向安全距离；其中，所述第一关注对应的关注度大于所述第二关注对应的关注度，所述第一预设阈值小于所述第二预设阈值。 17.根据权利要求1-10任一项所述的方法，其特征在于，所述对所述时序风险因子和所述空间风险因子进行融合，得到场景风险指数之后，所述方法还包括：根据预设映射关系，将所述场景风险指数转化为风险等级。 18.一种驾驶场景的风险评估装置，其特征在于，所述装置包括：获取模块，用于获取自车的行驶参数和自车感知范围内物体的行驶参数；场景风险特征模块，用于根据所述物体的行驶参数和所述自车的行驶参数，确定场景风险特征，所述场景风险特征包括纵向安全距离、横向安全距离、安全区域重合因子和未来碰撞概率中的至少一项特征；风险因子模块，用于根据所述场景风险特征中不同特征以及特征组合，分别确定时序风险因子和空间风险因子，其中，时序风险因子反映时间维度上场景风险程度，空间风险因子反映空间维度上场景风险程度；评估模块，用于对所述时序风险因子和所述空间风险因子进行融合，得到场景风险指数。 19.一种驾驶场景的风险评估设备，其特征在于，所述设备包括存储器和处理器，所述存储器存储有可在处理器上运行的计算机程序，所述处理器执行所述程序时实现权利要求1-17任一项所述的方法。 20.一种计算机可读存储介质，其特征在于，其上存储有可执行指令，用于被处理器执行时，实现权利要求1-17任一项所述的方法。
所属类别：	发明专利