本申請(qǐng)涉及智能交通，特別涉及一種基于車路云協(xié)同框架下的道路4d風(fēng)險(xiǎn)占用評(píng)估方法及裝置。

背景技術(shù)：

1、智能網(wǎng)聯(lián)汽車icv通過集成先進(jìn)的傳感器、強(qiáng)大的計(jì)算能力、實(shí)時(shí)的通信系統(tǒng)和精確的執(zhí)行機(jī)構(gòu)，能夠?qū)崿F(xiàn)高度自動(dòng)化的駕駛功能，其中，能夠依賴于車輛傳感器收集的數(shù)據(jù)來(lái)理解周圍環(huán)境，實(shí)現(xiàn)環(huán)境感知。然而，目前的環(huán)境感知和風(fēng)險(xiǎn)評(píng)估方法尚未形成統(tǒng)一標(biāo)準(zhǔn)，通常依賴于物體的位置和速度等基礎(chǔ)信息。

2、相關(guān)技術(shù)中，主要將車輛、駕駛員、道路狀況、其他交通參與者、交通流量、潛在的碰撞損失以及行為預(yù)測(cè)等多種因素和時(shí)空指標(biāo)納入風(fēng)險(xiǎn)評(píng)估的理論框架中，以構(gòu)建新的風(fēng)險(xiǎn)評(píng)估方法。

3、然而，相關(guān)技術(shù)中，由于采用難以測(cè)量或主觀評(píng)價(jià)的參數(shù)，可能增加模型的復(fù)雜度和不確定性，降低實(shí)際應(yīng)用的效率和準(zhǔn)確性；由于納入人類心理和行為模型，可能影響模型的泛化能力和可信度；由于忽略了道路本身對(duì)風(fēng)險(xiǎn)的影響，影響評(píng)估的全面性和有效性，亟待改進(jìn)。

技術(shù)實(shí)現(xiàn)思路

1、本申請(qǐng)?zhí)峁┮环N基于車路云協(xié)同框架下的道路4d風(fēng)險(xiǎn)占用評(píng)估方法及裝置，以解決相關(guān)技術(shù)中，由于缺乏統(tǒng)一、高效的環(huán)境感知與風(fēng)險(xiǎn)評(píng)估標(biāo)準(zhǔn)，導(dǎo)致的智能網(wǎng)聯(lián)汽車在復(fù)雜多變的交通環(huán)境中難以做出及時(shí)、準(zhǔn)確的決策，增加計(jì)算負(fù)擔(dān)，降低運(yùn)行效率等問題。

2、本申請(qǐng)第一方面實(shí)施例提供一種基于車路云協(xié)同框架下的道路4d風(fēng)險(xiǎn)占用評(píng)估方法，包括以下步驟：根據(jù)智能網(wǎng)聯(lián)汽車icv的位置和行駛方向的變化，動(dòng)態(tài)調(diào)取不同的采樣點(diǎn)集；獲取影響所述icv行駛安全的風(fēng)險(xiǎn)因素，其中，所述風(fēng)險(xiǎn)因素為動(dòng)靜態(tài)因素；將所述動(dòng)靜態(tài)因素轉(zhuǎn)換為幾何對(duì)象，以基于所述幾何對(duì)象和所述采樣點(diǎn)集中的每個(gè)采樣點(diǎn)，得到所述每個(gè)采樣點(diǎn)的預(yù)設(shè)感知范圍內(nèi)的多個(gè)動(dòng)靜態(tài)因素；對(duì)所述多個(gè)動(dòng)靜態(tài)因素與所述每個(gè)采樣點(diǎn)進(jìn)行風(fēng)險(xiǎn)量化計(jì)算，得到所述多個(gè)動(dòng)靜態(tài)因素分別對(duì)應(yīng)的風(fēng)險(xiǎn)值，以累加所述對(duì)應(yīng)的風(fēng)險(xiǎn)值，歸一化得到所述采樣點(diǎn)集內(nèi)所有采樣點(diǎn)的最終風(fēng)險(xiǎn)值，以基于所述最終風(fēng)險(xiǎn)值生成道路4d風(fēng)險(xiǎn)占用圖。

3、可選地，在本申請(qǐng)的一個(gè)實(shí)施例中，所述得到所述每個(gè)采樣點(diǎn)的預(yù)設(shè)感知范圍內(nèi)的多個(gè)動(dòng)靜態(tài)因素，包括：采用預(yù)設(shè)感知范圍半徑策略，對(duì)靜態(tài)因素和動(dòng)態(tài)因素設(shè)置差異化感知范圍，其中，靜態(tài)感知范圍的半徑小于動(dòng)態(tài)感知范圍的半徑。

4、可選地，在本申請(qǐng)的一個(gè)實(shí)施例中，所述對(duì)所述多個(gè)動(dòng)靜態(tài)因素與所述每個(gè)采樣點(diǎn)進(jìn)行風(fēng)險(xiǎn)量化計(jì)算，包括：利用靜態(tài)因素風(fēng)險(xiǎn)量化公式對(duì)所述靜態(tài)感知范圍內(nèi)的靜態(tài)因素進(jìn)行量化，為不同類型的所述靜態(tài)因素分配固定的風(fēng)險(xiǎn)常數(shù)值及相應(yīng)的權(quán)重；利用動(dòng)態(tài)因素風(fēng)險(xiǎn)量化模型對(duì)所述動(dòng)態(tài)感知范圍內(nèi)的動(dòng)態(tài)因素進(jìn)行量化，以計(jì)算不同類型的所述動(dòng)態(tài)因素的風(fēng)險(xiǎn)大小。

5、可選地，在本申請(qǐng)的一個(gè)實(shí)施例中，所述靜態(tài)因素風(fēng)險(xiǎn)量化公式為：

6、

7、其中，risksta為靜態(tài)風(fēng)險(xiǎn)值，constant為風(fēng)險(xiǎn)常數(shù)值，distanceso為因素與采樣點(diǎn)的距離；

8、所述動(dòng)態(tài)因素風(fēng)險(xiǎn)量化模型為：

9、

10、其中，eta為預(yù)測(cè)到達(dá)時(shí)間，distanceso為因素與采樣點(diǎn)的距離，speed為動(dòng)態(tài)因素的行駛速度，riskdyn為動(dòng)態(tài)風(fēng)險(xiǎn)值。

11、本申請(qǐng)第二方面實(shí)施例提供一種基于車路云協(xié)同框架下的道路4d風(fēng)險(xiǎn)占用評(píng)估裝置，包括：調(diào)取模塊，用于根據(jù)智能網(wǎng)聯(lián)汽車icv的位置和行駛方向的變化，動(dòng)態(tài)調(diào)取不同的采樣點(diǎn)集；獲取模塊，用于獲取影響所述icv行駛安全的風(fēng)險(xiǎn)因素，其中，所述風(fēng)險(xiǎn)因素為動(dòng)靜態(tài)因素；確定模塊，用于將所述動(dòng)靜態(tài)因素轉(zhuǎn)換為幾何對(duì)象，以基于所述幾何對(duì)象和所述采樣點(diǎn)集中的每個(gè)采樣點(diǎn)，得到所述每個(gè)采樣點(diǎn)的預(yù)設(shè)感知范圍內(nèi)的多個(gè)動(dòng)靜態(tài)因素；評(píng)估模塊，用于對(duì)所述多個(gè)動(dòng)靜態(tài)因素與所述每個(gè)采樣點(diǎn)進(jìn)行風(fēng)險(xiǎn)量化計(jì)算，得到所述多個(gè)動(dòng)靜態(tài)因素分別對(duì)應(yīng)的風(fēng)險(xiǎn)值，以累加所述對(duì)應(yīng)的風(fēng)險(xiǎn)值，歸一化得到所述采樣點(diǎn)集內(nèi)所有采樣點(diǎn)的最終風(fēng)險(xiǎn)值，以基于所述最終風(fēng)險(xiǎn)值生成道路4d風(fēng)險(xiǎn)占用圖。

12、可選地，在本申請(qǐng)的一個(gè)實(shí)施例中，所述確定模塊包括：采用預(yù)設(shè)感知范圍半徑策略，對(duì)靜態(tài)因素和動(dòng)態(tài)因素設(shè)置差異化感知范圍，其中，靜態(tài)感知范圍的半徑小于動(dòng)態(tài)感知范圍的半徑。

13、可選地，在本申請(qǐng)的一個(gè)實(shí)施例中，所述評(píng)估模塊包括：分配單元，用于利用靜態(tài)因素風(fēng)險(xiǎn)量化公式對(duì)所述靜態(tài)感知范圍內(nèi)的靜態(tài)因素進(jìn)行量化，為不同類型的所述靜態(tài)因素分配固定的風(fēng)險(xiǎn)常數(shù)值及相應(yīng)的權(quán)重；計(jì)算單元，利用動(dòng)態(tài)因素風(fēng)險(xiǎn)量化模型對(duì)所述動(dòng)態(tài)感知范圍內(nèi)的動(dòng)態(tài)因素進(jìn)行量化，以計(jì)算不同類型的所述動(dòng)態(tài)因素的風(fēng)險(xiǎn)大小。

14、可選地，在本申請(qǐng)的一個(gè)實(shí)施例中，所述靜態(tài)因素風(fēng)險(xiǎn)量化公式為：

15、

16、其中，risksta為靜態(tài)風(fēng)險(xiǎn)值，constant為風(fēng)險(xiǎn)常數(shù)值，distanceso為因素與采樣點(diǎn)的距離；

17、所述動(dòng)態(tài)因素風(fēng)險(xiǎn)量化模型為：

18、

19、其中，eta為預(yù)測(cè)到達(dá)時(shí)間，distanceso為因素與采樣點(diǎn)的距離，speed為動(dòng)態(tài)因素的行駛速度，riskdyn為動(dòng)態(tài)風(fēng)險(xiǎn)值。

20、本申請(qǐng)第三方面實(shí)施例提供一種車輛，包括：存儲(chǔ)器、處理器及存儲(chǔ)在所述存儲(chǔ)器上并可在所述處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述程序，以實(shí)現(xiàn)如上述實(shí)施例所述的基于車路云協(xié)同框架下的道路4d風(fēng)險(xiǎn)占用評(píng)估方法。

21、本申請(qǐng)第四方面實(shí)施例提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)計(jì)算機(jī)程序，該程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如上的基于車路云協(xié)同框架下的道路4d風(fēng)險(xiǎn)占用評(píng)估方法。

22、本申請(qǐng)第五方面實(shí)施例提供一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被執(zhí)行時(shí)，以用于實(shí)現(xiàn)如上的基于車路云協(xié)同框架下的道路4d風(fēng)險(xiǎn)占用評(píng)估方法。

23、本申請(qǐng)實(shí)施例可以根據(jù)icv的位置和行駛方向的變化，動(dòng)態(tài)調(diào)取不同的采樣點(diǎn)集，并獲取影響智能網(wǎng)聯(lián)汽車icv行駛安全的風(fēng)險(xiǎn)因素，進(jìn)而，將動(dòng)靜態(tài)因素轉(zhuǎn)換為幾何對(duì)象，以基于幾何對(duì)象和采樣點(diǎn)集中的每個(gè)采樣點(diǎn)，得到每個(gè)采樣點(diǎn)的預(yù)設(shè)感知范圍內(nèi)的多個(gè)動(dòng)靜態(tài)因素，從而對(duì)多個(gè)動(dòng)靜態(tài)因素與每個(gè)采樣點(diǎn)進(jìn)行風(fēng)險(xiǎn)量化計(jì)算，得到多個(gè)動(dòng)靜態(tài)因素分別對(duì)應(yīng)的風(fēng)險(xiǎn)值，以累加對(duì)應(yīng)的風(fēng)險(xiǎn)值，歸一化得到采樣點(diǎn)集內(nèi)所有采樣點(diǎn)的最終風(fēng)險(xiǎn)值組成的4d風(fēng)險(xiǎn)占用圖，有助于及時(shí)響應(yīng)動(dòng)態(tài)變化，實(shí)現(xiàn)對(duì)風(fēng)險(xiǎn)的量化評(píng)估，且利用車路云協(xié)同框架，有利于優(yōu)化資源分配，提升評(píng)估的準(zhǔn)確性和效率，且可以幫助icv獲得單個(gè)車端不具備的超視距風(fēng)險(xiǎn)感知能力，有效提前規(guī)避風(fēng)險(xiǎn)，能夠做出更加合理、長(zhǎng)遠(yuǎn)的規(guī)劃。由此，解決了相關(guān)技術(shù)中，由于缺乏統(tǒng)一、高效的環(huán)境感知與風(fēng)險(xiǎn)評(píng)估標(biāo)準(zhǔn)，導(dǎo)致的智能網(wǎng)聯(lián)汽車在復(fù)雜多變的交通環(huán)境中難以做出及時(shí)、準(zhǔn)確的決策，增加計(jì)算負(fù)擔(dān)，降低運(yùn)行效率等問題。

24、本申請(qǐng)附加的方面和優(yōu)點(diǎn)將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本申請(qǐng)的實(shí)踐了解到。

技術(shù)特征：

1.一種基于車路云協(xié)同框架下的道路4d風(fēng)險(xiǎn)占用評(píng)估方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述得到所述每個(gè)采樣點(diǎn)的預(yù)設(shè)感知范圍內(nèi)的多個(gè)動(dòng)靜態(tài)因素，包括：

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述對(duì)所述多個(gè)動(dòng)靜態(tài)因素與所述每個(gè)采樣點(diǎn)進(jìn)行風(fēng)險(xiǎn)量化計(jì)算，包括：

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述靜態(tài)因素風(fēng)險(xiǎn)量化公式為：

5.一種基于車路云協(xié)同框架下的道路4d風(fēng)險(xiǎn)占用評(píng)估裝置，其特征在于，包括：

6.根據(jù)權(quán)利要求5所述的裝置，其特征在于，所述確定模塊包括：

7.根據(jù)權(quán)利要求6所述的裝置，其特征在于，所述評(píng)估模塊包括：

8.根據(jù)權(quán)利要求7所述的裝置，其特征在于，所述靜態(tài)因素風(fēng)險(xiǎn)量化公式為：

9.一種車輛，其特征在于，包括：存儲(chǔ)器、處理器及存儲(chǔ)在所述存儲(chǔ)器上并可在所述處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述程序，以實(shí)現(xiàn)如權(quán)利要求1-4任一項(xiàng)所述的基于車路云協(xié)同框架下的道路4d風(fēng)險(xiǎn)占用評(píng)估方法。

10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，該程序被處理器執(zhí)行，以用于實(shí)現(xiàn)如權(quán)利要求1-4任一項(xiàng)所述的基于車路云協(xié)同框架下的道路4d風(fēng)險(xiǎn)占用評(píng)估方法。

11.一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序，其特征在于，所述計(jì)算機(jī)程序被執(zhí)行，以用于實(shí)現(xiàn)如權(quán)利要求1-4中任一項(xiàng)所述的基于車路云協(xié)同框架下的道路4d風(fēng)險(xiǎn)占用評(píng)估方法。

技術(shù)總結(jié)
本申請(qǐng)涉及智能交通技術(shù)領(lǐng)域，特別涉及一種基于車路云協(xié)同框架下的道路4D風(fēng)險(xiǎn)占用評(píng)估方法及裝置，其中，方法包括：動(dòng)態(tài)調(diào)取不同的采樣點(diǎn)集；獲取影響ICV行駛安全的風(fēng)險(xiǎn)因素；將動(dòng)靜態(tài)因素轉(zhuǎn)換為幾何對(duì)象，得到每個(gè)采樣點(diǎn)的預(yù)設(shè)感知范圍內(nèi)的多個(gè)動(dòng)靜態(tài)因素；對(duì)多個(gè)動(dòng)靜態(tài)因素與每個(gè)采樣點(diǎn)進(jìn)行風(fēng)險(xiǎn)量化計(jì)算，得到多個(gè)動(dòng)靜態(tài)因素分別對(duì)應(yīng)的風(fēng)險(xiǎn)值，以累加對(duì)應(yīng)的風(fēng)險(xiǎn)值，歸一化得到采樣點(diǎn)集內(nèi)所有采樣點(diǎn)的最終風(fēng)險(xiǎn)值，并生成道路4D風(fēng)險(xiǎn)占用圖。由此，解決了相關(guān)技術(shù)中，由于缺乏統(tǒng)一、高效的環(huán)境感知與風(fēng)險(xiǎn)評(píng)估標(biāo)準(zhǔn)，導(dǎo)致的智能網(wǎng)聯(lián)汽車在復(fù)雜多變的交通環(huán)境中難以做出及時(shí)、準(zhǔn)確的決策，增加計(jì)算負(fù)擔(dān)，降低運(yùn)行效率等問題。

技術(shù)研發(fā)人員：高博麟,陳嘉星,黎鑄新,劉逸飛,鄒恒多
受保護(hù)的技術(shù)使用者：清華大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/23