自动驾驶感知系统预期功能安全触发条件的建模分析方法技术方案

本发明专利技术公开了自动驾驶感知系统预期功能安全触发条件的建模分析方法，属于自动驾驶感知系统技术领域。本发明专利技术通过对影响自动驾驶感知系统的复杂环境因素的属性及属性间关联关系的贝叶斯网络分析，保证引起自动驾驶感知系统预期功能安全的触发条件被科学系统地识别与建模；通过贝叶斯网络计算触发条件事件链的概率分布，预测自动驾驶感知系统预期功能安全的发生，有效推动自动驾驶的安全开发，促进自动驾驶产品的早日落地，值得被推广使用。值得被推广使用。值得被推广使用。

【技术实现步骤摘要】
自动驾驶感知系统预期功能安全触发条件的建模分析方法


[0001]本专利技术涉及自动驾驶感知系统
，具体涉及自动驾驶感知系统预期功能安全触发条件的建模分析方法。

技术介绍

[0002]特斯拉感知算法未检测出白色卡车车厢的致死事故；Uber决策系统失误，碰撞违规穿越马路行人的交通事故等，一度将自动驾驶车辆的安全问题推向行业的研究热点。与传统车辆的不同，自动驾驶车辆会发生在电子电器系统没有发生故障的情况下，出现非预期的行为，即预期功能安全的问题。
[0003]自动驾驶车辆在极端天气(雨、雪、雾、风等)、光照条件等多种因素均会导致感知系统感知能力不足，如恶劣的环境会造成数据造成增大、传感器视野受限等。ISO21448道路车辆—预期功能安全标准中将触发条件定义为导致自动驾驶系统后续出现危害行为的特定场景条件。
[0004]然而，现有关于自动驾驶预期功能安全的研究分析多为定性分析某一系统或者某一功能的低级别自动驾驶车辆；关于触发条件的分析是基于整车级的危害映射到感知
‑
决策
‑
执行的性能缺陷，从性能缺陷再映射到触发条件，缺乏正向地、系统地对导致自动驾驶车辆出现非预期行为的触发条件进行建模和计算方法。为此，提出自动驾驶感知系统预期功能安全触发条件的建模分析方法。

技术实现思路

[0005]本专利技术所要解决的技术问题在于：如何解决现有技术中缺乏正向地、系统地对导致自动驾驶车辆出现非预期行为的触发条件进行建模和计算方法，提供了自动驾驶感知系统预期功能安全触发条件的建模分析方法，通过对自动驾驶感知系统触发事件链贝叶斯网络的计算，预测自动驾驶预期功能安全是否发生。
[0006]本专利技术是通过以下技术方案解决上述技术问题的，本专利技术包括以下步骤：
[0007]S1：分析来自自动驾驶感知系统的导致预期功能安全问题的触发条件，根据预期功能安全触发条件内部各要素间关联关系建立输入、状态和输出三层结构，从输入、状态和输出三个层面描述导致自动驾驶预期功能安全的触发变量，作为贝叶斯网络的变量，并建立三个子事件贝叶斯网络；
[0008]S2：确定子事件贝叶斯网络之间各变量的关联关系，将三个子事件贝叶斯网络进行合并，形成自动驾驶感知系统预期功能安全触发事件链贝叶斯网络，并确定网络中各变量的先验概率和条件概率集合；
[0009]S3：进行自动驾驶感知系统预期功能安全触发事件链的贝叶斯网络推理，预测触发条件事件链模型下自动驾驶预期功能安全是否发生。
[0010]更进一步地，在所述步骤S1中，三个子事件贝叶斯网络分别为雨、雪、雾贝叶斯网络，光线不足贝叶斯网络，视觉盲区贝叶斯网络。
[0011]更进一步地，在所述步骤S1中，触发条件内部各要素划分为输入要素、状态要素和输出要素，其中，输入要素指影响自动驾驶感知系统预期功能安全的外部因素的集合，状态要素用于描述触发条件在演化过程中的性质和特征，输出要素表示触发条件引发的后果。
[0012]更进一步地，在所述步骤S2中确定子事件贝叶斯网络之间各变量的关联关系，将三个子事件贝叶斯网络进行合并的具体过程如下：
[0013]S21：根据各子事件贝叶斯网络输入变量集合、状态变量集合与输出变量集合信息，确定雨、雪、雾贝叶斯网络和光线不足贝叶斯网络的共有事件关联变量为C
12
、共有损失输出变量集合为L
12
、光线不足贝叶斯网络和视觉盲区贝叶斯网络的共有事件关联变量为C
23
；
[0014]S22：将C
12
指派给雨、雪、雾贝叶斯网络，C
23
指派给光线不足网络，以C
12
与C
23
为连接点将三个子事件贝叶斯网络关联；
[0015]S23：以L
12
和L
23
为连接点合并雨、雪、雾，光线不足，视觉盲区事件损失输出后，整体损失输出为LO
c
，形成自动驾驶感知系统预期功能安全触发事件链贝叶斯网络。
[0016]更进一步地，在所述步骤S2中，确定网络中各变量的先验概率和条件概率集合的具体过程如下：
[0017]S24：确定输入变量对状态变量的影响
[0018]雨、雪、雾子事件EN1关联光线不足子事件EN2，对于EN2的任一状态变量s
2k
∈S2,若直接与输入变量相连接，则发生概率如下：
[0019][0020]其中，i
21
,i
22
,
…
,i
2l
为子事件EN2的各个输入变量，为子事件EN1和子事件EN2的各个共有事件关联变量；
[0021]S25：确定状态变量对状态变量的影响
[0022]对于子事件EN2中任一状态变量s
2k
∈S2,若不受输入变量影响，则发生概率如下：
[0023]p(s
2k
)＝∑p(s
21
,s
22
,
…
s
2m
)p(s
2k
|s
21
,s
22
,
…
s
2m
)
[0024]其中，s
21
,s
22
,
…
s
2m
为子事件EN2的各个状态变量；
[0025]S26：确定状态变量对输出变量的影响
[0026]S
1，
S
2，
S
3，
…
,
S
n
为有关联关系的影响自动驾驶感知系统预期功能安全触发事件EN
1，
EN
2，
EN
3，
…
,
EN
j
的状态变量集合，O
j
为触发事件EN
j
的输出变量集合，则对任一事件EN
j
中任一输出变量O
jk
∈O
j
,有下列概率关系：
[0027]p(O
2k
)＝∑p(s
21
,s
22
,
…
s
2m
)p(O
2k
|s
21
,s
22
,
…
s
2m
)；
[0028]为自动驾驶感知系统预期功能安全触发事件链贝叶斯网络的整体损失输出，且满足下列概率关系：
[0029][0030]其中，表示触发事件链对外部环境的第i类损失的整体损失输出，n表示关联合并的子事件贝叶斯网络的个数。
[0031]更进一步地，在所述步骤S3中，设自动驾驶感知系统预期功能安全触发事件链贝叶斯网络中输入变量集I
c
...

【技术保护点】

【技术特征摘要】
1.自动驾驶感知系统预期功能安全触发条件的建模分析方法，其特征在于，包括以下步骤：S1：分析来自自动驾驶感知系统的导致预期功能安全问题的触发条件，根据预期功能安全触发条件内部各要素间关联关系建立输入、状态和输出三层结构，从输入、状态和输出三个层面描述导致自动驾驶预期功能安全问题的触发变量，作为贝叶斯网络的变量，并建立三个子事件贝叶斯网络；S2：确定子事件贝叶斯网络之间各变量的关联关系，将三个子事件贝叶斯网络进行合并，形成自动驾驶感知系统预期功能安全触发事件链贝叶斯网络，并确定网络中各变量的先验概率和条件概率集合；S3：进行自动驾驶感知系统预期功能安全触发事件链的贝叶斯网络推理，预测触发条件事件链模型下自动驾驶预期功能安全问题是否发生。2.根据权利要求1所述的自动驾驶感知系统预期功能安全触发条件的建模分析方法，其特征在于：在所述步骤S1中，三个子事件贝叶斯网络分别为雨、雪、雾贝叶斯网络，光线不足贝叶斯网络，视觉盲区贝叶斯网络。3.根据权利要求2所述的自动驾驶感知系统预期功能安全触发条件的建模分析方法，其特征在于：在所述步骤S1中，触发条件内部各要素划分为输入要素、状态要素和输出要素，其中，输入要素指影响自动驾驶感知系统预期功能安全的外部因素的集合，状态要素用于描述触发条件在演化过程中的性质和特征，输出要素表示触发条件引发的后果。4.根据权利要求3所述的自动驾驶感知系统预期功能安全触发条件的建模分析方法，其特征在于：在所述步骤S2中确定子事件贝叶斯网络之间各变量的关联关系，将三个子事件贝叶斯网络进行合并的具体过程如下：S21：根据各子事件贝叶斯网络输入变量集合、状态变量集合与输出变量集合信息，确定雨、雪、雾贝叶斯网络和光线不足贝叶斯网络的共有事件关联变量为C
12
、共有损失输出变量集合为L
12
、光线不足贝叶斯网络和视觉盲区贝叶斯网络的共有事件关联变量为C
23
；S22：将C
12
指派给雨、雪、雾贝叶斯网络，C
23
指派给光线不足网络，以C
12
与C
23
为连接点将三个子事件贝叶斯网络关联；S23：以L
12
和L
23
为连接点合并雨、雪、雾，光线不足，视觉盲区事件损失输出后，整体损失输出为LO
c
，形成自动驾驶感知系统预期功能安全触发事件链贝叶斯网络。5.根据权利要求4所述的自动驾驶感知系统预期功能安全触发条件的建模分析方法，其特征在于：在所述步骤S2中，确定网络中各变量的先验概率和条件概率集合的具体过程如下：S24：确定输入变量对状态变量的影响雨、雪、雾子事件EN1关联光线不足子事件EN2，对于EN2的任一状态变量s
2k
∈S2,若直接与输入变量相连接，则发生概率如下：其中，i
21
,i
22
,
…
,i
2l
为子事件EN2的各个输入变量，为子事件EN1和子事件EN2的各个共有事件关联变量；S25：确定状态变量对状态变量的影响
对于子事件EN2中任一状态变量s
2k
∈S2,若不受输入变量影响，则发生概率如下：p(s
2k
)＝∑p(s
21
,s
22
,
…
s
2m
)p(s
2k
|s
21
,s
22
,
…
s
2m
)其中，s
21
,s
22
,
…
s
2m
为子事件EN2的各个状态变量；S26：确定状态变量对输出变量的影响S1，S2，S3，
…
,S
n
为有关联关系的影响自动驾驶感知系统预期功能安全触发事件EN1，EN2，EN3，
…
,EN
j
的状态变量集合，O
j
为触发事件EN...

【专利技术属性】
技术研发人员：姜建满，崔玉顺，王东芳，田柳，徐燚，
申请(专利权)人：安徽职业技术学院，
类型：发明
国别省市：