【技术实现步骤摘要】
一种基于心理和物理风险场的行车风险评估方法和系统
[0001]本专利技术涉及智能驾驶和交通安全领域,尤其是涉及一种基于心理和物理风险场的行车风险评估方法和系统。
技术介绍
[0002]随着城市汽车保有量增加,驾驶安全的问题日益突出。因此,实时风险评估成为了驾驶过程中的一个关键问题。任何延迟或不准确的风险认知都会导致不正确的驾驶操作,从而进一步增加碰撞发生概率和扰乱交通流。因此,为了提高驾驶安全性,汽车中先进驾驶辅助系统(ADAS,Advanced Driver Assistance Systems)已被开发并广泛部署。借助内置的实时风险评估模型,ADAS旨在对高碰撞风险情况提供可靠的预警。此外,实时风险评估模型还在自动驾驶汽车研究领域占据核心地位,车辆将通过量化的驾驶风险采取合理的驾驶操作。
[0003]近年来,学者们提出,人类驾驶员从两个角度感知和评估驾驶风险,即物理运动状态和心理风险预期(或主观和客观风险),导致每个驾驶员对危险驾驶情况的不同风险感知与风险承受。在物理方面,驾驶员根据潜在风险源的运动学特征捕捉实时驾驶风险。除了基于当前车辆运动状态的感知风险外,驾驶员还能够通过预测周围交通参与者的行为来主观预见驾驶风险,并且可以采取预防碰撞的策略而非补救。
[0004]目前,用于ADAS定量评估主体车辆行车风险的研究方法仍主要从物理角度出发来评估风险。一类是基于单向车辆物理运动对驾驶风险进行判定的方法,例如采用独立模块,例如前方碰撞警告和车道偏离警告,为每个碰撞方向提供特定的驾驶风险预警,使用的是简 ...
【技术保护点】
【技术特征摘要】
1.一种基于心理和物理风险场的行车风险评估方法,其特征在于,包括以下步骤:S1:基于本车质点为中心建立起一个体现风险感知各向异性的双椭圆风险场模型,该双椭圆风险场模型计及物理运动和驾驶员心理层面的影响;S2:基于各个风险源的类型特征和运动学特征,计算物理运动对于行车风险的影响因子;S3:纳入驾驶员对于风险源的潜在心理预期,同时融合不同特性驾驶人对于风险感知的能力,计算驾驶员心理层面对于行车风险的影响因子;S4:综合物理运动对于行车风险的影响因子和驾驶员心理层面对于行车风险的影响因子,根据所述双椭圆风险场模型,以排斥力的形式量化驾驶员实时风险感知。2.根据权利要求1所述的一种基于心理和物理风险场的行车风险评估方法,其特征在于,所述双椭圆模型是以车辆质心为共同中心的半椭圆的组合,该组合被标准场定义轴d=[d1,d2,d3]定义,其中d1为前向长轴,d2为后向长轴,d3为车辆横向方向上的短轴,所述标准场定义轴由物理分量中的运动子分量和心理分量共同决定,所述标准场定义轴的表达式为:3.根据权利要求2所述的一种基于心理和物理风险场的行车风险评估方法,其特征在于,所述双椭圆模型根据标准场定义轴确定环境对于风险源α的场强分布,风险源α将会根据其与本车s的相对位置受到一个来自本车s的排斥场强,方向为所述风险源α受到的来自本车s的排斥场强E
α
的计算表达式为:式中,为物理分量,为心理分量,E
std
为标准安全场强值,为风险源α和本车s的纵向相对位置,为风险源α和本车s的横向相对位置,当风险源α处于车辆纵向上前向行驶部分时(以车辆质心所在横向延伸线为划分),d
i
为d1,反之为d2,为排斥场强E
α
的梯度。4.根据权利要求3所述的一种基于心理和物理风险场的行车风险评估方法,其特征在于,风险源α的物理分量的计算表达式为:式中,为物理分量运动子分量,记录T时刻风险源α相对于主体车辆s的相对运动状态,包括速度和相对速度;为物理分量位置子分量,记录T时刻α相对于主体车辆s的相对位置关系,RC表示路况对于物理分量的影响。5.根据权利要求4所述的一种基于心理和物理风险场的行车风险评估方法,其特征在
于,所述物理分量运动子分量的计算表达式为的计算表达式为的计算表达式为的计算表达式为的计算表达式为式中,和分别为风险源α处于车辆前向行驶部分时相对于本车s的前纵向运动分量和后纵向运动分量,为风险源α相对于本车的横向运动分量;和分别为风险源α和本车s在纵向运动方向上的前速度分量和后速度分量,为安全距离度量函数,γ1为纵向上车辆的最大减速度;γ2和γ3为自定义参数,LW为车道宽度,为风险源α和本车s的相对横向运动趋势,正值代表两车横向上靠近,反之代表远离,t
dec
为本车驾驶员的最小反应时间。6.根据权利要求5所述的一种基于心理和物理风险场的行车风险评估方法,其特征在于,所述心理分量的计算表达式为:式中,γ4为驾驶行为心理预期权重参数,P
α
是驾驶行为预期子分量,表征驾驶员对其他动态风险源脱离当前行驶状态进入其他行驶状态的概率预期;D
s
是驾驶员自身参数子分量;μ是表征驾驶员对不同方向风险感知的各向异性特征向量。7.根据权利要求6所述的一种基于心理和物理风险场的行车风险评估方法,其特征在于,所述驾驶行为预期子分量P
α
的计算表达式为:P
α
=P
motivation
*P
decision
式中,P
motivation
表示相邻车道车辆因为T时刻环境而产生换道动机的概率,P
decision
表示产生换道动机的车辆选择执行换道切入这一动作的概率。8.根据权利要求7所述的一种基于心理和物理风险场的行车风险评估方法,其特征在于,所...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。