一种智能汽车驾驶智能度评估系统技术方案

本发明专利技术涉及一种智能汽车驾驶智能度评估系统，本发明专利技术结合场景复杂度模型，提出了智能汽车驾驶智能度模型，为了量化表征驾驶智能度，构建行为表现准则，行为表现准则中考虑行驶自治性、学习进化性和交通协调性三个方面的主客观综合评价准则，在此基础上建立基于Choquet积分的行为表现模型，得出各个评价指标在总评价分中所占权重，从而针对不同行驶次任务形式对各种行驶任务进行行为表现量化评价。最终提出智能驾驶智能度模型(DIQ)等于行为表现(BI)乘场景复杂性(SC)。与现有技术相比，本发明专利技术中能够克服多因素干扰，准确且客观地计算智能汽车的智能度，从而为智能汽车的性能优化提供参考方向。能优化提供参考方向。能优化提供参考方向。

【技术实现步骤摘要】
一种智能汽车驾驶智能度评估系统


[0001]本专利技术涉及自动驾驶及智能汽车
，尤其是涉及一种智能汽车驾驶智能度评估系统。

技术介绍

[0002]智能汽车是一个集环境感知、规划决策、多等级辅助驾驶等功能于一体的综合系统，它集中运用了计算机、现代传感、信息融合、通讯、人工智能及自动控制等技术，是典型的高新技术综合体。对智能汽车的研究主要致力于提高汽车的安全性、舒适性，以及提供优良的人车交互界面。
[0003]在设计、测试和验证智能汽车时，评估其智能度是必不可少的。虽然自动驾驶汽车已经部署到一定程度，但由于其高度依赖于测试场景，但在现实世界中测试的场景有限，且远离边缘，因此很难评估其智能度。复杂多因素干扰下智能汽车性能存在高度不确定性，它主要体现在性能的不可推测性和不稳定性，这是智能汽车测试评价中的关键难题，同时驾驶智能度评价结果的量化表征也是智能汽车评价中的另一难题。
[0004]智能汽车评价技术是支撑智能汽车和智能化发展的关键环节，其评价对象从传统的人
‑
车二元独立系统变为人
‑
车
‑
环境
‑
任务强耦合系统，评价维度纷繁复杂。目前，世界范围内尚未建立完善的评价体系，其核心技术亟待突破。
[0005]综上所述，克服多因素干扰，准确且客观地计算智能汽车的智能度，从而为智能汽车的性能优化提供参考方向，是目前亟待解决的问题。

技术实现思路

[0006]本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种智能汽车驾驶智能度评估系统。本专利技术针对复杂多因素干扰下，智能汽车性能存在高度不确定性的问题，提出一种基于行为指数和场景复杂度的智能汽车驾驶智能度评估系统，以量化表征驾驶智能度，有效提高了智能汽车性能的确定性，基于该驾驶智能度，能够对智能汽车进行相应的优化操作，提升智能汽车的稳定和安全性能。
[0007]本专利技术的目的可以通过以下技术方案来实现：
[0008]一种智能汽车驾驶智能度评估系统，包括指标获取模块、场景复杂度获取模块、行为表现准则模块、行为表现模型建立模块、行为表现计算模块及智能度计算模块；
[0009]所述指标获取模块用于获取智能汽车的各项指标信息；
[0010]所述场景复杂度获取模块用于确定车辆场景复杂度；
[0011]所述行为表现准则模块基于所述指标信息，构建智能汽车的行为表现准则，得到行为表现的表达式；
[0012]所述行为表现模型建立模块用于建立行为表现模型；
[0013]所述行为表现计算模块基于所述行为表现模型，计算所述行为表现准则中的各个指标权重，从而计算行为表现总分；
[0014]所述智能度计算模块基于所述行为表现总分及车辆场景复杂度，计算智能汽车的智能度。
[0015]进一步地，所述的行为表现准则包括方案层、准则层及评价层；
[0016]其中，方案层包括行驶自治性P
auto
、交通协调性P
traffic
和学习进化性P
learn
；
[0017]行为表现记为BI，基于行为表现准则的方案层，行为表现的表达式为：
[0018]BI＝ρ1P
auto
+ρ2P
traffic
+ρ3P
learn
[0019]其中，ρ1、ρ2、ρ3分别表示行驶自治性，交通协调性及学习进化性在行为表现总分中所占的权重。
[0020]进一步地，所述行驶自治性P
auto
的准则层包括行驶舒适性P
comfort
、行驶高效性P
efficiency
、行驶安全性P
safety
、人工干预度P
intervene
和人机交互与风险控制P
interact
，行驶自治性P
auto
表示为：
[0021]P
auto
＝ρ
1,1
P
comfort
+ρ
1,2
P
efficiency
+ρ
1,3
P
safety
+ρ
1,4
P
intervene
+ρ
1,5
P
interact
[0022]其中，ρ
1,1
、ρ
1,2
、ρ
1,3
、ρ
1,4
、ρ
1,5
分别表示行驶舒适性P
comfort
、行驶高效性P
efficiency
、行驶安全性P
safety
、人工干预度P
intervene
、人机交互与风险控制P
interact
在行驶自治性中的权重。
[0023]进一步地，交通协调性P
traffic
的准则层包括利他性P
other
和利己性P
self
，交通协调性P
traffic
表示为：
[0024]P
traffic
＝ρ
2,1
P
other
+ρ
2,2
P
self
[0025]其中，ρ
2,1
，ρ
2,2
分别表示利他性P
other
和利己性P
self
在交通协调性中的权重。
[0026]进一步地，学习进化性P
learn
的准则层包括行驶自治性的学习进化率P
aulearn
和交通协调性的学习进化率P
trflearn
，学习进化性P
learn
表示为：
[0027]P
learn
＝ρ
3,1
P
aulearn
+ρ
3,2
P
trflearn
[0028]其中，ρ
3,1
，ρ
3,2
分别表示行驶自治性的学习进化率P
aulearn
和交通协调性的学习进化率P
trflearn
在学习进化性中的权重。
[0029]进一步地，各个准则层中包含多个评价指标，各个准则层表示为：
[0030]P
i,j
＝∑
ijk
ρ
i,j,k
P
i,j,k
[0031]其中P
i,j
表示准则层，ρ
i.j
表示各个评价指标在准则层中所占权重，P
i,j,k
表示各个评价指标的分值，k表示每个准则层中评价指标的个数。
[0032]进一步地，所述建立行为表现模型，为基于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能汽车驾驶智能度评估系统，其特征在于，包括指标获取模块、场景复杂度获取模块、行为表现准则模块、行为表现模型建立模块、行为表现计算模块及智能度计算模块；所述指标获取模块用于获取智能汽车的各项指标信息；所述场景复杂度获取模块用于确定车辆场景复杂度；所述行为表现准则模块基于所述指标信息，构建智能汽车的行为表现准则，得到行为表现的表达式；所述行为表现模型建立模块用于建立行为表现模型；所述行为表现计算模块基于所述行为表现模型，计算所述行为表现准则中的各个指标权重，从而计算行为表现总分；所述智能度计算模块基于所述行为表现总分及车辆场景复杂度，计算智能汽车的智能度。2.根据权利要求1所述的一种智能汽车驾驶智能度评估系统，其特征在于，所述的行为表现准则包括方案层、准则层及评价层；其中，方案层包括行驶自治性P
auto
、交通协调性P
traffic
和学习进化性P
learn
；行为表现记为BI，基于行为表现准则的方案层，行为表现的表达式为：BI＝ρ1P
auto
+ρ2P
traffic
+ρ3P
learn
其中，ρ1、ρ2、ρ3分别表示行驶自治性，交通协调性及学习进化性在行为表现总分中所占的权重。3.根据权利要求2所述的一种智能汽车驾驶智能度评估系统，其特征在于，所述行驶自治性P
auto
的准则层包括行驶舒适性P
comfort
、行驶高效性P
efficiency
、行驶安全性P
safety
、人工干预度P
intervene
和人机交互与风险控制P
interact
，行驶自治性P
auto
表示为：P
auto
＝ρ
1,1
P
comfort
+ρ
1,2
P
efficiency
+ρ
1,3
P
safety
+ρ
1,4
P
intervene
+ρ
1,5
P
interact
其中，ρ
1,1
、ρ
1,2
、ρ
1,3
、ρ
1,4
、ρ
1,5
分别表示行驶舒适性P
comfort
、行驶高效性P
efficiency
、行驶安全性P
safety
、人工干预度P
intervene
、人机交互与风险控制P
interact
在行驶自治性中的权重。4.根据权利要求2所述的一种智能汽车驾驶智能度评估系统，其特征在于，交通协调性P
traffic
的准则层包括利他性P
other
和利己性P
self
，交通协调性P
traffic
表示为：P
traffic
＝ρ
2,1
P
other
...

【专利技术属性】
技术研发人员：王宇雷，陆美钰，黄岩军，郭露露，张琳，陈虹，
申请(专利权)人：同济大学，
类型：发明
国别省市：