一种车辆碰撞风险预测系统及车辆技术方案

本发明专利技术提供一种车辆碰撞风险预测系统及车辆，包括状态参数预处理模块、车辆轨迹预测模块、车辆碰撞损伤程度预测模块、碰撞及损伤可靠性检测模块和综合决策模块。本发明专利技术是基于当前时刻感知系统等模块捕获的场景参数进行车辆碰撞/乘员损伤预测，同时考虑由于驾驶员与外界环境的信息交互所带来的操作行为多样性，进而导致的车辆状态不确定性，由此计算给出关于车辆碰撞/乘员损伤预测结果的可靠度量化指标。可为后续对驾驶员预警提示，座舱约束保护系统预激活，甚至辅助驾驶系统的主动干预，发送具有明确指导性方向的安全评估信号。发送具有明确指导性方向的安全评估信号。发送具有明确指导性方向的安全评估信号。

【技术实现步骤摘要】
一种车辆碰撞风险预测系统及车辆


[0001]本申请涉及车辆碰撞安全
，尤其涉及基于模型设计与数据驱动融合的车辆碰撞风险预测技术。

技术介绍

[0002]汽车的碰撞安全技术是利用有限的空间与时间，在车体结构、约束系统、外部保护等多种设计的融合与联动调控下，在临界碰撞时刻附近的极短作用时间范围内，以降低车内外人员受伤程度为目标的涉及多学科优化的综合性研究领域。随着辅助驾驶系统(ADAS：Advanced Driving Assistance System)的普及，以及车身结构/材料的优化，碰撞安全技术在主被动安全融合方面得到发展。
[0003]专利文献CN 106326866B“车辆碰撞的预警方法及装置”、CN 109318891A“驾驶辅助系统”等均提出了针对碰撞的预测算法，在算法激活时直接基于当前探测的运动信息进行车辆轨迹预测，未涉及险态中人员的应激响应可能导致的险态场景不确定性。专利文献CN 113291251A“车辆碰撞中的安全防护方法和装置、电子设备和介”则规定了对碰撞类型的预测以及后续对应的乘员保护执行策略，对乘员反应及位姿的监测仅针对于保护策略的实施，不涉及乘员对车辆的操控。专利文献CN 107458372A“基于车辆安全系统的预碰撞控制方法及装置针”对预碰撞场景，根据安全距离进行了是否可以避免的判断，若否，则执行相应的保护策略。
[0004]在如今人驾为主智驾为辅的大环境下，“人
‑
车
‑
人”交互响应，即驾驶员在行驶过程中基于对方车辆运行状态以及道路环境等因素而表现出的因人因时因地不同的应激反应操作，在碰撞安全中尤为重要，由此导致的人员损伤各异。学术研究中大多基于概率进行碰撞预测：在预测时间范围内，对车辆行驶轨迹可达区域内随机撒点，或使用概率密度模型，以此来表征驾驶员操作不确定性实时计算碰撞概率，然而准确率和计算速度难以获得两优结果；而仅由概率值作为输出，能提供的信息有限，难以进行下一步应用，使得基于概率的碰撞预测方法在实际工程中的转化仍不充分。
[0005]如何快速且准确预测碰撞，使后续安全功能在“碰前”提前作用，延长乘员保护时间，是碰撞安全技术亟待解决的问题。特别是对于不可避免的碰撞，提前感知提前作用可以明显降低碰撞的严重程度，甚至进入被动安全的有效覆盖范围。考虑驾驶员操作不确定性和由此可能造成的人员损伤，并结合当前感知系统的观测量，理论上可为后续功能提供更全面的信息提示。使用感知系统观测量进行模型设计对当前状态进行碰撞预测，而使用数据驱动方式对概率模型进行预处理以快速解决驾驶员操作所带来的不确定性问题，则有望兼顾准确度和计算速度。

技术实现思路

[0006]本申请的目的在于考虑车辆行驶过程中的驾驶员应激反应所导致的操作不确定性，提出一种车辆碰撞风险预测系统及车辆，基于模型设计与数据驱动融合，针对车辆碰撞
可能性以及乘员受伤严重程度进行快速预测和综合评估，向后续安全执行模块提供更多安全信息，提高安全执行输出的准确性，合理性。
[0007]为实现以上专利技术目的，专利技术的总体思路是基于当前时刻感知系统等模块捕获的场景参数进行车辆碰撞/乘员损伤预测；同时考虑由于驾驶员与外界环境的信息交互所带来的操作行为多样性，进而导致的车辆状态不确定性，由此计算给出关于所述车辆碰撞/乘员损伤预测结果的可靠度量化指标。因此，为后续对驾驶员预警提示，座舱约束保护系统预激活，甚至辅助驾驶系统的主动干预，发送具有明确指导性方向的安全评估信号。
[0008]本申请提供的技术方案如下：
[0009]在第一方面，本专利技术提供一种基于模型设计与数据驱动融合的车辆碰撞风险预测系统，包括状态参数预处理模块、车辆轨迹预测模块、车辆碰撞损伤程度预测模块、碰撞及损伤可靠性检测模块和综合决策模块。
[0010]所述状态参数预处理模块，用于对车辆车身/底盘系统及感知系统所获得的初始场景参数进行处理，确定危险目标集，并基于自车与锁定目标车的相对运动信息判断是否激活后续预测模块。所述初始场景参数包括自车与锁定目标车的运动状态信息及道路环境信息。
[0011]所述车辆轨迹预测模块，用于在所述状态参数预处理模块激活后续计算的前提下，使用当前时刻的自车与锁定目标车的运动状态等信息作为初始边界条件，对自车与锁定目标车在预设的预测时间范围内的行驶轨迹进行预测，计算碰撞预测结果，并记录碰撞时刻自车与锁定目标车的运动状态信息。
[0012]所述车辆碰撞损伤程度预测模块，用于在所述车辆轨迹预测模块的碰撞预测结果的基础上，进行车辆碰撞波形曲线预测，再进行乘员碰撞相应损伤预测，输出对应的自车乘员受伤严重程度的预测结果。
[0013]所述碰撞及损伤可靠性检测模块，用于使用当前时刻自车与锁定目标车的运动状态等信息作为边界特征输入传递给若干离线预训练完成的机器/深度学习模型，对所述车辆轨迹预测模块的碰撞预测结果和碰撞损伤预测模块的碰撞损伤预测结果进行可靠性分析，并给出关于所述碰撞/损伤预测结果的可靠度量化指标。
[0014]所述综合决策模块，用于综合分析上述车辆轨迹预测模块的碰撞预测结果、车辆碰撞损伤程度预测模块的碰撞损伤预测结果、以及碰撞及损伤可靠性检测模块的可靠度量化指标，并给出综合性碰撞风险评估。
[0015]具体地，所述状态参数预处理模块对获得的初始场景参数进行处理，确定危险目标集，包括：通过自车以及锁定目标车运动状态信息，动态计算碰撞时间TTC；对获得的每个锁定目标车TTC依据大小排序，将满足TTC0≤TTC≤TTC
p
的锁定目标车设为含潜在威胁的目标，记为潜在危险目标集，将满足TTC≤TTC0的目标设为威胁性较大的目标，记为危险目标集；其中TTC
p
和TTC0可理解为基于危险紧急程度预设的TTC碰撞时间最长和最短两个时间阈值。
[0016]所述状态参数预处理模块判断是否激活后续预测模块的条件是：当出现满足满足TTC0≤TTC≤TTC
p
和或TTC≤TTC0的目标时，激活后续预测模块。
[0017]具体地，所述车辆轨迹预测模块的具体预测方式是：根据行驶场景和涉及车辆的运动状态信息，对潜在危险目标集的锁定目标车基于运动学模型和感知系统的感知信息进
行车辆运动状态修正；再对危险目标集的锁定目标车基于“当前时刻”运动状态，使用运动学模型在预设的预测时间范围内(≤TTC0)的行驶轨迹和自车轨迹进行预测，并计算自车与锁定目标车的碰撞可能性，若预测结果为“发生碰撞”，则记录“碰撞时刻”自车与锁定目标车的运动状态信息。
[0018]具体地，所述车辆碰撞损伤程度预测模块在进行预测时，对于不发生碰撞的预测结果则输出无受伤的损伤预测；而对于会发生碰撞的预测结果，是先将碰撞时刻自车与锁定目标车的运动状态信息(即碰撞边界信息)、两车尺寸、质量、夹角、重叠率参数输入车辆碰撞曲线预测模型，获得车辆碰撞波形预测曲线；再将车辆碰撞波形预测曲线和自车乘员的乘员约束形式状态信息(即座舱约束信息)作为参本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车辆碰撞风险预测系统，其特征在于，所述系统包括：状态参数预处理模块、车辆轨迹预测模块、车辆碰撞损伤程度预测模块、碰撞及损伤可靠性检测模块和综合决策模块；所述状态参数预处理模块，用于对初始场景参数进行处理，确定危险目标集合，并基于自车与锁定目标车的相对运动信息判断是否激活后续预测模块；所述初始场景参数包括自车与锁定目标车的运动状态信息及道路环境信息；所述车辆轨迹预测模块，用于在所述状态参数预处理模块判断激活后续预测模块前提下，使用当前时刻自车与锁定目标车的运动状态信息作为初始边界条件，对自车与锁定目标车在预设的预测时间范围内的行驶轨迹进行预测，计算碰撞预测结果；所述车辆碰撞损伤程度预测模块，用于根据所述碰撞预测结果，进行车辆碰撞波形曲线预测，再进行乘员碰撞相应损伤预测，输出对应的自车乘员受伤严重程度的预测结果；所述碰撞及损伤可靠性检测模块，用于使用当前时刻自车与锁定目标车的运动状态信息作为边界特征输入机器/深度学习模型，对所述车辆轨迹预测模块的碰撞预测结果和碰撞损伤预测模块的碰撞损伤预测结果进行可靠性分析，并给出关于所述碰撞及损伤预测结果的可靠度量化指标；所述综合决策模块，用于综合分析碰撞预测结果、碰撞损伤预测结果和可靠度量化指标，并给出综合性碰撞风险评估。2.根据权利要求1所述的车辆碰撞风险预测系统，其特征在于，所述状态参数预处理模块对获得的初始场景参数进行处理，确定危险目标集，包括：通过自车以及锁定目标车运动状态信息，动态计算碰撞时间TTC；对获得的每个锁定目标车的TTC依据大小排序，将满足TTC0≤TTC≤TTC
p
的锁定目标车设为含潜在威胁的目标，记为潜在危险目标集，将满足TTC≤TTC0的目标设为威胁性较大的目标，记为危险目标集；其中TTC
p
和TTC0为基于危险紧急程度预设的TTC碰撞时间最长和最短两个时间阈值；所述状态参数预处理模块判断是否激活后续预测模块的条件是：当出现满足TTC0≤TTC≤TTC
p
或TTC≤TTC0的目标时，激活后续预测模块。3.根据权利要求1所述的车辆碰撞风险预测系统，其特征在于，所述车辆轨迹预测模块具体是：根据行驶场景和涉及车辆的运动状态信息，对潜在危险目标集的锁定目标车基于运动学模型和感知系统的感知信息进行车辆运动状态估计；再对危险目标集的锁定目标车基于当前时刻运动状态，使用运动学模型在预设的预测时间范围内的行驶轨迹和自车轨迹进行预测，并计算自车与锁定目标车的碰撞可能性，若预测结果为发生碰撞，则记录碰撞时刻自车与锁定目标车的运动状态信息。4.根据权利要求3所述的车辆碰撞风险预测系统，其特征在于，所述车辆轨迹预测模块进行车辆运动状态估计：是对潜在危险目标集的锁定目标车的运动状态基于感知系统的更新频率进行运动状态估计，直至其TTC大于TTC
p
，则被移除出潜在危险目标集，或者其TTC小于TTC0，则被移入危险目标集；估计方法不限于使用扩展卡尔曼滤波或无迹卡尔曼滤波或粒子滤波，估计频率与自车感知信息更新频率一致。5.根据权利要求3所述的车辆碰撞风险预测系统，其特征在于，所述车辆轨迹预测模块进行碰撞预测，具体是：对于预测时刻T
i
，自车和任一锁定目标车的几何中心的相对距离为
令关于自车和锁定目标车的距离阈值其中(l
ego
，w
ego
)和(l
obj
，w
obj
)分为别自车与锁定目标车长度与宽度；将L
i
与L
crit
进行比较：L
i
≤αL
crit
，其中α为增益系数；当上式为真时，则对碰撞进行预测；根据自车顶角坐标(X
e，i，j
，Y
e，i，j
)和锁定目标车顶角坐标(X
o，i，j
，Y
o，i，j
)所围成的两个矩形，j＝1，2，3,4，检测是否有重叠：若有重叠，则判定两车发生碰撞，预测结果记为CR＝1；当在预测时间范围内(TTC0)没有检测到所述的两个矩形重叠时，则判定两车未发生碰撞，预测结果记为CR＝0；对于所有属于危险目标集的锁定目标车数量G，均进行轨迹/碰撞预测计算，则存在包括自车在内的(G+1)项轨迹预测，以及G项碰撞预测结果，即包括G1项“CR＝1”，G0项“CR＝0”。6.根据权利要求1所述的车辆碰撞风险预测系统，其特征在于，所述车辆碰撞损伤程度预测模块在进行预测时，对于会发生碰撞的预测结果，先将碰撞时刻自车与锁定目标车的运动状态信息即碰撞边界信息、两车尺寸、质量、夹角、重叠率参数输入车辆碰撞曲线预测模型，获得车辆碰撞波形预测曲线；再将车辆碰撞波形预测曲线和自车乘员的乘员约束形式状态信息即座舱约束信息作为参数输入乘员损伤程度预测模型，对自车乘员的碰撞响应运动进行预测。7.根据权利要求6所述的车辆碰撞风险预测系统，其特征在于，所述车辆碰撞损伤程度预测模块利用车辆碰撞曲线预测模型获得车辆碰撞预测曲线的方法是：在G项碰撞预测结果中，若第k项发生碰撞事件，将碰撞时刻T
c
自车与第k辆锁定目标车的运动状态信息(X
e，c
，Y
e，c
，v
e，c
，a
e，c
，θ
e，c
，ω
e，c
)、(X
o，k，c
，Y
o，k，c
，v
o，k，c
，a
o，k，c
，θ
o，k，c
，ω
o，k，c
)，两车尺寸(l
ego
，w
ego
)、(l
obj，k
，w
obj，k
)，质量m
ego
、m
obj，k
，夹角γ
k
，重叠率φ
k
参数均输入所述车辆碰撞曲线预测...

【专利技术属性】
技术研发人员：何欣，崔泰松，史方圆，李锐阳，毛溶洁，
申请(专利权)人：重庆长安汽车股份有限公司，
类型：发明
国别省市：