【技术实现步骤摘要】
本专利技术属于道路交通安全，尤其涉及一种驾驶权接管风险的确定方法、装置及车辆。
技术介绍
1、虽然当前自动驾驶系统的智能化程度在不断上升，但目前大多数汽车智能化水平仍处于较低水平，且在较短的时间内升级到完全智能化的水平还是比较困难的。在实际驾驶过程中，驾驶车辆所面临的各种问题的不确定性与复杂性，决定了现阶段的自动驾驶系统无法完全取代驾驶人。汽车智能化正处于逐渐发展到完全自动化的过程，在这期间所处的过渡阶段即人机共驾阶段。人机共驾是由传统手动驾驶到实现完全自动驾驶不可避免的过渡阶段。在自动驾驶技术完全成熟之前，驾驶人仍要做好随时接管汽车驾驶权的准备，人机协同共驾车辆的局面将长期存在。
2、在人机共驾的阶段，驾驶人不能完全脱离驾驶任务，汽车在自动驾驶时，若遭遇道路突发危险或紧急交通情况，由于所面临的状况复杂性与紧急性，自动驾驶系统会发出接管请求，这是因为系统无法胜任当前的驾驶任务。相关技术中，大多采用碰撞时间来决定是否进行驾驶权切换，由于同时受到多种风险因素的影响，导致现有方法对接管风险的判断不准确。
技术实现思路
1、有鉴于此，本专利技术实施例提供了一种驾驶权接管风险的确定方法、装置及车辆，以提高人机共驾中对驾驶权接管风险判断的准确性。
2、本专利技术实施例的第一方面提供了一种驾驶权接管风险的确定方法，包括：
3、获取不同驾驶状态场景下，多个驾驶人的驾驶实验数据；其中，驾驶实验数据包括车辆行驶数据、驾驶人生理数据、驾驶人基本信息数据和驾驶人接管时间
4、对于每种驾驶状态场景，根据该种驾驶状态场景下各个驾驶人的驾驶实验数据，确定各个驾驶人的驾驶权接管风险值；
5、对该种驾驶状态场景下各个驾驶人的驾驶权接管风险值进行聚类，得到多个类别，并确定每个类别对应的取值范围和风险程度；
6、基于各驾驶状态场景下的类别划分，监测实际驾驶中的驾驶权接管风险。
7、结合第一方面，在第一方面的一种可能的实现方式中，对于每种驾驶状态场景，根据该种驾驶状态场景下各个驾驶人的驾驶实验数据，确定各个驾驶人的驾驶权接管风险值，包括：
8、对驾驶人生理数据和驾驶人基本信息数据进行加权融合，得到驾驶人风险因子；
9、根据驾驶人接管时间数据，确定驾驶人接管安全时距；
10、基于驾驶人风险因子、驾驶人接管安全时距和车辆行驶数据，确定驾驶权接管风险值。
11、结合第一方面，在第一方面的一种可能的实现方式中，驾驶人生理数据和驾驶人基本信息数据均包括至少一个指标；
12、在对驾驶人生理数据和驾驶人基本信息数据进行加权融合，得到驾驶人风险因子之前，还包括：
13、通过因子分析法，分析各个指标分别在驾驶熟练度因子、注意力分散度因子和驾驶认知度因子下的成分系数；
14、相应的，对驾驶人生理数据和驾驶人基本信息数据进行加权融合，得到驾驶人风险因子，包括：
15、以各个指标在驾驶熟练度因子下的成分系数为权重，对各个指标进行加权融合，得到驾驶熟练度因子的量化值；
16、以各个指标在注意力分散度因子下的成分系数为权重，对各个指标进行加权融合，得到注意力分散度因子的量化值；
17、以各个指标在驾驶认知度因子下的成分系数为权重，对各个指标进行加权融合，得到驾驶认知度因子的量化值；
18、根据确定驾驶人风险因子；其中，d为驾驶人风险因子，c1、c2、c3分别为驾驶熟练度因子、注意力分散度因子和驾驶认知度因子下的成分系数，d1、d2、d3分别为驾驶熟练度因子的量化值、注意力分散度因子的量化值、驾驶认知度因子的量化值。
19、结合第一方面，在第一方面的一种可能的实现方式中，驾驶人接管时间数据包括驾驶人接管反应时间和驾驶人接管决策时间；
20、根据接管时间数据，确定驾驶人接管安全时距，包括：
21、根据确定驾驶人接管安全时距；其中，ta为驾驶人接管安全时距；tre为驾驶人接管反应时间；tde为驾驶人接管决策时间；μ为车辆轮胎与道路路面的路面附着系数；τ为车辆所处路段的路面坡度。
22、结合第一方面，在第一方面的一种可能的实现方式中，车辆行驶数据包括分别为自车i的车速vi，自车i和前车j所在路面的道路条件影响因子ri和rj，以及自车i和前车j的等效质量mi和mj；
23、基于驾驶人风险因子、驾驶人接管安全时距和车辆行驶数据，确定驾驶权接管风险值，包括：
24、根据确定驾驶权接管风险值；其中，ti为驾驶权接管风险值；dri和drj分别为自车i驾驶人和前车j驾驶人的驾驶人风险因子；g、k1与k2为预设系数；r为驾驶人接管安全时距。
25、结合第一方面，在第一方面的一种可能的实现方式中，道路条件影响因子通过以下的至少一项指标确定：
26、道路环境能见度、路面附着系数、道路曲率和道路坡度。
27、结合第一方面，在第一方面的一种可能的实现方式中，基于各驾驶状态场景下的类别划分，监测实际驾驶中的驾驶权接管风险，包括：
28、获取实际驾驶中的驾驶监测数据；其中，驾驶监测数据包括车辆行驶数据、驾驶人生理数据、驾驶人基本信息数据、驾驶人接管时间数据；
29、根据驾驶监测数据，确定当前的驾驶权接管风险值；
30、判断当前的驾驶状态场景；
31、根据当前的驾驶状态场景下每个类别对应的取值范围，判断当前的驾驶权接管风险值所属的类别，得到驾驶权接管风险的风险程度。
32、本专利技术实施例的第二方面提供了一种驾驶权接管风险的确定装置，包括：
33、实验模块，用于获取不同驾驶状态场景下，多个驾驶人的驾驶实验数据；其中，驾驶实验数据包括车辆行驶数据、驾驶人生理数据、驾驶人基本信息数据和驾驶人接管时间数据；对于每种驾驶状态场景，根据该种驾驶状态场景下各个驾驶人的驾驶实验数据，确定各个驾驶人的驾驶权接管风险值；对该种驾驶状态场景下各个驾驶人的驾驶权接管风险值进行聚类，得到多个类别，并确定每个类别对应的取值范围和风险程度；
34、监测模块，用于基于各驾驶状态场景下的类别划分，监测实际驾驶中的驾驶权接管风险。
35、本专利技术实施例的第三方面提供了一种车辆，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如上述第一方面或第一方面的任意一种实现方式中的方法的步骤。
36、本专利技术实施例的第四方面提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现如上述第一方面或第一方面的任意一种实现方式中的方法的步骤。
37、本专利技术实施例与现有技术相比存在的有益效果是：
38、本专利技术实施例考虑不同驾驶状态场景驾驶人的反应能力不同，区分场景确定驾驶权接管风险。并且，通过车辆行驶数据、驾驶人生理数据、驾驶人基本信息数据和驾驶人本文档来自技高网...
【技术保护点】
1.一种驾驶权接管风险的确定方法，其特征在于，包括：
2.如权利要求1所述的驾驶权接管风险的确定方法，其特征在于，所述对于每种驾驶状态场景，根据该种驾驶状态场景下各个驾驶人的驾驶实验数据，确定各个驾驶人的驾驶权接管风险值，包括：
3.如权利要求2所述的驾驶权接管风险的确定方法，其特征在于，所述驾驶人生理数据和所述驾驶人基本信息数据均包括至少一个指标；
4.如权利要求2所述的驾驶权接管风险的确定方法，其特征在于，所述驾驶人接管时间数据包括驾驶人接管反应时间和驾驶人接管决策时间；
5.如权利要求2所述的驾驶权接管风险的确定方法，其特征在于，所述车辆行驶数据包括分别为自车i的车速vi，自车i和前车j所在路面的道路条件影响因子Ri和Rj，以及自车i和前车j的等效质量Mi和Mj；
6.如权利要求5所述的驾驶权接管风险的确定方法，其特征在于，所述道路条件影响因子通过以下的至少一项指标确定：
7.如权利要求1至6任一项所述的驾驶权接管风险的确定方法，其特征在于，所述基于各驾驶状态场景下的类别划分，监测实际驾驶中的驾驶权接管
8.一种驾驶权接管风险的确定装置，其特征在于，包括：
9.一种车辆，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。
...【技术特征摘要】
1.一种驾驶权接管风险的确定方法，其特征在于，包括：
2.如权利要求1所述的驾驶权接管风险的确定方法，其特征在于，所述对于每种驾驶状态场景，根据该种驾驶状态场景下各个驾驶人的驾驶实验数据，确定各个驾驶人的驾驶权接管风险值，包括：
3.如权利要求2所述的驾驶权接管风险的确定方法，其特征在于，所述驾驶人生理数据和所述驾驶人基本信息数据均包括至少一个指标；
4.如权利要求2所述的驾驶权接管风险的确定方法，其特征在于，所述驾驶人接管时间数据包括驾驶人接管反应时间和驾驶人接管决策时间；
5.如权利要求2所述的驾驶权接管风险的确定方法，其特征在于，所述车辆行驶数据包括分别为自车i的车速vi，自车i和前车j所在路面的道路条件影响因子ri和rj，以及自车i和前车j的等效质量...
【专利技术属性】
技术研发人员：康学建，王子康，徐建伟，贾勤贤，王义昭，黄武，邓敏，李洁，于文宇，
申请(专利权)人：石家庄铁道大学，
类型：发明
国别省市：
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。