【技术实现步骤摘要】
本专利技术属于驾驶安全评估领域，具体涉及一种基于模拟驾驶环境的驾驶风险场景构建及数据采集方法、系统、设备和介质。
技术介绍
1、据统计，驾驶人员的风险行为习惯、异常驾驶状态或是不当操作所导致的道路交通事故约占总的道路交通事故的90%以上，因此，驾驶人员的安全性是保障道路交通安全的核心。
2、目前，一种关键的驾驶安全评估方法是以驾驶人员状态行为数据驱动的，该方法通过提取不同驾驶环境中驾驶人员的不同生理、心理状态与驾驶行为特征，从而对驾驶安全进行评估。因此，驾驶人员状态行为数据驱动的安全评估模型与方法的核心挑战在于获取驾驶风险场景中驾驶人员的真实生理状态、心理状态与驾驶行为。
3、随着深度学习等技术的发展与数据采集设备性能的提升，数据驱动的驾驶安全评估方法也获得了广泛关注与长足发展，诞生了许多风险事故数据集及相关评估方法。但是，现有的风险事故数据集存在显著的局限性。例如dada等数据集通过收集事故发生前后事故车辆或周边车辆的行车记录仪数据，进而进行后续数据标定的方法，用以模拟事故发生时驾驶人员的主观状态与行为数据，但是由于信息缺失等原因，这种方法很难完全还原事故发生时驾驶人员的真实生理状态、心理状态与驾驶行为。而从伦理的角度出发，也无法设计自然驾驶驾驶风险场景以收集真实的风险事故数据。因此，基于模拟驾驶环境的驾驶风险场景构建与事故数据采集方法对于事故数据驱动的驾驶安全评估有着重大意义。
技术实现思路
1、针对上述问题，本专利技术的目的是提供一种驾驶风险场景构建及
2、为实现上述目的，本专利技术采取以下技术方案：
3、第一方面，本专利技术提供一种驾驶风险场景构建及数据采集方法，包括以下步骤：
4、对真实交通事故数据进行特征标定，并处理得到事故数据对比分析结果；
5、基于预设条件对标定处理后的交通事故数据进行筛选，并对筛选后交通事故数据进行聚类划分处理，得到典型驾驶风险场景；
6、依据事故数据对比分析结果以及典型驾驶风险场景，构建基于模拟驾驶环境的驾驶风险场景；
7、依据构建的驾驶风险场景开展模拟驾驶实验，并对各驾驶风险场景下驾驶人员的生理状态、心理状态及驾驶行为数据进行采集。
8、进一步，所述对真实交通事故数据进行特征标定，并处理得到事故数据对比分析结果，包括：
9、对事故的冲突对象类型、冲突发生部位、冲突前双方行驶轨迹差异进行对比分析，得到统一格式统一标准的事故数据特征结果；
10、根据预设标定规则，对得到的事故数据特征结果进行标定；
11、对标定后的事故数据特征进行汇总，用于计算驾驶风险场景之间的汉明距离。
12、进一步，所述基于预设条件对标定处理后的交通事故数据进行筛选，并对筛选后交通事故数据进行聚类划分处理，得到典型驾驶风险场景，包括：
13、对交通事故数据中冲突双方至少有一方为机动车的交通事故数据进行筛选过滤；
14、利用基于汉明距离的k-medoids聚类方法对筛选后交通事故数据进行聚类划分处理，得到典型驾驶风险场景。
15、进一步，所述利用基于汉明距离的k-medoids聚类方法对筛选后交通事故数据进行聚类划分处理，得到典型驾驶风险场景，包括：
16、①将筛选过滤后的交通事故数据作为样本集，随机确定k个样本作为聚类中心；
17、②计算每个样本与k个聚类中心之间的汉明距离，将每个样本归类到汉明距离最小的聚类簇中；
18、③计算k个聚类簇中，每个聚类簇内所有样本到聚类中心的距离之和；
19、④在k个聚类簇中，依次选取每个样本作为聚类中心，并计算聚类簇内样本到聚类中心的距离之和，判断其是否小于步骤③中计算的距离之和，若小于，则更新样本点为新的聚类中心；
20、⑤重复步骤②到步骤④，更新聚类中心直到k个聚类中心再无变化，得到k个典型驾驶风险场景。
21、进一步，所述依据事故数据对比分析结果以及典型驾驶风险场景，构建基于模拟驾驶环境的驾驶风险场景，包括：
22、根据实际需求对实验地图与实验车辆进行选择，并将各实验车辆部署到实验地图中；其中，实验车辆包括被试车辆和若干其他车辆；
23、根据聚类得到的各典型驾驶风险场景，设计风险触发方式，构建基于模拟驾驶环境的风险事故驾驶场景。
24、进一步，所述根据聚类得到的各典型驾驶风险场景，设计风险触发方式，构建基于模拟驾驶环境的风险事故驾驶场景，包括：
25、实时监控被试车辆周围预设半径内的其他车辆；
26、当其他车辆与被试车辆满足预设位置、轨迹关系条件时，随机使其他车辆偏离原有驾驶轨迹，进行预设种类的风险行为；
27、其他车辆完成风险行为后，继续进行正常符合交通规则的自动驾驶行为。
28、进一步，所述依据构建的驾驶风险场景开展模拟驾驶实验，采集基于模拟驾驶环境驾驶风险场景下的驾驶人员生心理状态及驾驶行为数据，包括：
29、通过模拟驾驶座舱，将油门、刹车、档位、方向盘映射到驾驶仿真软件，驾驶人员通过操作模拟驾驶座舱进行驾驶行为，实时记录驾驶人员在模拟驾驶座舱中的行为操作；
30、通过驾驶仿真软件，记录模拟驾驶场景中被试车辆及其他车辆的行车数据，包括三轴速度、加速度、角速度、位置信息；
31、通过桌面式或眼镜式的眼动仪，记录驾驶过程中驾驶人员的注意力视线变化，获取驾驶人员的注意力分布；
32、通过生理仪、腕表方式，记录驾驶过程中驾驶人员的心率、脉搏、皮肤电、呼吸生理数据；
33、通过问卷量表方式，记录驾驶前后驾驶人员的生理状态和心理状态；
34、通过近红外脑功能成像、脑电设备，记录驾驶过程中驾驶人员的脑部数据；
35、通过摄像头，实时拍摄驾驶人员在驾驶过程中的表情与姿态，并记录驾驶过程中的声音。
36、第二方面，本专利技术提供一种驾驶风险场景构建及数据采集系统，包括：
37、数据预处理模块，用于对真实交通事故数据进行特征标定，并处理得到事故数据对比分析结果；
38、聚类模块，用于基于预设条件对标定处理后的交通事故数据进行筛选，并对筛选后交通事故数据进行聚类划分处理，得到典型驾驶风险场景；
39、场景构建模块，用于依据事故数据对比分析结果以及典型驾驶风险场景，构建基于模拟驾驶环境的驾驶风险场景；
40、数据采集模块，用于依据构建的驾驶风险场景开展模拟驾驶实验，并对各驾驶风险场景下驾驶人员的生理状态、心理状态及驾驶行为数据进行采集。
41、第三方面，本专利技术提供一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指本文档来自技高网...
【技术保护点】
1.一种驾驶风险场景构建及数据采集方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种驾驶风险场景构建及数据采集方法，其特征在于，所述对真实交通事故数据进行特征标定，并处理得到事故数据对比分析结果，包括：
3.如权利要求2所述的一种驾驶风险场景构建及数据采集方法，其特征在于，所述基于预设条件对标定处理后的交通事故数据进行筛选，并对筛选后交通事故数据进行聚类划分处理，得到典型驾驶风险场景，包括：
4.如权利要求3所述的一种驾驶风险场景构建及数据采集方法，其特征在于，所述利用基于汉明距离的K-Medoids聚类方法对筛选后交通事故数据进行聚类划分处理，得到典型驾驶风险场景，包括：
5.如权利要求1所述的一种驾驶风险场景构建及数据采集方法，其特征在于，所述依据事故数据对比分析结果以及典型驾驶风险场景，构建基于模拟驾驶环境的驾驶风险场景，包括：
6.如权利要求5所述的一种驾驶风险场景构建及数据采集方法，其特征在于，所述根据聚类得到的各典型驾驶风险场景，设计风险触发方式，构建基于模拟驾驶环境的风险事故驾驶场景，包括：>
7.如权利要求5所述的一种驾驶风险场景构建及数据采集方法，其特征在于，所述依据构建的驾驶风险场景开展模拟驾驶实验，采集基于模拟驾驶环境驾驶风险场景下的驾驶人员生心理状态及驾驶行为数据，包括：
8.一种驾驶风险场景构建及数据采集系统，其特征在于，包括：
9.一种存储一个或多个程序的计算机可读存储介质，其特征在于，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行如权利要求1至7所述方法中的任一方法。
10.一种计算设备，其特征在于，包括：一个或多个处理器及存储器，所述存储器中存储有一个或多个程序，并被配置为所述一个或多个处理器执行，所述一个或多个程序包括用于执行如权利要求1至7所述方法中的任一方法的指令。
...【技术特征摘要】
1.一种驾驶风险场景构建及数据采集方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种驾驶风险场景构建及数据采集方法，其特征在于，所述对真实交通事故数据进行特征标定，并处理得到事故数据对比分析结果，包括：
3.如权利要求2所述的一种驾驶风险场景构建及数据采集方法，其特征在于，所述基于预设条件对标定处理后的交通事故数据进行筛选，并对筛选后交通事故数据进行聚类划分处理，得到典型驾驶风险场景，包括：
4.如权利要求3所述的一种驾驶风险场景构建及数据采集方法，其特征在于，所述利用基于汉明距离的k-medoids聚类方法对筛选后交通事故数据进行聚类划分处理，得到典型驾驶风险场景，包括：
5.如权利要求1所述的一种驾驶风险场景构建及数据采集方法，其特征在于，所述依据事故数据对比分析结果以及典型驾驶风险场景，构建基于模拟驾驶环境的驾驶风险场景，包括：
6.如权利要求5所述的...
【专利技术属性】
技术研发人员：裴欣，李东泰，李碧璐，王佳，姚丹亚，
申请(专利权)人：清华大学，
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。