[发明专利]一种基于自然驾驶数据的危险场景提取及分类方法

说明书

本发明涉及一种基于自然驾驶数据的危险场景提取及分类方法，包括：获取自然驾驶样本数据，得到危险场景实测值，选取直接参量和间接参量，根据危险等级，以确定危险场景提取标准；从自然驾驶样本数据中提取得到危险场景预测值；比较危险场景预测值与危险场景实测值之间的吻合程度，若吻合程度大于或等于预设值，则采用危险场景提取标准从自然驾驶实际数据中提取得到危险场景，最后基于SHRP2分类，补充行驶干涉对象类型的描述以及行驶场景的描述，以对提取得到的危险场景进行分类，否则需重新确定危险场景提取标准。与现有技术相比，本发明采用三层筛选的方式，并对现有分类进行补充描述，能够有效提高危险场景的提取及分类准确度。

技术领域

本发明涉及车辆测试技术领域，尤其是涉及一种基于自然驾驶数据的危险场景提取及分类方法。

背景技术

目前关于危险场景的分类标准，主要包括National Highway Traffic SafetyAdministration(NHTSA)的37类危险工况以及SHRP2(STRATEGIC HIGHWAY RESEARCHPROGRAM)报告中显示的美国高速公路安全管理局的事故类型，其中，SHRP2中具有车辆或行人等较详细运动状态的危险场景分类；各个测试机构在对各类ADAS(Advanced DriverAssistance System，先进驾驶辅助系统)产品进行测试时，基于选用的测试场景，也能获得危险场景的分类，例如，ASSESS(Assessment of Integrated Vehicle Safety Systems)项目，主要包括追尾测试场景，路口测试场景，迎面交通测试场景和切入测试场景；欧洲eVALUE项目旨在研究基于信息通信技术(Information and CommunicationTechnologies，ICT)的安全系统的测试评价方法，eVALUE项目的测试场景包括纵向、侧向和车辆稳定性三个大类的测试场景；SAFESPOT项目旨在利用协同系统(Cooperative System)提升道路安全，增加驾驶员对周围环境感知的时空范围；国内有研究利用聚类分析得到了7类涉及骑车人的典型危险场景；此外，近年一些研究机构提出的基于智能车的测试的一些测试场景，欧洲interactIVe(Accident avoidance by active intervention forIntelligent Vehicles)项目旨在测试评价集成先进驾驶辅助系统和主动安全系统的新一代智能汽车，以实现更安全高效出行；以上均可作为危险场景的分类依据，相比于NHTSA的37类危险工况，SHRP2的分类更为详细，但却无法确定占比较大的危险场景，使得危险场景分类结果与实际相差较大。

在对危险场景进行分类之前，通常需要提取出危险场景，目前危险驾驶场景的研究越来越受到重视，同时基于不同的研究目的提出了危险驾驶场景的提取标准，其中以100-car，IVBSS-FOT以及Euro-FOT较为常见，这些提取标准的精度较低，且其研究数据均来自于国外驾驶环境，与国内的驾驶环境有较大的区别，而国内China-FOT数据中不含有其他标准中认为重要的部分参量：如TTC(time to collision,碰撞时间)值。我国学者朱西产，张开元等利用China-FOT数据制定了危险场景的提取标准，该标准虽然相较于国外标准的提取精度有了一定提高，但是依旧不能保证危险场景的提取准确度，也就无法保证后续危险场景分类的准确度。

发明内容

本发明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基于自然驾驶数据的危险场景提取及分类方法，基于国内的自然驾驶数据，利用三层筛选提取危险场景，以提高危险场景的筛选提取准确度，并对现有SHRP2中的危险场景分类进行相关描述补充，从而保证危险场景分类的准确度。

本发明的目的可以通过以下技术方案来实现：一种基于自然驾驶数据的危险场景提取及分类方法，包括以下步骤：

S1、获取自然驾驶样本数据，得到危险场景实测值，并选取直接参量和间接参量，根据危险等级，以确定危险场景提取标准；

S2、采用危险场景提取标准，从自然驾驶样本数据中提取得到危险场景预测值；