[发明专利]基于多车意图交互结果的行车风险态势评估方法及系统

权利要求书

1.一种基于多车意图交互结果的行车风险态势评估方法，其特征在于，包括：

步骤M1：基于非完全信息动态博弈，得到多车意图交互结果；

步骤M2：基于多车意图交互结果和当前交通元素的参数以及预测未来的交通元素的参数，建立随机性环境模型；

步骤M3：通过运动学模型与驾驶行为认知模型融合，建立长短时域车辆轨迹预测模型，实现长短时域综合预测车辆轨迹；

步骤M4：基于随机性环境模型以及车辆轨迹预测结果，对碰撞进行概率分析；

步骤M5：基于碰撞概率分析，对碰撞进行风险评估，从而建成行车风险态势评估模型；

所述随机性环境模型是通过概率分布模型来表示环境中元素参数的不确定性，有效地应对环境噪声以及随机行为，提高智能车辆对环境的认知评估能力；

所述运动学模型实现短时域车辆轨迹的预测；

所述驾驶行为认知模型基于动态贝叶斯网络驾驶行为认知模型，估计驾驶行为，进行行为层的轨迹预测，实现长时域车辆轨迹预测；

所述长短时域车辆轨迹预测模型将运动学模型和驾驶行为认知模型通过多模型融合算法融合，得到长短时域车辆轨迹预测模型，更准确地预测时间范围内某时刻的车辆位置及概率；

所述行车风险态势评估模型是在预测范围内进行车辆碰撞风险评估。

2.根据权利要求1所述的基于多车意图交互结果的行车风险态势评估方法，其特征在于，所述步骤M1中的非完全信息动态博弈包括：

多车意图交互时一个动态博弈问题，用扩展树表示博弈的过程，动态博弈扩展树公式如下：

S＝(T，P，A，U) (1)

其中，T是由节点和枝组成的有向树，P＝{P₁，P₂，…，P_i，…，P_N}是参与博弈的车辆集，且i∈{1，2，…，N}，是车辆Pi的行为集合，U＝{U₁，U₂，…，U_i，…，U_N}是参与博弈车辆的代价函数；

动态博弈扩展树包括节点和枝，节点包括参与博弈车辆的节点和博弈结束节点；博弈结束节点包括各个博弈车辆的收益或者行为代价，枝表示博弈参与者的行为；

所述多车意图交互是指在复杂的城市交通环境中，多车间的行为和决策相互影响；智能车辆周围环境或者行人的决策影响着智能车辆的决策；同时，智能车辆的决策也影响着周围车辆或者行人的决策。

3.根据权利要求1所述的基于多车意图交互结果的行车风险态势评估方法，其特征在于，所述步骤M3包括：

采用CTRA模型，建立基于运动学模型的轨迹预测模型，通过不断迭代运动方程，实现短时间内对车辆轨迹的预测；

通过动态贝叶斯网络，估计驾驶行为，得到基于驾驶行为认知模型的车辆轨迹预测模型，在长的时间范围内对车辆轨迹的预测；

通过短时间内对车辆轨迹的预测和长时间对车辆轨迹的预测，通过多模型融合算法，得到长短时域车辆轨迹预测模型，从而获得预测时间范围内预设时刻的车辆位置及概率；

所述CTRA模型是假设行车加速度和横摆角速度不变情况下进行预测。

4.根据权利要求1所述的基于多车意图交互结果的行车风险态势评估方法，其特征在于，所述步骤M4包括：

在预测时间范围内，预设时间点的两辆车(V_i，V_j)轨迹预测的碰撞概率公式如下：

其中，V_i表示车辆i，V_j表示车辆j，t表示时间，表示车辆V_i在t时刻预测的位置，表示车辆V_j在t时刻预测的位置，表示t时刻车辆i、j的位置概率，t₀表示开始预测时间，T_P表示预测时间范围，表示考虑车辆物理大小的碰撞因子，如下：

式中，表示车辆i所占的平面空间；表示车辆j所占的平面空间。