[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

说明书

本发明提供了一种基于多车意图交互结果的行车风险态势评估方法及系统，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；本发明有效地提高了多车碰撞风险评估的准确性，增强了行驶车辆的安全性。

技术领域

本发明涉及智能驾驶技术领域，具体地，涉及基于多车意图交互结果的行车风险态势评估方法及系统，更为具体地，涉及一种城市场景下多车意图交互结果的行车风险态势评估方法及系统。

背景技术

智能驾驶技术的发展是衡量一个国家科研实力和工业水平的重要标志。智能驾驶技术利用先进的电子与信息技术控制智能车辆行驶，让驾驶活动中常规的、持久且疲劳的操作自动完成，驾驶人仅仅做高级的目的性操作，能够提高智能交通系统的效率和安全性，极大地增强我国汽车产业的核心竞争力。

随着智能驾驶技术的发展，行车风险态势评估是一个值得研究的重点。智能车辆在驾驶过程中的安全性，与行车风险态势评估密切相关。特别地，在城市场景下车辆的行车风险态势评估，对于人及车辆的驾驶安全有着十分重要的影响。如何准确地对车辆进行碰撞风险态势评估，成为了智能驾驶技术研究的关键问题之一。

专利文献CN109242227A(申请号：201710554357.8)公开了一种驾驶行为风险评估模型，通过对驾驶员的驾驶行为进行分析，评估驾驶员触发交通事故和交通违规事件的风险，并提供数值化评估结果。(1)针对不同的行车事件及其与行车风险之间的关系紧密性，定义了行车事件的量值表达方法及其在行车风险评估中的权重。(2)行车事件的量值归一化方法，经过N次行车事件量化指标归一化后的指标值为：其中i＝1，2，…，N，可获得用于评估行车风险的每个行车事件。(3)行车事件的评估方法，根据行车事件无量纲化的量化估计，结合行车事件的行车风险权重，进一步用下述模型评估行车事件对行车风险的影响。即其中r称为行车风险指数，它是根据指定时间范围内的行车记录评估得到，反映了车辆驾驶人员在该期间驾驶行为引起的行车风险大小；si和wi行车风险的数值越大，行车风险最大。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种基于多车意图交互结果的行车风险态势评估方法及系统。

根据本发明提供的一种基于多车意图交互结果的行车风险态势评估方法，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，考虑了环境的不确定性，能够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；