[发明专利]一种车辆周边行人危险等级预测方法及系统

权利要求书

1.一种车辆周边行人危险等级预测方法，其特征在于：包括离线危险等级预测器训练和在线危险等级预测两个部分；

离线危险等级预测器训练包括以下步骤，

使用车载传感器，采集车辆第一视角下的周边环境信息；

根据采集的第一视角车辆周边环境信息，提取行人特征参数s；行人特征参数s包括但不限于行人相对车辆位置p＝(x,y)、相对车辆移动速度v＝(v_x,v_y)、估计碰撞时间TTC；由于第一视角下取得的行人相对车辆位置、速度变化取决于车辆和行人的合运动，该相对位置和速度的变化隐含了车辆和行人在不同情况下的交互行为；

根据提取得到的行人特征参数s，对于任意时间节点t，以t-T_obs至t时间段内的特征参数集合为输入，其中，T_obs为一段固定的观察时长；t至t+T_pred时间段内的行人轨迹为输出，其中，T_pred为一段固定的预测时长；建立行人轨迹时序网络，通过最小化损失函数，对网络权重矩阵W和偏移量b进行迭代优化，训练得到行人轨迹拟合器该拟合器能根据输入的特征参数S预测行人移动轨迹

根据提取得到的行人特征参数s，用数据驱动方法进行数据聚类分析，对数据进行分类，通过不断优化聚类类别数k及分类的相关参数p，使具有相似特征参数的行人聚到同一类别，具有不同特征参数的行人尽可能远离，最后得到具有不同特征参数的k类行人，不同类别的行人所具有的危险等级不同；聚类结果用标签l∈{r₁,r₂,...r_k}来表示，其中{r₁,r₂,...r_k}分别对应不同的危险等级；根据聚类结果，以行人特征参数s为输入，对应的危险等级l为输出，训练行人危险等级识别器能根据特征参数s识别出行人危险等级

在线危险等级预测包括以下步骤，

当车辆行驶在道路上时，使用车载传感器，在线采集车辆第一视角下的周边环境信息；

根据采集的所述第一视角车辆周边环境信息，提取行人特征参数s；行人特征参数s包括但不限于行人相对车辆位置p＝(x,y)、相对车辆移动速度v＝(v_x,v_y)、估计碰撞时间TTC；由于第一视角下取得的行人相对车辆位置、速度变化取决于车辆和行人的合运动，该相对位置和速度的变化隐含了车辆和行人在不同情况下的交互行为；对于任意时间节点t，获得行人t-T_obs至t时间段内的特征参数集合其中，T_obs为一段固定的观察时长；

将获得的行人特征参数集合输入离线训练得到的行人轨迹拟合器f中，预测行人未来t至t+T_pred时间段内的移动轨迹并根据计算对应的特征参数集合再使用离线训练得到的危险等级识别器g，根据预测得的行人特征参数识别得到行人t至t+T_pred时间段内的危险等级集合实现行人危险等级的预测；

在行人轨迹拟合器f中，使用数据驱动的时序网络建模方法实现长时轨迹预测，降低传统轨迹预测方法中复杂的动力学建模的计算成本，缩短预测时长；在行人危险等级识别器g中，结合行人轨迹拟合器f预测得到的行人轨迹，采用数据驱动的聚类分析方法对行人危险等级进行划分和判别，避免传统危险判定方法中通过人为划分参数范围来判定危险等级可能带来的不确定性，在降低计算量的同时，保证行人危险程度的预测的可靠性，提高行人危险等级识别效率。

2.如权利要求1所述的一种车辆周边行人危险等级预测方法，其特征在于：所识别出的行人危险等级有助于驾驶员或无人驾驶系统理解行车过程中周边行人的行为意图，帮助驾驶员或无人驾驶系统预估当前情况下行人和车辆的碰撞风险，从而为调整行车策略提供依据，以规避行车风险，提升驾驶安全性。

3.如权利要求1或2所述的一种车辆周边行人危险等级预测方法，其特征在于：通过车载图像采集装置采集车辆周边图像信息，通过激光雷达采集3D点云信息。

4.如权利要求1或2所述的一种车辆周边行人危险等级预测方法，其特征在于：所述时序网络为循环神经网络或长短期记忆神经网络。