[发明专利]一种接管概率计算方法及相关装置

权利要求书

1.一种接管概率计算方法，其特征在于，包括：

从事故数据帧和安全自动驾驶数据帧中提取关键信息，所述事故数据帧为自动驾驶状态下由于人工接管而避免了安全事故发生的数据帧；

通过以所述关键信息为输入数据，以得到输入数据对应场景下的预期接管概率为训练目标对统计学习模型进行训练，得到接管模型；

实时获取主车的当前自动驾驶数据帧；

从所述当前自动驾驶数据帧中提取关键信息输入到所述接管模型，通过所述接管模型根据该关键信息计算主车在当前场景下的预期接管概率。

2.根据权利要求1所述的接管概率计算方法，其特征在于，所述关键信息包括最危险障碍物，以及候选信息中的部分或全部信息，所述候选信息包括：主车运动信息、主车状态信息、障碍物类型、障碍物位置信息、障碍物运动信息、预计碰撞时间、预计碰撞位置、预计碰撞严重度和主车刹车距离。

3.根据权利要求2所述的接管概率计算方法，其特征在于，所述预计碰撞严重度的提取过程为：

根据主车和障碍物的行驶速度、质量计算主车和障碍物发生碰撞后的预计速度；

根据主车和障碍物的行驶速度以及主车和障碍物发生碰撞后的预计速度计算主车和障碍物的速度变化；

根据主车和障碍物的速度变化计算得到预计碰撞严重度。

4.根据权利要求2所述的接管概率计算方法，其特征在于，所述最危险障碍物的提取过程为：

从待提取数据帧中主车与各障碍物的预计碰撞时间中获取最小预计碰撞时间；

若所述最小预计碰撞时间小于或等于预设碰撞时间阈值，则将所述最小预计碰撞时间对应的障碍物作为所述待提取数据帧中的最危险障碍物；

若所述最小预计碰撞时间大于所述预设碰撞时间阈值，则从所述待提取数据帧中选择与主车距离最小且与主车的距离小于或等于预设距离阈值的障碍物作为所述待提取数据帧中的最危险障碍物。

5.根据权利要求1所述的接管概率计算方法，其特征在于，所述接管模型为：

式中，P_{take_over}为预期接管概率，e为自然常数，n为关键信息的数量，x_i为输入的关键信息i，w_i为关键信息i的权重参数。

6.根据权利要求1所述的接管概率计算方法，其特征在于，所述方法还包括：

根据所述当前自动驾驶数据帧获取的主车与前方障碍物的当前距离，通过预置距离-接管概率调整函数获取该当前距离对应的当前参考接管概率；

比较主车在当前场景下的预期接管概率与所述当前参考接管概率的大小；

若所述预期接管概率小于所述当前参考接管概率，则根据所述当前参考接管概率调整所述预期接管概率。

7.根据权利要求1-6任一项所述的接管概率计算方法，其特征在于，所述方法还包括：

当所述预期接管概率大于预设概率阈值时，提示远程控制端对主车进行接管。

8.根据权利要求1-6任一项所述的接管概率计算方法，其特征在于，所述方法还包括：

通过所述预期接管概率评价主车所采用的自动驾驶算法的可靠性。

9.一种接管概率计算装置，其特征在于，包括：

提取单元，用于从事故数据帧和安全自动驾驶数据帧中提取关键信息，所述事故数据帧为自动驾驶状态下由于人工接管而避免了安全事故发生的数据帧；

训练单元，用于通过以所述关键信息为输入数据，以得到输入数据对应场景下的预期接管概率为训练目标对统计学习模型进行训练，得到接管模型；

数据获取单元，用于实时获取主车的当前自动驾驶数据帧；

计算单元，用于从所述当前自动驾驶数据帧中提取关键信息输入到所述接管模型，通过所述接管模型根据该关键信息计算得到主车在当前场景下的预期接管概率。