一种面向智能驾驶车辆驾考的智能评判方法和系统
本发明涉及驾考智能评判,具体涉及一种面向智能驾驶车辆驾考的智能评判方法和系统。
背景技术:
1、现有机动车驾驶人考试自动评判系统,已逐步由单一传感器或简易地磁触发,发展为基于车载传感器与场地基础设施的综合方案。典型系统通过实时动态差分全球导航卫星系统(rtk-gnss)、高精度电子地图、车辆can总线信号、环境摄像头与超声波雷达等,实现对车辆位置、车身姿态、转向灯、制动、挡位等信息的实时采集,并依据相关标准,将车辆运行状态与规定线路、规定动作进行比对,自动完成部分科目二、科目三的判定,减轻考官工作量,提高考试过程的客观性与一致性。与此同时,车端-路侧-云端协同与跨区域部署使得评判规则与模型版本管理、证据留痕与可重放审计的重要性显著提升,要求对关键动作序列给出可解释、可复核、可追溯的证据链。随着智能驾驶车辆的发展,驾考与驾驶能力测试的服务对象正从人工驾驶考生扩展到人机共驾为主的考试车辆,需要同时评估驾驶员操作规范性与系统接管、协同控制下的时序合规性。
2、然而,现有多数方案在技术实现上仍以瞬时状态和静态阈值判定为主,即围绕压线、超速、距离不足、未打灯等单点事件进行检测,对驾驶操作在时间维度上的连续性和配合逻辑考虑有限。例如,打灯是否规范,通常仅检查在变道或转弯前某一时刻是否处于开启状态,而较少从提前时长是否合理、是否伴随观察行为及动作顺序是否符合教学规范等时序关系加以综合评价。这类方法对于形式上触发但操作习惯明显不规范的情形区分能力不足,也容易在复杂工况下引入误判。
3、公开文献和相关专利中,已有基于多传感器融合的考试评判方案,或基于深度学习的目标检测、轨迹评估方法,用于提高车辆位置、车道偏离、障碍识别等空间感知精度,但多聚焦于车辆运动轨迹与环境要素的空间关系建模,对驾驶人操作行为序列本身的精细刻画不够。例如,部分方案虽引入了can信号和视频数据,但多作为触发条件或单次事件输入,尚未形成以元动作为基本单元的操作序列建模机制,也未系统引入适配考试流程的时序规则框架,对先观察后打灯再变道、连续多步操作是否协调一致等关键教学逻辑难以给出鲁棒、可解释的判断。
4、在实际驾驶考试场景中,考生是否具备安全意识和良好驾驶习惯,往往体现在一系列连续动作的配合与时序合理性上,而不仅是某个瞬间信号是否满足阈值。现有基于单点阈值或简单事件统计的评判方式难以全面反映这一过程,且在传感器退化、环境复杂或行为边界模糊时,更容易出现争议结论,缺乏面向申诉与审计的完整证据链。因此,有必要提出一种能够对多源数据进行统一时序建模、以元动作事件序列为核心表征、结合考试流程状态机与可参数化时序规则进行智能评判,并输出结构化可解释证据的技术方案,以更准确、公正地反映驾驶考试操作行为的规范性与安全性。
技术实现思路
1、为解决上述技术问题,本发明提供一种面向智能驾驶车辆驾考的智能评判方法和系统。本发明在多传感器异步采集、数据缺失与噪声扰动等复杂条件下,基于统一时间基准同步封装、离散元动作-连续控制联合表征与有限状态机阶段门控规则评判,能够稳定输出评判结果;通过证据链与证据包的结构化封装及索引回放机制实现可解释、可复核与可追溯;方案兼容车载端、边缘端部署,规则阈值、预处理配置与模型参数可版本化管理,便于跨车辆与考场快速落地,具有显著工业应用价值。
2、为解决上述技术问题,本发明采用如下技术方案:
3、第一方面,本发明提供了一种面向智能驾驶车辆驾考的智能评判方法,包括:
4、对车辆传感器数据进行统一授时与同步处理,基于采集的车辆传感器数据构建包含连续控制量及离散状态量的多变量时间序列;
5、从多变量时间序列中识别驾驶操作的元动作事件,生成带时间戳与置信度的元动作事件序列;
6、采用基于transformer的时序建模网络对元动作事件序列及连续控制量进行联合编码,识别复合操作类型及关键节点;
7、将考试流程建模为有限状态机,利用复合操作类型触发有限状态机的考试阶段状态转移,并根据切换后的考试阶段状态激活对应的时序规则子集,根据前置元动作与后续元动作的时间差约束、允许延迟窗口及持续时间约束进行规则匹配,输出评判结果;
8、将评判结果与触发评判结果所依据的元动作事件、复合操作类型、关键节点共同封装为结构化证据包,用于复核追溯。
9、在其中一个实施例中,所述对车辆传感器数据进行统一授时与同步处理,具体包括:
10、车辆传感器包括车辆can采集单元、驾驶员监控摄像头、车外摄像头、雷达、惯性测量单元和实时动态差分定位单元;
11、选取统一时间基准,对各类车辆传感器数据进行时延补偿,补偿后的时间戳满足:
12、;
13、为第个模态车辆传感器数据的原始时间戳,为第个模态的车辆传感器数据的链路固定时延;
14、对异步的车辆传感器数据在统一参考时刻进行插值重采样:
15、;
16、;
17、其中,为在时刻的第个模态的车辆传感器数据;和为与前后相邻的两个时刻;α为插值系数。
18、在其中一个实施例中,所述连续控制量包括车速、纵向加速度、转向角、转向角速度、制动踏板开度及油门踏板开度;所述离散状态量包括挡位状态及转向灯状态。
19、在其中一个实施例中,所述从多变量时间序列中识别驾驶操作的元动作事件,具体包括:
20、以多变量时间序列作为输入,读取由连续控制量及离散状态量组成的车辆状态信号;
21、为每一类元动作预设触发条件,所述触发条件包括幅值门限、变化率门限、最小持续时间约束及互斥约束;表示已达成第j类元动作的触发条件,表示未达成第j类元动作的触发条件;
22、沿统一时间轴搜索满足的连续时间区间,当持续时间满足时,生成元动作事件;表示第j类元动作对应的最小持续时间阈值;
23、持续时间;为所述连续时间区间的下限和上限,置信度按下式计算:
24、;
25、为归一化函数,margin为门限裕量,由参与元动作判定的车辆状态信号相对于对应触发门限的归一化差值综合得到;为持续时间稳定性评分,由元动作事件实际持续时间与对应最小持续时间阈值的比值经归一化得到;consistency为多信号一致性评分,由满足预设一致性关系的车辆状态信号数量占参与判定的车辆状态信号总数的比例得到;为对应权重;
26、对每类元动作设置冷却时间,在后的冷却窗口内不再生成同类型元动作事件。
27、在其中一个实施例中,所述从多变量时间序列中识别驾驶操作的元动作事件,还包括:
28、引入自车意图通道,所述自车意图通道包括转向灯意图、换挡意图、制动意图、转弯意图及变道意图;
29、将自车意图通道作为辅助证据参与元动作检测与置信度计算:
30、当车辆状态信号尚未完全满足对应元动作的常规触发条件,但与触发门限的偏差处于预设容差范围内,且对应的自车意图通道在预设时间窗口内持续为真或者自车意图通道的意图置信度达到预设阈值时,以弱触发方式生成元动作事件,并设置该元动作事件的置信度低于完全满足常规触发条件时的置信度;其中,所述弱触发方式是指在车辆状态信号未完全满足元动作常规触发条件的情况下,结合对应自车意图通道提供的辅助证据生成低置信度元动作事件的方式;
31、当车辆状态信号满足对应元动作的常规触发条件,且对应自车意图通道在预设时间窗口内持续为真或者自车意图通道的意图置信度达到预设阈值时,提高该元动作事件的置信度。
32、在其中一个实施例中,所述采用基于transformer的时序建模网络对元动作事件序列及连续控制量进行联合编码,识别复合操作类型及关键节点,具体包括:
33、在每一参考时刻,将该参考时刻对应的一个或多个连续控制量按照预定顺序组合形成连续特征向量,并将不同参考时刻对应的连续特征向量按时间顺序排列形成连续特征序列;将按时间顺序排列的元动作事件组成离散事件序列;
34、在统一时间轴上按预设周期划分时间片,根据各时间片对应的连续特征向量生成时间片词元,并将发生于对应时间窗内的元动作事件转换为事件词元后插入相应位置,形成时间片词元与事件词元按照时间顺序排列的混合词元序列,具体包括:
35、对第i个元动作事件的元动作类型进行嵌入映射;对参考时刻对应的连续特征向量进行线性投影;对第i个元动作事件的事件属性进行线性投影,并向各词元注入时间位置编码:;;为参考时刻对应的时间片词元;为第i个元动作事件对应的事件词元;为参考时刻对应的时间位置编码;为统一时间轴上的参考时刻;为第i个元动作事件发生时间对应的时间位置编码;为第i个元动作事件的发生时间;所述事件属性包括元动作事件的置信度、持续时间及上下文标签,表示元动作事件序号;
36、将混合词元序列输入transformer编码器,通过多头自注意力机制建模元动作之间及元动作与连续控制量之间的长短期依赖关系,得到序列特征表示;
37、在序列特征表示基础上构建输出头,识别得到:复合操作的类型、至少包含复合操作起始时刻与完成时刻的关键节点、复合操作置信度、以及各关键节点置信度。
38、在其中一个实施例中,所述将考试流程建模为有限状态机,利用复合操作类型触发有限状态机的考试阶段状态转移,并根据切换后的考试阶段状态激活对应的时序规则子集,根据前置元动作与后续元动作的时间差约束、允许延迟窗口及持续时间约束进行规则匹配,输出评判结果,具体包括:
39、将考试流程抽象为有限状态机,为考试阶段状态集合;为用于触发考试阶段状态转移的触发信息集合,包括定位信息、路线匹配信息、考官指令信息、复合操作类型及关键节点;为状态转移函数,为考试的初始状态,为考试的终止状态集合;
40、状态转移采用空间约束与时序约束联合判定:当车辆进入预设考试区域时进入候选切换窗口,在候选切换窗口内,当复合操作类型与关键节点满足触发条件时执行状态转移;
41、为每一考试阶段状态配置对应的时序规则子集,处于考试阶段状态时仅激活内时序规则;任一时序规则参数化表示为:
42、;
43、其中,为前置元动作集合,为后续元动作集合,为提前量约束,为允许延迟窗口,为参与规则判定的对应元动作事件允许的最小持续时间,为参与规则判定的对应元动作事件允许的最大持续时间,为适用条件集合,为时序规则等级;
44、在当前考试阶段的判定窗口内,根据元动作事件序列与关键节点集合执行规则匹配:当存在满足,且存在满足,并满足时间差约束、允许延迟窗口以及持续时间约束时,判定通过时序规则;否则,判定触发时序规则,输出时序规则编号以及由时序规则等级与触发原因编码构成的触发结论;其中,为元动作类型属于前置元动作集合的前置元动作事件,为元动作类型属于后续元动作集合的后续元动作事件,为前置元动作事件对应的元动作类型,为后续元动作事件对应的元动作类型,为前置元动作事件的发生时间,为后续元动作事件的发生时间。
45、在其中一个实施例中,还包括:当同一考试阶段内存在多条时序规则同时触发且触发结论冲突时,采用优先级策略、互斥去重策略及一致性复核进行融合:
46、优先级策略:不合格类时序规则优先于扣分类时序规则,安全相关时序规则优先于规范操作类时序规则;
47、互斥去重策略:对于依据相同元动作事件和关键节点触发的多条处罚类时序规则,仅保留最高等级的时序规则,避免对同一驾驶操作重复扣分;
48、一致性复核策略:当触发时序规则依赖置信度小于设定值的元动作事件时,对扣分进行复核。
49、在其中一个实施例中,所述将评判结果与触发评判结果所依据的元动作事件、复合操作类型、关键节点共同封装为结构化证据包,用于复核追溯,具体包括:
50、将评判结果封装为结果对象,结果对象包括:考试阶段状态编号序列及起止时间、触发时序规则列表与触发时序规则等级、触发原因编码、累计扣分及最终触发结论;
51、对于每一次时序规则的触发,生成对应的证据链,并与触发的时序规则建立关联;所述证据链包括:触发的时序规则编号与参数快照、所依据的元动作事件、复合操作类型及对应的置信度、关键节点及对应的置信度;
52、将结果对象与证据链的集合封装为证据包,并进行存储。
53、第二方面,本发明提供了一种面向智能驾驶车辆驾考的智能评判系统,用于实现第一方面任意一个实施例的方法,包括:
54、数据同步模块,用于对车辆传感器数据进行统一授时与同步处理,基于采集的车辆传感器数据构建包含连续控制量及离散状态量的多变量时间序列;
55、元动作提取模块,用于从多变量时间序列中识别驾驶操作的元动作事件,生成带时间戳与置信度的元动作事件序列;
56、时序建模模块,用于采用基于transformer的时序建模网络对元动作事件序列及连续控制量进行联合编码,识别复合操作类型及关键节点;
57、状态机评判模块,用于将考试流程建模为有限状态机,利用复合操作类型触发有限状态机的考试阶段状态转移,并根据切换后的考试阶段状态激活对应的时序规则子集,根据前置元动作与后续元动作的时间差约束、允许延迟窗口及持续时间约束进行规则匹配,输出评判结果;
58、证据封装模块,用于将评判结果与触发评判结果所依据的元动作事件、复合操作类型、关键节点共同封装为结构化证据包,用于复核追溯。
59、本发明中的系统与方法相对应,适用于方法的具体技术方案,同样适用于系统。
60、与现有技术相比,本发明的有益技术效果是:
61、本发明通过基于元动作事件序列的transformer时序建模,能够刻画起步、变道、通过路口等连续操作之间的先后关系与配合逻辑,实现对驾驶行为规范性的精细量化评估。
62、本发明采用与考试流程对应的有限状态机与时序规则子集激活机制,仅在相关阶段触发相应评判逻辑,显著降低误触发和环境噪声影响,提高评判结果的稳定性与一致性。
63、本发明针对每一次评判结论自动生成包含元动作标注、时序特征曲线、触发规则及配置版本的结构化证据包,可支持复核与申诉,增强评判过程的可追溯性和可解释性。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com