一种车辆换道风险预测方法、装置、设备及存储介质

本发明涉及车辆智能驾驶，特别涉及一种车辆换道风险预测方法、装置、设备及存储介质。

背景技术：

1、随着智能驾驶技术的快速发展，构建覆盖多样风险等级的测试场景库已成为智能驾驶系统验证与评估的重要基础。自然驾驶数据采集系统已广泛应用于驾驶行为分析，其视频与车辆运动参数为切入场景研究提供了真实数据源。目前，邻车切入场景的生成主要依赖基于自然驾驶数据的人工标注与规则驱动方法，即由人工逐帧筛选切入事件并记录关键参数，采用固定阈值的间隙接受模型判定换道可行性，利用直线或圆弧插值生成换道轨迹。然而该方法存在诸多不足：一是人工标注耗时费力且存在主观差异；二是恒定thw阈值无法描述交叉口驾驶人因距停止线缩短而被迫接受更小间隙的强制换道行为，与真实冲突机理不符；三是简单插值无法保证换道过程中横向速度与加速度的连续平滑，未考虑车辆运动学约束，生成样本的真实性与可执行性不足；四是仅依赖有限数据片段，难以覆盖高危险性、稀疏发生的强制切入场景，样本多样性受限。

2、因此，如何自动识别交通场景中的风险行为并进行预警，以为智能驾驶系统测试与风险评估提供丰富、可靠的数据支撑是需要解决的。

技术实现思路

1、有鉴于此，本发明的目的在于提供一种车辆换道风险预测方法、装置、设备及存储介质，能够为智能驾驶系统测试与风险评估提供丰富、可靠的数据支撑。其具体方案如下：

2、第一方面，本技术公开了一种车辆换道风险预测方法，包括：

3、基于车辆运行参数从自然驾驶数据集中抽取包含车辆换道行为的驾驶片段视频帧，以得到目标驾驶图像序列；

4、将预设目标提示词和所述目标驾驶图像序列输入至预设视频大语言模型中，并基于所述预设视频大语言模型输出的结构化风险致因分析结果确定换道风险致因参数；所述换道风险致因参数包括换道起止时刻、换道持续时间、前后向时距和各车速度；所述各车速度包括换道车辆、目标车道前车和目标车道后车的速度；

5、基于所述前后向时距和所述各车速度确定用于表征允许所述换道车辆换道的可行性判定信号；

6、基于所述可行性判定信号和所述换道持续时间对所述换道车辆进行位移轨迹规划，以得到初始车辆换道轨迹，并基于预设车辆运动学约束对所述初始车辆换道轨迹进行验证，以得到车辆可行换道轨迹；

7、基于所述换道起止时刻和所述车辆可行换道轨迹推演所述换道车辆与所述目标车道前车、所述目标车道后车之间的纵向交互过程，以得到换道风险场景样本，并基于所述换道风险场景样本确定车辆换道风险预测结果。

8、可选的，所述基于车辆运行参数从自然驾驶数据集中抽取包含车辆换道行为的驾驶片段视频帧，以得到目标驾驶图像序列，包括：

9、对交叉口进口道停止线前预设距离范围内的自然驾驶数据进行采集，以得到自然驾驶数据集；所述自然驾驶数据包括驾驶视频和与所述驾驶视频时间同步的车辆运行参数；

10、基于所述车辆运行参数从所述自然驾驶数据集中筛选出包含车辆换道行为的驾驶片段；

11、基于时间轴以预设时间间隔从所述驾驶片段对应的驾驶视频中均匀抽取视频帧，并按抽取时序对抽取到的视频帧进行排列，以得到保留时序上下文的目标驾驶图像序列。

12、可选的，所述将预设目标提示词和所述目标驾驶图像序列输入至预设视频大语言模型中，并基于所述预设视频大语言模型输出的结构化风险致因分析结果确定换道风险致因参数，包括：

13、构建包括角色定义字段、任务规划字段和输出约束字段的预设目标提示词；

14、将所述预设目标提示词和所述目标驾驶图像序列输入至所述预设视频大语言模型中，以得到所述预设视频大语言模型输出的结构化风险致因分析结果；

15、基于所述结构化风险致因分析结果定位关键风险事件，并基于所述自然驾驶数据集中所述关键风险事件对应的换道行为参数分布，确定所述关键风险事件对应的换道风险致因参数。

16、可选的，所述基于所述前后向时距和所述各车速度确定用于表征允许所述换道车辆换道的可行性判定信号，包括：

17、确定所述前后向时距中的前向时距和后向时距；所述前向时距为所述换道车辆与所述目标车道前车之间的前向间隙和所述各车速度中的换道车辆速度之比，所述前向间隙为所述目标车道前车的纵向位置与所述换道车辆的纵向位置之差减去所述目标车道前车的车身长度所得的值；所述后向时距为所述换道车辆与所述目标车道后车之间的后向间隙和所述各车速度中的目标车道后车速度之比，所述后向间隙为所述换道车辆的纵向位置与所述目标车道后车的纵向位置之差减去所述换道车辆的车身长度所得的值；

18、确定所述换道车辆与交叉口停止线的目标距离，并基于预设远端边界距离和预设近端临界距离将前向时距阈值和后向时距阈值构建为所述目标距离的三段式线性函数；

19、在所述前向时距不小于所述前向时距阈值、且所述后向时距不小于所述后向时距阈值的情况下，生成表征允许换道的可行性判定信号。

20、可选的，所述基于所述可行性判定信号和所述换道持续时间对所述换道车辆进行位移轨迹规划，以得到初始车辆换道轨迹，包括：

21、构建所述换道车辆的车辆运动学模型；所述车辆运动学模型以所述换道车辆的质心位置、航向角、纵向速度和等效前轮转角为状态量，且所述航向角的变化率为所述纵向速度与等效前轮转角的正切值之积和换道车辆轴距之比；

22、基于所述可行性判定信号将所述换道持续时间作为初始换道持续时间，并以所述初始换道持续时间为时域、按横向边界条件采用五次多项式构建所述换道车辆由当前车道中心线至目标车道中心线的横向位移轨迹；所述横向边界条件为换道起始时刻的横向位置为换道起点横向位置、换道结束时刻的横向位置为目标车道中心横向位置，且换道起始时刻和换道结束时刻的横向速度和横向加速度均为零；

23、基于预设跟驰模型确定所述换道车辆对所述目标车道前车的纵向加速度响应，并对所述纵向加速度响应依次积分，以得到所述换道车辆的纵向位移轨迹；

24、基于所述车辆运动学模型对所述横向位移轨迹和所述纵向位移轨迹进行融合，以得到初始车辆换道轨迹。

25、可选的，所述基于预设车辆运动学约束对所述初始车辆换道轨迹进行验证，以得到车辆可行换道轨迹，包括：

26、基于所述车辆运动学模型构建预设车辆运动学约束；所述预设车辆运动学约束包括转向角约束、转向角速度约束和侧向加速度约束；

27、基于所述初始车辆换道轨迹确定各时刻对应的等效前轮转角、等效前轮转角变化率和侧向加速度，并基于所述预设车辆运动学约束对所述等效前轮转角、所述等效前轮转角变化率和所述侧向加速度进行验证；

28、若验证通过，则将所述初始车辆换道轨迹作为车辆可行换道轨迹；

29、若验证未通过，则保持所述横向边界条件不变，按预设时间步长递增所述初始换道持续时间并重新生成初始车辆换道轨迹，直至验证通过，以将验证通过时的初始车辆换道轨迹作为车辆可行换道轨迹。

30、可选的，所述基于所述换道起止时刻和所述车辆可行换道轨迹推演所述换道车辆与所述目标车道前车、所述目标车道后车之间的纵向交互过程，以得到换道风险场景样本，包括：

31、对风险倾向分层参数的取值区间进行划分，以得到各风险倾向层，并在各所述风险倾向层内随机采样，以得到对应的换道场景参数组合；所述风险倾向分层参数包括所述换道持续时间、以及所述前后向时距中换道结束时刻对应的目标前向时距和目标后向时距；

32、基于所述换道场景参数组合和所述各车速度，确定换道结束时刻所述换道车辆与所述目标车道前车、所述目标车道后车之间的纵向间隙，并基于所述纵向间隙反向递推，以得到各车在初始时刻对应的初始纵向位置；

33、基于所述初始纵向位置和所述车辆可行换道轨迹，以预设离散步长在预设仿真时长内对所述纵向交互过程进行迭代推演，以得到携带对应风险倾向层标识的换道风险场景样本。

34、第二方面，本技术公开了一种车辆换道风险预测装置，包括：

35、图像序列获取模块，用于基于车辆运行参数从自然驾驶数据集中抽取包含车辆换道行为的驾驶片段视频帧，以得到目标驾驶图像序列；

36、参数确定模块，用于将预设目标提示词和所述目标驾驶图像序列输入至预设视频大语言模型中，并基于所述预设视频大语言模型输出的结构化风险致因分析结果确定换道风险致因参数；所述换道风险致因参数包括换道起止时刻、换道持续时间、前后向时距和各车速度；所述各车速度包括换道车辆、目标车道前车和目标车道后车的速度；

37、信号生成模块，用于基于所述前后向时距和所述各车速度确定用于表征允许所述换道车辆换道的可行性判定信号；

38、轨迹规划模块，用于基于所述可行性判定信号和所述换道持续时间对换道车辆进行位移轨迹规划，以得到初始车辆换道轨迹，并基于预设车辆运动学约束对所述初始车辆换道轨迹进行验证，以得到车辆可行换道轨迹；

39、风险预测模块，用于基于所述换道起止时刻和所述车辆可行换道轨迹推演所述换道车辆与所述目标车道前车、所述目标车道后车之间的纵向交互过程，以得到换道风险场景样本，并基于所述换道风险场景样本确定车辆换道风险预测结果。

40、第三方面，本技术公开了一种电子设备，包括：

41、存储器，用于保存计算机程序；

42、处理器，用于执行所述计算机程序以实现前述的车辆换道风险预测方法。

43、第四方面，本技术公开了一种计算机可读存储介质，用于保存计算机程序，所述计算机程序被处理器执行时实现前述的车辆换道风险预测方法。

44、可见，本实施例中，基于车辆运行参数从自然驾驶数据集中抽取包含车辆换道行为的驾驶片段视频帧，以得到目标驾驶图像序列；将预设目标提示词和所述目标驾驶图像序列输入至预设视频大语言模型中，并基于所述预设视频大语言模型输出的结构化风险致因分析结果确定换道风险致因参数；所述换道风险致因参数包括换道起止时刻、换道持续时间、前后向时距和各车速度；所述各车速度包括换道车辆、目标车道前车和目标车道后车的速度；基于所述前后向时距和所述各车速度确定用于表征允许所述换道车辆换道的可行性判定信号；基于所述可行性判定信号和所述换道持续时间对所述换道车辆进行位移轨迹规划，以得到初始车辆换道轨迹，并基于预设车辆运动学约束对所述初始车辆换道轨迹进行验证，以得到车辆可行换道轨迹；基于所述换道起止时刻和所述车辆可行换道轨迹推演所述换道车辆与所述目标车道前车、所述目标车道后车之间的纵向交互过程，以得到换道风险场景样本，并基于所述换道风险场景样本确定车辆换道风险预测结果。即，通过视频大语言模型自动提取换道风险致因参数，避免了人工逐帧标注的主观差异与高昂成本；通过将间隙接受阈值设计为距停止线距离的动态函数，准确刻画了交叉口进口道驾驶人因剩余距离紧迫而压缩可接受间隙的强制换道决策机制；通过五次多项式横向轨迹与运动学约束校验，保证了换道轨迹的平滑性与物理可行性；通过风险倾向分层采样策略，实现了覆盖高、中、低多类风险等级的切入场景批量生成，为智能驾驶系统测试与风险评估提供了丰富、可靠的数据支撑。