智能驾驶安全控制方法、装置、控制装置和车辆与流程
本公开涉及智能驾驶系统安全,尤其涉及智能驾驶安全控制方法、装置、控制装置和车辆。
背景技术:
1、随着智能驾驶技术的快速发展,车辆智能驾驶系统对运行安全性的要求日益提高。为应对复杂的驾驶环境并保障系统稳定,相关技术普遍采用基于预设规则与静态阈值的安全监控机制,为车辆提供基础的安全防护。
2、然而,相关技术所依赖的静态判定机制往往容易出现安全策略响应偏差,难以有效保障车辆的安全行驶。
技术实现思路
1、本公开实施例提供智能驾驶安全控制方法、装置、控制装置和车辆,旨在提高智能驾驶系统的安全性和可靠性。
2、第一方面,本技术提供一种智能驾驶安全控制方法,包括:获取第一驾驶决策、第二驾驶决策、车载系统运行状态和模型监测信息;第一驾驶决策由第一模型根据环境感知数据生成;第二驾驶决策由第二模型根据预设安全规则生成;车载系统运行状态表征车辆计算平台、传感器和通信链路的运行情况;模型监测信息用于识别第一模型的内生风险;根据模型监测信息、车载系统运行状态和场景偏离度,对第一驾驶决策和第二驾驶决策进行融合,确定目标驾驶决策;场景偏离度表征环境感知数据超出车辆智能驾驶功能所支持的运行条件的程度;控制车辆执行目标驾驶决策。
3、本技术提供的智能驾驶安全控制方法,通过获取第一驾驶决策、第二驾驶决策、车载系统运行状态和模型监测信息,使得驾驶决策的融合判断同时具备了模型决策、规则决策、系统状态和模型风险四类依据。进而,根据模型监测信息、车载系统运行状态和场景偏离度,对第一驾驶决策和第二驾驶决策进行融合,确定目标驾驶决策,使得模型风险、系统健康和场景边界共同参与决策,可以在系统异常、模型异常或场景超界情况下选择更安全的驾驶决策。最后,控制车辆执行目标驾驶决策,提高了智能驾驶系统的安全性和可靠性。
4、在一些可能的实施方式中,第一模型还会输出第一驾驶决策的置信度;模型监测信息包括以下至少一项:第一监测信息,第一监测信息表征第一模型在滑动时间窗口内输出的置信度与第一驾驶决策对应的决策采纳率之间的偏差;第二监测信息,第二监测信息表征输入第一模型的环境感知数据在受到扰动时,第一模型输出的第一驾驶决策的变化幅度;第三监测信息,第三监测信息表征第一模型在相邻时间帧输出的第一驾驶决策之间的物理一致性。
5、在一些可能的实施方式中,第一监测信息通过以下方式获取:获取第一模型在滑动时间窗口内输出的置信度,以及滑动时间窗口内各第一驾驶决策分别对应的目标驾驶决策;根据各第一驾驶决策与对应目标驾驶决策的匹配结果,确定滑动时间窗口内第一驾驶决策的决策采纳率;根据滑动时间窗口内各置信度的平均值与决策采纳率之间的偏差,确定第一监测信息。
6、在一些可能的实施方式中,第二监测信息通过以下方式获取:对输入第一模型的环境感知数据施加扰动,得到扰动数据;将扰动数据输入第一模型,得到扰动驾驶决策;根据扰动驾驶决策与第一驾驶决策之间的差异程度,确定第二监测信息。
7、在一些可能的实施方式中,第三监测信息通过以下方式获取:获取第一模型在相邻时间帧输出的第一驾驶决策;根据相邻时间帧的第一驾驶决策,确定相邻时间帧之间的加速度变化率和/或横摆角速度变化率;根据加速度变化率和/或横摆角速度变化率,确定第三监测信息。
8、在一些可能的实施方式中,根据模型监测信息、车载系统运行状态和场景偏离度,对第一驾驶决策和第二驾驶决策进行融合,确定目标驾驶决策,包括:根据模型监测信息、车载系统运行状态和场景偏离度,确定综合风险值;根据综合风险值,对第一驾驶决策和第二驾驶决策进行融合,确定目标驾驶决策。
9、在一些可能的实施方式中,根据模型监测信息、车载系统运行状态和场景偏离度,确定综合风险值,包括:根据模型监测信息,确定第一模型的模型可信度;根据车载系统运行状态,确定车载系统异常程度;根据场景偏离度,确定场景风险程度;根据模型可信度、车载系统异常程度和场景风险程度,确定综合风险值;其中,综合风险值与车载系统异常程度和场景风险程度正相关,与模型可信度负相关。
10、在一些可能的实施方式中,根据综合风险值,对第一驾驶决策和第二驾驶决策进行融合,确定目标驾驶决策,包括:根据综合风险值,确定当前驾驶场景对应的风险等级;在风险等级为第一等级的情况下,将第一驾驶决策确定为目标驾驶决策;在风险等级为第二等级的情况下,对第一驾驶决策和第二驾驶决策进行融合,得到目标驾驶决策;在风险等级为第三等级的情况下,根据最小风险策略确定目标驾驶决策;其中,第二等级高于第一等级,第三等级高于第二等级。
11、在一些可能的实施方式中,对第一驾驶决策和第二驾驶决策进行融合,得到目标驾驶决策,包括:根据模型监测信息、车载系统运行状态和场景偏离度中的至少一项,分别确定第一驾驶决策和第二驾驶决策的融合权重分配;根据融合权重分配,对第一驾驶决策和第二驾驶决策进行融合,得到目标驾驶决策。
12、在一些可能的实施方式中,最小风险策略包括控制车辆执行平稳减速、靠边停车或输出接管提示中的至少一项。
13、在一些可能的实施方式中,第二模型根据预设安全规则生成第二驾驶决策,包括:获取交通法规规则、车辆动力学约束规则和车辆功能安全监督规则;按照交通法规规则、车辆动力学约束规则和车辆功能安全监督规则的优先级顺序,对当前驾驶场景进行规则匹配;根据匹配到的规则,生成第二驾驶决策。
14、在一些可能的实施方式中,方法还包括:在车辆执行目标驾驶决策后,获取目标驾驶决策对应的实际行驶状态数据并存储;在满足预设优化条件的情况下,根据目标驾驶决策和实际行驶状态数据,对第一模型和/或第二模型进行优化,得到优化后的第一模型和/或优化后的第二模型。
15、在一些可能的实施方式中,根据目标驾驶决策和实际行驶状态数据,对第一模型和/或第二模型进行优化,得到优化后的第一模型和/或优化后的第二模型,包括:从目标驾驶决策和实际行驶状态数据中获取多个场景特征向量;对多个场景特征向量进行聚类,得到聚类结果;将聚类结果中的离群数据点、以及样本数量小于设定数量的簇对应的场景特征,确定为潜在目标场景;根据潜在目标场景优化第一模型的和/或第二模型,得到优化后的第一模型和/或优化后的第二模型。
16、第二方面,本技术提供一种智能驾驶安全控制装置,包括:数据获取模块、决策确定模块以及决策执行模块。其中,数据获取模块,用于获取第一驾驶决策、第二驾驶决策、车载系统运行状态和模型监测信息;第一驾驶决策由第一模型根据环境感知数据生成;第二驾驶决策由第二模型根据预设安全规则生成;车载系统运行状态表征车辆计算平台、传感器和通信链路的运行情况;模型监测信息用于识别第一模型的内生风险;决策确定模块,用于根据模型监测信息、车载系统运行状态和场景偏离度,对第一驾驶决策和第二驾驶决策进行融合,确定目标驾驶决策;场景偏离度表征环境感知数据超出车辆智能驾驶功能所支持的运行条件的程度;决策执行模块,用于控制车辆执行目标驾驶决策。
17、在一些可能的实施方式中,第一模型还会输出第一驾驶决策的置信度;模型监测信息包括以下至少一项:第一监测信息,第一监测信息表征第一模型在滑动时间窗口内输出的置信度与第一驾驶决策对应的决策采纳率之间的偏差;第二监测信息,第二监测信息表征输入第一模型的环境感知数据在受到扰动时,第一模型输出的第一驾驶决策的变化幅度;第三监测信息,第三监测信息表征第一模型在相邻时间帧输出的第一驾驶决策之间的物理一致性。
18、在一些可能的实施方式中,第一监测信息通过以下方式获取:获取第一模型在滑动时间窗口内输出的置信度,以及滑动时间窗口内各第一驾驶决策分别对应的目标驾驶决策;根据各第一驾驶决策与对应目标驾驶决策的匹配结果,确定滑动时间窗口内第一驾驶决策的决策采纳率;根据滑动时间窗口内各置信度的平均值与决策采纳率之间的偏差,确定第一监测信息。
19、在一些可能的实施方式中,第二监测信息通过以下方式获取:对输入第一模型的环境感知数据施加扰动,得到扰动数据;将扰动数据输入第一模型,得到扰动驾驶决策;根据扰动驾驶决策与第一驾驶决策之间的差异程度,确定第二监测信息。
20、在一些可能的实施方式中,第三监测信息通过以下方式获取:获取第一模型在相邻时间帧输出的第一驾驶决策;根据相邻时间帧的第一驾驶决策,确定相邻时间帧之间的加速度变化率和/或横摆角速度变化率;根据加速度变化率和/或横摆角速度变化率,确定第三监测信息。
21、在一些可能的实施方式中,决策确定模块,具体用于,根据模型监测信息、车载系统运行状态和场景偏离度,确定综合风险值;根据综合风险值,对第一驾驶决策和第二驾驶决策进行融合,确定目标驾驶决策。
22、在一些可能的实施方式中,决策确定模块,具体用于,根据模型监测信息,确定第一模型的模型可信度;根据车载系统运行状态,确定车载系统异常程度;根据场景偏离度,确定场景风险程度;根据模型可信度、车载系统异常程度和场景风险程度,确定综合风险值;其中,综合风险值与车载系统异常程度和场景风险程度正相关,与模型可信度负相关。
23、在一些可能的实施方式中,决策确定模块,具体用于,根据综合风险值,确定当前驾驶场景对应的风险等级;在风险等级为第一等级的情况下,将第一驾驶决策确定为目标驾驶决策;在风险等级为第二等级的情况下,对第一驾驶决策和第二驾驶决策进行融合,得到目标驾驶决策;在风险等级为第三等级的情况下,根据最小风险策略确定目标驾驶决策;其中,第二等级高于第一等级,第三等级高于第二等级。
24、在一些可能的实施方式中,决策确定模块,具体用于,根据模型监测信息、车载系统运行状态和场景偏离度中的至少一项,分别确定第一驾驶决策和第二驾驶决策的融合权重分配;根据融合权重分配,对第一驾驶决策和第二驾驶决策进行融合,得到目标驾驶决策。
25、在一些可能的实施方式中,最小风险策略包括控制车辆执行平稳减速、靠边停车或输出接管提示中的至少一项。
26、在一些可能的实施方式中,第二模型根据预设安全规则生成第二驾驶决策,包括:获取交通法规规则、车辆动力学约束规则和车辆功能安全监督规则;按照交通法规规则、车辆动力学约束规则和车辆功能安全监督规则的优先级顺序,对当前驾驶场景进行规则匹配;根据匹配到的规则,生成第二驾驶决策。
27、在一些可能的实施方式中,装置还包括,模型优化模块,用于,在车辆执行目标驾驶决策后,获取目标驾驶决策对应的实际行驶状态数据并存储;在满足预设优化条件的情况下,根据目标驾驶决策和实际行驶状态数据,对第一模型和/或第二模型进行优化,得到优化后的第一模型和/或优化后的第二模型。
28、在一些可能的实施方式中,模型优化模块,具体用于,从目标驾驶决策和实际行驶状态数据中获取多个场景特征向量;对多个场景特征向量进行聚类,得到聚类结果;将聚类结果中的离群数据点、以及样本数量小于设定数量的簇对应的场景特征,确定为潜在目标场景;根据潜在目标场景优化第一模型的和/或第二模型,得到优化后的第一模型和/或优化后的第二模型。
29、第三方面,本技术提供一种控制装置,包括:存储器和处理器;存储器和处理器耦合;存储器用于存储计算机程序;处理器执行计算机程序时实现上述任一实施例的智能驾驶安全控制方法。
30、第四方面,本技术提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序指令,该计算机程序指令被处理器执行时实现上述任一实施例的智能驾驶安全控制方法。
31、第五方面,本技术提供一种计算机程序产品,该计算机程序产品包括计算机程序指令,该计算机程序指令被处理器执行时实现上述任一实施例所述的智能驾驶安全控制方法。
32、第六方面,本技术提供一种车辆,包括上任一实施例中的控制装置;或上任一实施例中的计算机可读存储介质;或上任一实施例中的计算机程序产品。
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