一种基于驾驶员模型和交通流模型提取危险场景的方法与流程

1.本发明涉及自动驾驶汽车测试技术，特别涉及一种基于驾驶员模型和交通流模型提取危险场景的方法。


背景技术：

2.目前国内自动驾驶方面研发、测试发展非常迅速，在自动驾驶汽车的研发过程中，需要通过测试来考核自动驾驶系统的功能及性能，帮助开发人员发现系统功能的不足或缺陷，对其进行针对性的完善、优化。这些测试需要能够覆盖日常驾驶过程中的自然驾驶场景以及可能出现的事故工况场景。
3.目前自动驾驶厂商主要采用道路测试的方法进行测试，这种测试方法测试成本高、周期长、安全风险大，能够覆盖的危险工况有限，还有待改进的空间。


技术实现要素：

4.本发明的目的是提供一种基于驾驶员模型和交通流模型提取危险场景的方法，能快速、高效的复现各种危险工况，可以大大提供测试的效率、提高测试的安全性、降低测试的成本。
5.本发明的上述技术目的是通过以下技术方案得以实现的：
6.一种基于驾驶员模型和交通流模型提取危险场景的方法，包括有以下步骤：
7.基于建立的驾驶员行为模型和交通流模型，在虚拟环境生成随机交通流；
8.对整个交通流进行监测；
9.判断t时刻是否有车辆发生碰撞或者是否有车辆之间的距离小于设定的危险距离；若否，则继续监测；
10.若是，在t-δt到t时刻的时间段内，提取发生危险的对应车辆及涉及到的其他交通参与者的交通流相关信息与驾驶员行为相关信息，同时提取与轨迹相关的静态环境信息，组成一个危险场景。
11.综上所述，本发明具有以下有益效果：
12.通过驾驶员行为模型及交通流模型，随机生成交通流可以最大限度的反应真实世界的交通情况，仿真覆盖真实世界可能产生的交通事故等危险场景，通过对虚拟环境中发生事故时的参数等数据的提取采集可对应获取一个危险场景，甚至能产生在真实世界发生概率极低的一些边缘场景、极端场景，通过大规模的布置这种随机交通流模型，可以快速的获取大量的危险场景、边缘场景和极端场景，并且所得场景具备一定的真实性，场景的有效性可以得到保证。通过仿真测试的方法可以快速、高效的复现各种危险工况，可以大大提供测试的效率、提高测试的安全性、降低测试的成本。
附图说明
13.图1为本方法的流程示意框图
具体实施方式
14.以下结合附图对本发明作进一步详细说明。
15.根据一个或多个实施例，公开了一种基于驾驶员模型和交通流模型提取危险场景的方法，包括有以下步骤：
16.s1、基于建立的驾驶员行为模型和交通流模型，在虚拟环境生成随机交通流。
17.驾驶员行为模型包括多个维度，包括且不限于：
18.期望速度波动值-对期望速度响应的波动范围，如
±
10％，范围可调；
19.期望加/减速度波动值-对期望加/减速度响应的波动范围，如
±
10％，范围可调；
20.无视限速程度-对限速牌等交通标志给出的最大速度的无视概率，0-1之间，0表示完全遵守，0.5表示50％的可能性遵守，1表示完全无视，不遵守；
21.期望车距波动值-对期望保持的车间时距的波动范围，如
±
20％，范围可调；
22.轨迹线/车道保持偏移程度-对规划的轨迹线或道路的车道线发生偏移的周期时间以及最大偏移量；
23.期望换道横向速度的波动值-对期望换道横向速度响应的波动范围，如
±
10％，范围可调；
24.超车意愿：前车车速与本车期望车速之间比值与与超车可能性之间的关系，类似一个二维曲线，横轴代表前车车速与本车期望车速之间的比值，纵轴代表超车的可能性，如前车与本车期望车速的比值为0.8，那么超车的可能性为80％，该曲线可按照情况设定，如设为线性关系，前车与本车期望车速的比值越大，超车可能性越小；
25.遵守交通灯/交通牌意愿：如50％-100％，50％表示遇到交通灯后有50％的可能性遵守，100％表示肯定遵守，参数范围可调；
26.打转向灯意愿：转向时打转向灯的可能性，如50％-100％；
27.该驾驶员行为模型为通过对真实世界的驾驶员的行为特点采集、统计、分析所得，并对每个参数设置一定范围的随机性。
28.交通流模型包含常见参数，包括且不限于：
29.平均车流量：采样时间内通过指定路段中某一截面的车辆数；
30.车流密度：某一时间单位道路长度上存在的车辆数；
31.平均车速：单位时间内车辆在检测路段中行驶距离的平均值；
32.平均占有率：驶入检测路段的所有车辆占用交通流数据传感器的时间总和比上采样时间；
33.车头间距：前后车车头间的距离；
34.车头时距：前后车的车头间距除以后车速度所得时间；
35.交通流模型包含上述参数关于时间和空间的分布情况，这些分布情况通过对真实世界某些道路的交通数据进行采集、统计、分析所得，并对每个参数设置一定范围的随机性，且交通流模型中的每个车辆具备一定的自动驾驶功能。
36.s2、对整个交通流进行监测。
37.s3、判断t时刻是否有车辆发生碰撞或者是否有车辆之间的距离小于设定的危险距离；若否，则继续监测。
38.s4、若发生碰撞或车辆间距小于设定危险距离，在t-δt到t时刻的时间段内，提取
发生危险的对应车辆及涉及到的其他交通参与者的交通流相关信息与驾驶员行为相关信息，同时提取与轨迹相关的静态环境信息，组成一个危险场景。
39.譬如a车和b车涉及到危险事件，提取t-δt到t时刻的这个时间段内，a车、b车以及涉及到的其他的交通参与者的行驶轨迹、速度、加速度车头朝向等相关信息，并提取与轨迹相关的道路信息、交通标志信息、天气信息、光照信息等静态环境信息，道路信息包括且不限于车道线类型、车道数量、坡度、路面情况等等信息，交通标志信息包括交通灯、地面标识、交通牌信息，天气信息包括晴天、雨天、雪天、雾、霾等、光照信息包括有白天、傍晚、黑夜、逆光、炫光等。以上这些信息共同组建成一个危险场景。
40.驾驶员行为模型和交通流模型都是根据真实世界的真实驾驶/交通情况统计、分析所得，模型具备真实性，同时又设置了一定的随机性，通过这种形式产生的随机交通流可以最大限度的反应真实世界的交通情况，可以覆盖真实世界的可能产生交通事故等危险场景，甚至能产生在真实世界发生概率极低的一些边缘场景、极端场景。通过大规模的布置这种随机交通流模型，可以快速的获取大量的危险场景、边缘场景和极端场景，并且所得场景具备一定的真实性，场景的有效性可以得到保证。通过仿真测试的方法可以快速、高效的复现各种危险工况，可以大大提供测试的效率、提高测试的安全性、降低测试的成本。
41.本具体实施例仅仅是对本发明的解释，其并不是对本发明的限制，本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改，但只要在本发明的权利要求范围内都受到专利法的保护。


技术特征：
1.一种基于驾驶员模型和交通流模型提取危险场景的方法，其特征是，包括有以下步骤：基于建立的驾驶员行为模型和交通流模型，在虚拟环境生成随机交通流；对整个交通流进行监测；判断t时刻是否有车辆发生碰撞或者是否有车辆之间的距离小于设定的危险距离；若否，则继续监测；若是，在t-δt到t时刻的时间段内，提取发生危险的对应车辆及涉及到的其他交通参与者的交通流相关信息与驾驶员行为相关信息，同时提取与轨迹相关的静态环境信息，组成一个危险场景。2.根据权利要求1所述的基于驾驶员模型和交通流模型提取危险场景的方法，其特征是：采集、统计、分析真实世界中驾驶员的行为特点，每个维度参数设定一定范围的随机性，生成驾驶员行为模型；采集、统计、分析真实交通流常见参数数据关于时间和空间的分布情况，并对每个参数设置一定范围的随机性，生成交通流模型；根据设定的参数随机生成虚拟环境中的交通流。3.根据权利要求2所述的基于驾驶员模型和交通流模型提取危险场景的方法，其特征是，所述驾驶员行为模型包括有以下多维度信息：期望速度波动值-对期望速度响应的波动范围，波动范围根据设定调节；期望加/减速度波动值-对期望加/减速度响应的波动范围，波动范围根据设定调节；无视限速交通标志给出的最大速度的无视概率，设为0-1之间，0表示完全遵守，0.5表示50％的可能性遵守，1表示完全无视，不遵守；期望车距波动值-对期望保持的车间时距的波动范围，波动范围根据设定调节；轨迹线/车道保持偏移程度-对规划的轨迹线或道路的车道线发生偏移的周期时间以及最大偏移量；期望换道横向速度的波动值-对期望换道横向速度响应的波动范围，波动范围根据设定调节；超车意愿：前车车速与本车期望车速之间比值与超车可能性之间的关系；遵守交通灯/交通牌意愿及打转向灯意愿。4.根据权利要求2所述的基于驾驶员模型和交通流模型提取危险场景的方法，其特征是，所述交通流模型设定包含有以下参数信息：平均车流量：采样时间内通过指定路段中某一截面的车辆数；车流密度：某一时间单位道路长度上存在的车辆数；平均车速：单位时间内车辆在检测路段中行驶距离的平均值；平均占有率：驶入检测路段的所有车辆占用交通流数据传感器的时间总和比上采样时间；车头间距：前后车车头间的距离；车头时距：前后车的车头间距除以后车速度所得时间。5.根据权利要求1所述的基于驾驶员模型和交通流模型提取危险场景的方法，其特征
是，静态环境信息包括有：交通标志信息，包括交通灯、地面标识、交通牌信息；天气信息，包括有晴天、雨天、雪天、雾天、霾天；光照信息，包括有白天光照、傍晚光照、黑夜、逆光、炫光。

技术总结
本发明公开了一种基于驾驶员模型和交通流模型提取危险场景的方法，解决了目前自动驾驶采用道路测试的成本高、周期长、安全风险大、覆盖工况有限的问题，其技术方案要点是包括有以下步骤：基于建立的驾驶员行为模型和交通流模型，在虚拟环境生成随机交通流；对整个交通流进行监测；在判断T时刻有车辆发生碰撞或者有车辆之间的距离小于设定的危险距离时，在T-Δt到T时刻的时间段内，提取对应车辆及涉及到的其他交通参与者的相关信息，提取与轨迹相关的静态环境信息，组成一个危险场景；本发明的一种基于驾驶员模型和交通流模型提取危险场景的方法，能快速、高效复现各种危险工况，可大大提供测试效率、提高测试安全性、降低测试成本。本。本。


技术研发人员：秦文刚 殷承良 代堃鹏 李波
受保护的技术使用者：上海智能网联汽车技术中心有限公司
技术研发日：2022.06.17
技术公布日：2022/10/25