(19)中华 人民共和国 国家知识产权局
(12)发明 专利申请
(10)申请公布号
(43)申请公布日
(21)申请 号 202111121003.7
(22)申请日 2021.09.24
(71)申请人 同济大学
地址 200092 上海市杨 浦区四平路1239号
(72)发明人 王雪松 刘爽
(74)专利代理 机构 上海科盛知识产权代理有限
公司 312 25
代理人 应小波
(51)Int.Cl.
G06F 30/27(2020.01)
G06F 111/06(2020.01)
(54)发明名称
面向车辆切入场景的责任敏感安全模型标
定方法
(57)摘要
本发明涉及一种面向车辆切入场景的责任
敏感安全模型标定方法, 其特征在于, 该方法首
先从自然驾驶数据库中筛选车辆切入场景下危
险事件, 并在仿真平台中复现, 获得后车驾驶轨
迹数据; 然后通过建立目标函数, 构建多目标最
优化问题并求解, 获得最优目标函数解集, 作为
RSS模型的最终标定结果; 最后使用经过标定优
化的RSS模型对自动驾驶车辆进行自动驾驶控
制。 与现有 技术相比, 本发明具有复杂 度低、 综合
考虑模型安全性和保守程度、 安全性高、 现实适
用性好等优点。
权利要求书2页 说明书8页 附图3页
CN 113887131 A
2022.01.04
CN 113887131 A
1.一种面向车辆切入场景的责任敏感安全模型标定方法, 其特征在于, 该方法首先从
自然驾驶数据库中筛选车辆切入场景下危险事件, 并在仿真平台中复现, 获得后车驾驶轨
迹数据; 然后通过建立 目标函数, 构建多目标最优化问题并求解, 获得最优目标函数解集,
作为RSS模型的最终标定结果; 最后使用经过标定优化的RSS模型对自动驾驶车辆进 行自动
驾驶控制。
2.根据权利要求1所述的一种面向车辆切入场景的责任敏感安全模型标定方法, 其特
征在于, 该 方法具体包括以下步骤:
步骤1: 从自然驾驶数据库中筛选车辆切入场景下危险事件, 获得车辆切入场景下危险
事件数据;
步骤2: 使用步骤1中获取的危险事件数据, 在仿真平台中复现危险事件, 获得后车驾驶
轨迹数据;
步骤3: 建立目标函数, 构建最优化问题;
步骤4: 求 解目标函数, 获得目标函数解 集;
步骤5: 从目标函数解 集中获得最优解, 作为RS S模型的最终标定结果;
步骤6: 使用经 过标定优化的RS S模型对自动驾驶车辆进行自动驾驶控制。
3.根据权利要求2所述的一种面向车辆切入场景的责任敏感安全模型标定方法, 其特
征在于, 所述的步骤1利用阈值法从自然驾驶数据库中筛 选车辆切入场景 下危险事 件。
4.根据权利要求2所述的一种面向车辆切入场景的责任敏感安全模型标定方法, 其特
征在于, 所述的步骤2具体为:
将步骤1筛选出的换道场景下危险事件在仿真平台中复现, 后车的初始速度和初始位
置、 前车的轨迹以及道路中心线和道路宽度均为步骤1获取危险事件的真实数据, 在仿 真平
台中将后车设置为由自适应巡航ACC和责任敏感安全模 型RSS共同控制的自动驾驶车辆AV,
通过仿真获得后车的驾驶轨 迹数据。
5.根据权利要求2所述的一种面向车辆切入场景的责任敏感安全模型标定方法, 其特
征在于, 所述的步骤3具体为:
综合模型的安全性能、 保守程度和模型的激活事 件, 建立多目标最优化 函数:
Ω=(max fSafety,min fConservativenes s,min fActive)
其中max fSafety为第一子目标, min fConservativeness为第二子目标, min fActive为第三子目
标。
6.根据权利要求5所述的一种面向车辆切入场景的责任敏感安全模型标定方法, 其特
征在于, 所述的第一子目标max fSafety具体为:
其中, E为仿真中没有出现碰撞的事件总数; TTCi(t)为第i个危险换道事件在t时刻时的
TTC值; ΤΤC*为TTC的阈值; t*为TTC<ΤΤC*时的第一个时间步长; T1i为TTC<ΤΤC*的最后
一个时间步长, #ofsteps是对于
当TTC<ΤΤC*的总步长;
所述的第二子目标mi n fConservativenes s具体为:权 利 要 求 书 1/2 页
2
CN 113887131 A
2其中, e为RSS模型激活的事件总数; trss_i代表RSS安全距离
大于实际换道距离
的时刻;
为
的所有步长;
所述的第三子目标mi n fActive具体为:
7.根据权利要求2所述的一种面向车辆切入场景的责任敏感安全模型标定方法, 其特
征在于, 所述的步骤4具体为: 使用带精英策略的非支配排序遗传算法NSGA ‑II求解步骤3 建
立的多目标最优化问题, 其中所述非支配排序遗传算法NSGA ‑II包括以下步骤:
步骤4‑1: 随机生成初始种群, 其中的个 体代表RSS模型的一个随机参数集;
步骤4‑2: 针对随机 选择的个 体和个体之间进行突变和交叉, 生成子群;
步骤4‑3: 结合父代和子代;
步骤4‑4: 使用快速非支配排序算法对个 体按照支配关系进行分层;
步骤4‑5: 逐层计算个体的拥挤度id, 根据拥挤度大小对个体进行排序, 选择合适个体组
成新父代;
步骤4‑6: 重复步骤4‑2~4‑5, 直到各代之间适应度函数的平均相对权重变化小于预设
的容限或迭代次数达 到最大值, 停止迭代。
8.根据权利要求7所述的一种面向车辆切入场景的责任敏感安全模型标定方法, 其特
征在于, 所述的步骤4 ‑5中拥挤度id的计算方法为:
其中,
表示i+1点的第j个目标函数值;
表示第i‑1点的第j个目标函数值。
9.根据权利要求2所述的一种面向车辆切入场景的责任敏感安全模型标定方法, 其特
征在于, 所述的步骤5具体为: 从步骤4获得的目标函数解集中选取目标值Ω最小的一组数
据作为RS S模型的最终标定结果。
10.一种计算机可读存储介质, 其上存储有计算机程序, 其特征在于, 所述程序被处理
器执行时实现如权利要求1~ 9中任一项所述的方法。权 利 要 求 书 2/2 页
3
CN 113887131 A
3
专利 面向车辆切入场景的责任敏感安全模型标定方法
文档预览
中文文档
14 页
50 下载
1000 浏览
0 评论
309 收藏
3.0分
温馨提示:本文档共14页,可预览 3 页,如浏览全部内容或当前文档出现乱码,可开通会员下载原始文档
本文档由 人生无常 于 2024-03-18 21:46:23上传分享