(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