侵權投訴
訂閱
糾錯
加入自媒體
當前位置： OFweek 智能汽車網   >   其他   >  正文

在復雜交通環境下智能汽車行駛風險評估與智能決策

2018-11-19 11:24
智車科技IV
關注

為驗該思想，進行大量實驗

自然駕駛數據分析結果

首先進行自然駕駛數據采集，在自然駕駛數據中提取了7631段幀號連續的跟車過程，通過計算各個過程的距離平均作用量，發現平均作用量分布較為集中，駕駛人的車過程中的決策行為趨于穩定。

實車實驗

實驗采用的是課題組的三調實驗平臺車，分別為：一輛本田雅閣車（作為車i）和兩輛長安悅用車（作為車j和車k），實驗分為自由行駛、跟車行駛和鄰車切入三個場在昌平區水南路進行。

實車實驗數據分析結果

上圖說明絕大多數駕駛員都能控制在一個穩定值，實際上駕駛員的操作與理論值都有一些偏差，風險的判別就是看偏差的大小，如果超出一定的值危險就會發生。

按照19個作用量的大小來進行排序，發現另外一個現象，即為了分析駕駛人駕駛過程中的實際作用量S和理論的最小作用量S’之間的關系，我們計算S的均值和方差發現，S的均值越大，方差越大。當駕駛過程滿足作用量為最小值S’時，方差為0。可以看到，因此，如果評價一個駕駛員的駕駛水平和駕駛技能，優秀的駕駛員可以用實際駕駛作用量與理論值的接近程度來衡量。

進一步的驗證，可用KW驗證方法，對六種行為過程的S與S’進行對比分析，結果顯示所有過程中的P－ valuel都遠大于0．05，說明駕駛人在這六種行為過程中的實際作用量S與理論的最小作用量S’之間沒有顯著性差異。

在這個基礎上用安全性和高效性的聯合評價指標——Dse來判斷行車的危險，實際作用量S和理論最小作用量S’之間的差異程度是影響寫過程中安全性和高效性的關鍵因素。為了分析兩者間的關系，定義Dse為行驗過程中安全和高效的聯合評價指標，并用歸一化形式描述。

實車實驗數據分析結果（跟車與切入場的加減速過程）

切入過程中的Dse高于跟車過程，制動過程中的Dse高于加速過程，且切入場中的制動過程Dse值最高（圖d），說明切入場景的相較跟車場更復雜也更危險，制動過程相較加速過程更易出現行車風險。

通過實車實驗數據證明：駕駛人的決策機制遵循最小作用量原理。因此在這樣的理論之下，就可以把人類的決策行為用于智能車的決策當中。

基于最小作用量原理的決策方法

在感知的基礎上基于場論進行風險評估，在評估風險的基礎上，基于最小作用量原理來實現模擬人的智能決策。

風險評估方法既可以用于綜合性的風險評、也可以用于路徑的規劃，而最小作用量可以用于復雜場景下的協同決策。

未來成果應用

應用框架

自動駕駛系統

交通風險監控系統

交通設施設計評估

智慧城市——智慧交通

<上一頁  1  2  
聲明： 本文由入駐維科號的作者撰寫，觀點僅代表作者本人，不代表OFweek立場。如有侵權或其他問題，請聯系舉報。

發表評論

共0條評論，0人參與

請輸入評論內容...

請輸入評論/評論長度6~500個字

您提交的評論過于頻繁，請輸入驗證碼繼續

暫無評論

暫無評論

    文章糾錯
    x
    *文字標題：
    *糾錯內容：
    聯系郵箱：
    *驗 證 碼：

    粵公網安備 44030502002758號