买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：吉林大学

摘要：本发明公开了一种针对人机共驾测试的侧方插入场景提取方法，首先建立侧方插入原始信息库，其次建立侧方插入决定性变量信息表，然后建立侧方插入场景集合的重要性信息库，然后建立侧方插入场景重要性信息库，最后建立侧方插入重要场景数据库；本方法建立了针对人机共驾车辆在跟车过程中的驾驶行为模型，因此可以为基于场景的人机共驾汽车安全性能测试提供一种场景数据提取方法；本方法在提取数据时综合考虑了自然驾驶过程中风险等级更高和出现概率更大的情况，因此测试效率更高。

主权项：1.一种针对人机共驾测试的侧方插入场景提取方法，每个侧方插入工况涉及两辆车，一辆是配备了惯性导航单元和Mobileye传感器的数据采集车，即主车，主车在行驶过程中能够以10Hz的频率测量主车、周围车辆在某一时刻的纵向距离、横向距离和纵向速度差，另一辆是发生侧方插入行为的周围车辆，主车利用Mobileye传感器测量其与周围车辆之间的横向距离，当横向距离逐渐减小至0时，则识别出一个侧方插入事件，在周围车辆完成侧方插入行为后，主车在其后面跟随其行驶，在上述过程中主车一直采集数据，其特征在于，本方法具体步骤如下：步骤一、建立侧方插入原始信息库首先定义需要用到的数据信息及其数据类型和单位：设共有Σ行数据，每行数据由七列元素组成，七列元素从左到右依次为：[Indexo,Timeo,OIDo,CutInTimeo,Rangeo,Rangerateo,Speedo]，o＝1,2,...,Σ，Σ为大于1的正整数，其中：Indexo是第o行数据的索引，各行Indexo的值依次为1,2,...,Σ；Timeo表示第o行数据被记录下的时间戳，Timeo是以厘秒为单位的整数，Timeo的记录频率为10Hz，即Timeo与Timeo+1的时间间隔为10厘秒；各行数据中OIDo表示与主车距离最近的周围车辆的ID编号，从1开始计数，主车前方每遇到一辆新出现的最近的周围车辆，OIDo的值加1，并将新的OIDo值赋予该新出现的最近的周围车辆；CutInTimeo表示距离主车最近的周围车辆穿过车道线、发生侧方插入的时间戳，CutInTimeo是以厘秒为单位的整数；各行数据中Rangeo的值是以米为单位的浮点数，表示在Timeo时刻与主车距离最近的周围车辆相对于主车的纵向距离；各行数据中Rangerateo的值是以米每秒为单位的浮点数，表示在Timeo时刻与主车距离最近的周围车辆相对于主车的纵向速度；各行数据中Speedo的值是以米每秒为单位的浮点数，表示主车在Timeo时刻的实际纵向行驶速度；对上述的Σ行数据按照OIDo值重新进行升序排列，得到侧方插入场景数据总表，对其进行事件分割，具体过程是：判断侧方插入场景数据总表中每相邻两行i和i+1的OIDi值是否发生变化，其中i＝1,2,...,Σ-1，即OIDi是否等于OIDi+1，若OIDi＝OIDi+1，则继续向下查询，若OIDi≠OIDi+1，将行索引i+1记录下来，并将其命名为lj而值保持不变，j＝1,2,...,Π，Π是大于1的正整数，代表发生变化的行索引的总数，按行导出侧方插入场景数据总表中行lj与lj+1之间的数据，依次循环，共得到Π个侧方插入过程数据记录文件，每个侧方插入过程数据记录文件有Ψ行数据，Ψ为大于1的正整数，每个侧方插入过程数据记录文件中所有行的CutInTimei值相同，以下将第j个侧方插入过程数据记录文件中第四列数据均表示为CutInTimej，将分割完毕的所有侧方插入过程数据记录文件统一存储，完成侧方插入原始信息库的建立；步骤二、建立侧方插入决定性变量信息表在得到侧方插入原始信息库的基础上，对其进行进一步分析和数据处理，由于侧方插入行为发生在本车和前方插入车辆之间，且插入时刻的安全风险在整个过程中最大，因此选取每个侧方插入场景事件在插入时刻所对应的纵向距离和纵向速度差作为测试该场景下车辆安全性能的决定性变量，因此需要获取侧方插入原始信息库中每个侧方插入过程数据记录文件在Timep与CutInTimej相等时所对应的Rangep和Rangeratep，其中p＝1,2,...,Ψ，首先获取Timep与CutInTimej相等时所对应的Rangep数据，具体过程是：将第j个侧方插入过程数据记录文件第二列和第四列的值相减，取所有差值绝对值中的最小值，即min|CutInTimep-Timep|,p＝1,2,...,Ψ，将min|CutInTimep-Timep|对应的行索引p记为CI，返回CI对应行的第5列，得到第j个侧方插入过程数据记录文件中Timep与CutInTimej相等时所对应的Rangep，记为RangeCI；获取Timep与CutInTimej相等时所对应的Rangeratep数据,具体过程是：将侧方插入过程数据记录文件的第二列和第四列的值相减，取所有差值绝对值中的最小值，即min|CutInTimep-Timep|,p＝1,2,...,Ψ，将min|CutInTimep-Timep|对应的行索引p记为CI，返回CI对应行的第6列就得到了Timep与CutInTimej相等时所对应的Rangeratep，记为RangerateCI；然后获取Timep与CutInTimej相等时所对应的Speedp数据,具体过程是：将侧方插入过程数据记录文件的第二列和第四列的值相减，取所有差值绝对值中的最小值，即min|CutInTimep-Timep|,p＝1,2,...,Ψ，将min|CutInTimep-Timep|对应的行索引p记为CI，返回CI对应行的第7列就得到了Timep与CutInTimej相等时所对应的Speedp，将每个侧方插入过程数据记录文件中Timep与CutInTimej相等时所对应的Speedp依次记录下来并表示为vhj,j＝1,2,...,Π；重复以上获取单个侧方插入过程数据记录文件中RangeCI和RangerateCI的操作，在得到所有RangeCI和RangerateCI值之后，将它们按照提取出来的先后顺序进行编号，得到[RangeCIq,RangerateCIs],q＝1,2,...,Π,s＝1,2,...,Π，完成侧方插入决定性变量信息表的建立；步骤三、建立侧方插入场景集合的重要性信息库建立侧方插入场景集合的重要性信息库是从侧方插入原始信息库中提取出重要性程度更高的场景进行人机共驾车辆安全测试，提高测试效率，重要性程度考虑两方面，一是该场景在实际驾驶过程中出现的概率，即场景集合的暴露频率，二是在该场景中侧方插入行为完成后人机共驾车辆对插入车辆的跟车行驶是否会发生安全事故，即场景集合的操控挑战，具体流程如下：3.1、在侧方插入决定性变量信息表的所有RangeCIq中搜寻RangeCIq的最大值与最小值，分别记为RangeCIqmax、RangeCIqmin，在侧方插入决定性变量信息表的所有RangerateCIs中搜寻RangerateCIs的最大值与最小值，分别记为RangerateCIsmax、RangerateCIsmin，保留RangeCIq值在[1,140]米之间且RangerateCIs在[-25,25]米每秒之间的场景数据，将RangeCIq按照[1,140]米的范围等间距划分成m个区间并将各区间的端点值保存，m为大于50的正整数，将RangerateCIs按照[-25,25]米每秒的范围等间距划分成n个区间并将各区间的端点值保存，n为大于25的正整数；3.2、将过程3.1中得到的m个RangeCIq区间的端点值设置为切分区域边界点，定义1,2,...,m'共m'个数作为按照切分区域分割RangeCIq后的对应标签，其中m'为正整数，在数值上有m'＝m，对步骤二建立的侧方插入决定性变量信息表的每行数据按照RangeCIq值进行标签标定，将所有标签值相同的行的数据分别保存在以标签值命名的数组中，本步骤共得到m'个数组；3.3、在得到过程3.2所述的m'个数组后，对每个数组的第二列进行以下操作：将过程3.1中得到的n个RangerateCIs区间的端点值设置为切分区域边界点，定义从1,2,...,n'共n'个数作为按照切分区域分割RangerateCIs后的对应标签，其中n'为正整数，在数值上n'＝n，按照过程3.2中对RangeCIq的处理对RangerateCIs进行与过程3.2同样的操作，上述对每个数组第二列的操作流程共循环m'次，得到m'×n'个新数组，每个新数组内的数据代表对应RangeCIq区间和RangerateCIs区间所形成的区域所包含的场景集合；3.4、将过程3.3中获得的每个新数组的场景总数除以Π，即可得到每个RangeCIq和RangerateCIs范围下侧方插入场景集合的暴露频率εqs；3.5、利用第j个侧方插入过程数据记录文件中主车在Timep与CutInTimej相等时刻所对应的Rangep、Rangeratep和Speedp计算侧方插入时刻CutInTimej插入车辆的速度vfj和位置xfj： 其中，j＝1,2,...,Π，vfj代表插入车辆在CutInTimej的纵向速度，本方法将插入车辆在插入之后的运动简化为匀速直线运动，xfj代表插入车辆在CutInTimej的位置，Rj表示主车与插入车辆在CutInTimej的RangeCIj值，表示主车与插入车辆在CutInTimej的RangerateCIj值，vhj代表主车在CutInTimej的纵向行驶速度，主车在CutInTimej之后第k时刻的加速度uk由下式计算： 其中，根据CutInTimej之后第k时刻的信息计算主车在CutInTimej之后第k+1时刻的纵向行驶速度vhjk+1、主车在CutInTimej之后第k+1时刻的位置xhjk+1、插入车辆在CutInTimej之后第k+1时刻的位置xfjk+1、主车与插入车辆在CutInTimej之后第k+1时刻的纵向距离Rjk+1、主车与插入车辆在CutInTimej之后第k+1时刻的纵向速度差 依次迭代，设一共迭代ξ次，ξ为大于1的正整数，每秒迭代1次，于是可计算在侧方插入完成后的ξ时间段内不同Rjξ情况下的场景集合的操控挑战 其中，a1是主车的安全制动距离；3.7、将场景集合的暴露频率εqs和场景集合的操控挑战相乘，计算出每个侧方插入场景集合的重要性值，得到侧方插入场景集合的重要性信息库；步骤四、建立侧方插入场景重要性信息库本步骤用于计算场景集合中每个场景的重要性，具体流程如下：4.1、在步骤三得到的侧方插入场景集合重要性信息库中选取暴露频率大于0.01的场景集合组成公共集Ω，设公共集中RangeCIq的取值范围为[c,d]米，RangerateCIs的取值范围为[e,f]米每秒，其中c、d、e、f均为浮点数，且满足1≤c＜d≤140，-25≤e＜f≤25；4.2、每个侧方插入过程数据记录文件代表一个侧方插入场景，构造辅助目标函数定量计算场景xj的重要性Jxj，考虑了操控挑战和暴露频率两种因素，其计算公式为：Jxj＝mnpETTCxj+ω×dxj,Ω6其中，xj＝RangeCIj,RangerateCIj,j＝1,2,...,Π，辅助目标函数值Jxj越小，代表该场景xj的重要性越高，式6中的场景xj的操控挑战的估计值mnpETTCxj用于估计场景xj的操控挑战，利用增强碰撞时间ETTCk计算主车与插入车辆有相对加速度的情况下，两车发生碰撞的时间，其计算公式为： 其中，Rjk表示主车与插入车辆在CutInTimej之后第k时刻的纵向距离，表示主车与插入车辆在CutInTimej之后第k时刻的纵向速度差，由式2知，uk表示主车与插入车辆在CutInTimej后第k时刻的相对加速度，若式7计算出的ETTCk是负值，代表两车之间不会发生碰撞，为使第一项与第二项的数量级相近，引入归一化因子UI，其值为100，计算归一化正增强碰撞时间npETTCk： 利用最小归一化正增强碰撞时间测量每个场景中危险程度最高的时刻： 利用式6中的ω×dxj,Ω计算场景xj到公共集Ω的最小距离，从而估算场景xj的暴露频率dxj,Ω： 其中，md表示决定性变量xj的维数，md的值为2；UF,g为第g维的归一化因子，UF,1＝RangeCIqmax-d，UF,2＝RangerateCIsmax-f，其中d、f是过程4.1中定义的参量，式6中的权重系数ω是一个浮点数，满足0≤ω≤1，ω决定mnpETTCxj和dxj,Ω在场景重要性中所占的比重；4.3、将过程4.2中计算得到的每个场景的辅助目标函数值保存到侧方插入场景集合的重要性信息库对应的行中，得到侧方插入场景重要性信息库；步骤五、建立侧方插入重要场景数据库在步骤三得到每个场景集合的重要性值以及步骤四得到每个场景的辅助目标函数值之后，依据这些数据，利用本步骤最终建立侧方插入重要场景数据库，具体流程如下：5.1、利用公式11计算场景集合的重要性阈值γ： 其中，表示侧方插入场景集合的总数，Φ是在所有场景集合中重要性值大于γ的场景集合，NΦ代表重要性值大于γ的场景集合的数量，筛选出重要性值大于γ的场景集合；5.2、在获取过程5.1所述的所有场景集合之后，寻找每个场景集合中最小的辅助目标函数值所对应的RangeCIj与RangerateCIj，根据这两项的值得到它们所代表的侧方插入过程数据记录文件，将这些侧方插入过程数据记录文件保存，得到针对人机共驾测试的侧方插入重要场景数据库。

全文数据：

权利要求：

百度查询： 吉林大学 一种针对人机共驾测试的侧方插入场景提取方法