面向车辆切入场景的责任敏感安全模型标定方法.pdf

(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CN113887131A(43)申请公布日2022.01.04(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31225代理人应小波(51)Int.Cl.G06F30/27(2020.01)G06F111/06(2020.01)权利要求书2页说明书8页附图3页(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。CN113887131ACN113887131A权利要求书1/2页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RSS模型的最终标定结果；步骤6：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。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＝(maxfSafety,minfConservativeness,minfActive)其中maxfSafety为第一子目标，minfConservativeness为第二子目标，minfActive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maxfSafety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minfConservativeness具体为：2CN113887131A权利要求书2/2页其中，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minfActive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