车辆避险的应急风险场构建方法、装置、设备及存储介质

1.本技术涉及智能网联汽车决策技术领域，特别涉及一种车辆避险的应急风险场构建方法、装置、设备及存储介质。


背景技术：

2.近年来，自动驾驶与人工智能领域逐渐受国家与社会重视，两者结合的智能网联汽车领域更是在国家战略与政策扶持下形成了一个完善的体系，具有很好的发展前景。与此同时，因驾驶人失去驾驶能力的车辆失控导致的事故也频频发生，不容乐观。究其原因，主要是司机的突发疾病。调查显示，司机高强度的工作与不规律的作息使得他们成为突发疾病的高危人群，这导致车辆失控的交通事故频发。为实现安全高效急停的目标，自车需要规避道路环境下的风险因素，即对道路的潜在风险进行量化评估，而正确高效的风险评估方式能在紧急场景下预防二次伤害，因此，该失控车辆应急系统应基于风险评估的方式进行。
3.目前，相关技术主要依赖历史数据来量化风险，或通过基于空间和时间的安全距离进行安全评估。此外，部分相关技术中还可以通过行车风险场理论，能适用于复杂的行车场景，是一种能较准确预测行车风险动态变化趋势的理论。
4.然而，相关技术在无法准确量化紧急状况下行车风险，难以在紧急状况下实现高效地车辆避险，亟待解决。


技术实现要素：

5.本技术提供一种车辆避险的应急风险场构建方法、装置、设备及存储介质，以解决相关技术无法准确量化紧急状况下行车风险，难以在紧急状况下实现高效地车辆避险等问题。
6.本技术第一方面实施例提供一种车辆避险的应急风险场构建方法，包括以下步骤：检测车辆的周围障碍物信息；根据所述车辆的实际车速和所述周围障碍物信息构建应急风险场的障碍风险场、目标风险场和道路边界风险场；分别计算所述车辆受到所述应急风险场的障碍风险场、目标风险场和道路边界风险场的场力，得到所述车辆的总场力，并基于所述总场力生成所述车辆的安全急停路径。
7.可选地，在本技术的一个实施例中，所述周围障碍物信息包括其他车辆的实际位置、实际航向角和实际速度中的至少一项。
8.可选地，在本技术的一个实施例中，所述根据所述车辆的实际车速和所述周围障碍物信息构建应急风险场的障碍风险场、目标风险场和道路边界风险场，包括：基于预设行车风险场理论，结合多普勒效应构建所述障碍风险场，其中，所述障碍风险场的表达式为：
9.10.k
y0
＝1，
11.k
xp
＝k
x0
，k
yp
＝k
y0
，
12.其中，e
vij
为障碍物j在自车i处产生的风险场强；e
j0
为障碍物j的动能大小；e
jp
为自车i相对障碍物j的相对动能；k
xp
、k
yp
为相对参考系下的风险梯度参数，用于描述相对视角下运动障碍物在不同方向对自车产生风险的不均匀性；r
ij
、x
ij
、y
ij
分别为障碍物j与自车i的距离、水平距离和垂直距离，r0为待定参数；k
x0
，k
y0
为风险梯度参数，描述运动障碍物在不同方向对自车产生风险的不均匀性；v
max
为汽车允许行驶最大速度；sgn与sgn0为符号函数。
13.可选地，在本技术的一个实施例中，所述根据所述车辆的实际车速和所述周围障碍物信息构建应急风险场的障碍风险场、目标风险场和道路边界风险场，还包括：在正幂次形式下，通过对比规划路径的平滑度及到达目标点的时间满足时变特性，以考虑运动目标点的多普勒效应，结合目标点的多普勒效应构建所述目标风险场，其中，所述目标风险场的表达式为：
[0014][0015]ky0
＝1，
[0016]kxp
＝k
x0
，k
yp
＝k
y0
，
[0017][0018]
其中，e
tar
为目标风险场场强；e
j0
、e
jp
分别为自车i的绝对动能、自车i相对目标点j的相对动能；k
xp
、k
x0
、k
yp
、k
y0
分别为绝对视角和相对视角下的风险梯度参数，表示目标点j在不同方向对自车产生吸引趋势的不均匀性；r
ij
、x
ij
、y
ij
分别为自车i与目标点j的距离、水平距离和垂直距离；vi、vj分别为自车i与目标点j的速度；ti为系统启动时间，tj为系统最大安全停靠时间。
[0019]
可选地，在本技术的一个实施例中，所述根据所述车辆的实际车速和所述周围障碍物信息构建应急风险场的障碍风险场、目标风险场和道路边界风险场，还包括：根据道路边界风险场分布与分子势能曲线的相似性，采用广义分子势能模型描述所述道路边界风险场，其中，所述道路边界风险场的表达式为：
[0020][0021][0022][0023]
其中，u为自车处道路边界风险场势能；a、b、m、n为待定参数，与道路自身属性相关；r、r0分别为自车、应急车道中心处与道路边界的垂直距离。
[0024]
本技术第二方面实施例提供一种车辆避险的应急风险场构建装置，包括：检测模块，用于检测车辆的周围障碍物信息；构建模块，用于根据所述车辆的实际车速和所述周围
障碍物信息构建应急风险场的障碍风险场、目标风险场和道路边界风险场；生成模块，用于分别计算所述车辆受到所述应急风险场的障碍风险场、目标风险场和道路边界风险场的场力，得到所述车辆的总场力，并基于所述总场力生成所述车辆的安全急停路径。
[0025]
可选地，在本技术的一个实施例中，所述周围障碍物信息包括其他车辆的实际位置、实际航向角和实际速度中的至少一项。
[0026]
可选地，在本技术的一个实施例中，所述构建模块包括：障碍风险场构建单元，用于基于预设行车风险场理论，结合多普勒效应构建所述障碍风险场，其中，所述障碍风险场的表达式为：
[0027][0028]ky0
＝1，
[0029]kxp
＝k
x0
，k
yp
＝k
y0
，
[0030]
其中，e
vij
为障碍物j在自车i处产生的风险场强；e
j0
为障碍物j的动能大小；e
jp
为自车i相对障碍物j的相对动能；k
xp
、k
yp
为相对参考系下的风险梯度参数，用于描述相对视角下运动障碍物在不同方向对自车产生风险的不均匀性；r
ij
、x
ij
、y
ij
分别为障碍物j与自车i的距离、水平距离和垂直距离，r0为待定参数；k
x0
，k
y0
为风险梯度参数，描述运动障碍物在不同方向对自车产生风险的不均匀性；v
max
为汽车允许行驶最大速度；sgn与sgn0为符号函数。
[0031]
可选地，在本技术的一个实施例中，所述根据所述车辆的实际车速和所述周围障碍物信息构建应急风险场的障碍风险场、目标风险场和道路边界风险场，还包括：目标风险场构建单元，用于在正幂次形式下，通过对比规划路径的平滑度及到达目标点的时间满足时变特性，以考虑运动目标点的多普勒效应，结合目标点的多普勒效应构建所述目标风险场，其中，所述目标风险场的表达式为：
[0032][0033]ky0
＝1，
[0034]kxp
＝k
x0
，k
yp
＝k
y0
，
[0035][0036]
其中，e
tar
为目标风险场场强；e
j0
、e
jp
分别为自车i的绝对动能、自车i相对目标点j的相对动能；k
xp
、k
x0
、k
yp
、k
y0
分别为绝对视角和相对视角下的风险梯度参数，表示目标点j在不同方向对自车产生吸引趋势的不均匀性；r
ij
、x
ij
、y
ij
分别为自车i与目标点j的距离、水平距离和垂直距离；vi、vj分别为自车i与目标点j的速度；ti为系统启动时间，tj为系统最大安全停靠时间。
[0037]
可选地，在本技术的一个实施例中，所述根据所述车辆的实际车速和所述周围障碍物信息构建应急风险场的障碍风险场、目标风险场和道路边界风险场，还包括：道路边界
风险场构建单元，用于根据道路边界风险场分布与分子势能曲线的相似性，采用广义分子势能模型描述所述道路边界风险场，其中，所述道路边界风险场的表达式为：
[0038][0039][0040][0041]
其中，u为自车处道路边界风险场势能；a、b、m、n为待定参数，与道路自身属性相关；r、r0分别为自车、应急车道中心处与道路边界的垂直距离。
[0042]
本技术第三方面实施例提供一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如上述实施例所述的车辆避险的应急风险场构建方法。
[0043]
本技术第四方面实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储计算机程序，该程序被处理器执行时实现如上的车辆避险的应急风险场构建方法。
[0044]
由此，本技术的实施例具有以下有益效果：
[0045]
检测车辆的周围障碍物信息；根据车辆的实际车速和周围障碍物信息构建应急风险场的障碍风险场、目标风险场和道路边界风险场；分别计算车辆受到应急风险场的障碍风险场、目标风险场和道路边界风险场的场力，得到车辆的总场力，并基于总场力生成车辆的安全急停路径。由此，解决了相关技术无法准确量化紧急状况下行车风险，难以在紧急状况下实现高效地车辆避险等问题。
[0046]
本技术附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本技术的实践了解到。
附图说明
[0047]
本技术上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
[0048]
图1为根据本技术实施例提供的一种车辆避险的应急风险场构建方法的流程图；
[0049]
图2为根据本技术的一个实施例提供的一种行车风险场基本组成及对应关系示意图；
[0050]
图3为根据本技术的一个实施例提供的一种行车风险场的势能场示意图；
[0051]
图4为根据本技术的一个实施例提供的一种行车风险场的动能场示意图；
[0052]
图5为根据本技术的一个实施例提供的一种多普勒效应示意图；
[0053]
图6为根据本技术的一个实施例提供的一种紧急场景下障碍车的障碍场分布示意图；
[0054]
图7为根据本技术的一个实施例提供的一种紧急场景下的障碍风险场和目标风险场的复合图；
[0055]
图8为根据本技术的一个实施例提供的一种自车仅在障碍风险场和目标风险场作用下的停靠示意图；
[0056]
图9为根据本技术的一个实施例提供的一种分子势能曲线示意图；
[0057]
图10为根据本技术的一个实施例提供的一种基于分子势能模型的道路边界风险场示意图；
[0058]
图11为根据本技术的一个实施例提供的一种紧急场景下的三个风险场的复合图；
[0059]
图12为根据本技术的一个实施例提供的一种合场强与三个分场强的关系示意图；
[0060]
图13为根据本技术的一个实施例提供的一种路径规划基本思路示意图；
[0061]
图14为根据本技术实施例的车辆避险的应急风险场构建装置的示例图；
[0062]
图15为申请实施例提供的电子设备的结构示意图。
[0063]
附图标记说明：车辆避险的应急风险场构建装置-10；检测模块-100、构建模块-200、生成模块-300；存储器-1501、处理器-1502、通信接口-1503。
具体实施方式
[0064]
下面详细描述本技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本技术，而不能理解为对本技术的限制。
[0065]
下面参考附图描述本技术实施例的车辆避险的应急风险场构建方法、装置、设备及存储介质。针对上述背景技术中提到的问题，本技术提供了一种车辆避险的应急风险场构建方法，在该方法中，通过检测车辆的周围障碍物信息；根据车辆的实际车速和周围障碍物信息构建应急风险场的障碍风险场、目标风险场和道路边界风险场；分别计算车辆受到应急风险场的障碍风险场、目标风险场和道路边界风险场的场力，得到车辆的总场力，并基于总场力生成车辆的安全急停路径。本技术的实施例不仅能更快实现急停，使自车在失控状态下能尽快停下，最大程度减少对交通系统的影响，还可以让自车以更安全的姿态停靠，最大程度减少了停靠后的安全隐患。由此，解决了相关技术无法准确量化紧急状况下行车风险，难以在紧急状况下实现高效地车辆避险等问题。
[0066]
具体而言，图1为本技术实施例所提供的一种车辆避险的应急风险场构建方法的流程图。
[0067]
如图1所示，该车辆避险的应急风险场构建方法包括以下步骤：
[0068]
在步骤s101中，检测车辆的周围障碍物信息。
[0069]
需要说明的是，在本技术的一个实施例中，可以通过超声波或雷达等传感器设备，也可通过车载摄像头等利用目标识别或语义地图等技术对车辆的周围障碍物信息进行检测，从而实时高效地获取障碍物的相关数据，为后续车辆避险提供可靠的数据支撑。
[0070]
可选地，在本技术的一个实施例中，周围障碍物信息包括其他车辆的实际位置、实际航向角和实际速度中的至少一项。
[0071]
需要说明的是，上述障碍物信息主要包括其他车辆的实际位置、实际航向角和实际速度等，车载传感器设备在获取上述障碍物信息后，将这些信息输入应急系统，从而为车辆的安全提供数据保障，提高了车辆的可靠性和安全性能。
[0072]
在步骤s102中，根据车辆的实际车速和周围障碍物信息构建应急风险场的障碍风险场、目标风险场和道路边界风险场。
[0073]
在获取到车辆的周围障碍物信息后，本技术的实施例可以根据车辆的实际车速和周围障碍物信息构建应急风险场。
[0074]
本领域技术人员可以理解的是，应急风险场的构建思想与行车风险场理论具有一定相似性，下述将首先对行车风险场的形成思想和基本模型进行详细介绍。
[0075]
具体地，由于人-车-路是构成交通系统的三要素，为准确描述三者间的相互关系及作用机理，可用行车风险表征三者间的影响程度。首先，影响行车风险的因素主要有三类：驾驶人(人)、道路使用者(车)和道路环境(路)。驾驶人因素包括驾驶人的能力水平、性格特征等；道路使用者因素包括机动车与非机动车的特性、运动状态等；道路环境因素包括道路自身因素、天气环境等。
[0076]
根据上述风险的影响因素，行车风险具有四个特征：客观性，行车风险是客观存在的，不随人的意志而转移；普遍性，行车风险普遍存在，事故何时何地都可发生；可变性，行车风险不是一成不变的，它会随影响因素的改变而改变；可测性，行车风险具有特定规律，可通过先验判断来测量。
[0077]
与行车风险场类似，物理场同样具有上述特性：客观性，物理场是客观存在的；普遍性，生活中物理场无处不在；可变性，物理场是空间坐标和时间的函数，因而随位置和时间改变而改变；可测性，物理场可通过场强、势能等值来描述，因而可以测量。
[0078]
因此，根据行车风险与物理场的相似性，行车风险可用场论的方式进行量化。
[0079]
在行车风险场理论中，它根据影响因素的类型分为三部分：势能场(描述道路)、动能场(描述车)和行为场(描述人)，如图2所示。根据物理场的特性，行车风险场的场强遵循平行四边形法则，即：
[0080]es
＝er+ev+edꢀꢀꢀ
(1)
[0081]
其中，es为行车风险场总场强，er为势能场场强，ev为动能场场强，ed为行为场场强。
[0082]
势能场是表征道路上静止物体对行车风险影响大小的“物理场”，它具有以下特性：物体质量越大，行车风险越大；车辆与物体距离越小，行车风险越大，且风险增加越快；车辆从各个方向接近该物体，行车风险相同，如图3所示。根据上述特性，行车风险场如下式所示：
[0083][0084]
其中，e
rij
为物体i在位置j处产生的势能场场强，mi为物体i的等效质量，r
ij
为物体i与j的距离，g、ri、k1均为待定参数。
[0085]
动能场是表征道路上运动物体对行车风险影响大小的“物理场”，它具有以下特性：物体质量越大，行车风险越大；车辆越靠近物体，行车风险越大，且风险增加越快；车辆在沿物体运动方向的前方风险较大，在沿物体运动方向的后方风险较小，如图4所示。根据上述特性，行车风险场如式(3)所示：
[0086][0087]
其中，e
vij
为运动物体i在位置j处产生的动能场场强，mi为运动物体i的等效质量，r
ij
为运动物体i与j的距离，vi为运动物体速度，θi为运动物体速度方向与r
ij
的夹角，g、ri、k1、k2均为待定参数。
[0088]
行为场是表征驾驶人特性对行车风险影响大小的“物理场”，其中驾驶人特性可用
驾驶人风险因子(与驾驶人的生理、心理因素有关)表征，故行车风险场如式(4)所示：
[0089]edij
＝e
vijdri
ꢀꢀꢀ
(4)
[0090]
其中，e
dij
为车辆i在位置j处产生的行为场场强，e
vij
为车辆i在位置j处产生的动能场场强，d
ri
为驾驶人风险因子。
[0091]
上述即为行车风险场理论基本模型，其构建基于两种思想：分类思想和类比推理思想。其中分类思想为根据不同对象构建不同风险场。类比推理思想则基于行车风险与物理场的相似性进行风险场构建。下述应急风险场的构建同样是利用这两种思想在行车风险场理论的基础上进行的。
[0092]
在紧急状况下，自车的危险程度同样可以用风险描述，其中影响自车危险程度的因素主要有三类：其它车辆(障碍物)、目标点、道路边界。根据三类不同的风险源，应急风险场也可相应分为三个部分：障碍风险场、目标风险场和道路边界风险场，从而为紧急状况下的风险场的构建提供了理论支撑，进一步保障了车辆在紧急状况下的安全性和可靠性。
[0093]
可选地，在本技术的一个实施例中，根据车辆的实际车速和周围障碍物信息构建应急风险场的障碍风险场、目标风险场和道路边界风险场，包括：基于预设行车风险场理论，结合多普勒效应构建障碍风险场，其中，障碍风险场的表达式为：
[0094][0095]ky0
＝1，
[0096]kxp
＝k
x0
，k
yp
＝k
y0
，
[0097]
其中，e
vij
为障碍物j在自车i处产生的风险场强；e
j0
为障碍物j的动能大小；e
jp
为自车i相对障碍物j的相对动能；k
xp
、k
yp
为相对参考系下的风险梯度参数，用于描述相对视角下运动障碍物在不同方向对自车产生风险的不均匀性；r
ij
、x
ij
、y
ij
分别为障碍物j与自车i的距离、水平距离和垂直距离，r0为待定参数；k
x0
，k
y0
为风险梯度参数，描述运动障碍物在不同方向对自车产生风险的不均匀性；v
max
为汽车允许行驶最大速度，相当于多普勒效应中的波速；sgn与sgn0为符号函数。
[0098]
具体地，紧急状况下，障碍风险场是表征道路上障碍物对行车风险影响大小的“物理场”，其是一种斥力场，表现形式为障碍物将自车排斥以防止碰撞。由于大多数情况下自车与障碍物都在运动，故障碍物在不同方向上对自车产生的风险大小是不同的，例如车辆在沿着运动方向产生的风险要显著大于垂直于运动方向产生的风险。因此，紧急状况下障碍物具有以下特征：障碍物动能越大，对自车产生风险越大；自车与障碍物相对速度越大，障碍物对自车产生风险越大，且增加得越快；障碍物在不同方向对自车产生的风险并不均匀，其中沿着障碍物运动方向最大。
[0099]
同样地，多普勒效应具有相似的特征。多普勒效应在物理学上指物体辐射的频率会因物体和观测者相对运动而变化的现象。当观测者在运动的波源前方，物体发出的波被压缩，观察者的接收频率变高；当观测者在运动的波源后方，物体发出的波被拉伸，观察者的接收频率变低。
[0100]
设波源与观测者在同一直线上运动，波源的运动速度为vs，波源自身发射的频率为νs，观测者的运动速度为vr(朝向波源运动取正方向)，观测者接收的频率为νr，波在介质
中的传播速度为u，如图5所示，则多普勒公式如下所示：
[0101][0102]
因此，由式(5)可看出多普勒效应具有的相似特征：波源发射频率越大，观测者接收的频率越大；波源与观测者的相对速度越大，观测者接收的频率越大；波源在不同方向对观测者接收频率的影响不同，其中沿着波源运动速度反向最大。因此，在行车风险场理论的基础上结合多普勒效应来构建障碍风险场。
[0103]
参考行车风险场势能场的形式，并根据风险分布特征与多普勒效应的相似性，其风险分布应为许多椭圆形的等势面组成，得到公式形式如式(6)-(7)所示：
[0104][0105]ky0
＝1
ꢀꢀ
(7)
[0106]
其中，e
vij
为障碍物j在自车i处产生的风险场强，e
j0
为障碍物j的动能大小，r
ij
、x
ij
、y
ij
分别为障碍物j与自车i的距离、水平距离和垂直距离，r0为待定参数，k
x0
，k
y0
为风险梯度参数，描述运动障碍物在不同方向对自车产生风险的不均匀性；v
max
为汽车允许行驶最大速度，相当于多普勒效应中的波速；sgn与sgn0为符号函数，其运算法则如下式所示，用于判断自车与障碍物处于接近还是远离的状态。
[0107][0108]
然而，式(6)-(7)描述的运动障碍物风险分布是以地面为参考系，该描述方法仍有一定缺陷，如当障碍物静止，即e
j0
＝0代入式(6)-(7)，计算e
vij
＝0，即静止障碍物对自车不产生风险，这样的结论显然不符合实际，故模型仍需进行修正。
[0109]
进一步发现，之所以出现上述不合常理的结果，是因为当e
j0
＝0，自车动能并不为0，自车与静止障碍物的碰撞风险仍存在，更严格来讲，是“自车与障碍物的相对速度不为0”导致了风险产生。因此，运动障碍物的风险分布应包含相对运动项。
[0110]
因此，融合绝对运动和相对运动视角后，可通过类比得到障碍风险场的表达式，如式(9)-式(11)所示：
[0111][0112]ky0
＝1(10)
[0113]kxp
＝k
x0
，k
yp
＝k
y0
ꢀꢀ
(11)
[0114]
其中，e
jp
为自车i相对障碍物j的相对动能，k
xp
、k
yp
为相对参考系下的风险梯度参数，用于描述相对视角下运动障碍物在不同方向对自车产生风险的不均匀性。
[0115]
然而，式(9)-(11)的障碍风险场表达式中存在sgn(x)和sgn0(x)两阶跃函数项，这使得障碍风险场在局部点不连续，而风险场的不连续可能会使自车在某一瞬间受到较大的力变率，进而影响乘客的舒适度和安全。因此，为保证障碍风险场的连续性，使用tanh(x)代
替阶跃函数，因此得到障碍风险场的最终表达式，如式(12)-(14)所示：
[0116][0117]ky0
＝1
ꢀꢀ
(13)
[0118]kxp
＝k
x0
，k
yp
＝k
y0
ꢀꢀ
(14)
[0119]
举例而言，如图6所示，假设仅考虑障碍车辆b的影响，自车a与障碍车辆b在同一条车道上行驶，a车速度与b车速度方向相同且关系为va》vb。按照式(12)-(14)构建障碍场后，可得到障碍车辆b的风险场特征：b车前方风险场等势面密集程度大于侧方，侧方大于后方。当a车接近b车后，a车受到风险场强与运动方向相反，即受到与运动方向相反的风险场力。这时，路径规划部分算法将据此进行减速规划，从而使自车避免与障碍物相撞，进一步改善了车辆的安全性能。
[0120]
可选地，在本技术的一个实施例中，根据车辆的实际车速和周围障碍物信息构建应急风险场的障碍风险场、目标风险场和道路边界风险场，还包括：在正幂次形式下，通过对比规划路径的平滑度及到达目标点的时间满足时变特性，以考虑运动目标点的多普勒效应，结合目标点的多普勒效应构建目标风险场，其中，目标风险场的表达式为：
[0121][0122]ky0
＝1，
[0123]kxp
＝k
x0
，k
yp
＝k
y0
，
[0124][0125]
其中，e
tar
为目标风险场场强；e
j0
、e
jp
分别为自车i的绝对动能、自车i相对目标点j的相对动能；k
xp
、k
x0
、k
yp
、k
y0
分别为绝对视角和相对视角下的风险梯度参数，表示目标点j在不同方向对自车产生吸引趋势的不均匀性；r
ij
、x
ij
、y
ij
分别为自车i与目标点j的距离、水平距离和垂直距离；vi、vj分别为自车i与目标点j的速度；ti为系统启动时间，tj为系统最大安全停靠时间。
[0126]
具体地，紧急状况下，目标风险场是表征车辆向规划目标点运动趋势大小的“物理场”，其是一种引力场，表现形式为目标点吸引自车朝向它行驶。由上述理论可知，行车风险场理论模型与障碍风险场表达式都具有一个共同点：风险大小只为空间位置的函数，即：
[0127]
e＝f(x)
ꢀꢀ
(15)
[0128]
其中，e为行车风险场强大小，x为位置向量。
[0129]
这是因为在车辆正常行驶状况下，车辆在相同情况(障碍物分布相同，自车位置速度信息相同)的风险大小与时间无关；在紧急情况下，车辆在相同情况受到的障碍风险场大小也与时间几乎无关。然而，目标风险场并不如此。在失控车辆应急系统实现安全高效急停这个目标中，目标风险场的存在是为保证停车的高效性，即自车尽快到达目标点附近停车，这就要求目标风险场场强大小不仅与空间位置有关，而且与时间有关，即：
[0130]
e＝f(x，t)
ꢀꢀ
(16)
[0131]
综上，目标风险场具有下列特点：目标风险场强是空间位置和时间的函数，系统工作时间越长，目标点对自车的吸引趋势越大；系统工作时间越强，目标点对自车的吸引速率应增大，这是因为目标点对自车吸引力随时间增大，自车可能不得不做出冒险行为，如经过离障碍物较近的地方到达目标点，这样虽然存在冒险行为，但成功后将大大缩短到达目标点的时间，是值得尝试的。
[0132]
为满足目标风险场的时变特性，下列几种方法均可满足，但部分实验的结果并不乐观，现将几种满足时变特性的方法及其实验特点列出，如表1所示。
[0133]
表1
[0134] 比例关系实验特点指数形式e
tar
∝et
吸引趋势增加过快，与障碍物碰撞风险大对数形式e
tar
∝
lnt吸引趋势增加过慢，无法采取冒险模式正幂次形式e
tar
∝
tm(m》0)吸引趋势增加适中，能在适当情况下采取冒险模式负幂次形式e
tar
∝
t-m
(m》0)吸引趋势呈减小趋势，且规划路径不平滑
[0135]
根据上述实验结果，正幂次式最能满足时变特性。进一步，在正幂次形式下通过对比规划路径的平滑度及到达目标点的时间，m＝2能取得较好效果，因此我们采用e
tar
∝
t2。
[0136]
进一步，与正常行车场景不同，正常行车场景的目标点离初始位置较远，目标点的位置一般是固定的，而紧急状况下的目标点则没有严格要求，目标点只需在应急车道中心处就近选取即可，所以在路径规划算法中，目标点是可运动的。与运动障碍物相似，可考虑运动目标点的多普勒效应。由类比推理的方法，可在t2项前增加风险梯度参数，并参考式(12)-(14)结合目标点的多普勒效应，得到目标风险场的计算公式，如式(17)-(21)所示：
[0137][0138]ky0
＝1
ꢀꢀ
(18)
[0139]kxp
＝k
x0
，k
yp
＝k
y0
ꢀꢀ
(19)
[0140][0141]ktp
＝k
t0
ꢀꢀ
(21)
[0142]
其中，e
tar
为目标风险场场强；e
j0
、e
jp
分别为自车i的绝对动能、自车i相对目标点j的相对动能；k
xp
、k
x0
、k
yp
、k
y0
分别为绝对视角和相对视角下的风险梯度参数，表示目标点j在不同方向对自车产生吸引趋势的不均匀性；r
ij
、x
ij
、y
ij
分别为自车i与目标点j的距离、水平距离和垂直距离；vi、vj分别为自车i与目标点j的速度；ti为系统启动时间，tj为系统最大安全停靠时间，通常是人为设定的(如10s)。
[0143]
需要说明的是，在构建目标风险场时采取了风险函数显含时间的形式，优化了紧急状况下急停的效率问题，为路径规划算法提供了良好的基础条件。
[0144]
举例而言，如图7所示，自车a与障碍车辆b分别处于不同车道且速度关系va》vb,此时失控车辆应急系统开始工作。在实际经验中，a车冒险越过b车到达应急车道是较好的方法。然而，a车除了受目标点的引力外还受到障碍车辆b的斥力，若目标风险场不考虑时变特性，a车在尝试越过b车正前方时会因距离太近受到远大于目标点引力的斥力，此时a车将被
排斥而冒险失败；若考虑时变性，最初a车可能冒险失败，但随着时间增大，a车受目标点的引力将呈平方级增大，最终在一段时间后足以抵抗b车的斥力从而完成冒险，最终实现停靠，从而使自车尽快到达目标点完成紧急避险。
[0145]
然而，实验发现，这种停靠方式是不安全的，a车不是在应急车道中心处完成平行于车道线方向的停靠，而是在应急车道中心线附近完成倾斜式的停靠，如图8所示，这种不安全的停靠方式将带来安全隐患。因此，仍需通过构建道路边界风险场来解决此问题。
[0146]
可选地，在本技术的一个实施例中，根据车辆的实际车速和周围障碍物信息构建应急风险场的障碍风险场、目标风险场和道路边界风险场，还包括：根据道路边界风险场分布与分子势能曲线的相似性，采用广义分子势能模型描述道路边界风险场，其中，道路边界风险场的表达式为：
[0147][0148][0149][0150]
其中，u为自车处道路边界风险场势能；a、b、m、n为待定参数，与道路自身属性相关；2《m《n，2《m是为保证自车受道路边界风险场作用力的量级小于障碍风险场作用力，m《n是为保证距离过远时道路边界风险场提供引力，距离过近时提供斥力；r、r0分别为自车、应急车道中心处与道路边界的垂直距离。
[0151]
具体地，紧急情况下，道路边界风险场是表征道路边界对自车产生风险大小的“物理场”，其是一种远距离提供引力，近距离提供斥力的场，其表现形式为约束自车在道路上行驶而不驶出边界。由图8可发现，目标风险场只保证了自车停靠的高效性，停靠的安全性(停靠姿势是否安全)还未得到保障。因此，还希望自车能在道路边界风险场的作用下实现停靠的安全性。
[0152]
在足够长直道且路面一致的假设下，道路边界对自车产生的风险大小只与垂直道路边界的方向有关，而与平行于道路边界的方向无关。因此，道路边界风险场具有下列性质：自车在应急车道中心处受道路边界风险场力为零；自车过于靠近道路边界时，道路边界对自车提供斥力以到达应急车道中心；自车过于远离道路边界时，道路边界对自车提供引力以到达应急车道中心；自车不能越过道路边界，故道路边界处势能值应为无穷大；道路边界场对自车的作用力量级应小于运动障碍物对自车的障碍场力，否则当自车过于靠近障碍物时，会由于道路边界场力大于障碍场力使得自车受障碍物排斥作用过弱，最终与障碍物相撞。
[0153]
进一步地，可以发现道路边界风险场的分布与分子势能模型非常相似。在物理学中，由于分子间存在相互作用力，因而具有与其相对位置有关的能量，称为分子势能。当两个分子从无穷远处开始相互靠近时，分子间的作用力会逐渐从引力变为斥力，其中有一个作用力为零的距离r0，称为平衡距离。因此，r＝r0时，分子势能取最小值；r《r0，分子间作用力表现为斥力；r》r0，分子间作用力表现为引力，如图9所示。
[0154]
此外，lennard-jones的分子势能函数曲线如下式所示：
[0155][0156]
其中，r为两分子间的距离，a、b为待定参数。
[0157]
由式(22)可得到分子势能模型的相似性，即分子在平衡距离处受力为零；分子过于靠近另一分子时，另一分子提供斥力使该分子到达平衡距离；分子过于远离另一分子时，另一分子提供引力使该分子到达平衡距离；分子间的距离不能为零，故距离为零处势能为无穷大；分子势能曲线表达式两项的量级为r-6
和r-12
，远小于库伦斥力量级r-2
。
[0158]
因此，根据道路边界风险场分布与分子势能曲线的相似性，可采用广义分子势能模型描述道路边界风险场，如图10所示。
[0159][0160][0161]
其中，u为自车处道路边界风险场势能；a、b、m、n为待定参数，与道路自身属性相关；2《m《n，2《m是为保证自车受道路边界风险场作用力的量级小于障碍风险场作用力，m《n是为保证距离过远时道路边界风险场提供引力，距离过近时提供斥力；r、r0分别为自车、应急车道中心处与道路边界的垂直距离。
[0162]
由力与势能的关系式：
[0163][0164]
式(23)-(25)即为道路边界风险场的表达式。
[0165]
举例而言，如图11所示，自车a与障碍车辆b分别处于不同车道且速度关系va》vb，此时失控车辆应急系统开始工作。首先，系统将构建障碍风险场、目标风险场和道路边界风险场，随后算出自车位置受到三个风险场的场强，由于此时自车a与障碍车b相距较近，故在道路边界风险场引力与障碍风险场斥力中，斥力占主导，因此在路径规划算法中首先会主动躲避障碍物进行超车。在越过障碍车b后，障碍场作用力逐渐减小，此时道路边界场作用力和目标场作用力占主导，其中目标场作用力负责停靠的高效性，让自车迅速到达应急车道区域；道路边界场作用力负责停靠的安全性，让自车准确停靠于应急车道中心处，最终实现安全高效急停，从而有效防止自车触碰道路边界，使得车辆的可靠性和安全性能得到进一步地提升。
[0166]
可以理解的是，通过建立基于分子势能模型的道路边界风险场模型，使失控车辆应急系统能更好地适应紧急场景，优化了停靠位置不准确、停靠姿态不安全的问题。
[0167]
在步骤s103中，分别计算车辆受到应急风险场的障碍风险场、目标风险场和道路边界风险场的场力，得到车辆的总场力，并基于总场力生成车辆的安全急停路径。
[0168]
在构建三个风险场并计算出自车受到的三个场力后，自车将计算总场强。由于风险场场强是矢量，故遵循平行四边形法则，因此总场强为三个分场强的矢量和，如图12所示。总风险场场强越大，代表自车处境越危险，越需要自车驶离该位置，到达一个低风险的安全位置。
[0169]
根据上述计算的总场强来计算自车位置受到总风险场的场力大小，其中，假设场力的数值与场强大小相等。
[0170]
根据自车受到场力大小进行路径规划。一条路径包括位置、速度和航向角三个信息。在合成总场强后，系统将采用人工势能场路径规划的基本方法来规划一条行之有效的路径，即合力的大小与方向为该时刻与下一时刻的位移变化如图13所示。路径规划完毕后，系统将在该路径上增加速度规划，具体可参考一些现有的速度规划算法。随后系统会做出判断，如果下一个路径点与目标点的距离小于给定值，系统将认为自车已实现安全急停，将停止路径规划；否则，系统将认为自车仍未脱离危险状态，将在自车到达下一个路径点后重新采集自车及周围障碍物的速度、位置、航向角信息，进行新一轮应急风险场构建和路径规划。如此类推，自车便可在应急风险场的指引下规划出一条行之有效的安全急停路径。自车在此规划下便可实现安全高效急停。因此，应急风险场的构建是决定路径规划效果的核心。
[0171]
由此，本技术的实施例通过借助行车风险场理论，并对行车风险场基本模型进行适用于紧急情况的创新，解决了行车风险场难以准确描述紧急状况下行车风险大小的问题，为提高路径规划的效率、安全性起到关键作用，能在驾驶员失去驾驶能力的车辆失控下最大化减少财产损失和人员伤亡，并保证交通系统的运作效率。
[0172]
需要说明的是，上述仅提供了一种车辆避险的应急风险场构建方法，并不否认正常行车场景下行车风险场的合理性。相关研究人员若在研究正常行车场景，仍可继续采用行车风险场理论；
[0173]
根据本技术实施例提出的车辆避险的应急风险场构建方法，通过输入自车和他车的速度、位置和航向角信息；构建应急风险场，其中包括：构建障碍风险场、目标风险场，以及道路边界风险场；继而根据平行四边形法则进行总应急风险场的合成；计算自车位置受到总风险场的场力大小；根据自车受到场力大小进行路径规划，规划后判断自车是否到达目标点，若到达则系统结束工作，若未到达则修改迭代自车和他车的信息，重新进行新一轮循环。由此，本技术的实施例使自车在面临突发状况时能够规划一条更安全、更高效的路径，从而保障乘客、司机和交通系统的安全，具有高时效、高安全性、适应性强的特点。
[0174]
其次参照附图描述根据本技术实施例提出的车辆避险的应急风险场构建装置。
[0175]
图14是本技术实施例的车辆避险的应急风险场构建装置的方框示意图。
[0176]
如图14所示，该车辆避险的应急风险场构建装置10包括：检测模块100、构建模块200以及生成模块300。
[0177]
其中，检测模块100，用于检测车辆的周围障碍物信息.
[0178]
构建模块200，用于根据车辆的实际车速和周围障碍物信息构建应急风险场的障碍风险场、目标风险场和道路边界风险场。
[0179]
生成模块300，用于分别计算车辆受到应急风险场的障碍风险场、目标风险场和道路边界风险场的场力，得到车辆的总场力，并基于总场力生成车辆的安全急停路径。
[0180]
可选地，在本技术的一个实施例中，周围障碍物信息包括其他车辆的实际位置、实际航向角和实际速度中的至少一项。
[0181]
可选地，在本技术的一个实施例中，构建模块包括：障碍风险场构建单元，用于基于预设行车风险场理论，结合多普勒效应构建障碍风险场，其中，障碍风险场的表达式为：
[0182]
[0183]ky0
＝1，
[0184]kxp
＝k
x0
，k
yp
＝k
y0
，
[0185]
其中，e
vij
为障碍物j在自车i处产生的风险场强；e
j0
为障碍物j的动能大小；e
jp
为自车i相对障碍物j的相对动能；k
xp
、k
yp
为相对参考系下的风险梯度参数，用于描述相对视角下运动障碍物在不同方向对自车产生风险的不均匀性；r
ij
、x
ij
、y
ij
分别为障碍物j与自车i的距离、水平距离和垂直距离，r0为待定参数；k
x0
，k
y0
为风险梯度参数，描述运动障碍物在不同方向对自车产生风险的不均匀性；v
max
为汽车允许行驶最大速度；sgn与sgn0为符号函数。
[0186]
可选地，在本技术的一个实施例中，根据车辆的实际车速和周围障碍物信息构建应急风险场的障碍风险场、目标风险场和道路边界风险场，还包括：目标风险场构建单元，用于在正幂次形式下，通过对比规划路径的平滑度及到达目标点的时间满足时变特性，以考虑运动目标点的多普勒效应，结合目标点的多普勒效应构建目标风险场，其中，目标风险场的表达式为：
[0187][0188]ky0
＝1，
[0189]kxp
＝k
x0
，k
yp
＝l
y0
，
[0190][0191]
其中，e
tar
为目标风险场场强；e
j0
、e
jp
分别为自车i的绝对动能、自车i相对目标点j的相对动能；k
xp
、k
x0
、k
yp
、k
y0
分别为绝对视角和相对视角下的风险梯度参数，表示目标点j在不同方向对自车产生吸引趋势的不均匀性；r
ij
、x
ij
、y
ij
分别为自车i与目标点j的距离、水平距离和垂直距离；vi、vj分别为自车i与目标点j的速度；ti为系统启动时间，tj为系统最大安全停靠时间。
[0192]
可选地，在本技术的一个实施例中，根据车辆的实际车速和周围障碍物信息构建应急风险场的障碍风险场、目标风险场和道路边界风险场，还包括：道路边界风险场构建单元，用于根据道路边界风险场分布与分子势能曲线的相似性，采用广义分子势能模型描述道路边界风险场，其中，道路边界风险场的表达式为：
[0193][0194][0195][0196]
其中，u为自车处道路边界风险场势能；a、b、m、n为待定参数，与道路自身属性相关；r、r0分别为自车、应急车道中心处与道路边界的垂直距离。
[0197]
需要说明的是，前述对车辆避险的应急风险场构建方法实施例的解释说明也适用于该实施例的车辆避险的应急风险场构建装置，此处不再赘述。
[0198]
根据本技术实施例提出的车辆避险的应急风险场构建装置，通过检测车辆的周围障碍物信息；根据车辆的实际车速和周围障碍物信息构建应急风险场的障碍风险场、目标风险场和道路边界风险场；分别计算车辆受到应急风险场的障碍风险场、目标风险场和道路边界风险场的场力，得到车辆的总场力，并基于总场力生成车辆的安全急停路径。本技术的实施例不仅能更快实现急停，使自车在失控状态下能尽快停下，最大程度减少对交通系统的影响，还可以让自车以更安全的姿态停靠，最大程度减少了停靠后的安全隐患。
[0199]
图15为本技术实施例提供的电子设备的结构示意图。该电子设备可以包括：
[0200]
存储器1501、处理器1502及存储在存储器1501上并可在处理器1502上运行的计算机程序。
[0201]
处理器1502执行程序时实现上述实施例中提供的车辆避险的应急风险场构建方法。
[0202]
进一步地，电子设备还包括：
[0203]
通信接口1503，用于存储器1501和处理器1502之间的通信。
[0204]
存储器1501，用于存放可在处理器1502上运行的计算机程序。
[0205]
存储器1501可能包含高速ram存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
[0206]
如果存储器1501、处理器1502和通信接口1503独立实现，则通信接口1503、存储器1501和处理器1502可以通过总线相互连接并完成相互间的通信。总线可以是工业标准体系结构(industry standard architecture，简称为isa)总线、外部设备互连(peripheral component，简称为pci)总线或扩展工业标准体系结构(extended industry standard architecture，简称为eisa)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，图15中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
[0207]
可选地，在具体实现上，如果存储器1501、处理器1502及通信接口1503，集成在一块芯片上实现，则存储器1501、处理器1502及通信接口1503可以通过内部接口完成相互间的通信。
[0208]
处理器1502可能是一个中央处理器(central processing unit，简称为cpu)，或者是特定集成电路(application specific integrated circuit，简称为asic)，或者是被配置成实施本技术实施例的一个或多个集成电路。
[0209]
本实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上的车辆避险的应急风险场构建方法。
[0210]
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本技术的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或n个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
[0211]
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者
隐含地包括至少一个该特征。在本技术的描述中，“n个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
[0212]
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或n个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本技术的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本技术的实施例所属技术领域的技术人员所理解。
[0213]
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或n个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(ram)，只读存储器(rom)，可擦除可编辑只读存储器(eprom或闪速存储器)，光纤装置，以及便携式光盘只读存储器(cdrom)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
[0214]
应当理解，本技术的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，n个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。
[0215]
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
[0216]
此外，在本技术各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
[0217]
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本技术的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本技术的限制，本领域的普通技术人员在本技术的范围内可以对上述实施例进行变化、修改、替换和变型。