(19)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 202111675077.5 (22)申请日 2021.12.31 (71)申请人 中智行 （上海） 交通科技有限公司 地址 201400 上海市奉贤区金海公路6 055 号28幢1层 (72)发明人 张光肖　刘亚龙　王劲　 (74)专利代理 机构 上海凯玛顿知识产权代理事 务所(普通 合伙) 31359 专利代理师 谈倩 (51)Int.Cl. G08G 1/01(2006.01) G08G 1/04(2006.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于车路协同的自动驾驶车辆状态评 估及预警方法 (57)摘要 本发明公开了一种基于车路协同的自动驾 驶车辆状态评估及预警方法， 涉及 道路交通技术 领域， 评估包括两部分： 自动驾驶车辆行驶全过 程中乘员体感舒适度状态评估、 自动驾驶车辆行 驶全过程中乘员及车辆的安全性状态评估， 通过 路端采集自动驾驶车辆、 非自动驾驶车辆的行驶 数据， 融合自动驾驶车端采集的行驶数据， 进行 数据处理、 特征提取， 建立自动驾驶车辆乘员体 感舒适度评价客观标准， 可作为路径 规划的状态 约束； 通过对上述大量数据的学习与训练， 可在 线预测自动驾驶车辆的异常行为， 当预测到车辆 不安全状态时将预警到车辆安全员或远程监控 中心， 及时进行 车辆接管， 脱离不 安全状态。 权利要求书2页 说明书6页 附图5页 CN 114550442 A 2022.05.27 CN 114550442 A 1.一种基于车路协同的自动驾驶车辆状态评估及预警方法， 其特 征在于： 包括： S1、 基于车路协同技 术的数据采集 S1.1对于路端侧， 通过路段路边单元的感知系统采集经过该路段的自动驾驶车辆以及 非自动驾驶车辆的驾驶数据， 并将该驾驶数据经 过路侧路边单 元网络层上传到云端平台； S1.2对于车端侧， 自动驾驶车辆由驾驶员驾驶， 借助车载感知层采集车辆行驶数据， 并 通过车载网络终端将 驾驶数据传到云端平台； S2、 体感舒 适度状态评估 S2.1体感舒适度评价指标： accx： 纵向加速度， m/ s2； decx： 纵向减速度， m/ s2； accy： 横向 加速度， m/s2； jerkx： 纵向急动度， m/s3； jerky： 横向急动度， m/s3； S2.2体感舒 适度数据计算； S2.3体感舒适度评价标准， 根据不同的规则获取不同速度 ‑曲率下的舒适度指标标准 参考值； S2.4体感舒适度在线评估： 设计滞回逻辑、 滞回曲面， 在线模式下， 根据体感数据值与 标准体感数据滞回区间值进行比较， 输出出现不舒适状态的具体类型、 一次自动驾驶过程 中不舒适状态出现的次数、 不 舒适时间占总行驶时间的比例； S3、 安全状态评估及预警 通过车路协同技术采集得到的多场景覆盖的大量数据作为神经网络模型离线训练的 数据集， 该模型输出为未来一段时间内车辆是否会出现异常行为， 该模型用于自身自动驾 驶车辆及一定范围内社会车辆在线预测。 2.根据权利要求1所述的一种基于车路协同的自动驾驶车辆状态评估及预警方法， 其 特征在于： 所述S1.1中， 驾驶数据包含全局坐标系下的车辆坐标点位置、 纵向速度及加速 度、 横向速度及加速度、 车辆航向角、 道路曲率、 转向半径在内的多 项信息。 3.根据权利要求1所述的一种基于车路协同的自动驾驶车辆状态评估及预警方法， 其 特征在于： 所述S1.1中， 感知系统包括激光雷达、 摄像头、 毫米波雷达， 所述S1.2中， 车载感 知层包括IMU、 激光雷达、 毫米波雷达 。 4.根据权利要求1所述的一种基于车路协同的自动驾驶车辆状态评估及预警方法， 其 特征在于： 所述S2.2体感舒 适度数据计算： accx： 车端： 根据位置坐标信息差分计算得到纵向加速度并进行二阶低通滤波得到 est_accx， 对基于IMU得到的加速度信息进行二阶低通滤波 得到imu_accx， 对于上述两个加 速度值添加置信比例得到ax_filtered＝Ka* est_accx+Kb*imu_accx， 经过过零检测得到最 终的纵向加速度值accx； 路端： 根据位置坐标信息差分计算得到纵向加速度并进行二阶低 通滤波得到est_ac cx， 经过过零检测得到最终的纵向加速度值ac cx； decx： 与ac cx计算方法一 致， 经过过零检测得到最终的纵向加速度值decx； accy： 根据位置信息计算得到当前行驶道路曲率信息kappa＝dyaw/ds， dyaw是单位时 间内航向角变化， ds是单位时间内车辆位置变化； 车端： 基于IMU的侧向加速度数据进行一 阶低通滤波得到imu_ac cy； 路端： 位置 差分法计算est_ac cy； jerkx： 基于纵向加速度进行差分得到纵向加速度变化率jerk， 并进行均值滤波得到 est_jerkx； jerky： 基于侧向加速度进行差分得到侧向加速度变化率jerk， 并进行鲁棒均 值滤波得权　利　要　求　书 1/2 页 2 CN 114550442 A 2到est_jerky。 5.根据权利要求1所述的一种基于车路协同的自动驾驶车辆状态评估及预警方法， 其 特征在于： 所述S2.3体感舒 适度评价标准： (1)将车路协同所获得的车辆驾驶数据进行处理， 计算每一时刻下的车辆行驶路线曲 率及当前车速， 获得该曲率 ‑车速下的各驾驶舒适度指标值， 这样就形成了庞大的数据点阵 集， 将其分离处 理可获得五种曲率 ‑速度‑舒适度指标散点分布； (2)划定速度锚点、 曲率锚点， 乘用车最小转弯直径为9.0 ‑12.0m， 据此设计曲率区间为 0‑0.2m‑1， 区间大小0.02， 即[0:0.02:0.2]， 设计车速区间为0 ‑22m/s， 区间大小1.0， 即[0:1: 22]； (3)不良数据筛 除， 遍历速度锚点、 曲率锚点， 计算锚点区间范围内的各种舒适度指标 的极值、 平均值、 均方差、 25％、 5 0％、 75％数据值分布点， 使用移动最小二乘法对数据拟合； (4)对车端数据、 路端数据、 车路协同的三方面数据进行对比分析； (5)根据不同的规则获取不同速度 ‑曲率下的舒 适度指标 标准参考值。 6.根据权利要求5所述的一种基于车路协同的自动驾驶车辆状态评估及预警方法， 其 特征在于： 所述S2.3(5)， 设计评价函数， 或修改惩罚系数获得合适的参考标准值， 或将高斯 函数作为隶属度函数而后进行清晰化处 理获得参 考标准值。 7.根据权利要求1所述的一种基于车路协同的自动驾驶车辆状态评估及预警方法， 其 特征在于： 所述S2.3， 选取 75％数值分布点作为 舒适度参考标准值。 8.根据权利要求1所述的一种基于车路协同的自动驾驶车辆状态评估及预警方法， 其 特征在于： 所述S2.4， 采用曲面插值的方法插值计算得到当前kappa与 speed下的标准体感 数据滞回上限和下限， 根据上述得到的标准区间及逻辑， 体感舒 适度在线评估。 9.根据权利要求1所述的一种基于车路协同的自动驾驶车辆状态评估及预警方法， 其 特征在于： 所述S2， 根据模糊统计法获得不舒适次数、 不舒适时间比例对应的总体舒适度评 价对照等级， 具体如下： (1)自动驾驶时间≤10mi ns 不舒适次数≤ 6次且不舒适时间比例≤10％， 舒 适度等级为高； 不舒适次数≤18次且不 舒适时间比例≤25％， 舒 适度等级为中； 不舒适次数≤ 30次且不舒适时间比例≤40％， 舒 适度等级为低； (2)自动驾驶时间≤20mi ns 不舒适次数≤15次且不 舒适时间比例≤15％， 舒 适度等级为高； 不舒适次数≤45次且不 舒适时间比例≤ 30％， 舒适度等级为中； 不舒适次数≤80次且不 舒适时间比例≤45％， 舒 适度等级为低； (3)自动驾驶时间≤40mi ns 不舒适次数≤45次且不 舒适时间比例≤20％， 舒 适度等级为高； 不舒适次数≤15 0次且不舒适时间比例≤ 35％， 舒适度等级为中； 不舒适次数≤ 300次且不舒适时间比例≤ 50％， 舒适度等级为低。 10.根据权利要求1所述的一种基于车路协同的自动驾驶车辆状态评估及预警方法， 其 特征在于： 所述S3， 异常行为包括异常停车、 异常加速、 异常减速、 异常方向盘大幅度转动、 碰撞风险。权　利　要　求　书 2/2 页 3 CN 114550442 A 3