在復(fù)雜交通環(huán)境下智能汽車行駛風(fēng)險(xiǎn)評(píng)估與智能決策
清華大學(xué)汽車系教授王建強(qiáng)此前在美國(guó)留學(xué)的時(shí)候,受到愛因斯坦同一場(chǎng)論的啟發(fā),借鑒了一種場(chǎng)的思想,提出了自己的風(fēng)險(xiǎn)評(píng)估方法,基于場(chǎng)論的行車風(fēng)險(xiǎn)辨識(shí)方法,建立了人-車-路綜合影響下的“行車安全場(chǎng)”統(tǒng)一模型。經(jīng)過幾年的研究完善,他們建立了一個(gè)完整的理論體系,這個(gè)體系目前接近成熟。這個(gè)風(fēng)險(xiǎn)評(píng)估的方法正在被用于智能車的決策與控制。
前幾天,小編看到了一張總結(jié)“清華系自動(dòng)駕駛”的表格,感嘆中國(guó)自動(dòng)駕駛半壁江山都被清華系同學(xué)所占領(lǐng)。
今天小編就給大家分享一篇清華大學(xué)汽車系教授、汽車系副主任王建強(qiáng)老師的一篇報(bào)告,希望對(duì)讀者有所啟發(fā)。
什么是復(fù)雜的混合道路交通環(huán)境?
在我國(guó),復(fù)雜的混合交通所指的是機(jī)動(dòng)車、非機(jī)動(dòng)車、行人組成的混合交通,這種混合交通引發(fā)的交通擁堵、交通事故增加、城市環(huán)境不斷惡化、運(yùn)輸效益下降等一系列問題,嚴(yán)重地影響了道路交通秩序,降低了道路通行能力,增加了道路交通管理難度。
眾所周知,安全是混合交通中面臨的最主要問題,而道路交通安全受到人-車-路以及交通環(huán)境這四位一體的因素影響。在研究智能汽車駕駛在復(fù)雜的混合交通環(huán)境中如何評(píng)估風(fēng)險(xiǎn)成為至關(guān)重要的問題。
在復(fù)雜的混合交通環(huán)境中如何評(píng)估風(fēng)險(xiǎn)?
眾所周知,安全是混合交通中面臨的最主要問題,對(duì)交通事故產(chǎn)生的交通特點(diǎn)分析可知,混合交通條件下發(fā)生的交通事故占總數(shù)的5.9%,同時(shí)還是主要的死亡原因(占67.2%);當(dāng)混合交通且缺少交通控制時(shí),造成的交通事故占總數(shù)的50.8%,死亡人數(shù)占62.4%(1998)。
因此,研究智能汽車駕駛在復(fù)雜的混合交通環(huán)境中如何評(píng)估風(fēng)險(xiǎn)成為至關(guān)重要的問題。
那么究竟如何來進(jìn)行風(fēng)險(xiǎn)評(píng)估呢?首先我們來看看目前是怎樣來做的?
現(xiàn)有的風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)多樣,優(yōu)劣各異,如:
時(shí)間指標(biāo):TTC(Time to Collision)、THW(Time Headway)等
動(dòng)力學(xué)指標(biāo):安全距離(避撞)、最小加速度(避撞)
統(tǒng)計(jì)學(xué)指標(biāo):碰撞概率(避撞、路徑規(guī)劃)、機(jī)器學(xué)習(xí)(決策)
勢(shì)能場(chǎng)指標(biāo):勢(shì)能場(chǎng)(能)、行車安全場(chǎng)(避撞、規(guī)劃控制)
異常駕駛行為指標(biāo):超速、闖紅燈,疲勞駕駛(駕駛行為分析)
各個(gè)風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)的優(yōu)劣比較
問題的根源在哪里呢?目前L2、L3自動(dòng)駕駛技術(shù)開發(fā)相對(duì)程度,因?yàn)樗麄冎饕轻槍?duì)某一個(gè)場(chǎng)景進(jìn)行開發(fā),比如追尾報(bào)警系統(tǒng)、主動(dòng)避障系統(tǒng)、車道偏離預(yù)警系統(tǒng)等,根據(jù)具體的危險(xiǎn)場(chǎng)景來開發(fā),危險(xiǎn)的場(chǎng)景和種類非常多,針對(duì)這樣的問題,我們需要考慮,一個(gè)一個(gè)安全系統(tǒng)的疊加會(huì)造成什么樣的問題?
這些系統(tǒng)在同一輛車上會(huì)不會(huì)存在沖突?
我們面臨的挑戰(zhàn)還有,我們面臨這種風(fēng)險(xiǎn)的因素是復(fù)雜的,包括駕駛?cè)、車輛、環(huán)境等各種因素,各種因素我們?nèi)绾芜M(jìn)行統(tǒng)一的評(píng)估?因?yàn)椴煌蛩厮a(chǎn)生的對(duì)安全的影響是不同的,針隊(duì)這種問題,王建強(qiáng)此前在美國(guó)留學(xué)的時(shí)候就已經(jīng)進(jìn)行了深入思考,受到愛因斯坦同一場(chǎng)論的啟發(fā),借鑒了一種場(chǎng)的思想,因此就提出了自己的風(fēng)險(xiǎn)評(píng)估方法,基于場(chǎng)論的行車風(fēng)險(xiǎn)辨識(shí)方法,建立了人-車-路綜合影響下的“行車安全場(chǎng)”統(tǒng)一模型。經(jīng)過幾年的研究完善,他們建立了一個(gè)完整的理論體系,這個(gè)體系目前接近成熟。這個(gè)風(fēng)險(xiǎn)評(píng)估的方法正在被用于智能車的決策與控制。
什么是安全場(chǎng)模型?
交通風(fēng)險(xiǎn)影響因素有哪些?產(chǎn)生的機(jī)理是否一樣?顯然,不同的因素影響是不一樣的,為此我們把影響因素分成3種類別,一種是動(dòng)態(tài)運(yùn)動(dòng)的目標(biāo),他所產(chǎn)生的風(fēng)險(xiǎn),我們起了個(gè)名稱叫動(dòng)能場(chǎng);而道路中環(huán)境的因素,靜態(tài)的物體所產(chǎn)生的風(fēng)險(xiǎn)我們稱之為勢(shì)能場(chǎng);另外重要的駕駛員行為所造成的風(fēng)險(xiǎn)我們稱之為行為場(chǎng);將這三種場(chǎng)進(jìn)行統(tǒng)一成為“行車安全場(chǎng)”統(tǒng)一模型。
這些風(fēng)險(xiǎn)模型是如何建立的呢?
動(dòng)能場(chǎng)
運(yùn)動(dòng)場(chǎng)為表征道路中其他運(yùn)動(dòng)目標(biāo)對(duì)自車行車風(fēng)險(xiǎn)影響程度大小的“物理場(chǎng)”。
大小與運(yùn)動(dòng)物體的屬性密切相關(guān),比如說物體的運(yùn)動(dòng)的速度、類別、實(shí)際質(zhì)量、運(yùn)動(dòng)的狀態(tài)等等,我們把這些因素統(tǒng)一叫做“虛擬質(zhì)量”,同時(shí)也收到道路影響因素的影響,如道路的曲率、坡度等。
動(dòng)能場(chǎng)
動(dòng)能場(chǎng)中心處的場(chǎng)強(qiáng)最強(qiáng),因?yàn)樵谥行奶,如果其他車輛一直重合必然會(huì)發(fā)生交通事故,動(dòng)能場(chǎng)在物體前進(jìn)的方向更集中表明潛在風(fēng)險(xiǎn)更大。
勢(shì)能場(chǎng)
勢(shì)能場(chǎng)
勢(shì)能場(chǎng)為表征道路中靜止物體,對(duì)自車行車風(fēng)險(xiǎn)影響程度大小的“物理場(chǎng)”。
勢(shì)能場(chǎng)中心是靜態(tài)目標(biāo)所在的位置,勢(shì)能場(chǎng)中心處場(chǎng)強(qiáng)最大,勢(shì)能場(chǎng)場(chǎng)強(qiáng)隨著物體距離減小而量指數(shù)式增加,勢(shì)能場(chǎng)場(chǎng)強(qiáng)隨著物體距離增大而減小,當(dāng)距離增大到一定程度時(shí)場(chǎng)強(qiáng)不存在。
行為場(chǎng)
行為場(chǎng)
行為場(chǎng)為表征駕駛員風(fēng)險(xiǎn)因襲、車輛行為對(duì)行車風(fēng)險(xiǎn)影響程度大小的“物理場(chǎng)”。
駕駛員行為對(duì)自車行車造成的風(fēng)險(xiǎn)因素有很多如:駕駛員生理心理風(fēng)險(xiǎn)因素(疲勞駕駛、情緒駕駛)、認(rèn)知風(fēng)險(xiǎn)因素(如錯(cuò)誤估計(jì)車輛狀態(tài))、技能風(fēng)險(xiǎn)因素(如駕駛技能不高)、違規(guī)風(fēng)險(xiǎn)因素(如交通法規(guī)及時(shí)薄弱)。這些因素我們可以統(tǒng)一用駕駛員風(fēng)險(xiǎn)因子來表達(dá),所產(chǎn)生的風(fēng)險(xiǎn),是通過駕駛員駕駛車輛所產(chǎn)生的。
因此我們把動(dòng)能場(chǎng)、勢(shì)能場(chǎng)、行為場(chǎng)統(tǒng)一就建立了一個(gè)安全場(chǎng)統(tǒng)一模型,能夠不對(duì)不同交通要素的影響進(jìn)行規(guī)范評(píng)價(jià),從而可以實(shí)現(xiàn)對(duì)整體交通環(huán)境的風(fēng)險(xiǎn)量化評(píng)估。
例如,圖中紅色車輛的風(fēng)險(xiǎn)為周邊要素對(duì)它所形成的場(chǎng)力的合力所形成的,合力越大所產(chǎn)生的風(fēng)險(xiǎn)越大,場(chǎng)的物理的形態(tài)我們可以通過圖的右側(cè)圖形看出來。
在復(fù)雜的混合交通環(huán)境中如何進(jìn)行智能決策?
智能決策方法——學(xué)習(xí)人類的決策機(jī)制
形車風(fēng)險(xiǎn)評(píng)估是實(shí)現(xiàn)智能決策的前提,但智能車決策依然存在一系列難題:
① 現(xiàn)有的智能汽車決策算法真的智能嗎?能夠完全被駕駛?cè)怂邮軉幔?/p>
② 現(xiàn)有的駕駛決策算法滿足駕駛?cè)说鸟{駛需求嗎?
③ 駕駛?cè)嗽隈{駛過程中的決策只是與避免風(fēng)險(xiǎn)有關(guān)嗎?
我們發(fā)現(xiàn)目前人類駕駛相比無人駕駛更能適應(yīng)紛繁復(fù)雜的交通環(huán)境?因此,現(xiàn)在很有必要研究駕駛?cè)祟惖鸟{駛決策機(jī)制。這里的研究并不是研究人腦決策機(jī)制,而是通過人類駕駛的行為的表現(xiàn)來研究駕駛員的行為決策機(jī)制。把決策機(jī)制的學(xué)習(xí)結(jié)果用于無人車的決策中,這是這里的研究思路。
人類駕駛行為遵循最小作用量原理
首先用16臺(tái)數(shù)據(jù)采集車,行駛10萬公里,采集了1500小時(shí)的有效人類自然駕駛行駛數(shù)據(jù)。用這組數(shù)據(jù)對(duì)車頭時(shí)距(THW)、橫向位置(D)和加速度(a)進(jìn)行了一個(gè)統(tǒng)計(jì)分析,發(fā)現(xiàn)結(jié)果存在一種極值現(xiàn)象,即THW=1.5S,D=0m,a=0m/s,這種極值的啟發(fā)意義是我們發(fā)現(xiàn)符合最小作用量原理。
物理學(xué)中通常利用小作用量原理來描述自然界中的極值現(xiàn)象。最小作用量原理是與對(duì)稱性、守恒定律同等重要的最原始、最基本的概念,還是物理學(xué)中最具概括性的原理,是重大物理學(xué)問題的根源所在。
如果用S來代作用,這一原理可以簡(jiǎn)潔的表達(dá)為δS=0。今為止的所有物理規(guī)律,均可由它表達(dá)。
因此可以用最小作用量原理來闡釋和描述人類的駕駛行為。
人類駕駛遵循的基本原則是“趨利避害”,“利”即追求安全和高效,“害”就是防止危險(xiǎn)的發(fā)生。
進(jìn)一步分析,橫向加速度在追求安全的過程中為什么會(huì)存在極值?是因?yàn)槿祟愸{駛其實(shí)是在追求安全與效率的一種平衡;縱向加速度從實(shí)際統(tǒng)計(jì)中的結(jié)果發(fā)現(xiàn)也符合一樣的道理,極值是追求的平衡點(diǎn),減速是為了保障安全,加速是為了追求高效。車頭時(shí)距為什么能夠保持在一個(gè)平衡范圍內(nèi)?因?yàn)檐囶^時(shí)距過小就會(huì)存在一些潛在的危險(xiǎn),過大就會(huì)降低行車的效率。
通過這樣的分析,駕駛員操控的行為為,不論在橫向還是縱向上都在追求一種平衡的極值。
基于這樣的分析,我們就可以用最小作用量來表征駕駛員的操作極值。
將作用量用物理模型表征方法如下:
上圖中,小球的例子表示,如果力超過一定的限值,車輛就會(huì)失控,車輛就會(huì)飛出運(yùn)動(dòng)的軌跡,如果再約束的范圍內(nèi)車輛就可以順利的到達(dá)目的地。
基于這樣的物理模型,我們就可以用最小作用量原理來對(duì)車輛進(jìn)行最佳的駕駛決策。
發(fā)表評(píng)論
請(qǐng)輸入評(píng)論內(nèi)容...
請(qǐng)輸入評(píng)論/評(píng)論長(zhǎng)度6~500個(gè)字
圖片新聞
最新活動(dòng)更多
-
11月19日立即報(bào)名>> 【線下論壇】華邦電子與恩智浦聯(lián)合技術(shù)論壇
-
12月19日立即報(bào)名>> 【線下會(huì)議】OFweek 2024(第九屆)物聯(lián)網(wǎng)產(chǎn)業(yè)大會(huì)
-
精彩回顧立即查看>> 蔡司新能源汽車三電質(zhì)量解決方案
-
精彩回顧立即查看>> 蔡司新能源汽車三電質(zhì)量解決方案
-
精彩回顧立即查看>> 2024(第五屆)全球數(shù)字經(jīng)濟(jì)產(chǎn)業(yè)大會(huì)暨展覽會(huì)
-
精彩回顧立即查看>> 【線下會(huì)議】全數(shù)會(huì)2024電子元器件展覽會(huì)
- 1 “作弊器”不靈了?智駕的激光雷達(dá),正在被攝像頭替代
- 2 被逼墻角的Mobileye,祭出 CAIS 大旗,挑戰(zhàn)端到端大模型智能駕駛
- 3 從小鵬、理想、蔚來布局看自動(dòng)駕駛發(fā)展趨勢(shì)
- 4 5 SiC、Chiplet、RISC-V,汽車半導(dǎo)體發(fā)展的三大動(dòng)力
- 6 激光雷達(dá)與純視覺方案,哪個(gè)才是自動(dòng)駕駛最優(yōu)選?
- 7 激光雷達(dá)即將降價(jià),純視覺回到鄙視鏈底層?
- 8 如何跑贏汽車智能化下半場(chǎng)?
- 9 全網(wǎng)最詳解! 美國(guó)禁止中國(guó)智駕究竟包括哪些?
- 10 “端到端”風(fēng)口已至?
- 現(xiàn)場(chǎng)技術(shù)支持工程師(汽車) 易思維(杭州)科技股份有限公司
- 項(xiàng)目經(jīng)理(汽車內(nèi)飾&汽車電子) 伯恩光學(xué)(惠州)有限公司
- 銷售總監(jiān)-汽車電子方向 深圳市智立方自動(dòng)化設(shè)備股份有限公司
- 結(jié)構(gòu)工程師-汽車電子事業(yè)部(J10116) 深圳奧尼電子股份有限公司
- IE工程師(汽車智聯(lián)) 惠州碩貝德無線科技股份有限公司
- 銷售經(jīng)理(汽車新能源行業(yè)) 廣州瑞松智能科技股份有限公司
- 高級(jí)軟件工程師 廣東省/深圳市
- 自動(dòng)化高級(jí)工程師 廣東省/深圳市
- 光器件研發(fā)工程師 福建省/福州市
- 銷售總監(jiān)(光器件) 北京市/海淀區(qū)
- 激光器高級(jí)銷售經(jīng)理 上海市/虹口區(qū)
- 光器件物理工程師 北京市/海淀區(qū)
- 激光研發(fā)工程師 北京市/昌平區(qū)
- 技術(shù)專家 廣東省/江門市
- 封裝工程師 北京市/海淀區(qū)
- 結(jié)構(gòu)工程師 廣東省/深圳市