一种基于IAHP-EWM-LDM的L3级自动驾驶接管过程安全性评价方法

技术领域

本发明涉及一种基于IAHP-EWM-LDM的L3级自动驾驶接管过程安全性评价方法，属于驾驶行为和智能交通领域。

背景技术

现有的接管安全性评价研究集中以多因素为自变量，分析各安全性评价指标的差异性，难以对驾驶人接管安全性进行综合评价。评价指标多采用反应时间、最小TTC、速度等，这些指标仅能描述驾驶人的反应能力以及车辆控制能力，无法描述驾驶人的风险感知能力，而风险感知能力对安全极其重要。且单以指标的数据统计分析作为评价标准，评价结果会随客观数据波动而产生较大变化。此外，目前研究更侧重接管请求发生时驾驶人的接管表现，但是后续驾驶表现同样影响行车安全。

发明内容

针对接管过程安全性评价中指标选取不全面和评价结果随客观数据波动较大的问题，本发明提出了一种基于改进层次分析法和熵权法的接管过程安全性评价方法。

该方法全面考虑接管过程的感知、决策、操纵，从风险感知、避险操纵和接管绩效3个方面提取13个评价参数，通过变异系数法和Spearman相关性判别法对参数进行筛选，得到评价指标。利用改进层次分析法求取指标主观权重，利用熵权法求取指标客观权重，利用级差最大化法组合主、客观权重获得指标综合权重。从而提出改进层次分析法(IAHP)、熵权法(EWM)和级差最大化法(LDM)相结合的指标权重设定方法，建立接管过程安全性评价指标体系，对接管过程安全性进行评价。

下面给出用该方法评价接管过程安全性的原理。

一个完整的接管过程包含驾驶人感知道路风险水平、根据当前道路风险水平做出正确的决策。所以接管过程安全性的评价应包含对驾驶人感知风险水平、操纵能力的分析以及对接管车辆后车辆的控制能力的评估。指标的选择应考虑信息携带能力，通过变异系数法剔除变异系数小于15％的指标。此外，由于论文后续采用层次分析法计算专家权重，层次分析法要求评价指标间相互独立，为简化指标的判断信息以提高专家判断的准确性，需对参数进行相关性分析。

层次分析法最早由美国著名运筹学家T.L.Saaty提出，其主体思想是根据问题致因之间的关系将问题致因逐级分解到不同层次，然后根据同一层次因素间的相对重要性建立判断矩阵，通过计算判断矩阵的特征值确定各因素的权重。传统的层次分析法往往采用九标度法说明因素间的相对重要度，没有考虑九标度法难以清晰划分重要度，专家的主观判断往往会存在矛盾以至判断矩阵无法通过一致性检验，而后续一致性检验的通过更需要人为主观修正。

为解决这一问题，选择采用五标度法改进层次分析法，使得重要度可清晰比较的同时，因素间的区分度也可得到保证。但是主观权重受专家经验影响较大，会导致指标获得不合理的权重，为克服单一主观赋权的缺陷，需要加入指标的客观权重进行调整。此外，从兼顾两种权重计算方法优点和结果更具有可解释性的角度出发，选择级差最大化法组合主、客观权重。

综上，根据安全性评价指标及其综合权重，就可建立接管安全性评价指标体系，对换接管过程进行评价。

一种基于IAHP-EWM-LDM的L3级自动驾驶接管过程安全性评价方法，其特征在于以下步骤：

步骤一：提出安全性表征参数；

选取13个安全性表征参数，包括平均注视时间Fix_time、平均扫视时间Sac_time、瞳孔面积最大差值Diff_pupil、瞳孔面积变化率Rate_pupil；接管操纵时间Mani_time、操纵点TTCMani_TTC、刹车深度标准差Std_brake、油门深度标准差Std_gas、方向盘转角标准差Std_wheel；横向偏移量标准差Std_lp、横向加速度标准差Std_a_x、车辆速度标准差Std_speed和纵向加速度标准差Std_a_y。

步骤二：筛选安全性表征参数，确定安全性评价指标；

计算每个参数的变异系数，以评估参数的信息携带能力。变异系数越大，表明指标携带信息的能力越强，对于变异系数小于15％的指标，应予以剔除。选择Spearman相关性判别法分析参数间的相关性，如果相关性系数大于0.8，则表明指标间信息重叠度过高，需要剔除一个。因此，根据变异系数法和Spearman相关性判别法完成指标的确定。

步骤三：计算安全性评价指标的权重；

根据改进层次分析法计算各专家给出的指标权重，结合驾驶人接管安全性评价指标体系和采集到的指标数据计算评价指标的熵权值。为有效结合专家意见与数据信息，从兼顾二者优点角度出发，选择级差最大化法并应用MATLAB软件组合主观权重和客观权重获得各指标组合权重。

主、客观权重组合过程为：

(1)构建权重矩阵

其中，a

(2)确定组合权重区间范围

由权重矩阵A可以确定组合权重a＝(a

(3)确定最优组合权重

以n个评价对象得分方差最大为优化目标，确定最优组合权重，以使各评价对象间得分区分度较高。

①计算第i个评价指标下n个评价对象数值均值：

②计算第i个评价指标下n个评价对象综合评价结果的方差：

③计算所有评价指标下综合评价结果的方差和的最大值：

且满足以下约束条件：

式中：n为评价对象的个数，即接管过程的个数；s

步骤四：对各接管过程进行安全性评价。

本发明提出一个有关自动驾驶接管过程的评价方法，并运用该方法对驾驶模拟实验获得的655个接管过程进行评价。与现有技术相比，本发明具有以下优点：

(1)该方法综合考虑了接管全过程中的驾驶人视觉特性、驾驶人操纵行为以及车辆运行状态，确保了指标选取的全面性。

(2)设定权重时，在保证客观数据信息体现的基础上，综合了主观上的专家经验，并使用可解释性更强的级差最大化法组合主、客观权重，使得该方法可较为全面、合理、科学的评价接管过程安全性。

附图说明

图1为表征参数图；

图2为评价指标确定流程图；

图3为评价指标权重设定流程图；

图4为本发明所涉及的接管过程安全性评价方法流程图。

具体实施方式

下面结合附图和具体实施方式对本发明作进一步的说明。

综合考虑风险感知、避险操纵、接管绩效3个角度从安全性评价方面提取13个表征参数，包括平均注视时间Fix_time、平均扫视时间Sac_time、瞳孔面积最大差值Diff_pupil、瞳孔面积变化率Rate_pupil；接管操纵时间Mani_time、操纵点TTC Mani_TTC、刹车深度标准差Std_brake、油门深度标准差Std_gas、方向盘转角标准差Std_wheel；横向偏移量标准差Std_lp、横向加速度标准差Std_a_x、车辆速度标准差Std_speed和纵向加速度标准差Std_a_y，其体系结构如图1所示。使用变异系数法和Spearman相关性对参数进行筛选，筛选流程如图2所示，因为所有的参数均通过筛选，因此最终确定13个评价指标。

根据改进层次分析法五标度取值标准设计专家调查问卷，通过问卷结果计算各专家给出的指标权重，结合驾驶人接管安全性评价指标体系和采集到的指标数据计算指标客观权重，选择级差最大化法并应用MATLAB软件组合主观权重和客观权重获得各指标组合权重。如图3所示，得到各安全性评价指标的权重。

根据安全性评价指标和对应权重即可计算出各接管过程评分，从而实现对接管过程安全性评价。

本发明所述的接管过程安全性评价方法流程如图4所示，具体包括以下几个步骤：

步骤一：提出安全性表征参数；

步骤二：筛选表征参数，确定安全性评价指标；

步骤三：计算安全性评价指标的权重；

步骤四：对各个接管过程进行安全性评价；

安全性评价指标的确定方法为：对安全性表征参数进行变异系数法检验，并剔除变异系数小于15％的表征参数；对安全性表征参数进行Spearman相关性判别法检验，如果相关系数大于0.8，则表明指标间信息重叠度过高，需要剔除一个。13个安全性表征参数均通过检验，因此全部保留，进而确定为安全性评价指标。

安全性评价指标权重的确定方法为：根据改进层次分析法五标度取值标准设计专家调查问卷，通过问卷结果计算各专家给出的指标权重，结合驾驶人接管安全性评价指标体系和采集到的指标数据计算指标客观权重，选择级差最大化法并应用MATLAB软件组合主观权重和客观权重获得各指标组合权重。

主、客观权重组合过程为：

(1)构建权重矩阵

其中，a

(2)确定组合权重区间范围

由权重矩阵A可以确定组合权重a＝(a

(3)确定最优组合权重

以n个评价对象得分方差最大为优化目标，确定最优组合权重，以使各评价对象间得分区分度较高。

①计算第i个评价指标下n个评价对象数值均值：

②计算第i个评价指标下n个评价对象综合评价结果的方差：

③计算所有评价指标下综合评价结果的方差和的最大值：

且满足以下约束条件：

式中：n为评价对象的个数，即接管过程的个数；s

本发明综合考虑了接管全过程中的驾驶人视觉特性、驾驶人操纵行为以及车辆运行状态，从风险感知、避险操纵和接管绩效提取评价参数，评价参数较为全面、合理、科学。设定权重时，有效结合了专家经验和数据信息，使接管安全性的评价结果更客观、准确。