用于高级辅助驾驶的路况复杂性判断方法及可读存储介质

技术领域

本发明涉及高级辅助驾驶功能技术领域，具体涉及用于高级辅助驾驶的路况复杂性判断方法及可读存储介质。

背景技术

伴随着汽车高级辅助驾驶功能的发展和推广，市场和企业都在大力推进高级辅助驾驶功能的落地与提升客户接受度。高级辅助驾驶功能在保证安全可靠的前提下最大化的保证用户体验是提升客户接受度最重要的环节。其中，高级辅助驾驶功能运行路况的复杂形判断，是优化功能安全与驾驶体验之间平衡中极具重要部分，它给予高级辅助驾驶功能可运行使用范围边界划分提供支持。

针对路况复杂性识别和判断的问题，公开号为CN104036638A的中国专利公开了《一种实时路况监控方法和实时路况监控设备》，其方法包括：获取车载终端反馈的车辆的行车记录信息；根据车辆的行车记录信息，确定并记录车辆当前的路况信息；若车辆当前的行车速度低于预设阈值，则判断是否记录有N个满足条件的其它车辆的路况信息，若记录有N个满足条件的其它车辆的路况信息，则判定该车辆当前所处的路段处于拥堵状态。

上述现有方案中的路况监控方法也是一种路况复杂性判断方法，其根据行车记录信息实现对实时路况的监控，进而能够判断路况是否复杂。但申请人发现，上述现有方案仅根据当前所处的路段、当前的行车方向以及当前的行车速度等条件判断路况的复杂性。一方面，上述现有方案中的判断要素(条件)未与高级辅助驾驶功能相关联，使其难以全面满足高级辅助驾驶功能运行对于路况复杂性判断的要求，导致高级辅助驾驶功能的应用效果不好。另一方面，上述现有方案对于路况复杂性的判断没有明确的指标和要求，使其难以准确、有效的判断路况是否复杂，这同样会导致高级辅助驾驶功能的应用效果不好。因此，如何设计一种能够满足高级辅助驾驶功能运行路况复杂性判断的要求且能够保证路况复杂性判断准确性和有效性的方法，以能够辅助实现高级辅助驾驶功能的应用是亟需解决的技术问题。

发明内容

针对上述现有技术的不足，本发明所要解决的技术问题是：如何提供一种用于高级辅助驾驶的路况复杂性判断方法，以能够满足高级辅助驾驶功能运行路况复杂性判断的要求，且能够保证路况复杂性判断准确性和有效性，从而能够辅助实现高级辅助驾驶功能的应用。

为了解决上述技术问题，本发明采用了如下的技术方案：

用于高级辅助驾驶的路况复杂性判断方法，包括以下步骤：

S1：获取高级辅助驾驶功能当前运行路况的路况监测数据；

S2：从路况监测数据中提取当前运行路况满足的路况判断要素；其中，路况判断要素与高级辅助驾驶功能的路况复杂性判断要求关联；

S3：基于各个路况判断要素对应的影响因子计算当前运行路况的复杂性积分；其中，影响因子与路况判断要素对于路况复杂性的影响程度关联；

S4：通过复杂性积分判断高级辅助驾驶功能当前运行路况是否复杂，进而生成对应的路况复杂性判断结果。

优选的，步骤S2中，路况判断要素的类型包括但不限于车道线状态类、车速状态类、高级辅助驾驶功能状态类、道路环境状态类和减速目标状态类。

优选的，车道线状态类包括以下路况判断要素：

A1、当前车辆左侧车道线与右侧车道线之间的距离减去车辆宽度＜0.5m且持续时间＞5s；

A2、当前车辆中心线与左边车道线或右边车道线处于重合状态且持续时间＞1s；

A3、当前车辆左侧车道线识别状态为无车道线或护栏且持续时间＞1s；

A4、当前车辆右侧车道线识别状态为无车道线或护栏且持续时间＞1s；

A5、车道线状态满足如下任意一项：

A501、10s内，当前车辆两侧车道线识别结果在双车道线和其他状态之间跳变次数≥14且处于其他状态的累积时间≥3s；

A502、10s内，当前车辆两侧车道线识别结果在双车道线和其他状态之间跳变次数＜14但≥12且处于其他状态的累积时间≥4.5s；

A503、10s内，当前车辆两侧车道线识别结果在双车道线和其他状态之间跳变次数＜12但≥10且处于其他状态的累积时间≥4.8s；

A504、10s内，当前车辆两侧车道线识别结果在双车道线和其他状态之间跳变次数＜10但≥8且处于其他状态的累积时间≥5.1s；

A505、天气状态为下雪且持续时间＞30s。

优选的，车速状态类包括以下路况判断要素：

A6、车速状态满足如下任意一项：

A601、当前车辆车速大于设定巡航车速20kph且设定巡航车速≤70kph且持续时间＞3s；

A602、当前车辆车速大于设定巡航车速值、与设定巡航车速比值≥30％且设定巡航车速＞70kph且持续时间＞3s；

A603、当前车辆车速大于道路限速值20kph且设定巡航车速≤70kph且持续时间＞3s；

A604、当前车辆车速大于道路限速值、与道路限速比值≥30％且设定巡航车速＞70kph且持续时间＞3s。

优选的，高级辅助驾驶功能状态类以下路况判断要素：

A7、当前车辆高级辅助驾驶功能的横向控制状态为超越且当前驾驶员手力矩未超过设定阈值且持续时间＞1s；

A8、10s内，当前车辆高级辅助驾驶功能的纵向控制触发加减速度切换次数＞4次。

优选的，道路环境状态类包括以下路况判断要素：

A9、当前道路交通流状态为拥堵或严重拥堵；

A10、当前道路类型为高速路或城市快速路且前方600m处的道路类型为未知或城市主要道路或省道或国道且持续时间＞3s；

A11、行驶车道以及两边车道内检测到有行人存在；

A12、车辆近光灯工作状态为开启且环境光检测判断当前为夜晚或光照强度低于预设值；

A13、在当前位置按照当前速度到达前方车道数量变化点的时间＜15s或者当前位置与车道数量变化点的距离＜100m；

A14、在当前位置按照当前速度到达前方合流点的时间＜15s或者当前位置与前方合流点的距离＜100m。

优选的，减速目标状态类包括以下路况判断要素：

A15、在当前位置按照当前速度到达前方收费站的时间＜15s或者当前位置与前方收费站的距离＜100m；

A16、在当前位置按照当前速度到达前方匝道的时间＜15s或者当前位置与前方匝道的距离＜100m，且地图导航信息为：本车要通过匝道进入高速或本车要通过匝道出高速；

A17、在当前位置按照当前速度到达前方施工区域的时间＜15s或者当前位置与前方施工区域的距离＜100m，或者通过施工点后的行驶距离小于500m；

A18、在当前位置按照当前速度到达前方交通事故点的时间＜15s或者当前位置与前方交通事故点的距离＜100m，或者通过交通事故点的行驶距离小于500m；

A19、在当前位置按照当前速度到达前方服务区的时间＜15s或者当前位置与前方服务区的距离＜100m；

A20、当前车辆左侧车道线右侧或两边道检测到障碍物；

A21、当前车辆右侧车道线左侧或两边道检测到障碍物。

优选的，步骤S2中，路况判断要素对应的影响因子基于高级辅助驾驶功能在各个路况判断要素场景下的主观性能评价表现以及出现不可预估情况的发生概率生成。

优选的，步骤S3中，通过如下公式计算复杂性积分：

式中：K表示复杂性积分；N表示满足的路况判断要素数量；A

本发明还公开了一种可读存储介质，其上存储有计算机管理类程序，所述计算机管理类程序被处理器执行时实现本发明的用于高级辅助驾驶的路况复杂性判断方法的步骤。

本发明中用于高级辅助驾驶的路况复杂性判断方法与现有技术相比，具有如下有益效果：

本发明获取当前运行路况的路况监测数据，并从路况监测数据中提取当前运行路况满足的路况判断要素，进而基于各个路况判断要素对应的影响因子计算当前运行路况的复杂性积分用以判断当前运行路况是否复杂。一方面，本发明的路况判断要素与高级辅助驾驶功能的路况复杂性判断要求关联，使得能够基于路况判断要素有效的判断高级辅助驾驶功能当前运行路况是否复杂，即能够满足高级辅助驾驶功能运行路况复杂性判断的要求，从而能够辅助车辆高级辅助驾驶功能的应用。另一方面，本发明中路况判断要素的影响因子与路况判断要素对于路况复杂性的影响程度关联，使得能够基于路况判断要素和影响因子准确的计算用以判断高级辅助驾驶功能运行路况复杂性的复杂性积分，能够实现运行路况复杂性的准确性量化，进而能够保证路况复杂性判断准确性和有效性，从而能够更好的辅助高级辅助驾驶功能的应用。

附图说明

为了使发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步的详细描述，其中：

图1为用于高级辅助驾驶的路况复杂性判断方法的逻辑框图。

具体实施方式

下面通过具体实施方式进一步详细的说明：

实施例一：

本实施例中公开了一种用于高级辅助驾驶的路况复杂性判断方法。

如图1所示，用于高级辅助驾驶的路况复杂性判断方法，包括以下步骤：

S1：获取高级辅助驾驶功能当前运行路况的路况监测数据；

本实施例中，通过搭载有高级辅助驾驶功能的车辆(即后述的当前车辆)采集路况监测数据，包括但不限于地图导航数据、车辆行驶状态数据(包括车速和车辆的各种设置)，以及前方道路和四周的视频图像数据、车道线等传感数据、车辆行人等传感数据、灯光亮度等传感数据，这些数据均通过现有成熟手段获取，具体手段这里不再赘述。

S2：从路况监测数据中提取当前运行路况满足的路况判断要素；其中，路况判断要素与高级辅助驾驶功能的路况复杂性判断要求关联；

S3：基于各个路况判断要素对应的影响因子计算当前运行路况的复杂性积分；其中，影响因子与路况判断要素对于路况复杂性的影响程度关联；

S4：通过复杂性积分判断高级辅助驾驶功能当前运行路况是否复杂，进而生成对应的路况复杂性判断结果。

需要说明的是，本发明中用于高级辅助驾驶的路况复杂性判断方法可通过程序编程的方式生对应的成软件代码或软件服务，进而能够在服务器和计算机上运行和实施。

本发明获取当前运行路况的路况监测数据，并从路况监测数据中提取当前运行路况满足的路况判断要素，进而基于各个路况判断要素对应的影响因子计算当前运行路况的复杂性积分用以判断当前运行路况是否复杂。一方面，本发明的路况判断要素与高级辅助驾驶功能的路况复杂性判断要求关联，使得能够基于路况判断要素有效的判断高级辅助驾驶功能当前运行路况是否复杂，即能够满足高级辅助驾驶功能运行路况复杂性判断的要求，从而能够辅助车辆高级辅助驾驶功能的应用。另一方面，本发明中路况判断要素的影响因子与路况判断要素对于路况复杂性的影响程度关联，使得能够基于路况判断要素和影响因子准确的计算用以判断高级辅助驾驶功能运行路况复杂性的复杂性积分，能够实现运行路况复杂性的准确性量化，进而能够保证路况复杂性判断准确性和有效性，从而能够更好的辅助高级辅助驾驶功能的应用。

具体实施过程中，路况判断要素的类型包括但不限于车道线状态类、车速状态类、高级辅助驾驶功能状态类、道路环境状态类和减速目标状态类。

车道线状态类包括以下路况判断要素：

A1、当前车辆左侧车道线与右侧车道线之间的距离减去车辆宽度＜0.5m且持续时间＞5s；

A2、当前车辆中心线与左边车道线或右边车道线处于重合状态且持续时间＞1s；

A3、当前车辆左侧车道线识别状态为无车道线或护栏且持续时间＞1s；

A4、当前车辆右侧车道线识别状态为无车道线或护栏且持续时间＞1s；

A5、车道线状态满足如下任意一项：

A501、10s内，当前车辆两侧车道线识别结果在双车道线和其他状态之间跳变次数≥14且处于其他状态的累积时间≥3s；

A502、10s内，当前车辆两侧车道线识别结果在双车道线和其他状态之间跳变次数＜14但≥12且处于其他状态的累积时间≥4.5s；

A503、10s内，当前车辆两侧车道线识别结果在双车道线和其他状态之间跳变次数＜12但≥10且处于其他状态的累积时间≥4.8s；

A504、10s内，当前车辆两侧车道线识别结果在双车道线和其他状态之间跳变次数＜10但≥8且处于其他状态的累积时间≥5.1s；

A505、天气状态为下雪且持续时间＞30s。

本实施例中，关于车道线的相关检测和判断，可基于现有汽车上搭载的车道偏离辅助等功能实现。

车速状态类包括以下路况判断要素：

A6、车速状态满足如下任意一项：

A601、当前车辆车速大于设定巡航车速20kph且设定巡航车速≤70kph且持续时间＞3s；

A602、当前车辆车速大于设定巡航车速值、与设定巡航车速比值≥30％且设定巡航车速＞70kph且持续时间＞3s；

A603、当前车辆车速大于道路限速值20kph且设定巡航车速≤70kph且持续时间＞3s；

A604、当前车辆车速大于道路限速值、与道路限速比值≥30％且设定巡航车速＞70kph且持续时间＞3s。

本实施例中，关于车速的相关检测和判断，可基于现有汽车上搭载的自适应性巡航等功能实现。

高级辅助驾驶功能状态类以下路况判断要素：

A7、当前车辆高级辅助驾驶功能的横向控制状态为超越且当前驾驶员手力矩未超过设定阈值且持续时间＞1s；

A8、10s内，当前车辆高级辅助驾驶功能的纵向控制触发加减速度切换次数＞4次。

道路环境状态类包括以下路况判断要素：

A9、当前道路交通流状态为拥堵或严重拥堵；

A10、当前道路类型为高速路或城市快速路且前方600m处的道路类型为未知或城市主要道路或省道或国道且持续时间＞3s；

A11、行驶车道以及两边车道内检测到有行人存在；

A12、车辆近光灯工作状态为开启且环境光检测判断当前为夜晚或光照强度低于预设值；

A13、在当前位置按照当前速度到达前方车道数量变化点的时间＜15s或者当前位置与车道数量变化点的距离＜100m；

A14、在当前位置按照当前速度到达前方合流点的时间＜15s或者当前位置与前方合流点的距离＜100m。

本实施例中，关于道路环境的相关检测和判断，可基于地图导航信息结合现有汽车上搭载的车道偏离预警、行人保护、自适应大灯等功能实现。

减速目标状态类包括以下路况判断要素：

A15、在当前位置按照当前速度到达前方收费站的时间＜15s或者当前位置与前方收费站的距离＜100m；

A16、在当前位置按照当前速度到达前方匝道的时间＜15s或者当前位置与前方匝道的距离＜100m，且地图导航信息为：本车要通过匝道进入高速或本车要通过匝道出高速；

A17、在当前位置按照当前速度到达前方施工区域的时间＜15s或者当前位置与前方施工区域的距离＜100m，或者通过施工点后的行驶距离小于500m；

A18、在当前位置按照当前速度到达前方交通事故点的时间＜15s或者当前位置与前方交通事故点的距离＜100m，或者通过交通事故点的行驶距离小于500m；

A19、在当前位置按照当前速度到达前方服务区的时间＜15s或者当前位置与前方服务区的距离＜100m；

A20、当前车辆左侧车道线右侧或两边道检测到(锥形桶之类的)障碍物；

A21、当前车辆右侧车道线左侧或两边道检测到(锥形桶之类的)障碍物。

本实施例中，关于减速目标的相关检测和判断，可基于地图导航信息结合现有汽车上搭载的自动刹车预警等功能实现。

本发明通过车道线状态类、车速状态类、高级辅助驾驶功能状态类、道路环境状态类和减速目标状态类等类别的路况判断要素，能够全面的判断高级辅助驾驶功能当前运行路况是否复杂，并且路况判断要素与高级辅助驾驶功能的路况复杂性判断要求关联，使得能够基于路况判断要素有效的判断高级辅助驾驶功能当前运行路况是否复杂，从而能够更好的满足高级辅助驾驶功能运行路况复杂性判断的要求。

具体实施过程中，路况判断要素对应的影响因子基于高级辅助驾驶功能在各个路况判断要素场景下的主观性能评价表现以及出现不可预估情况的发生概率生成。

本实施例中，路况判断要素对应的影响因子如表1所示。

表1

本发明中路况判断要素的影响因子与路况判断要素对于路况复杂性的影响程度关联，并且基于高级辅助驾驶功能在各个路况判断要素场景下的主观性能评价表现以及出现不可预估情况的发生概率生成，使得能够基于路况判断要素和影响因子准确的计算用以判断高级辅助驾驶功能运行路况复杂性的复杂性积分，能够实现运行路况复杂性的准确性量化，从而能够进一步提高路况复杂性判断准确性和有效性。

具体实施过程中，步骤S3中，通过如下公式计算复杂性积分：

式中：K表示复杂性积分；N表示满足的路况判断要素数量；A

本实施例中，当复杂性积分K≥40％，或者K＜40％且满足条件的N个路况判断要素中任意一个路况判断要素的影响因子≥6时，判定当前高级辅助驾驶功能的运行路况为复杂。

本发明通过路况判断要素和影响因子准确的计算用以判断高级辅助驾驶功能运行路况复杂性的复杂性积分，能够实现运行路况复杂性的准确性量化和对比，从而能够进一步提高路况复杂性判断准确性和有效性。

实施例二：

本实施例中公开了一种可读存储介质。

一种可读存储介质，其上存储有计算机管理类程序，所述计算机管理类程序被处理器执行时实现本发明的用于高级辅助驾驶的路况复杂性判断方法的步骤。可读存储介质可以是U盘或计算机等具有可读存储功能的设备。

最后需要说明的是，以上实施例仅用以说明本发明的技术方案而非限制技术方案，本领域的普通技术人员应当理解，那些对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，均应涵盖在本发明的权利要求范围当中。