基于TFAHP-CV-GT理论的事故场景下L3级别自动驾驶接管过程综合评价方法

技术领域

本发明设计了一种基于L3自动驾驶接管过程精细化的综合评价方法，属于智能交通与自动驾驶领域。

背景技术

现有的自动驾驶接管评价方法中，包括独立指标评价方法和联合指标评价方法两大类。

对L3自动驾驶接管的独立指标评价方法通常是提取描述自动驾驶接管绩效的指标，通过实验设计获取不同变量因素下的驾驶人接管数据，通过研究不同因素水平对接管绩效单一指标的影响进行研究和评价，这种方法忽略了接管绩效评价各指标之间的联系，只是独立地比对不同评价对象在各评价指标上的表现差异，不能从整体上判断接管绩效的优劣，得到的结果缺乏全面性和合理性；

对自动驾驶接管过程的联合指标评价方法一般是从工况危险性、操作冗余度、乘员舒适性和可行性上进行评价，得到各个评价对象的得分。该方法忽略了评价指标间的信息重叠问题，指标权重的选取或简单的人为主观设定或者根据客观交通数据进行取值，可能会造成评价结果过于主观或评价结果随数据波动而变化等问题。

发明内容

针对自动驾驶接管过程评价中忽略各指标之间的联系和联合指标综合评价中忽略指标间的信息重叠和权重设定不合理的问题，本发明提出了一种基于三角模糊层次分析法和变异系数法获得主客观权重，博弈论法获得组合权重并计算自动驾驶接管绩效得分的方法。

该方法全面考虑自动驾驶接管时的安全性、稳定性、舒适性，提出了表征以上三个方面的特征参数，通过相关性分析和因子分析对参数进行筛选，得到评价指标；运用三角模糊层次分析法计算指标主观权重，运用变异系数法计算指标客观权重，并利用博弈论法对主客观权重进行综合赋权，消除主观和客观的影响，简历L3级别自动驾驶汽车的接管综合评价模型，对自动驾驶车辆进行评价。

下面给出使用该方法评价L3自动驾驶车辆接管表现的原理。

L3自动驾驶车辆出现接管是这一等级自动驾驶的主要特征表现，当自动驾驶系统在行车中遇到紧急突发和系统无法处理的情况时，系统会发出预警来提醒驾驶员接管车辆，而驾驶人在L3级自动驾驶系统控制状态下通常会执行非驾驶相关任务，如看视频、发语音等，所以当驾驶人收到系统预警后接管车辆通常是临时、突发的，那么这时需要对驾驶人的接管表现进行评价则是十分有必要的，一个优秀的接管过程应该能做到人和车安全、稳定、舒适的完成控制权的切换，所以人车控制权切换的过程是复杂且不确定的，各性能之间可能存在关联，从而表征参数之间可能存在信息重叠，通过相关性分析得出各表征参数之间的相关系数，从而看出参数之间的相关关系强度，即相关系数越大，相关性越强；通过因子分析可以得到各参数的因子载荷，从而看出各参数解释原始参数集的信息量，即一个参数绝对值最大的那个因子载荷的绝对值越大，该指标解释原始参数集的信息越多；对于强相关的两个参数，根据两参数绝对值最大的那个因子载荷的绝对值大小进行筛选，由此得到的参数间信息重叠小且解释原始参数集的信息多，可作为评价指标。

层次分析法(Analytic hierarchy process,AHP)是将与决策有关的元素分解成目标层、指标层、因子层等层次，在此基础上通过定性模糊量化方法算出单排序和总排序，以作为目标方案优化决策的系统方法。层次分析法具有系统性强、定性和定量相结合、简洁实用等优点，但也存在人为因素较大，不易令人信服的缺点。而基于三角模糊数的层次分析法(Triangular fuzzy analytic hierarchy process，TFAHP)求解评价指标的权重方法是采用三角模糊数来构造判断矩阵，该矩阵与传统层次分析法的最大区别在于：三角模糊数判断矩阵采用一个模糊的评估区间代替常规的数来表达评估指标之间的相对重要程度，该区间存在的意义是，采用专家咨询法对评估指标进行两两比较时，由于专家在各个指标间的相对重要性比较存在一定的不确定性，同时各个专家的意见是不一致的，该区间的存在，在很大程度上反映了专家在评估指标间相对重要程度的“不确定性”和“不一致性”对评估结果的影响。区间的范围越大，说明不确定性越大。但是只根据主观权重作为指标权重可能存在这样的问题，即某个指标的主观权重很大，但从客观数据上分析其差距并不大，如果按照专家给出的高权重，会使客观数据上本来不大的差距被过度放大，所以需要加入变异系数法(Coefficient of variation method，CV)求得的客观权重来进行调整，使用博弈论法(Game Theory,GT)可以借助博弈论思想对主客观方法获取的权重进行组合，以寻求最合理的指标权重的过程。

综上，根据评价指标和评价指标的权重，就可建立L3级别自动驾驶汽车接管综合表现的评价模型，对接管过程的优劣进行评价。

一种基于三角模糊层次分析法和变异系数法博弈论组合赋权的自动驾驶接管过程综合评价方法，其特征包括以下步骤：

步骤1：提出性能表征参数；

选取22个表征参数，包括驾驶人接管操纵时间T

步骤2：筛选表征参数，确定评价指标；

对表征参数进行相关性分析和因子分析，对于相关性超过0.8的两个参数，比较的是两个指标的绝对值最大因子载荷，然后去掉相对小的那个指标，从而完成表征参数的筛选，进而确定评价指标：

步骤3：计算评价指标的权重；

根据三角模糊层次分析法得到各专家给出的评价指标的主观权重，然后再使用变异系数法计算客观指标数据的客观权重，最后使用博弈论组合赋权方法结合主观权重和客观权重作为评价指标的权重；

首先是关于主观权重的获取，以三角模糊数与层次分析法组成的三角模糊层次分析法(Triangular fuzzy analytic hierarchy process，TFAHP)来获得专家主观权重。

1.三角模糊数的概念

三角模糊数是模糊数学里常见的一种模糊数，它能将模糊的不确定语言变量转化为确定的数值。它可以表示为,其中依次用来表示评价概率的最小值、中间值和最大值。隶属度函数计算公式为(1)所示。

2.三角模糊层次分析法求权重的步骤

基于三角模糊数的层次分析法计算权重主要在于先采用三角模糊数构造判断矩阵，三角模糊判断矩阵与传统层次分析法构造的判断矩阵存在的区别是：三角模糊数判断矩阵是用一个模糊的打分区间段来代替以往方法中常规的数来衡量评价指标之间的相对重要性。这样做的好处是考虑到各个专家在对评估指标进行两两比较时，专家们在指标之间的相对重要性比较上存在不确定和模糊性，且每个专家对同一指标的评价打分也存在不一致的情况。因此，我们选择三角模糊数来解决人的思维方式判断事物时的模糊性、不确定性和不一致性等问题，使用三角模糊层次分析法求解评价指标主观权重的步骤如下：

2.1.收集问卷并构造三角模糊判断矩阵

设计用于评价自动驾驶接管表现的“1-9度标”专家咨询问卷，拜访了12位来自无人驾驶、自动驾驶领域的资深专家进行主观问卷调查，通过分析收集回来的主观问卷数据来计算各评价指标的模糊区间值，进而获得研究对象的评价指标两两之间比值，用三角模糊数来代替该比值以衡量指标之间的重要性程度，下表1是三角模糊数与问卷中模糊区间的对应情况，最终获得的三角模糊数可以构造出判断矩阵为公式(2)

表1三角模糊数及其含义

基于三角模糊数构建的三角模糊判断矩阵如公式(2)所示

2.确定评估指标权重值

以式(2)为基础，进一步通过专家给出的主观评价打分来求解各指标的模糊综合程度，暂且可记为D

其中，S

同样

逐一计算公式(3)即可得出三角模糊判断矩阵的模糊综合程度D

进一步求解第i个三角模糊数D

u(D

当u(d

将获得权重进行归一化处理后可得权重w

w＝(u(d

其中

上式中的w为计算出的主观权重，使用三角模糊数层次分析可以尽可能降低专家主观因素对指标权重的影响，进而使得评价结果尽可能与实际情况相符。

关于客观权重系数的求解我们采用的变异系数法步骤如下：变异系数法(Coefficient of variation method，CV)是充分利用评价体系内各项指标的数据的变异程度来计算权重的客观赋权方法

变异系数法的计算步骤流程如下：

(1)原始数据的收集与处理。n个待评价样本和p项评价指标可构成原始指标数据矩阵：

其中X

(2)对原始数据进行归一化处理，消除量纲的影响，最大-最小标准化是对原始数据进行线性变换，设minA和minB分别为指标A的最大值和最小值，将指标A的原始数据x通过最大最小标准化映射到区间[0,1]的值x'，公式如下：

(3)计算各指标的均值

(4)计算变异系数

(5)对变异系数进行归一化处理，进而获得各项指标的客观权重为

权重结合过程为：基于三角模糊层次分析法计算的第i个评价指标的主观权重为ω

ω

其中，μ

步骤4：对各条接管表现进行评价；

将获得的指标组合权重与归一化的指标数据进行计算，根据下列公式进行计算：

其中n表示指标个数；x

本发明提出一个综合类的评价方法，评分高的接管表现在权重大的指标上表现好。

与现有技术相比，本发明具有以下优点：

全面考虑了L3级自动驾驶车辆在接管时各方面的表现，确定的评价指标之间信息重叠较小；

设定权重时，在保证专家主观评价的基础上，综合了主观上的专家经验和客观上的数据信息，最终的指标权重有了调整，使评价结果更为合理、准确。

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L3自动驾驶接管表现评价方法流程图

图5为三角模糊函数(D

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。

考虑L3级别自动汽车接管时的综合表现，从安全性、稳定性、舒适性三个方面选取22个表征参数，包括驾驶人接管操纵时间T

根据评价指标设计专家调查问卷，由问卷结果计算指标主观权重，根据实际采集的数据对客观数据进行切分和处理，通过变异系数法计算指标客观权重，将主观和客观权重进行博弈论组合赋权，得到评价指标权重。

根据评价指标和评价指标权重即可计算出L3自动驾驶接管表现评分，从而实现对L3自动驾驶接管过程的评价。

本发明所阐述的L3自动驾驶接管表现评价方法流程如图4所示，具体包括以下几个步骤：

步骤1：提出性能表征参数；

步骤2：筛选表征参数，确定评价指标；

步骤3：计算评价指标的权重；

步骤4：对各条L3自动驾驶接管数据进行评价；

评价指标的确定方法为：对表征参数进行相关性分析和因子分析，对于具有强相关性的两个参数，去掉绝对值最大的那个因子载荷的绝对值小的那一个，从而完成表征参数的筛选，进而确定评价指标。

评价指标权重的确定方法为：首先根据三角模糊层次分析法得到各专家给出的评价指标的主观权重，然后通过变异系数法计算评价指标的客观权重，将主观权重和客观权重借助博弈论组合作为评价指标的权重。

权重结合过程为：基于三角模糊层次分析法计算的第i个评价指标的主观权重为ω

ω

其中，μ

本发明对L3级别自动驾驶车辆接管表现进行全面考虑的同时减小了指标间的信息重叠，设定权重时，基于博弈论思想综合了主观上的专家经验和客观上的数据信息，使评价结果更为合理、准确。