本發(fā)明涉及交通場景碰撞風(fēng)險評估領(lǐng)域，具體涉及一種基于數(shù)字孿生和軌跡預(yù)測的碰撞風(fēng)險評估方法及系統(tǒng)。

背景技術(shù)：

1、近年來，自動駕駛技術(shù)的快速發(fā)展引起了全球范圍內(nèi)的高度關(guān)注。該技術(shù)具有解決交通安全、道路擁堵、能源消耗等熱點(diǎn)問題的良好前景。然而，據(jù)美國高速公路安全局的研究表明，自2019年以來，有超過1496起交通事故是由自動駕駛汽車造成的。因此，提升自動駕駛車輛的行車安全是目前急需解決的問題。

2、對周圍交通環(huán)境中存在的碰撞風(fēng)險進(jìn)行有效評估是提升行車安全的一個有效手段?，F(xiàn)有的風(fēng)險評估方法通常需要采用一些明確的指標(biāo)，但單一指標(biāo)僅適合解決特定場景下的風(fēng)險評估問題，其適用性較差。一些研究者提出利用風(fēng)險場理論解決交通場景的風(fēng)險評估問題，但現(xiàn)有的大多數(shù)風(fēng)險場模型僅根據(jù)瞬時的車輛運(yùn)動狀態(tài)生成駕駛風(fēng)險場，沒有涉及到對未來風(fēng)險的評估，其時效性和準(zhǔn)確度不足。需要一種考慮更為全面的碰撞風(fēng)險評估方法，以應(yīng)對上述風(fēng)險評估方法中存在的挑戰(zhàn)。

技術(shù)實(shí)現(xiàn)思路

1、本申請?zhí)岢隽艘环N基于數(shù)字孿生和軌跡預(yù)測的碰撞風(fēng)險評估方法及系統(tǒng)，通過分布式數(shù)字孿生系統(tǒng)構(gòu)建車路協(xié)同環(huán)境，采用多智能體多模態(tài)并行的軌跡預(yù)測算法獲取車輛未來運(yùn)動狀態(tài)，基于車輛的多維運(yùn)動學(xué)特征動態(tài)生成駕駛風(fēng)險場，立體建模交通場景內(nèi)的多源碰撞風(fēng)險，有效解決了復(fù)雜交通場景中碰撞預(yù)警指標(biāo)適用性差，風(fēng)險場模型時效性不足和準(zhǔn)確度欠佳的問題。

2、為實(shí)現(xiàn)上述目的，本申請?zhí)峁┝巳缦路桨福?/p>

3、一種基于數(shù)字孿生和軌跡預(yù)測的碰撞風(fēng)險評估方法，包括以下步驟：

4、通過云服務(wù)器-邊緣服務(wù)器-移動邊緣節(jié)點(diǎn)三層同步數(shù)字孿生系統(tǒng)構(gòu)建車路協(xié)同環(huán)境，為軌跡預(yù)測提供可靠的數(shù)據(jù)來源；

5、對交通場景的多維時空交互特征進(jìn)行向量化處理，采用多智能體多模態(tài)并行的軌跡預(yù)測算法，同時獲取多個車輛的未來運(yùn)動狀態(tài)；

6、基于車輛的多維運(yùn)動學(xué)特征動態(tài)生成駕駛風(fēng)險場，與道路特征和靜態(tài)障礙物風(fēng)險場相結(jié)合，立體建模交通場景內(nèi)的多源碰撞風(fēng)險；

7、優(yōu)選的，構(gòu)建車路協(xié)同環(huán)境的數(shù)字孿生技術(shù)包括：

8、根據(jù)交通場景的細(xì)粒度數(shù)字孿生副本，構(gòu)建云服務(wù)器-邊緣服務(wù)器-移動邊緣節(jié)點(diǎn)三層同步數(shù)字孿生系統(tǒng)；

9、根據(jù)傳感器的信息收集和多模態(tài)數(shù)據(jù)融合，在邊緣服務(wù)器中存儲管轄區(qū)域內(nèi)的高精度地圖信息和車輛歷史運(yùn)動狀態(tài)信息；

10、根據(jù)模型的預(yù)測和更新系統(tǒng)，確保邊緣服務(wù)器中的車輛信息處于最新狀態(tài)；

11、根據(jù)車輛間碰撞風(fēng)險的量化數(shù)值，確定場景內(nèi)存在碰撞風(fēng)險的車輛集合，向其發(fā)送碰撞預(yù)警狀態(tài)信號。

12、優(yōu)選的，基于向量化編碼多維時空交互特征的多智能體多模態(tài)并行軌跡預(yù)測算法包括：

13、將地圖信息和車輛歷史運(yùn)動軌跡進(jìn)行向量化處理，以提高軌跡預(yù)測的計算效率；

14、分別以每個車輛為中心劃分出局部區(qū)域，根據(jù)局部多維時空交互特征動態(tài)預(yù)測車輛未來運(yùn)動狀態(tài)；

15、將局部編碼后的嵌入向量輸入到全局特征提取模塊中，動態(tài)獲取車輛間全局交互特征；

16、根據(jù)局部特征向量和全局特征向量，生成車輛的多模態(tài)未來軌跡；

17、在多模態(tài)未來軌跡中選取與真實(shí)值誤差最小的一條軌跡進(jìn)行優(yōu)化，作為車輛軌跡預(yù)測的最終結(jié)果；

18、優(yōu)選的，基于車輛多維運(yùn)動學(xué)特征的駕駛風(fēng)險場動態(tài)生成方法包括：

19、根據(jù)邊緣服務(wù)器中存儲的場景內(nèi)地圖信息和障礙物信息，生成道路特征風(fēng)險場和靜態(tài)障礙物風(fēng)險場；

20、根據(jù)車輛的質(zhì)量、類型和運(yùn)動速度，獲取等效質(zhì)量；

21、根據(jù)車輛運(yùn)動過程中的轉(zhuǎn)向角度、水平和垂直方向的安全閾值，獲取數(shù)字空間中的修正距離；

22、根據(jù)車輛的多維運(yùn)動學(xué)特征和時間衰減因子，動態(tài)生成車輛的駕駛風(fēng)險場；

23、將道路特征風(fēng)險場、靜態(tài)障礙物風(fēng)險場和車輛風(fēng)險場相融合，確定各車輛當(dāng)前的量化風(fēng)險指數(shù)；

24、本申請還公開一種基于數(shù)字孿生和軌跡預(yù)測的碰撞風(fēng)險評估系統(tǒng)，包括分布式數(shù)字孿生框架和模型的預(yù)測和更新模塊、多智能體多模態(tài)并行的軌跡預(yù)測算法模塊和基于多維運(yùn)動學(xué)特征的風(fēng)險評估模塊：

25、分布式數(shù)字孿生框架用于收集并處理交通場景動態(tài)信息，通過模型的預(yù)測和更新模塊確保邊緣服務(wù)器中的車輛信息始終處于最新狀態(tài)，為軌跡預(yù)測和駕駛風(fēng)險場的生成提供可靠的數(shù)據(jù)來源；

26、多智能體多模態(tài)并行的軌跡預(yù)測算法模塊包括采用向量化方法編碼交通場景的多維時空交互特征，通過多智能體多模態(tài)并行的軌跡預(yù)測算法獲取車輛未來運(yùn)動狀態(tài)；

27、基于多維運(yùn)動學(xué)特征的風(fēng)險評估模塊包括根據(jù)車輛的多維運(yùn)動學(xué)特征動態(tài)生成駕駛風(fēng)險場，結(jié)合道路特征和靜態(tài)障礙物風(fēng)險場，立體建模交通場景內(nèi)的多源碰撞風(fēng)險。

28、本申請的有益效果為：

29、本申請公開了一種基于數(shù)字孿生和軌跡預(yù)測的碰撞風(fēng)險評估方法及系統(tǒng)，通過分布式數(shù)字孿生系統(tǒng)構(gòu)建車路協(xié)同環(huán)境，采用多智能體多模態(tài)并行的軌跡預(yù)測算法獲取車輛未來運(yùn)動狀態(tài)，基于車輛的多維運(yùn)動學(xué)特征動態(tài)生成駕駛風(fēng)險場，立體建模交通場景內(nèi)的多源碰撞風(fēng)險，有效解決了復(fù)雜交通場景中碰撞預(yù)警指標(biāo)適用性差，風(fēng)險場模型時效性不足和準(zhǔn)確度欠佳的問題。實(shí)驗(yàn)證明，與其他傳統(tǒng)的碰撞預(yù)警措施和現(xiàn)有的駕駛風(fēng)險場模型相比，本申請公開的風(fēng)險評估方法的適用性、時效性、準(zhǔn)確度均有大幅提升。

技術(shù)特征：

1.一種基于數(shù)字孿生和軌跡預(yù)測的碰撞風(fēng)險評估方法及系統(tǒng)，其特征在于，包括如下步驟：

2.根據(jù)權(quán)利要求1所述的基于數(shù)字孿生和軌跡預(yù)測的碰撞風(fēng)險評估方法，其特征在于，構(gòu)建車路協(xié)同環(huán)境的數(shù)字孿生技術(shù)包括：

3.根據(jù)權(quán)利要求1所述的基于數(shù)字孿生和軌跡預(yù)測的碰撞風(fēng)險評估方法，其特征在于，進(jìn)行多智能體軌跡預(yù)測的方法包括：

4.根據(jù)權(quán)利要求1所述的基于數(shù)字孿生和軌跡預(yù)測的碰撞風(fēng)險評估方法，其特征在于，基于車輛多維運(yùn)動學(xué)特征的風(fēng)險評估方法包括：

5.一種基于數(shù)字孿生和軌跡預(yù)測的碰撞風(fēng)險評估系統(tǒng)，其特征在于，通過分布式數(shù)字孿生系統(tǒng)構(gòu)建車路協(xié)同環(huán)境，采用多智能體多模態(tài)軌跡預(yù)測算法獲取車輛未來運(yùn)動狀態(tài)，基于多維運(yùn)動學(xué)特征動態(tài)生成駕駛風(fēng)險場，立體建模多源碰撞風(fēng)險，各個方法之間相互協(xié)同與交互，共同完成復(fù)雜交通場景下的風(fēng)險評估任務(wù)。

技術(shù)總結(jié)
本申請公開了一種基于數(shù)字孿生和軌跡預(yù)測的碰撞風(fēng)險評估方法及系統(tǒng)，本方法包括：通過分布式數(shù)字孿生系統(tǒng)構(gòu)建車路協(xié)同環(huán)境，利用模型的預(yù)測與更新系統(tǒng)確保車輛信息始終處于最新狀態(tài)，為軌跡預(yù)測提供可靠的數(shù)據(jù)來源；基于向量化處理的多維時空交互特征，提出了一種多智能體多模態(tài)并行的軌跡預(yù)測算法，同時獲取多個車輛的未來時刻運(yùn)動狀態(tài)；根據(jù)車輛多維運(yùn)動學(xué)特征動態(tài)生成駕駛風(fēng)險場，結(jié)合道路特征和靜態(tài)障礙物特征，立體建模交通場景內(nèi)的多源碰撞風(fēng)險。本申請集成了以上所述優(yōu)化方法，利用數(shù)字孿生技術(shù)對交通場景進(jìn)行細(xì)粒度建模，將多智能體軌跡預(yù)測與場論相結(jié)合，大幅提升了復(fù)雜交通場景下碰撞風(fēng)險評估的時效性和準(zhǔn)確度。

技術(shù)研發(fā)人員：劉建航,盛熙釗,張千,黃庭培,邵明文,李克文
受保護(hù)的技術(shù)使用者：中國石油大學(xué)（華東）
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/9