智能网联车辆性能退化评估方法、电子设备及存储介质与流程

1.本发明属于智能网联汽车安全技术领域，具体涉及智能网联车辆性能退化评估方法、电子设备及存储介质。


背景技术：

2.汽车自动驾驶、智能网联技术发展迅猛，在标准建设、技术迭代、场景探索、试点布局方面已取得阶段性突破，但受限于智能设施大规模低成本部署、自动化技术安全及可靠性检验、智能网联汽车提质上量的问题，纯智能网联汽车环境的建立仍面临挑战，智能网联车辆与人工驾驶车辆的混行过渡阶段将长期持续。智能网联汽车协作基于多智能体协同，在不同驾驶等级、网联等级车辆与人工驾驶车辆混行的复杂运行环境中，智能网联汽车效能可能出现退化现象。
3.针对智能网联汽车性能退化问题，《不同智能网联车渗透率下混合交通性能及车辆能耗研究》、《混有cacc车辆和acc车辆的异质交通流基本图模型》研究在分析不同网联跟驰场景下的交通流稳定性，列举了部分网联跟驰场景，但未对网联退化场景、退化程度做深入分析。《智能网联汽车混合交通流稳定性与路段基本图分析》通过在混行车辆类别中新增退化车辆引入性能退化因素，但在退化场景上，局限于cav跟驰hdv的单一场景，在退化程度量化上忽略了车辆分布因素、基于网联车与人工驾驶车辆占比情况确定。当前智能网联汽车性能退化评估在场景建设、量化精度方面有待完善。


技术实现要素：

4.本发明要解决的问题是完善智能网联汽车性能退化评估在场景建设、量化精度，提出智能网联车辆性能退化评估方法、电子设备及存储介质。
5.为实现上述目的，本发明通过以下技术方案实现：一种智能网联车辆性能退化评估方法，包括如下步骤：s1、智能网联车辆性能退化场景划分：包括设置智能网联车辆等级、横向智能网联车辆性能退化场景、纵向智能网联车辆性能退化场景；s2、根据步骤s1划分的智能网联车辆性能退化场景，建立道路空间网格化智能网联车辆实时交通状态预测模型；s3、根据步骤s2得到的道路空间网格化智能网联车辆实时交通状态预测模型计算横向智能网联车辆性能退化场景的车辆混行性能退化率；s4、根据步骤s2得到的道路空间网格化智能网联车辆实时交通状态预测模型计算纵向智能网联车辆性能退化场景的车辆混行性能退化率；s5、进行区间智能网联车辆混行性能退化评估。
6.进一步的，步骤s1的具体实现方法包括如下步骤：s1.1、设置智能网联车辆等级，包括单车自适应巡航acc为0级、网联辅助信息交互cacc1为1级、网联协同感知cacc2为2级、网联协同决策与控制cacc3为3级，人工驾驶hdv无
智能网联车辆等级；s1.2、横向智能网联车辆性能退化场景，横向网联车辆混行性能退化场景表征的是智能网联车辆在队列协同巡航、协作避碰的横向空间网联协作能力的退化，在横向智能网联车辆性能退化场景中，目标车具有前车退化维度、后车退化维度；s1.3、纵向智能网联车辆性能退化场景，纵向网联车辆混行性能退化场景表征的是智能网联车辆在协作变道、协作超车的纵向空间网联协作能力的退化，在纵向智能网联车辆性能退化场景中，目标车具有左侧车退化维度、右侧车退化维度。
7.进一步的，步骤s2的具体实现方法包括如下步骤：s2.1、将道路空间网格化，道路空间网格长度基于路径长度等分，以一个道路空间网格为一个轨迹单元，同一道路空间网格内只具有一台车辆，为路径i、路段j、车道k、序号为h的道路空间网格；s2.2、对车辆驶入驶离道路空间网格进行时间预测：以运行轨迹、车速为自变量，设置车辆c的运行轨迹为：；车速为：；则车辆c驶离道路空间网格的时间分别为：；其中，为车辆c的上路时间，分别为车辆c在第一个道路空间网格的驶离时间、行驶距离、行驶速度，分别为车辆c在第x个道路空间网格的驶离时间、行驶距离、行驶速度，分别为车辆c在第个道路空间网格的驶离时间、行驶距离、行驶速度，分别为车辆c在第个道路空间网格的驶离时间、第个道路空间网格的驶离时间；设置时间间隔为，则车辆c驶入、驶出道路空间网格的时间间隔为：；其中，指车辆c在第个轨迹点所处的道路空间网格，为车辆c在第个轨迹点的运行车速，为车辆c驶入道路空间网格x的时间间隔，为车辆c驶出道路空间网格x的时间间隔；s2.3、对智能网联车辆进行道路空间网格化实时交通状态预测，根据步骤s2.2计算车辆驶入、驶离任一道路空间网格的时间，然后设置道路空间网格状态为驶入车辆的智
能网联车辆等级，用以量化原始状态下车辆的智能网联性能，并设置所有道路空间网格的初始状态为null，则第个时间间隔内，网格的道路空间网格状态为：；其中，表示当前道路空间网格无车辆，g(c)为车辆c的智能网联车辆等级；s2.4、重复步骤s2.1-2.3，遍历全局车辆轨迹及车速方案，更新一个内所有道路空间网格的智能网联车辆分布，获取道路空间网格状态。
8.进一步的，步骤s3的具体实现方法包括如下步骤：s3.1、计算横向智能网联车辆道路空间网格初始性能，计算公式为；其中，为路径i、路段j、车道k、序号为h的横向智能网联车辆道路空间网格初始性能；s3.2、计算横向智能网联车辆在道路空间网格上的横向退化性能，同一运行方向上，车辆的道路空间网格有相对前车退化、相对后车退化两个维度，退化程度通过前后车辆网联等级取小量化，计算公式为：；其中，i、j、k、h分别指代路径、路段、车道、网格序号，为智能网联车辆在路径i、路段j、车道k、网格h上的横向退化性能；s3.3、计算横向智能网联车辆在道路空间网格上的横向退化率，计算公式为：；其中，为智能网联车辆在路径i、路段j、车道k、网格h上的横向退化率。
9.进一步的，步骤s4的具体实现方法包括如下步骤：s4.1、计算纵向智能网联车辆道路空间网格初始性能，计算公式为；其中，为路径i、路段j、车道k、序号为h的纵向智能网联车辆道路空间网格初始性能；s4.2、计算智能网联车辆在道路空间网格上的纵向退化性能，同一运行方向上，车辆的道路空间网格有相对左侧车退化、相对右侧车退化两个维度，退化程度通过左右车辆网联等级取小量化，计算公式为：
；其中，为智能网联车辆在路径i、路段j、车道k、网格h上的纵向退化性能；s4.3、计算纵向智能网联车辆在道路空间网格上的纵向退化率，计算公式为：；其中，为智能网联车辆在路径i、路段j、车道k、网格h上的纵向退化率。
10.进一步的，步骤s5的区间智能网联车辆混行性能退化评估是对区间整体协作巡航、协作避碰、协作变道、协作超车的综合评价，是对目标车辆前后左右4个维度性能的综合评价，以路段内横向智能网联车辆道路空间网格退化性能、纵向智能网联车辆道路空间网格退化性能进行量化，则区间智能网联车辆混行性能退化率的计算公式为：。
11.电子设备，包括存储器和处理器，存储器存储有计算机程序，所述的处理器执行所述计算机程序时实现所述的一种智能网联车辆性能退化评估方法的步骤。
12.计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述的一种智能网联车辆性能退化评估方法。
13.本发明的有益效果：本发明所述的一种智能网联车辆性能退化评估方法，面向协作式巡航、协作式变速、协作式变道、协作超车等横向智能网联车辆性能退化评估需求、横向智能网联车辆性能退化评估需求，在补充纵向性能退化场景基础上，将道路网格化，通过预测道路空间网格内网联车辆的分布情况，提供精准量化横、纵向网联性能退化程度的定量方法。
14.本发明所述的一种智能网联车辆性能退化评估方法，通过建立道路空间网格化智能网联车辆实时交通状态预测模型，提供精准量化横、纵向网联性能退化程度的定量方法，为混行条件下分类分级协同管控、车辆网联效用最优路径规划、网联效能最大化主动控制策略制定提供量化依据。
附图说明
15.图1为本发明所述的一种智能网联车辆性能退化评估方法的流程图；图2为本发明高、低等级智能网联车与人工驾驶车混行性能退化示意图，其中a为前车为人工驾驶时的后车退化示意图，b为前车为低等级智能网联车时的后车退化示意图；图3为本发明所述的横向智能网联车辆性能退化示意图，其中a为目标车辆不退化示意图，b为目标车辆退化示意图；图4为本发明所述的纵向智能网联车辆性能退化示意图，其中a为目标车辆不退化示意图，b为目标车辆退化示意图；图5为本发明所述的道路空间网格化示意图；
图6为遍历全局车辆轨迹及车速程序示意图。
具体实施方式
16.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及具体实施方式，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施方式仅用以解释本发明，并不用于限定本发明，即所描述的具体实施方式仅仅是本发明一部分实施方式，而不是全部的具体实施方式。通常在此处附图中描述和展示的本发明具体实施方式的组件可以以各种不同的配置来布置和设计，本发明还可以具有其他实施方式。
17.因此，以下对在附图中提供的本发明的具体实施方式的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定具体实施方式。基于本发明的具体实施方式，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他具体实施方式，都属于本发明保护的范围。
18.为能进一步了解本发明的发明内容、特点及功效，兹例举以下具体实施方式，并配合附图1-附图6详细说明如下：具体实施方式一：一种智能网联车辆性能退化评估方法，包括如下步骤：s1、智能网联车辆性能退化场景划分：包括设置智能网联车辆等级、横向智能网联车辆性能退化场景、纵向智能网联车辆性能退化场景；进一步的，步骤s1的具体实现方法包括如下步骤：s1.1、设置智能网联车辆等级，包括单车自适应巡航acc为0级、网联辅助信息交互cacc1为1级、网联协同感知cacc2为2级、网联协同决策与控制cacc3为3级，人工驾驶hdv无智能网联车辆等级；s1.2、横向智能网联车辆性能退化场景，横向网联车辆混行性能退化场景表征的是智能网联车辆在队列协同巡航、协作避碰的横向空间网联协作能力的退化，在横向智能网联车辆性能退化场景中，目标车具有前车退化维度、后车退化维度；s1.3、纵向智能网联车辆性能退化场景，纵向网联车辆混行性能退化场景表征的是智能网联车辆在协作变道、协作超车的纵向空间网联协作能力的退化，在纵向智能网联车辆性能退化场景中，目标车具有左侧车退化维度、右侧车退化维度；如图2所示，混行条件下，车辆网联效用上限取决于多智能车的协同运作上限。当目标车辆智能网联能级较高，邻车为人工驾驶或网联等级较低时，由于低等级网联车辆未配备车
−
车通信设备或者说通信功能有局限，后方cav无法与前车充分交互，将出现高等级智能网联车辆向低等级智能网联车辆退化的问题，cav运行性能退化为低等级网联车辆(degraded-cav，dcav)，这一现象称为性能退化。
19.如图3中的（a）所示，目标车的智能网联等级为acc3，目标车与前车、后车智能网联等级一致，所以在与前车、后车协作巡航、避碰时，目标车不会出现网联性能退化问题；如图3中的（b）所示，由于后车网联等级为acc1，低于目标车的acc3，目标车在与后车协作时，相对后车的网联性能将退化为acc1，同理，前车为不具备网联功能的人工驾驶车辆，目标车与前车无法建立网联协作，目标车相对前车的网联性能将退化为acc0。
20.如图4中的（a）所示，目标车的智能网联等级为acc3，目标车与左侧车、右侧车智能
网联等级一致，所以在与左侧车、右侧车协作时，目标车不会出现网联性能退化问题；如图4中的（b）所示，由于左侧车网联等级为acc1，低于目标车的acc3，目标车在与左侧车协作变道、超车时，相对左侧车的网联性能将退化为acc1，同理，右侧车为不具备网联功能的人工驾驶车辆，目标车与右侧车无法建立网联协作，目标车相对右侧车的网联性能将退化为acc0。
21.s2、根据步骤s1划分的智能网联车辆性能退化场景，建立道路空间网格化智能网联车辆实时交通状态预测模型；进一步的，步骤s2的具体实现方法包括如下步骤：s2.1、将道路空间网格化，道路空间网格长度基于路径长度等分，以一个道路空间网格为一个轨迹单元，同一道路空间网格内只具有一台车辆，为路径i、路段j、车道k、序号为h的道路空间网格；s2.2、对车辆驶入驶离道路空间网格进行时间预测：以运行轨迹、车速为自变量，设置车辆c的运行轨迹为：；车速为：；则车辆c驶离道路空间网格的时间分别为：；其中，为车辆c的上路时间，分别为车辆c在第一个道路空间网格的驶离时间、行驶距离、行驶速度，分别为车辆c在第x个道路空间网格的驶离时间、行驶距离、行驶速度，分别为车辆c在第个道路空间网格的驶离时间、行驶距离、行驶速度，分别为车辆c在第个道路空间网格的驶离时间、第个道路空间网格的驶离时间；设置时间间隔为，则车辆c驶入、驶出道路空间网格的时间间隔为：；其中，指车辆c在第个轨迹点所处的道路空间网格，为车辆c在第个轨迹点的运行车速，为车辆c驶入道路空间网格x的时间间隔，为车辆c驶出道路空间网格x的时间间隔；s2.3、对智能网联车辆进行道路空间网格化实时交通状态预测，根据步骤s2.2计
算车辆驶入、驶离任一道路空间网格的时间，然后设置道路空间网格状态为驶入车辆的智能网联车辆等级，用以量化原始状态下车辆的智能网联性能，并设置所有道路空间网格的初始状态为null，则第个时间间隔内，网格的道路空间网格状态为：；其中，表示当前道路空间网格无车辆，g(c)为车辆c的智能网联车辆等级；当第个时间间隔内，车辆c驶入网格时，网格状态更新为车辆c的网联等级；当第个时间间隔内，车辆c未驶入或已驶离网格，网格状态恢复为null；s2.4、重复步骤s2.1-2.3，遍历全局车辆轨迹及车速方案，更新一个内所有道路空间网格的智能网联车辆分布，获取道路空间网格状态；图6的遍历全局车辆轨迹及车速程序中，表全局车辆数，表全局路径数量，、、分别表示路径i的区间数量、区间j的车道数量、车道k的网格数量；s3、根据步骤s2得到的道路空间网格化智能网联车辆实时交通状态预测模型计算横向智能网联车辆性能退化场景的车辆混行性能退化率；进一步的，步骤s3的具体实现方法包括如下步骤：s3.1、计算横向智能网联车辆道路空间网格初始性能，计算公式为；其中，为路径i、路段j、车道k、序号为h的横向智能网联车辆道路空间网格初始性能；s3.2、计算横向智能网联车辆在道路空间网格上的横向退化性能，同一运行方向上，车辆的道路空间网格有相对前车退化、相对后车退化两个维度，退化程度通过前后车辆网联等级取小量化，计算公式为：；其中，i、j、k、h分别指代路径、路段、车道、网格序号，为智能网联车辆在路径i、路段j、车道k、网格h上的横向退化性能；s3.3、计算横向智能网联车辆在道路空间网格上的横向退化率，计算公式为：；其中，为智能网联车辆在路径i、路段j、车道k、网格h上的横向退化率；s4、根据步骤s2得到的道路空间网格化智能网联车辆实时交通状态预测模型计算纵向智能网联车辆性能退化场景的车辆混行性能退化率；进一步的，步骤s4的具体实现方法包括如下步骤：s4.1、计算纵向智能网联车辆道路空间网格初始性能，计算公式为
；其中，为路径i、路段j、车道k、序号为h的纵向智能网联车辆道路空间网格初始性能；s4.2、计算智能网联车辆在道路空间网格上的纵向退化性能，同一运行方向上，车辆的道路空间网格有相对左侧车退化、相对右侧车退化两个维度，退化程度通过左右车辆网联等级取小量化，计算公式为：；其中，为智能网联车辆在路径i、路段j、车道k、网格h上的纵向退化性能；s4.3、计算纵向智能网联车辆在道路空间网格上的纵向退化率，计算公式为：；其中，为智能网联车辆在路径i、路段j、车道k、网格h上的纵向退化率；s5、进行区间智能网联车辆混行性能退化评估。
22.进一步的，步骤s5的区间智能网联车辆混行性能退化评估是对区间整体协作巡航、协作避碰、协作变道、协作超车的综合评价，是对目标车辆前后左右4个维度性能的综合评价，以路段内横向智能网联车辆道路空间网格退化性能、纵向智能网联车辆道路空间网格退化性能进行量化，则区间智能网联车辆混行性能退化率的计算公式为：。
23.具体实施方式二：电子设备，包括存储器和处理器，存储器存储有计算机程序，所述的处理器执行所述计算机程序时实现具体实施方式一所述的一种智能网联车辆性能退化评估方法的步骤。
24.本发明的计算机装置可以是包括有处理器以及存储器等装置，例如包含中央处理器的单片机等。并且，处理器用于执行存储器中存储的计算机程序时实现上述方法的步骤。
25.所称处理器可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器 (digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列 (field-programmable gate array，fpga) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
[0026] 所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序（比如声音播放功能、图像播放功能等）等；存储数据区可存储根据手机的使用所创建的数据（比如音频数据、电话本等）等。此外，存储器可以包括
高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡（smart media card, smc），安全数字（secure digital, sd）卡，闪存卡（flash card）、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
[0027]
具体实施方式三：计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现具体实施方式一所述的一种智能网联车辆性能退化评估方法。
[0028]
本发明的计算机可读存储介质可以是被计算机装置的处理器所读取的任何形式的存储介质，包括但不限于非易失性存储器、易失性存储器、铁电存储器等，计算机可读存储介质上存储有计算机程序，当计算机装置的处理器读取并执行存储器中所存储的计算机程序时，可以实现上述方法的步骤。
[0029]
所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（rom，read-only memory）、随机存取存储器（ram，random access memory）、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
[0030]
需要说明的是，术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0031]
虽然在上文中已经参考具体实施方式对本技术进行了描述，然而在不脱离本技术的范围的情况下，可以对其进行各种改进并且可以用等效物替换其中的部件。尤其是，只要不存在结构冲突，本技术所披露的具体实施方式中的各项特征均可通过任意方式相互结合 起来使用，在本说明书中未对这些组合的情况进行穷举性的描述仅仅是出于省略篇幅和节 约资源的考虑。因此，本技术并不局限于文中公开的特定具体实施方式，而是包括落入权利要求的范围内的所有技术方案。

技术特征：
1.一种智能网联车辆性能退化评估方法，其特征在于，包括如下步骤：s1、智能网联车辆性能退化场景划分：包括设置智能网联车辆等级、横向智能网联车辆性能退化场景、纵向智能网联车辆性能退化场景；s2、根据步骤s1划分的智能网联车辆性能退化场景，建立道路空间网格化智能网联车辆实时交通状态预测模型；s3、根据步骤s2得到的道路空间网格化智能网联车辆实时交通状态预测模型计算横向智能网联车辆性能退化场景的车辆混行性能退化率；s4、根据步骤s2得到的道路空间网格化智能网联车辆实时交通状态预测模型计算纵向智能网联车辆性能退化场景的车辆混行性能退化率；s5、进行区间智能网联车辆混行性能退化评估。2.根据权利要求1所述的一种智能网联车辆性能退化评估方法，其特征在于：步骤s1的具体实现方法包括如下步骤：s1.1、设置智能网联车辆等级，包括单车自适应巡航acc为0级、网联辅助信息交互cacc1为1级、网联协同感知cacc2为2级、网联协同决策与控制cacc3为3级，人工驾驶hdv无智能网联车辆等级；s1.2、横向智能网联车辆性能退化场景，横向网联车辆混行性能退化场景表征的是智能网联车辆在队列协同巡航、协作避碰的横向空间网联协作能力的退化，在横向智能网联车辆性能退化场景中，目标车具有前车退化维度、后车退化维度；s1.3、纵向智能网联车辆性能退化场景，纵向网联车辆混行性能退化场景表征的是智能网联车辆在协作变道、协作超车的纵向空间网联协作能力的退化，在纵向智能网联车辆性能退化场景中，目标车具有左侧车退化维度、右侧车退化维度。3.根据权利要求1或2所述的一种智能网联车辆性能退化评估方法，其特征在于：步骤s2的具体实现方法包括如下步骤：s2.1、将道路空间网格化，道路空间网格长度基于路径长度等分，以一个道路空间网格为一个轨迹单元，同一道路空间网格内只具有一台车辆，为路径i、路段j、车道k、序号为h的道路空间网格；s2.2、对车辆驶入驶离道路空间网格进行时间预测：以运行轨迹、车速为自变量，设置车辆c的运行轨迹为：；车速为：；则车辆c驶离道路空间网格的时间分别为：；
其中，为车辆c的上路时间，分别为车辆c在第一个道路空间网格的驶离时间、行驶距离、行驶速度，分别为车辆c在第x个道路空间网格的驶离时间、行驶距离、行驶速度，分别为车辆c在第个道路空间网格的驶离时间、行驶距离、行驶速度，分别为车辆c在第个道路空间网格的驶离时间、第个道路空间网格的驶离时间；设置时间间隔为，则车辆c驶入、驶出道路空间网格的时间间隔为：；其中，指车辆c在第个轨迹点所处的道路空间网格，为车辆c在第个轨迹点的运行车速，为车辆c驶入道路空间网格x的时间间隔，为车辆c驶出道路空间网格x的时间间隔；s2.3、对智能网联车辆进行道路空间网格化实时交通状态预测，根据步骤s2.2计算车辆驶入、驶离任一道路空间网格的时间，然后设置道路空间网格状态为驶入车辆的智能网联车辆等级，用以量化原始状态下车辆的智能网联性能，并设置所有道路空间网格的初始状态为null，则第个时间间隔内，网格的道路空间网格状态为：；其中，表示当前道路空间网格无车辆，g(c)为车辆c的智能网联车辆等级；s2.4、重复步骤s2.1-2.3，遍历全局车辆轨迹及车速方案，更新一个内所有道路空间网格的智能网联车辆分布，获取道路空间网格状态。4.根据权利要求3所述的一种智能网联车辆性能退化评估方法，其特征在于：步骤s3的具体实现方法包括如下步骤：s3.1、计算横向智能网联车辆道路空间网格初始性能，计算公式为；其中，为路径i、路段j、车道k、序号为h的横向智能网联车辆道路空间网格初始性能；s3.2、计算横向智能网联车辆在道路空间网格上的横向退化性能，同一运行方向上，车辆的道路空间网格有相对前车退化、相对后车退化两个维度，退化程度通过前后车辆网联等级取小量化，计算公式为：；其中，i、j、k、h分别指代路径、路段、车道、网格序号，为智能网联车辆在路径i、路段j、车道k、网格h上的横向退化性能；
s3.3、计算横向智能网联车辆在道路空间网格上的横向退化率，计算公式为：；其中，为智能网联车辆在路径i、路段j、车道k、网格h上的横向退化率。5.根据权利要求4所述的一种智能网联车辆性能退化评估方法，其特征在于：步骤s4的具体实现方法包括如下步骤：s4.1、计算纵向智能网联车辆道路空间网格初始性能，计算公式为；其中，为路径i、路段j、车道k、序号为h的纵向智能网联车辆道路空间网格初始性能；s4.2、计算智能网联车辆在道路空间网格上的纵向退化性能，同一运行方向上，车辆的道路空间网格有相对左侧车退化、相对右侧车退化两个维度，退化程度通过左右车辆网联等级取小量化，计算公式为：；其中，为智能网联车辆在路径i、路段j、车道k、网格h上的纵向退化性能；s4.3、计算纵向智能网联车辆在道路空间网格上的纵向退化率，计算公式为：；其中，为智能网联车辆在路径i、路段j、车道k、网格h上的纵向退化率。6.根据权利要求5所述的一种智能网联车辆性能退化评估方法，其特征在于：步骤s5的区间智能网联车辆混行性能退化评估是对区间整体协作巡航、协作避碰、协作变道、协作超车的综合评价，是对目标车辆前后左右4个维度性能的综合评价，以路段内横向智能网联车辆道路空间网格退化性能、纵向智能网联车辆道路空间网格退化性能进行量化，则区间智能网联车辆混行性能退化率的计算公式为：。7.电子设备，其特征在于，包括存储器和处理器，存储器存储有计算机程序，所述的处理器执行所述计算机程序时实现权利要求1-6任一项所述的一种智能网联车辆性能退化评估方法的步骤。8.计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-6任一项所述的一种智能网联车辆性能退化评估方法。

技术总结
智能网联车辆性能退化评估方法、电子设备及存储介质，属于智能网联汽车安全技术领域。为完善智能网联汽车性能退化评估在场景建设、量化精度的问题。本发明智能网联车辆性能退化场景包括设置智能网联车辆等级、横向智能网联车辆性能退化场景、纵向智能网联车辆性能退化场景；建立道路空间网格化智能网联车辆实时交通状态预测模型；计算横向智能网联车辆性能退化场景的车辆混行性能退化率、纵向智能网联车辆性能退化场景的车辆混行性能退化率；进行区间智能网联车辆混行性能退化评估。本发明通过建立智能网联车辆实时交通状态预测模型，为混行条件下分类分级协同管控、车辆网联效用最优路径规划、网联效能主动控制策略制定提供量化依据。依据。依据。


技术研发人员：邵源 丘建栋 罗舒琳 唐易 孙超
受保护的技术使用者：深圳市城市交通规划设计研究中心股份有限公司
技术研发日：2023.05.19
技术公布日：2023/6/28