一种基于多端协同辨识的车辆安全态势计算方法及系统

1.本发明涉及车辆安全和智慧互联交通领域，尤其涉及一种基于多端协同辨识的车辆安全态势计算方法及系统。


背景技术：

2.随着车辆智能化水平的推进，车辆对自身及运行环境状态的感知需求在不断增加。现有高级驾驶辅助系统中，主要聚焦于对人的不良状态和车外相对小范围的运行环境进行感知，然而仅仅依靠车辆自身布置传感器的感知无法对行驶安全做出客观判断；现有针对车辆运行风险的判定方法中，对驾驶人、车辆自身、运行环境各类特征信息的融合度较弱，往往是数个相对独立的系统分别进行判定及预警，而随着自动驾驶的发展，车辆通过感知得到的特征信息将决定着车辆的运行决策控制，因此，增加车辆的感知途径丰富度并进行感知参数有效融合是人机共驾自动驾驶进一步发展必不可少的要求。同时，目前的智能车辆的行驶过程中，车载运算设备与车辆智能行驶系统内其他运算途径的算力资源分配不均匀，常发生单端算力不足的情况，并存在较多的重复计算，导致在车辆智能行驶的过程中难以达到高精确度的安全态势评估和驾驶路径决策规划。
3.因此，在提升智能车辆感知途径丰富度并进行感知参数有效融合的同时，利用其他途径的辅助计算与车载计算相结合的计算方式，进行更精准的安全态势评估和驾驶路径决策规划是急需解决的技术问题。


技术实现要素：

4.本发明提供了一种基于多端协同辨识的车辆安全态势计算方法及系统，用以解决目前智能车辆感知范围能力不足和车-路-云系统中各端计算资源分配不均、利用效率低的技术问题。
5.为实现上述目的，本发明提供了一种基于多端协同辨识的车辆安全态势计算方法，用于车载感知装置、车载安全态势计算装置、多个路侧感知装置以及云端感知装置相互协作的系统中，包括以下步骤：
6.s1、采集信息：通过车载感知装置采集驾驶人的多模态信息，经计算生成驾驶人特征参数，将驾驶人特征参数发送至车载安全态势计算装置；通过车载感知装置采集车辆外部环境信息以及车辆运行参数信息，并发送至车辆邻近范围内的路侧感知装置；通过路侧感知装置采集路网环境信息并预存区域内路网道路信息；云端感知装置预存并更新高精度地图信息。
7.s2、处理信息：路侧感知装置接收车辆外部环境信息和车辆运行参数信息后，对路网环境信息、路网道路信息、车辆外部环境信息和车辆运行参数信息中重复信息进行识别和忽略；在进行计算资源分配后执行计算，并将超出计算承受力的数据发送至云端感知装置。
8.s3、生成风险因子包：云端感知装置接收来自路侧感知装置的信息并进行计算，将
计算后的数据返回至路侧感知装置；路侧感知装置接收云端感知装置返回的信息，生成风险因子数据包，并发送至车载安全态势计算装置。
9.s4、进行安全态势评估和驾驶决策规划：车载安全态势计算装置接收驾驶人特征参数和风险因子数据包后，根据驾驶人特征参数和风险因子数据包进行车辆安全态势评估，评估结束后根据评估结果进行驾驶决策规划并判断是否对驾驶人发出预警。
10.优选的，在s1中，多模态信息包括驾驶人的面部表情、头部姿态、身体姿态、心率、血氧饱和度、皮肤电、呼吸率和语音语调信息；车辆外部环境信息包括车载感知装置可探测范围内的二维图像和三维雷达点云信息；车辆运行参数信息包括本车辆的速度、加速度、方向盘转角、定位信息、油门踏板开度和制动踏板开度信息；路网环境信息包括路网图像信息和路网三维雷达点云信息。
11.路侧感知装置预存的区域内路网道路信息包括车道信息、道路连接关系、路口信息和路段信息；云端感知装置预存并更新的高精度地图信息包括道路拥堵状况、施工情况、交通事故情况、天气情况、红绿灯、人行横道和限速条件。
12.优选的，路侧感知装置对采集数据进行计算时，将数据输入yolov7深度神经网络，进而得到当前路网内风险因子车辆、行人、障碍物的位置、速度、加速度信息。
13.云端感知装置对路侧感知装置发送的数据进行计算后，得到各路网区域内的风险因子信息，并将风险因子信息中的坐标、速度和加速度参数信息返回路侧感知装置。
14.优选的，在s4中，车载安全态势计算装置进行车辆安全态势评估时，车辆运行安全态势e为：
[0015][0016]
其中，αi、βj、γk为大于0的预设参数，表示各风险因子的权重，vi表示外部因素风险因子，dj表示驾驶员不同状态风险因子，rk表示道路风险因子。
[0017]
车载安全态势计算装置进行驾驶决策规划时，根据安全态势评估结果搜索车辆路径规划集，基于自学习方法持续调整集合中最佳规划路径并展示给驾驶人，车辆规划路径集p为：
[0018]
p＝{δ|εi,ei,θ,εo,eo}
[0019]
其中，δ表示车辆的路径规划集，εi表示车辆的历史轨迹，ei表示车辆的安全态势，θ表示驾驶员的驾驶决策，εo表示周围车辆的历史轨迹，eo表示周围车辆的安全态势。
[0020]
本发明还提供一种基于多端协同辨识的车辆安全态势计算系统，包括：车载感知装置、与车载感知装置连接的车载安全态势计算装置、与车载感知装置和车载安全态势计算装置无线通信连接的路侧感知装置以及与路侧感知装置双向通信连接的云端感知装置。
[0021]
车载感知装置用于采集驾驶人的多模态信息、计算驾驶人特征参数，并向车载安全态势计算装置发送驾驶人特征参数。
[0022]
路侧感知装置用于采集路网环境信息、处理自身信息和其他装置发送的信息、向云端感知装置发送自身计算承受力外的信息和向车载安全态势计算装置发送风险因子数据包。
[0023]
云端感知装置用于计算来自路侧感知装置的信息并向路侧感知装置返回结果。
[0024]
车载安全态势计算装置用于根据驾驶人特征参数和风险因子数据包进行车辆安全态势评估和驾驶决策规划。
[0025]
优选的，路侧感知装置还用于预存区域内路网道路信息；云端感知装置还用于预存并更新高精度地图信息。
[0026]
优选的，车载感知装置包括车载驾驶人感知模块、车载车辆感知模块、车载环境感知模块以及车载信息处理模块。
[0027]
车载驾驶人感知模块包括：安装于不遮挡驾驶人视线的正前方及车内后视镜上方，用于采集驾驶人面部表情、头部姿态和身体姿态的一个以上高清网络摄像头；一个用于采集驾驶人的声纹信号和语音语调的音频采集器；一个佩戴于驾驶员手腕处或嵌入方向盘中，用于采集驾驶人的心率、呼吸率、皮肤电和血氧饱和度的生理信号采集手环。
[0028]
车载车辆感知模块包括：分别用于采集车辆的速度的速度传感器；用于采集车辆加速度的加速度传感器；用于采集车辆方向盘转角的转角传感器；用于采集车辆定位信息的gps定位器；用于采集车辆油门踏板开度的油门踏板开度传感器；用于采集车辆制动踏板开度信息的制动踏板开度传感器。
[0029]
车载环境感知模块包括安装于车辆外部车身，用于采集车外二维图像和三维雷达点云信息的高清网络摄像头、红外摄像头、激光雷达和毫米波雷达。
[0030]
车载信息处理模块包括用于接收来自车载驾驶人感知模块的多模态信息、通过多任务神经网络将多模态信息处理为驾驶人特征参数、将驾驶人特征参数发送至车载安全态势计算装置、将车辆外部环境信息和车辆运行参数信息发送至路侧感知装置的至少一个边缘计算设备。
[0031]
优选的，车载安全态势计算装置包括安全态势计算模块和车辆路径规划模块。
[0032]
安全态势计算模块用于接收来自车载感知装置的驾驶人特征参数和来自路侧感知装置的风险因子数据包，进而计算安全态势。
[0033]
车辆路径规划模块用于接收来自安全态势计算模块的安全态势信息，进而进行路径规划并对驾驶人进行展示和高风险预警。
[0034]
优选的，路侧感知装置包括路侧环境感知模块和路侧信息处理模块。
[0035]
路侧环境感知模块包括安装于路侧感知装置上，用于采集当前路网下的路网图像信息和路网三维雷达点云信息的摄像头和探测雷达。
[0036]
路侧信息处理模块包括安装于路侧感知装置内，用于预存当前区域内路网信息、接收来自路侧环境感知模块的路网图像信息和路网三维雷达点云信息、接收范围内车辆发送的车辆外部环境信息和车辆运行参数信息、进行数据查重与忽略、进行计算资源分配后通过yolov7深度神经网络执行计算、将超出计算承受力的数据发送至云端感知装置、接收云端感知装置返回信息和生成风险因子数据包，并将风险因子数据包发送至车载安全态势计算装置的多个集成计算设备。
[0037]
优选的，云端感知装置包括用于预存并更新高精度地图信息、处理来自路侧感知装置的信息以及将处理后的数据联同超视距广域下的道路环境状态返回路侧感知装置的多个高性能计算群集成的云端信息处理模块。
[0038]
本发明具有以下有益效果：
[0039]
本发明的基于多端协同辨识的车辆安全态势计算方法，通过整合车载感知装置、
路侧感知装置、云端感知装置的感知能力，智能车辆能够获得视距内以及超视距下的风险因子信息，提升了智能车辆感知途径丰富度并进行了感知参数有效融合，使得行车过程中对于风险的感知和风险的判定更为全面准确，大大增强了智能车辆行车安全性；通过路侧感知装置对各数据进行查重并对重复数据进行忽略，避免了计算资源的浪费，通过对车载感知装置、路侧感知装置、云端感知装置计算能力的动态分配，避免了计算能力不足的情况，使得智能驾驶过程中的安全态势评估和驾驶路径决策规划具有更高的准确性和实时性。本发明的基于多端协同辨识的车辆安全态势计算系统，为上述方法的实现提供了硬件基础，所以具备与上述方法相同的有益效果。
[0040]
除了上面所描述的目的、特征和优点之外，本发明还有其它的目的、特征和优点。下面将参照附图，对本发明作进一步详细的说明。
附图说明
[0041]
构成本技术的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
[0042]
图1是本发明优选实施例1的基于多端协同辨识的车辆安全态势计算方法流程图；
[0043]
图2是本发明优选实施例1的车辆安全态势计算框架图；
[0044]
图3是本发明优选实施例2的基于多端协同辨识的车辆安全态势计算系统结构图。
具体实施方式
[0045]
以下结合附图对本发明的实施例进行详细说明，但是本发明可以由权利要求限定和覆盖的多种不同方式实施。
[0046]
实施例1：
[0047]
参见图1至图2，本发明优选实施例中，提供了一种基于多端协同辨识的车辆安全态势计算方法，用于车载感知装置、与车载感知装置连接的车载安全态势计算装置、与车载感知装置和车载安全态势计算装置无线通信连接的多个路侧感知装置以及与路侧感知装置双向通信连接的云端感知装置相互协作的系统中，包括以下步骤：
[0048]
s1、采集信息：通过车载感知装置采集驾驶人的多模态信息，经计算生成驾驶人特征参数，将驾驶人特征参数发送至车载安全态势计算装置；通过车载感知装置采集车辆外部环境信息以及车辆运行参数信息，并发送至车辆邻近范围内的路侧感知装置；通过路侧感知装置采集路网环境信息并预存区域内路网道路信息；云端感知装置预存并更新高精度地图信息。
[0049]
在s1中，多模态信息包括驾驶人的面部表情、头部姿态、身体姿态、心率、血氧饱和度、皮肤电、呼吸率和语音语调信息；车辆外部环境信息包括车载感知装置可探测范围内的二维图像和三维雷达点云信息；车辆运行参数信息包括本车辆的速度、加速度、方向盘转角、定位信息、油门踏板开度和制动踏板开度信息；路网环境信息包括路网图像信息和路网三维雷达点云信息。
[0050]
路侧感知装置预存的区域内路网道路信息包括车道信息、道路连接关系、路口信息和路段信息；云端感知装置预存并更新的高精度地图信息包括道路拥堵状况、施工情况、交通事故情况、天气情况、红绿灯、人行横道和限速条件。
[0051]
本发明优选实施例中，采用多个感知装置采集驾驶人多种生理信息以及外部表现信息，通过多任务卷积神经网络对驾驶人的状态行为进行识别进而得到驾驶人特征参数，采集了车辆外部环境信息、车辆运行参数信息和路网环境信息，即采集了驾驶人、驾驶人视距内以及超视距下的风险因子信息，在保证数据采集质量的同时保证了数据采集的全面性。
[0052]
在路侧感知装置预存区域内路网道路信息，在云端感知装置预存并更新高精度地图信息，保证了现有数据的及时性，使得本方法应用时具有实时性。
[0053]
s2、处理信息：路侧感知装置接收车辆外部环境信息和车辆运行参数信息后，对路网环境信息、路网道路信息、车辆外部环境信息和车辆运行参数信息中重复信息进行识别和忽略；在进行计算资源分配后执行计算，并将超出计算承受力的数据发送至云端感知装置。
[0054]
路侧感知装置对采集数据进行计算时，将数据输入yolov7深度神经网络，进而得到当前路网内风险因子车辆、行人、障碍物的位置、速度、加速度信息。
[0055]
本发明优选实施例中，通过路侧感知装置对各数据进行查重并对重复数据进行忽略，对车载、路侧和云端的感知特征信息进行融合，利用不同端的优势，对不同端的计算资源互联通信并进行有效的分配，防止不同车端装置计算重复的环境信息，减少了计算资源的浪费，避免了计算能力不足的情况。
[0056]
s3、生成风险因子包：云端感知装置接收来自路侧感知装置的信息并进行计算，将计算后的数据返回至路侧感知装置；路侧感知装置接收云端感知装置返回的信息，生成风险因子数据包，并发送至车载安全态势计算装置。
[0057]
云端感知装置对路侧感知装置发送的数据进行计算后，得到各路网区域内的风险因子信息，并将风险因子信息中的坐标、速度和加速度参数信息返回路侧感知装置，不传输图片、视频和点云图等大容量信息。
[0058]
本发明优选实施例中，通过云端感知装置分担计算压力，避免了计算能力不足的情况，在数据传输时优先传输风险因子关键信息，尽可能缩小数据量，确保了装置之间数据交互的实时性和稳定性。
[0059]
s4、进行安全态势评估和驾驶决策规划：车载安全态势计算装置接收驾驶人特征参数和风险因子数据包后，根据驾驶人特征参数和风险因子数据包进行车辆安全态势评估，评估结束后根据评估结果进行驾驶决策规划并判断是否对驾驶人发出预警。
[0060]
在s4中，车载安全态势计算装置进行车辆安全态势评估时，车辆运行安全态势e为：
[0061][0062]
其中，αi、βj、γk为大于0的预设参数，表示各风险因子的权重，vi表示外部因素风险因子，如邻近车辆、行人、障碍物等，dj表示驾驶员不同状态风险因子，如疲劳、情绪、操作行为等，pk表示道路风险因子，如道路曲率、道路坡度、道路能见度、道路平整度、路口红绿灯等。
[0063]
车载安全态势计算装置进行驾驶决策规划时，根据安全态势评估结果搜索车辆路
径规划集，基于自学习方法持续调整集合中最佳规划路径并展示给驾驶人，在判定风险较大时，还会进行预警操作；车辆规划路径集p为：
[0064]
p＝{δ|εi,ei,θ,εo,eo}
[0065]
其中，δ表示车辆的路径规划集，εi表示车辆的历史轨迹，ei表示车辆的安全态势，θ表示驾驶员的驾驶决策，εo表示周围车辆的历史轨迹，eo表示周围车辆的安全态势。
[0066]
本发明优选实施例中，融合了“人-机-环”信息对行车风险进行更全面有效的判定，并依据判定结果规划车辆行驶路径，实现了智能互联交通场景下的行车风险估计，保障了感知的实时性与安全态势判定的精确性，大大增强了智能行车安全。
[0067]
实施例2：
[0068]
参见图3，本发明优选实施例中，提供了一种基于多端协同辨识的车辆安全态势计算系统，包括：车载感知装置、与车载感知装置连接的车载安全态势计算装置、与车载感知装置和车载安全态势计算装置无线通信连接的路侧感知装置以及与路侧感知装置双向通信连接的云端感知装置。
[0069]
车载感知装置用于采集驾驶人的多模态信息、计算驾驶人特征参数，并向车载安全态势计算装置发送驾驶人特征参数。
[0070]
车载感知装置包括车载驾驶人感知模块、车载车辆感知模块、车载环境感知模块以及车载信息处理模块。
[0071]
车载驾驶人感知模块包括：安装于不遮挡驾驶人视线的正前方及车内后视镜上方，用于采集驾驶人面部表情、头部姿态和身体姿态的一个以上高清网络摄像头；一个用于采集驾驶人的声纹信号和语音语调的音频采集器；一个佩戴于驾驶员手腕处或嵌入方向盘中，用于采集驾驶人的心率、呼吸率、皮肤电和血氧饱和度的生理信号采集手环。
[0072]
车载车辆感知模块包括：分别用于采集车辆的速度的速度传感器；用于采集车辆加速度的加速度传感器；用于采集车辆方向盘转角的转角传感器；用于采集车辆定位信息的gps定位器；用于采集车辆油门踏板开度的油门踏板开度传感器；用于采集车辆制动踏板开度信息的制动踏板开度传感器。
[0073]
车载环境感知模块包括安装于车辆外部车身，用于采集车外二维图像和三维雷达点云信息的高清网络摄像头、红外摄像头、激光雷达和毫米波雷达。
[0074]
车载信息处理模块包括用于接收来自车载驾驶人感知模块的多模态信息、通过多任务神经网络将多模态信息处理为驾驶人特征参数、将驾驶人特征参数发送至车载安全态势计算装置、将车辆外部环境信息和车辆运行参数信息发送至路侧感知装置的至少一个边缘计算设备。
[0075]
车载信息处理模块接收车载驾驶人感知模块的特征数据，进行时序对齐、降维处理后输入多任务神经网络得到驾驶人的疲劳、情绪、动作行为等状态信息。
[0076]
本发明优选实施例中，通过车载感知装置内各模块的相互协作，全面地采集了驾驶人多种生理信息和外部表现信息、车辆外部环境信息和车辆运行参数信息，确保了数据采集的可靠性和丰富度。
[0077]
车载安全态势计算装置用于根据驾驶人特征参数和风险因子数据包进行车辆安全态势评估和驾驶决策规划。
[0078]
车载安全态势计算装置包括安全态势计算模块和车辆路径规划模块。
[0079]
安全态势计算模块用于接收来自车载感知装置的驾驶人特征参数和来自路侧感知装置的风险因子数据包，进而计算安全态势。
[0080]
车辆路径规划模块用于接收来自安全态势计算模块的安全态势信息，进而进行路径规划并对驾驶人进行展示和高风险预警。
[0081]
本发明优选实施例中，通过车载安全态势计算装置内各模块之间的协作，根据接收到的驾驶人特征参数和风险因子数据包结合判定，确保了行车风险全面有效的判定，进而规划出车辆行驶路径，使得智能互联交通场景下的行车风险判定具有全面性和准确性。
[0082]
路侧感知装置用于采集路网环境信息、处理自身信息和其他装置发送的信息、向云端感知装置发送自身计算承受力外的信息和向车载安全态势计算装置发送风险因子数据包。
[0083]
路侧感知装置还用于预存区域内路网道路信息。
[0084]
路侧感知装置包括路侧环境感知模块和路侧信息处理模块。
[0085]
路侧环境感知模块包括安装于路侧感知装置上，用于采集当前路网下的路网图像信息和路网三维雷达点云信息的摄像头和探测雷达。
[0086]
路侧信息处理模块包括安装于路侧感知装置内，用于预存当前区域内路网信息、接收来自路侧环境感知模块的路网图像信息和路网三维雷达点云信息、接收范围内车辆发送的车辆外部环境信息和车辆运行参数信息、进行数据查重与忽略、进行计算资源分配后通过yolov7深度神经网络执行计算、将超出计算承受力的数据发送至云端感知装置、接收云端感知装置返回信息和生成风险因子数据包，并将风险因子数据包发送至车载安全态势计算装置的多个集成计算设备。
[0087]
本发明优选实施例中，通过路侧感知装置内各模块之间的协作，对重复数据进行了忽略，对车载、路侧和云端的感知特征信息进行融合，利用不同端的优势，对不同端的计算资源互联通信并进行有效的分配，防止不同装置计算重复的环境信息，减少了计算资源的浪费，避免了计算能力不足的情况。
[0088]
云端感知装置用于计算来自路侧感知装置的信息并向路侧感知装置返回结果。
[0089]
云端感知装置还用于预存并更新高精度地图信息。
[0090]
云端感知装置包括用于预存并更新高精度地图信息、处理来自路侧感知装置的信息以及将处理后的数据联同超视距广域下的道路环境状态返回路侧感知装置的多个高性能计算群集成的云端信息处理模块。
[0091]
本发明优选实施例中，通过将路侧感知装置内计算承受力外的数据发送到云端感知装置进行计算，有效地减小了路侧感知装置的计算压力，保证了数据的实时性，避免了计算能力不足的情况；同时本发明优选实施例中的云端感知装置提供的高精度地图信息也为智能行车提供了必不可少的数据支撑。
[0092]
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

技术特征：
1.一种基于多端协同辨识的车辆安全态势计算方法，用于车载感知装置、车载安全态势计算装置、多个路侧感知装置以及云端感知装置相互协作的系统中，其特征在于，包括以下步骤：s1、采集信息：通过车载感知装置采集驾驶人的多模态信息，经计算生成驾驶人特征参数，将所述驾驶人特征参数发送至车载安全态势计算装置；通过车载感知装置采集车辆外部环境信息以及车辆运行参数信息，并发送至车辆邻近范围内的路侧感知装置；通过路侧感知装置采集路网环境信息并预存区域内路网道路信息；云端感知装置预存并更新高精度地图信息；s2、处理信息：路侧感知装置接收车辆外部环境信息和车辆运行参数信息后，对路网环境信息、路网道路信息、车辆外部环境信息和车辆运行参数信息中重复信息进行识别和忽略；在进行计算资源分配后执行计算，并将超出计算承受力的数据发送至云端感知装置；s3、生成风险因子包：云端感知装置接收来自路侧感知装置的信息并进行计算，将计算后的数据返回至路侧感知装置；路侧感知装置接收云端感知装置返回的信息，生成风险因子数据包，并发送至车载安全态势计算装置；s4、进行安全态势评估和驾驶决策规划：车载安全态势计算装置接收所述驾驶人特征参数和风险因子数据包后，根据所述驾驶人特征参数和风险因子数据包进行车辆安全态势评估，评估结束后根据评估结果进行驾驶决策规划并判断是否对驾驶人发出预警。2.根据权利要求1所述的基于多端协同辨识的车辆安全态势计算方法，其特征在于，在s1中，所述多模态信息包括驾驶人的面部表情、头部姿态、身体姿态、心率、血氧饱和度、皮肤电、呼吸率和语音语调信息；所述车辆外部环境信息包括车载感知装置可探测范围内的二维图像和三维雷达点云信息；所述车辆运行参数信息包括本车辆的速度、加速度、方向盘转角、定位信息、油门踏板开度和制动踏板开度信息；所述路网环境信息包括路网图像信息和路网三维雷达点云信息；路侧感知装置预存的区域内路网道路信息包括车道信息、道路连接关系、路口信息和路段信息；云端感知装置预存并更新的高精度地图信息包括道路拥堵状况、施工情况、交通事故情况、天气情况、红绿灯、人行横道和限速条件。3.根据权利要求1所述的基于多端协同辨识的车辆安全态势计算方法，其特征在于，路侧感知装置对采集数据进行计算时，将数据输入yolov7深度神经网络，进而得到当前路网内风险因子车辆、行人、障碍物的位置、速度、加速度信息；云端感知装置对路侧感知装置发送的数据进行计算后，得到各路网区域内的风险因子信息，并将所述风险因子信息中的坐标、速度和加速度参数信息返回路侧感知装置。4.根据权利要求1所述的基于多端协同辨识的车辆安全态势计算方法，其特征在于，在s4中，车载安全态势计算装置进行车辆安全态势评估时，车辆运行安全态势e为：其中，α
i
、β
j
、γ
k
为大于0的预设参数，表示各风险因子的权重，v
i
表示外部因素风险因子，d
j
表示驾驶员不同状态风险因子，r
k
表示道路风险因子；车载安全态势计算装置进行驾驶决策规划时，根据安全态势评估结果搜索车辆路径规
划集，基于自学习方法持续调整集合中最佳规划路径并展示给驾驶人，车辆规划路径集p为：p＝{δ|ε
i
,e
i
,θ,ε
o
,e
o
}其中，δ表示车辆的路径规划集，ε
i
表示车辆的历史轨迹，e
i
表示车辆的安全态势，θ表示驾驶员的驾驶决策，ε
o
表示周围车辆的历史轨迹，e
o
表示周围车辆的安全态势。5.一种基于多端协同辨识的车辆安全态势计算系统，其特征在于，包括：车载感知装置、与车载感知装置连接的车载安全态势计算装置、与车载感知装置和车载安全态势计算装置无线通信连接的路侧感知装置以及与路侧感知装置双向通信连接的云端感知装置；所述车载感知装置用于采集驾驶人的多模态信息、计算驾驶人特征参数，并向车载安全态势计算装置发送驾驶人特征参数；所述路侧感知装置用于采集路网环境信息、处理自身信息和其他装置发送的信息、向云端感知装置发送自身计算承受力外的信息和向车载安全态势计算装置发送风险因子数据包；所述云端感知装置用于计算来自路侧感知装置的信息并向路侧感知装置返回结果；所述车载安全态势计算装置用于根据驾驶人特征参数和风险因子数据包进行车辆安全态势评估和驾驶决策规划。6.根据权利要求5所述的基于多端协同辨识的车辆安全态势计算系统，其特征在于，所述路侧感知装置还用于预存区域内路网道路信息；所述云端感知装置还用于预存并更新高精度地图信息。7.根据权利要求5所述的基于多端协同辨识的车辆安全态势计算系统，其特征在于，所述车载感知装置包括车载驾驶人感知模块、车载车辆感知模块、车载环境感知模块以及车载信息处理模块；所述车载驾驶人感知模块包括：安装于不遮挡驾驶人视线的正前方及车内后视镜上方，用于采集驾驶人面部表情、头部姿态和身体姿态的一个以上高清网络摄像头；一个用于采集驾驶人的声纹信号和语音语调的音频采集器；一个佩戴于驾驶员手腕处或嵌入方向盘中，用于采集驾驶人的心率、呼吸率、皮肤电和血氧饱和度的生理信号采集手环；所述车载车辆感知模块包括：分别用于采集车辆的速度的速度传感器；用于采集车辆加速度的加速度传感器；用于采集车辆方向盘转角的转角传感器；用于采集车辆定位信息的gps定位器；用于采集车辆油门踏板开度的油门踏板开度传感器；用于采集车辆制动踏板开度信息的制动踏板开度传感器；所述车载环境感知模块包括安装于车辆外部车身，用于采集车外二维图像和三维雷达点云信息的高清网络摄像头、红外摄像头、激光雷达和毫米波雷达；所述车载信息处理模块包括用于接收来自车载驾驶人感知模块的多模态信息、通过多任务神经网络将多模态信息处理为驾驶人特征参数、将驾驶人特征参数发送至车载安全态势计算装置、将车辆外部环境信息和车辆运行参数信息发送至路侧感知装置的至少一个边缘计算设备。8.根据权利要求5所述的基于多端协同辨识的车辆安全态势计算系统，其特征在于，所述车载安全态势计算装置包括安全态势计算模块和车辆路径规划模块；所述安全态势计算模块用于接收来自车载感知装置的驾驶人特征参数和来自路侧感
知装置的风险因子数据包，进而计算安全态势；所述车辆路径规划模块用于接收来自安全态势计算模块的安全态势信息，进而进行路径规划并对驾驶人进行展示和高风险预警。9.根据权利要求6所述的基于多端协同辨识的车辆安全态势计算系统，其特征在于，所述路侧感知装置包括路侧环境感知模块和路侧信息处理模块；所述路侧环境感知模块包括安装于路侧感知装置上，用于采集当前路网下的路网图像信息和路网三维雷达点云信息的摄像头和探测雷达；所述路侧信息处理模块包括安装于路侧感知装置内，用于预存当前区域内路网信息、接收来自路侧环境感知模块的路网图像信息和路网三维雷达点云信息、接收范围内车辆发送的车辆外部环境信息和车辆运行参数信息、进行数据查重与忽略、进行计算资源分配后通过yolov7深度神经网络执行计算、将超出计算承受力的数据发送至云端感知装置、接收云端感知装置返回信息和生成风险因子数据包，并将所述风险因子数据包发送至车载安全态势计算装置的多个集成计算设备。10.根据权利要求6所述的基于多端协同辨识的车辆安全态势计算系统，其特征在于，所述云端感知装置包括用于预存并更新高精度地图信息、处理来自路侧感知装置的信息以及将处理后的数据联同超视距广域下的道路环境状态返回路侧感知装置的多个高性能计算群集成的云端信息处理模块。

技术总结
本发明公开了一种基于多端协同辨识的车辆安全态势计算方法及系统，用于车载感知装置、与车载感知装置连接的车载安全态势计算装置、与车载感知装置和车载安全态势计算装置无线通信连接的多个路侧感知装置以及与路侧感知装置双向通信连接的云端感知装置相互协作的系统中，通过获得视距内以及超视距下的风险因子信息，对车载、路侧和云端的感知特征信息进行融合，同时利用不同端的优势，对不同端的计算资源互联通信并进行分配，根据安全态势的计算结果，规划车辆的路径选择。本发明所提供的方法和系统实现了智能互联交通场景下的行车风险估计，保障了感知的实时性与安全态势判定的精确性，能够大大增强智能车辆行车安全性。性。性。


技术研发人员：姚松 向国梁 彭勇 伍贤辉 王兴华 汪馗 于天剑 邓涵文
受保护的技术使用者：中南大学
技术研发日：2023.02.13
技术公布日：2023/5/16