极限工况下人-车-路闭环系统运行风险评测方法

1.本发明涉及智能汽车评测技术领域，尤其涉及一种极限工况下人-车-路闭环系统运行风险评测方法。


背景技术：

2.造成重大人员伤亡的交通事故主要发生在极限驾驶工况，极限工况下驾驶人行为各异、车辆动力学耦合强烈、行驶道路环境复杂多变，使得极限工况下人-车-路闭环系统运行风险辨识极具挑战性。系统运行风险是指由人、车、路等构成的微观道路交通系统在运行过程中，由于外部环境的复杂性和随机性以及驾驶人对环境的认知能力和适应能力的局限性，而导致的系统失稳或系统运行偏离预期目标的可能性及其损失。因此，人-车-路闭环系统运行风险评测方法研究有助于加快闭环系统运行风险预警装置研发进程，辅助交管部门及驾驶人进行风险规避，对于阻断运行风险传播、提升微观交通系统运行安全性具有重要意义。
3.极限工况下人-车-路闭环系统运行的风险要素主要包括驾驶人操控，比如驾驶人突然失能、误操作等；车辆故障，比如爆胎、碰撞等；道路环境变化，比如长下坡、急陡弯等。上述要素作用或共同作用使得闭环系统极易发生失稳，其主要表现为车辆失稳和碰撞风险，因此，人-车-路闭环系统运行风险辨识也即道路微观交通系统运行风险辨识主要是对车辆碰撞及失稳风险的辨识，而如何评价风险辨识效果成为自动驾驶及驾驶辅助系统测试亟待突破的技术难题，也是实现驾驶辅助系统前装配套产品的重要前提。通过极限场景设计，适配驾驶人、车辆及行驶道路环境参数，比对熟练驾驶人操控下的车辆制动时机与闭环系统作用下的制动时机吻合程度，最终形成可推广、可复制的闭环系统运行风险评价方法。
4.相关技术中，人-车-路闭环系统运行风险研究多聚焦交通参与者间的碰撞风险辨识及评价开展，并未对极限工况下系统运行的精确度进行评测。因此，难以为复杂环境下自动驾驶决策方法设计提供依据。


技术实现要素：

5.本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本发明的第一个目的在于提出一种极限工况下人-车-路闭环系统运行风险评测方法，能够对极限工况下人-车-路闭环系统的精确度进行评测，能为系统运行风险评估提供理论参考，同时能够为复杂环境下自动驾驶决策方法设计提供依据。
6.为达到上述目的，本发明第一方面实施例提出了一种极限工况下人-车-路闭环系统运行风险评测方法，包括：获取当前极限工况下的目标驾驶人的特征参数；根据目标驾驶人的特征参数、目标车辆的行驶参数和参考车辆的行驶参数分别获取目标车辆的实际运行轨迹和基于极限工况下人-车-路闭环系统的目标车辆的期望运行轨迹；根据实际运行轨迹和期望运行轨迹对极限工况下人-车-路闭环系统进行评测。
7.根据本发明实施例的极限工况下人-车-路闭环系统运行风险评测方法，首先获取
当前极限工况下的目标驾驶人的特征参数，然后根据目标驾驶人的特征参数、目标车辆的行驶参数和参考车辆的行驶参数分别获取目标车辆的实际运行轨迹和基于极限工况下人-车-路闭环系统的目标车辆的期望运行轨迹，并根据实际运行轨迹和期望运行轨迹对极限工况下人-车-路闭环系统进行评测。由此，该方法能够对极限工况下人-车-路闭环系统的精确度进行评测，能为系统运行风险评估提供理论参考，同时能够为复杂环境下自动驾驶决策方法设计提供依据。
8.另外，根据本发明上述实施例的极限工况下人-车-路闭环系统运行风险评测方法，还可以具有如下的附加技术特征：根据本发明的一个实施例，在当前极限工况为湿滑路面条件时，获取当前极限工况下的目标驾驶人的特征参数，包括：获取目标驾驶人操控方向盘的转角速率；根据转角速率确定目标驾驶人的特征参数。
9.根据本发明的一个实施例，行驶参数包括：横向位移、纵向位移、车速、横向加速度、纵向加速度和横摆角中的至少一种，目标车辆的行驶参数还包括：加速踏板开度、制动踏板开度以及方向盘转角。
10.根据本发明的一个实施例，根据实际运行轨迹和期望运行轨迹对极限工况下人-车-路闭环系统进行评测，包括：根据每个目标驾驶人的实际运行轨迹确定实际横向位移误差和实际纵向位移误差；根据每个目标驾驶人的期望运行轨迹确定期望横向位移误差和期望纵向位移误差；根据实际横向位移误差、实际纵向位移误差、期望横向位移误差和期望纵向位移误差对极限工况下人-车-路闭环系统进行评测。
11.根据本发明的一个实施例，根据实际横向位移误差、实际纵向位移误差、期望横向位移误差和期望纵向位移误差对极限工况下人-车-路闭环系统进行评测，包括：获取实际横向位移误差与期望横向位移误差之间的横向误差率，并获取实际纵向位移误差和期望纵向位移误差之间的纵向误差率；根据横向误差率和纵向误差率对极限工况下人-车-路闭环系统进行评测。
12.根据本发明的一个实施例，通过以下公式确定实际横向位移误差和实际纵向位移误差：误差：其中，表示实际横向位移误差，表示实际纵向位移误差，表示第i个目标驾驶人的实际横向位移，表示第i个目标驾驶人的期望横向位移，表示目标驾驶人的总人数，表示第i个目标驾驶人的实际纵向位移，表示第i个目标驾驶人的期望纵向位移。
13.根据本发明的另一个实施例，根据实际运行轨迹和期望运行轨迹对极限工况下
人-车-路闭环系统进行评测，包括：根据每个目标驾驶人的实际运行轨迹获取目标车辆的实际车头时距，并根据每个目标驾驶人的期望运行轨迹获取目标车辆的期望车头时距；根据实际车头时距和期望车头时距对极限工况下人-车-路闭环系统进行评测。
14.根据本发明的一个实施例，根据实际车头时距和期望车头时距对极限工况下人-车-路闭环系统进行评测，包括：根据所有的实际车头时距获取实际车头时距均方根，并根据所有的期望车头时距获取期望车头时距均方根；根据实际车头时距均方根和期望车头时距均方根的接近程度对极限工况下人-车-路闭环系统进行评测。
15.根据本发明的一个实施例，通过以下公式确定实际车头时距均方根：其中，表示实际车头时距均方根，表示第i个目标驾驶人的车头时距，表示n个目标驾驶人的车头时距的平均值，n表示目标驾驶人的总人数。
16.根据本发明的一个实施例，极限工况下人-车-路闭环系统是根据预置的基于虚拟力学的行车环境动静态道路模型、基于牛顿力学的车辆高维非线性动力学模型和集成感知-决策-操控的驾驶人行为模型及其之间的交互耦合机制共同作用建立的。
17.本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
18.图1为根据本发明实施例的极限工况下人-车-路闭环系统运行风险评测方法的流程图；图2为根据本发明一个实施例的极限工况下人-车-路闭环系统的示意图；图3为根据本发明一个实施例的极限工况为跟车工况的示意图；图4为根据本发明一个实施例的跟车工况下根据实际运行轨迹和期望运行轨迹对极限工况下人-车-路闭环系统进行评测的流程图；图5为根据本发明一个实施例的极限工况为切入工况的示意图。
具体实施方式
19.下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
20.下面参考附图描述本发明实施例提出的极限工况下人-车-路闭环系统运行风险评测方法。
21.图1为根据本发明实施例的极限工况下人-车-路闭环系统运行风险评测方法的流程图。
22.根据本发明的一个实施例，极限工况下人-车-路闭环系统是根据预置的基于虚拟力学的行车环境动静态道路模型、基于牛顿力学的车辆高维非线性动力学模型和集成感
知-决策-操控的驾驶人行为模型及其之间的交互耦合机制共同作用建立的。
23.具体而言，如图2所示，基于虚拟力学的行车环境动静态道路模型，可通过如下方式得到：对行驶环境中的动静态信息形成的虚拟力进行建模，掌握驾驶人与行驶环境的交互机理，并基于所述驾驶人与行驶环境的交互机理建立所述基于虚拟力学的行车环境动静态道路模型。进一步地，基于虚拟力学的行车环境动静态道路模型包括交通要素的建模，其中，所述交通要素至少包括道路边界、交通信号灯和交通参与者。
24.基于牛顿力学的车辆高维非线性动力学模型，可通过如下方式得到：基于随机性理论的轮胎及车辆动力学建模，掌握车辆与道路环境的交互机理，并基于所述车辆与道路环境的交互机理建立所述基于牛顿力学的车辆高维非线性动力学模型。特别地，基于牛顿力学的车辆高维非线性动力学模型包括轮胎模型和车辆模型。
25.集成感知-决策-操控的驾驶人行为模型，可通过如下方式得到：基于心理场对驾驶人视觉的感知范围建模、基于最小作用量对决策模型的刻画、基于神经肌肉动力学对操控模型的描述，掌握驾驶人感知、决策、操控所遵循的机制及规律，并基于所述感知、决策、操控的机制和规律建立所述集成感知-决策-操控的驾驶人行为模型。
26.根据预置的基于虚拟力学的行车环境动静态道路模型、基于牛顿力学的车辆高维非线性动力学模型和集成感知-决策-操控的驾驶人行为模型及其之间的交互耦合机制共同作用可以建立极限工况下人-车-路闭环系统。通过极限工况下人-车-路闭环系统可以模拟得到车辆的运行轨迹。
27.在极限工况下人-车-路闭环系统建立之后，需要对极限工况下人-车-路闭环系统的运行风险，即输出的车辆的运行轨迹的精确度进行评测，在精确度达到预期的情况下，极限工况下人-车-路闭环系统方可投入使用。
28.如图1所示，本发明实施例的极限工况下人-车-路闭环系统运行风险评测方法，可包括以下步骤：s101，获取当前极限工况下的目标驾驶人的特征参数。
29.根据本发明的一个实施例，在当前极限工况为湿滑路面条件时，获取当前极限工况下的目标驾驶人的特征参数，包括：获取目标驾驶人操控方向盘的转角速率；根据转角速率确定目标驾驶人的特征参数。
30.具体而言，在当前极限工况为湿滑路面条件时，首先在试验道路中搭建湿滑路面场景，配置相应的路面附着系数及道路纹理，并招募n个目标驾驶人驾驶车辆进行评测。不同的目标驾驶人有着不同的驾驶风格，如保守型、激进型等，激进型驾驶风格的驾驶人通常存在频繁换道、急加减速等驾驶行为，保守型驾驶风格的驾驶人则不会。目标车辆上的传感器可以获取方向盘转角，对方向盘转角进行求导后可以得到操控方向盘的转角速率。通过目标驾驶人操控方向盘的转角速率可以确定目标驾驶人的特征参数，从而可以确定目标驾驶人的驾驶风格，例如，激进型驾驶风格的目标驾驶人操控方向盘的转角速率较大，保守型驾驶风格的驾驶人操控方向盘的转角速率较小。
31.s102，根据目标驾驶人的特征参数、目标车辆的行驶参数和参考车辆的行驶参数分别获取目标车辆的实际运行轨迹和基于极限工况下人-车-路闭环系统的目标车辆的期望运行轨迹。
32.根据本发明的一个实施例，行驶参数包括：横向位移、纵向位移、车速、横向加速
度、纵向加速度和横摆角中的至少一种，目标车辆的行驶参数还包括：加速踏板开度、制动踏板开度以及方向盘转角。
33.具体而言，在评测过程中，按照测试要求自动控制参考车辆在试验道路行驶，目标驾驶人按照测试要求驾驶车辆。目标车辆的车载计算单元可以获取目标车辆的行驶参数和目标车辆的实际运行轨迹，参考车辆的车载计算单元可以获取参考车辆的行驶参数。将目标驾驶人的特征参数输入极限工况下人-车-路闭环系统中，并结合目标车辆的行驶参数和道路信息，极限工况下人-车-路闭环系统输出的即为目标车辆的期望运行轨迹。
34.s103，根据实际运行轨迹和期望运行轨迹对极限工况下人-车-路闭环系统进行评测。
35.具体而言，在通过上述步骤s102得到目标车辆的实际运行轨迹和期望运行轨迹后，可以按照不同的极限工况将实际运行轨迹和期望运行轨迹选择适当的方法进行对比，从而得到极限工况下人-车-路闭环系统的精确度，完成评测。
36.下面结合具体实施例说明在不同工况下，根据实际运行轨迹和期望运行轨迹对极限工况下人-车-路闭环系统进行评测的方法。
37.首先，以极限工况为跟车工况时进行说明。具体地，跟车工况如图3所示，人车路闭环系统动力学模型测试试验按照以下步骤开展测试：1）在试验道路上只保留试验车辆，确保道路试验安全；2）目标驾驶人根据其驾驶习惯驾驶车1（目标车辆）跟随车2（参考车辆），在测试道路行驶一个来回；3）试验中自动控制车2的行驶，其中，车2的车速v2=50+20sin(2*pi*t/t2)；4）车2在测试道路上行驶一个来回，往返对称；5）收集每位目标驾驶人的往返程数据。
38.根据本发明的一个实施例，如图4所示，根据实际运行轨迹和期望运行轨迹对极限工况下人-车-路闭环系统进行评测，包括以下步骤：s201，根据每个目标驾驶人的实际运行轨迹确定实际横向位移误差和实际纵向位移误差。
39.根据本发明的一个实施例，通过以下公式确定实际横向位移误差和实际纵向位移误差：误差：其中，表示实际横向位移误差，表示实际纵向位移误差，表示第i个目标驾驶人的实际横向位移，表示第i个目标驾驶人的期望横向位移，表示目标驾驶人的总人数，表示第i个目标驾驶人的实际纵向位移，表示第i个目标驾驶人的期望纵向位移。
40.具体而言，根据每个目标驾驶人去程的实际运行轨迹，可以得到每个目标驾驶人
的实际横向位移和实际纵向位移，即第i个目标驾驶人的实际横向位移和第i个目标驾驶人的实际纵向位移，为了减小目标驾驶人在驾驶过程中出现的误差，可以在测试过程中每个目标驾驶人驾驶多次后求取实际横向位移和实际纵向位移的平均值。而在道路情况固定的情况下，极限工况下人-车-路闭环系统输出的每个目标驾驶人的期望运行轨迹是已知的，因此每个目标驾驶人的期望横向位移和期望纵向位移也是已知的，即第i个目标驾驶人的期望横向位移和期望纵向位移是已知的。将第i个目标驾驶人的实际横向位移、第i个目标驾驶人的实际纵向位移、第i个目标驾驶人的期望横向位移和第i个目标驾驶人的期望纵向位移代入上述公式，可以求得实际横向位移误差和实际纵向位移误差。
41.s202，根据每个目标驾驶人的期望运行轨迹确定期望横向位移误差和期望纵向位移误差。
42.根据本发明的一个实施例，通过以下公式确定期望横向位移误差和期望纵向位移误差：误差：其中，表示期望横向位移误差，表示期望纵向位移误差，表示第i个目标驾驶人的模拟横向位移，表示第i个目标驾驶人的模拟纵向位移。
43.具体而言，在试验过程中，将获取的参考车辆（车2）测量参数带入最小作用量驾驶人模型中，规划得到的速度作用于目标车辆返程试验中，分别由每个目标驾驶人驾驶目标车辆返程，从而得到每个目标驾驶人对应的模拟运行轨迹，并根据每个目标驾驶人对应的模拟运行轨迹得到每个目标驾驶人的模拟横向位移和模拟纵向位移。将第i个目标驾驶人的模拟横向位移、第i个目标驾驶人的模拟纵向位移、第i个目标驾驶人的期望横向位移和第i个目标驾驶人的期望纵向位移代入上述公式，可以求得期望横向位移误差和期望纵向位移误差。
44.s203，根据实际横向位移误差、实际纵向位移误差、期望横向位移误差和期望纵向位移误差对极限工况下人-车-路闭环系统进行评测。
45.根据本发明的一个实施例，根据实际横向位移误差、实际纵向位移误差、期望横向位移误差和期望纵向位移误差对极限工况下人-车-路闭环系统进行评测，包括：获取实际横向位移误差与期望横向位移误差之间的横向误差率，并获取实际纵向位移误差和期望纵
向位移误差之间的纵向误差率；根据横向误差率和纵向误差率对极限工况下人-车-路闭环系统进行评测。
46.根据本发明的一个实施例，通过以下公式确定实际横向位移误差与期望横向位移误差之间的横向误差率：通过以下公式确定实际纵向位移误差和期望纵向位移误差之间的纵向误差率：其中，表示横向误差率，表示纵向误差率。
47.具体而言，将通过上述步骤s201和s202求得的实际横向位移误差、实际纵向位移误差、期望横向位移误差和期望纵向位移误差分别代入上述公式，可以求得横向误差率和纵向误差率。根据横向误差率和纵向误差率的大小可以对极限工况下人-车-路闭环系统进行评测。横向误差率和纵向误差率越小，说明极限工况下人-车-路闭环系统的精确度越高，横向误差率和纵向误差率越大，说明极限工况下人-车-路闭环系统的精确度越低。
48.下面以极限工况为切入工况时进行说明。具体地，切入工况如图5所示，极限工况下人-车-路闭环系统验证对比试验主要流程如下：1）在试验道路上只保留试验车辆，确保道路试验安全；2）目标驾驶人根据其驾驶习惯驾驶车1（目标车辆）跟随车2（参考车辆），自动控制车2的行驶；3）车3纵向位置保持在车1和车2之间或稍落后于车1；4）当车3 驾驶人认为车1和车2间距合适时，进行如下操纵横摆运动：作出切入的倾向，但不真正换道，几秒后驶回原车道保持车道中心线直行；切入：控制车3切入到1和2之间，且切入后保持直行，保持5-7秒后，再次切入到右侧车道。5）收集三辆车的横摆角、位置、时间、速度、加速度等信息。
49.根据本发明的另一个实施例，根据实际运行轨迹和期望运行轨迹对极限工况下人-车-路闭环系统进行评测，包括：根据每个目标驾驶人的实际运行轨迹获取目标车辆的实际车头时距，并根据每个目标驾驶人的期望运行轨迹获取目标车辆的期望车头时距；根据实际车头时距和期望车头时距对极限工况下人-车-路闭环系统进行评测。
50.具体而言，车头时距指的是在同一车道上行驶的车辆队列中，两连续车辆车头端部通过某一断面的时间间隔。并且，车头时距代表当前车刹车时，后车驾驶员所具有的最大反应时间，因此它不随速度的变化而波动。在每个目标驾驶人驾驶目标车辆结束以后，可以根据每个目标驾驶人的实际运行轨迹获取目标车辆的实际车头时距。将每个目标驾驶人的特征参数带入极限工况下人-车-路闭环系统，得到每个目标驾驶人的期望运行轨迹，然后根据每个目标驾驶人的期望运行轨迹获取目标车辆的期望车头时距。
51.进一步地，根据本发明的一个实施例，根据实际车头时距和期望车头时距对极限
工况下人-车-路闭环系统进行评测，包括：根据所有的实际车头时距获取实际车头时距均方根，并根据所有的期望车头时距获取期望车头时距均方根；根据实际车头时距均方根和期望车头时距均方根的接近程度对极限工况下人-车-路闭环系统进行评测。
52.根据本发明的一个实施例，通过以下公式确定实际车头时距均方根：其中，表示实际车头时距均方根，表示第i个目标驾驶人的车头时距，表示n个目标驾驶人的车头时距的平均值，n表示目标驾驶人的总人数。
53.具体而言，在获取到每个目标驾驶人的车头时距后，可以求取n个目标驾驶人的车头时距的平均值，然后将第i个目标驾驶人的车头时距和n个目标驾驶人的车头时距的平均值代入上述公式，可以求得实际车头时距均方根。
54.按照同样的原理，在获取到每个目标驾驶人的期望车头时距后，可以求取n个目标驾驶人的期望车头时距的平均值，然后将第i个目标驾驶人的期望车头时距和n个目标驾驶人的期望车头时距的平均值代入下述公式，可以求得际车头时距均方根：其中,表示期望车头时距均方根，表示第i个目标驾驶人的期望车头时距，表示n个目标驾驶人的期望车头时距的平均值，n表示目标驾驶人的总人数。
55.将实际车头时距均方根和期望车头时距均方根代入下述公式，可以得到接近程度：根据接近程度值的大小可以对极限工况下人-车-路闭环系统进行评测。接近程度越小，说明极限工况下人-车-路闭环系统的精确度越高，接近程度越大，说明极限工况下人-车-路闭环系统的精确度越低。
56.综上所述，根据本发明实施例的极限工况下人-车-路闭环系统运行风险评测方法，首先获取当前极限工况下的目标驾驶人的特征参数，然后根据目标驾驶人的特征参数、目标车辆的行驶参数和参考车辆的行驶参数分别获取目标车辆的实际运行轨迹和基于极限工况下人-车-路闭环系统的目标车辆的期望运行轨迹，并根据实际运行轨迹和期望运行轨迹对极限工况下人-车-路闭环系统进行评测。由此，该方法能够对极限工况下人-车-路闭环系统的精确度进行评测，能为系统运行风险评估提供理论参考，同时能够为复杂环境下自动驾驶决策方法设计提供依据。
57.需要说明的是，在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，
可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备（如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统）使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例（非穷尽性列表）包括以下：具有一个或多个布线的电连接部（电子装置），便携式计算机盘盒（磁装置），随机存取存储器（ram），只读存储器（rom），可擦除可编辑只读存储器（eprom或闪速存储器），光纤装置，以及便携式光盘只读存储器（cdrom）。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
58.应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列（pga），现场可编程门阵列（fpga）等。
59.在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
60.此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
61.在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
62.尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

技术特征：
1.一种极限工况下人-车-路闭环系统运行风险评测方法，其特征在于，获取当前极限工况下的目标驾驶人的特征参数；根据所述目标驾驶人的特征参数、目标车辆的行驶参数和参考车辆的行驶参数分别获取目标车辆的实际运行轨迹和基于所述极限工况下人-车-路闭环系统的目标车辆的期望运行轨迹；根据所述实际运行轨迹和所述期望运行轨迹对所述极限工况下人-车-路闭环系统进行评测。2.根据权利要求1所述的方法，其特征在于，在当前极限工况为湿滑路面条件时，获取当前极限工况下的目标驾驶人的特征参数，包括：获取所述目标驾驶人操控方向盘的转角速率；根据所述转角速率确定所述目标驾驶人的特征参数。3.根据权利要求1所述的方法，其特征在于，所述行驶参数包括：横向位移、纵向位移、车速、横向加速度、纵向加速度和横摆角中的至少一种，所述目标车辆的行驶参数还包括：加速踏板开度、制动踏板开度以及方向盘转角。4.根据权利要求1所述的方法，其特征在于，根据所述实际运行轨迹和所述期望运行轨迹对所述极限工况下人-车-路闭环系统进行评测，包括：根据每个所述目标驾驶人的所述实际运行轨迹确定实际横向位移误差和实际纵向位移误差；根据每个所述目标驾驶人的所述期望运行轨迹确定期望横向位移误差和期望纵向位移误差；根据所述实际横向位移误差、所述实际纵向位移误差、所述期望横向位移误差和所述期望纵向位移误差对所述极限工况下人-车-路闭环系统进行评测。5.根据权利要求4所述的方法，其特征在于，根据所述实际横向位移误差、所述实际纵向位移误差、所述期望横向位移误差和所述期望纵向位移误差对所述极限工况下人-车-路闭环系统进行评测，包括：获取所述实际横向位移误差与所述期望横向位移误差之间的横向误差率，并获取所述实际纵向位移误差和所述期望纵向位移误差之间的纵向误差率；根据所述横向误差率和所述纵向误差率对所述极限工况下人-车-路闭环系统进行评测。6.根据权利要求4所述的方法，其特征在于，通过以下公式确定所述实际横向位移误差和所述实际纵向位移误差：和所述实际纵向位移误差：
其中，表示所述实际横向位移误差，表示所述实际纵向位移误差，表示第i个所述目标驾驶人的实际横向位移，表示第i个所述目标驾驶人的期望横向位移，表示所述目标驾驶人的总人数，表示第i个所述目标驾驶人的实际纵向位移，表示第i个所述目标驾驶人的期望纵向位移。7.根据权利要求1所述的方法，其特征在于，根据所述实际运行轨迹和所述期望运行轨迹对所述极限工况下人-车-路闭环系统进行评测，包括：根据每个所述目标驾驶人的所述实际运行轨迹获取所述目标车辆的实际车头时距，并根据每个所述目标驾驶人的所述期望运行轨迹获取所述目标车辆的期望车头时距；根据所述实际车头时距和所述期望车头时距对所述极限工况下人-车-路闭环系统进行评测。8.根据权利要求7所述的方法，其特征在于，根据所述实际车头时距和所述期望车头时距对所述极限工况下人-车-路闭环系统进行评测，包括：根据所有的所述实际车头时距获取实际车头时距均方根，并根据所有的所述期望车头时距获取期望车头时距均方根；根据所述实际车头时距均方根和所述期望车头时距均方根的接近程度对所述极限工况下人-车-路闭环系统进行评测。9.根据权利要求8所述的方法，其特征在于，通过以下公式确定所述实际车头时距均方根：其中，表示所述实际车头时距均方根，表示第i个目标驾驶人的车头时距，表示n个目标驾驶人的车头时距的平均值，n表示目标驾驶人的总人数。10.根据权利要求1所述的方法，其特征在于，所述极限工况下人-车-路闭环系统是根据预置的基于虚拟力学的行车环境动静态道路模型、基于牛顿力学的车辆高维非线性动力学模型和集成感知-决策-操控的驾驶人行为模型及其之间的交互耦合机制共同作用建立的。

技术总结
本发明公开了一种极限工况下人-车-路闭环系统运行风险评测方法，包括：获取当前极限工况下的目标驾驶人的特征参数；根据目标驾驶人的特征参数、目标车辆的行驶参数和参考车辆的行驶参数分别获取目标车辆的实际运行轨迹和基于极限工况下人-车-路闭环系统的目标车辆的期望运行轨迹；根据实际运行轨迹和期望运行轨迹对极限工况下人-车-路闭环系统进行评测。本发明的方法，能够对极限工况下人-车-路闭环系统的精确度进行评测，能为系统运行风险评估提供理论参考，同时能够为复杂环境下自动驾驶决策方法设计提供依据。驾驶决策方法设计提供依据。驾驶决策方法设计提供依据。


技术研发人员：王建强 杨路 崔明阳 许庆 徐少兵
受保护的技术使用者：清华大学
技术研发日：2023.07.13
技术公布日：2023/8/13