CN116013110B 一种车辆碰撞风险预测装置及方法 （重庆长安汽车股份有限公司）

本发明公开了一种车辆碰撞风险预测装置2所述基础组件包括数字人体模块和车辆预测模块，所述数字人体模块修正或使用运动学或动力学模型预测自车和/或目标物在预设时间范围内的行驶轨迹，所述碰撞检测单元用于检测自车与目标物在特定时刻是否发生所述状态参数预处理单元根据感知组件锁定的目标物对其进行编号、个目标物的TTC值进行升序排列；预设第一碰撞时间阈值TTCthres1和第二碰撞时间阈值所述碰撞检测单元用于检测自车与目标物在特定时刻是否发生了碰碰撞检测单元的检测包括粗略检测和精细检测阶段，所述粗略所述预测组件包括人员损伤预测模块、车辆损伤预测模块和可靠度预员损伤预测模块用于根据自车发生碰撞时的碰撞波形、人员状态参数和约束系统状态参所述可靠度预测模块的计算方式为：根据当前时刻的场景参数和期3所述驾驶员操作不确定性量化表征为：建立驾驶员操作行为数据库，所述人员感知模块用于实时采集人员状态参数，所述人员状态参数通过摄像头和/或所述环境感知模块用于实时采集目标物参数，所述目标物参数包括目所述车辆感知模块用于实时采集自车参数和约束系统状4.根据权利要求1或2所述的车辆碰撞风险预测装置，其特4所述变形量预测单元为基于车辆损伤数据集训练得到的离线的变所述可靠度预测模块为可靠度量化指标数据库训练得到的离线的可6.根据权利要求1或2所述的车辆碰撞风险预测装7.一种车辆碰撞风险预测方法，其特征在于步骤二，基础组件的车辆预测模块基于环境和车辆步骤三，预测组件的车辆损伤预测模块根据碰撞场景参数输出车辆损伤风险值VIR和步骤六，根据气囊控制器记录的碰撞波形，通过车辆损伤5[0003]传统的碰撞安全乘员保护系统的控制仅靠数个外置加速度或压力传感器识别碰致乘员保护系统需要在极短时间内吸收碰撞能量，单位时间内传递给驾乘人员的能量高，轨迹预测单元对锁定的目标物进行运动状态修正或使用运动学或动力学模型预测自车和/6员感知模块用于实时采集人员状态参数，所述人员状态参数通过摄像头和/或TOF相机获述乘员位置参数包括乘员坐姿和乘员乘坐位置，乘员坐姿包括乘员的前倾角度和侧倾角c标物在空间是否有重叠，如有重叠则定义为接触，精细检测的具体方法为分离轴STA法或7[0012]所述变形量预测单元为基于车辆损伤数据集训练得到的[0013]所述可靠度预测模块为可靠度量化指标数据库训练得到的离线的可靠度预测模k_1k_1HIRk_2HIRk_Uk_U)]，指标或衍生出的新的指标进行综合性的碰撞风险评估，作为其它具体应用场景指令的输8[0029]步骤三，预测组件的车辆损伤预测模块根据碰撞场景参数输出车辆损伤风险值9[0037]4、本发明所述人员损伤预测模块和车辆损伤预测模块均可使用高精度有限元仿[0045]需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构前倾角度(reclineangle)和侧倾角度(leaningangle)，乘员乘坐位置(seatingoooωe块S210用于根据人员所处的场景参数，预测从当前时刻到未来某一时刻的人员位置参数，e[0051]参见图2，所述车辆预测模块S220包括状态参数预处理单元S221、轨迹预测单元[0052]所述状态参数预处理单元S221根据感知组件锁定的目标每个目标物的TTC值进行升序排列；预设第一碰撞时间阈值TTCthres1和第二碰撞时间阈值预测单元使用运动学或动力学模型预测自车和“危险目标集”中目标物在预设时间范围预测未来车辆的行驶轨迹。所述运动状态修正可通过扩展卡尔曼滤波(EKF：ExtendedKalmanFilter)或其它车辆轨迹修正的方法，目的是提升感知信息在一定范围内的精确。所述运动学模型为：恒转角速度恒加速度运动模型(CTRA：ConstantTurnRate无有效记录)，本实施例中的运动学模型为采用CTRA。采取运动学模型是因为其计算速率在空间是否有重叠，如有重叠则定义为接触，精细检测的具体方法为分离轴(Separating[0058]所述人员损伤预测模块(HumanInjuryRiskModel，HIRM)S310用于根据自车发签)为人体各部位损伤曲线的人体损伤数据库。所述人体各部位的损伤曲线指头部加速度ay_meanz_meanx_maxy_max[0062]所述车辆碰撞速度ve_c指碰撞时刻Tc时自车的速度，通过车辆损伤预测模块可得[0069]所述滑窗平均加速展W表示滑窗式迭代求解得到。和标量隐状态拼接，通过转置卷积完成融合；也可将标量输入和矢量输入进行嵌入层得到乘员各部位的损伤曲线，并根据NHTSA定义的乘员各部位损伤风险函数计算乘员损伤时刻和终止时刻，t1与t2的差值小于预设阈值，例如预设阈值可以为15ms，即t2_t1小于[0084]根据头部AIS3损伤风险曲线：其[0085]所述损伤指标表述某一部位损伤的量化值，一个部位可[0086]参见图5，所述车辆损伤预测模块S320包括变形量预测单元S321和碰撞波形预测[0089]SD1构建车辆损伤数据库。首先确定影响碰撞波形的场景参数以及这些场景参数)的斜率mj，ynz1z2zn]。其余n-2个点取等时间间隔原始曲线上对应的点，特征值为rx1，rx2prepre旋转位移曲线的纵坐标，对应的横坐标为构成X向的旋转位移曲[0111]所述可靠度预测模块S330为可靠度量化指标数据库训练得到的离线的可靠度预定发展轨迹(Presumptivetrue-path)，即由所述轨迹预测模块预测的车辆行驶轨迹为最[0113]可靠度预测模型的构建是在线完成的，主要由SR1构建可靠度量化指标数据库、和ω的驾驶行为数据库；2、根据驾驶员操作行为数据库建立驾驶员操作不确定的量化表N-1]伤预测模型分别得到每条行驶轨迹与第的k个危险目标物的碰撞风险值CRk_r、人员损伤风险值HIRk_r和车辆损伤风险值VIRk_r；4、计算该组具体场景参数下，关于原有碰撞风险值(CRk_rk_r驶员操作不确定性后(假设驾驶员操作不确定性有U种离散的值，对应U种不同的行车轨HIRk_2HIRk_U离散化，假设a有个离散的取值，ω有η个离散的取值，即a=[a,az,…,az],ω=[ω1，ω13种方式建立驾驶员操作行为预测后验模型并生成不同轨[0121]A：假设加速度a和横摆角速度ω服从均匀分布P(U),P(),P(a)和概率模型可获得xn种不同的操作行为，最终可获(Gxn)"条不同的轨迹曲与场景参数的驾驶员操作后验模型：a，ω=f(S)。所述f可以为隐马尔科夫模型(HMM：i+1时刻车辆状态的概率分布(表征由不同驾驶员操作导致改变所得Ti+1时刻车辆为而方法C的计算复杂度可表示为O(ξN[0130]SR2构建可靠度预测模型并完成训练。由输入为场景参数和期望参数(CR、HIR和 kkhvhf:当IRthres1≤IR≤IRthres2，定义IR等级为1，当IR＜IRthres1，定义IR等级为2；设置阈值∑[01