1.本发明涉及汽车安全与测试验证的技术领域，特别涉及一种跨视距多目标的风险评价方法。
背景技术：
2.自动驾驶的应用越来越广泛，然而一个长期存在的挑战是自动驾驶当下安全性不足，由自动驾驶导致的事故频繁出现。在这种情况下，传统的风险评估方法已经暴露出无法良好解决当下自动驾驶行驶过程中的诸多挑战，因此亟需一种面向自动驾驶且具备前瞻性的风险评价方法。
3.传统的风险评价方法有两个痛点无法解决。第一，传统指标在评估风险时都是面向传感器可见范围目标物进行评估的，而实际很多事故都是由于盲区突然出现车辆或者行人等行为导致的。这就亟需一种能对不可见、被遮挡的物体具备一定预测评估能力的评价方法。第二，传统指标是不擅长进行多目标评估的，因为理论上传统指标诸如碰撞时间ttc都是面向自车和其他目标物状态的，多目标仅能通过多个值比较得出，这就导致了在目标物数量增加、横纵向动态复杂场景难以直接应用。
技术实现要素：
4.针对现有技术中存在的不足之处，本发明的目的是提供一种跨视距多目标的风险评价方法，在保证各种风险有效评估，实现自动驾驶功能对周围环境及风险的正确感知，提高自动驾驶系统安全能力。为了实现根据本发明的上述目的和其他优点，提供了一种跨视距多目标的风险评价方法，包括：
5.s1、对可感知的交通参与者以及盲区内潜在的交通参与者进行行为及动态预测；
6.s2、通过感知情况，计算当前环境空间上的感知盲区分布区域；
7.s3、根据部分交通学约束以及潜在风险假设设定假想目标物，通过目标物动态预测模块将根据感知到的目标物、假想的目标物状态信息进行运动学与动力学建模，预估目标物可达位置的集合；
8.s4、通过统一性的集合表达方法确定环境内所有目标物的预测空间与自车可行空间的交集；
9.s5、通过检索环境内假想目标物合集，评估由于假想目标物存在可能产生的风险；
10.s6、通过检索环境内可见目标物合集，评估由于可见目标物存在可能产生的风险。
11.优选的，感知盲区计算方法通过视野原理，采用递归的阴影投射算法计算方格空间内所有不可见区域。
12.优选的，车辆在短时间t内可达的空间可以用以下点构成的闭合区间p代表，其具体计算结果如下：
[0013][0014]cx
(tk)为tk时刻的x方向的圆心位置，c
x
(t
k 1
)为t
k 1
时刻的x方向圆心位置；cy(tk)为tk时刻的y方向的圆心位置，cy(t
k 1
)为t
k 1
时刻的y方向圆心位置。r(tk)为tk时刻可达圆的半径，r(t
k 1
)为t
k 1
时刻可达圆的半径，b
x
、by分别tk与t
k 1
时刻圆的在x方向和y方向上的交点。且车辆在不考虑转向的条件下，可达范围即为包络区间集合p。
[0015]
优选的，需要对可达范围在平面二维空间进行扩展，定义初始转向范围为ψ(0)∈[-ψ
max
,ψ
max
]，通过逆时针旋转ψ
max
角度将q1、q2、q3逆时针旋转到同理旋转ψ
max
角度将q4,q5,q6旋转至包络曲线在ψ＝0时的位置即为逼近后包络区间的最远点
[0016]
优选的，在包络线上的取值范围可用以下近似包络的集合表示:
[0017][0018]
由于旋转导致外侧弧线采样点极大的缺失，通过q0的旋转构造近似包络曲线，其中旋转角度可定义为q0和ψ的函数，可将整个考虑转向的包络区间集合定义为
[0019][0020][0021]
优选的，风险交集计算方法如下：
[0022][0023]
其中为感兴趣的交集区域，表示自车在tk时间内可行空间，表示其他目标物在tk时间内可行空间。
[0024]
优选的，通过通用化的评估体系，使用任意符合相加原理的评估指标进行计算，一个具体位置空间的风险评估方法如下：
[0025][0026]rt
其中为一个空间位置的全部风险，ro为盲区参与者产生的风险，no为盲区参与者合集；rv为可见参与者产生的风险，nv为可见参与者合集；w
p
,wv为调整系数。
[0027]
本发明与现有技术相比，其有益效果是：通过设计一种风险表达框架，一方面可以
融入盲区风险评估能力，另一方面可以支持多目标的风险耦合评估。本发明的方法是一种普适性的风险评价方法，可以较好的与现实功能应用相匹配。一方面实现了盲区的感知预测，一方面拓展了多目标风险的综合描述能力，这种方法打破了传统风险评价中视野局限以及目标单一的缺陷，基于空间风险的表达，补充了预测盲区风险以及多目标耦合风险的能力，特别适应于复杂交通场景的风险评价。
附图说明
[0028]
图1为根据本发明的跨视距多目标的风险评价方法的流程示意图；
[0029]
图2为根据本发明的跨视距多目标的风险评价方法的实施例的盲区计算方法示意图；
[0030]
图3为根据本发明的跨视距多目标的风险评价方法的实施例的放置假象目标示意图；
[0031]
图4为根据本发明的跨视距多目标的风险评价方法的实施例的盲区风险分布示意图。
具体实施方式
[0032]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0033]
参照图1-4，一种跨视距多目标的风险评价方法，包括：风险感知预测模块，通过对可感知的交通参与者以及盲区内潜在的交通参与者进行行为及动态预测，实现对可感知范围内所有风险类型进行识别。同时将包络算法表达的占用空间位置输入全局风险评估模块，用以评估每个空间位置是否安全；全局风险评估模块：该模块将根据风险感知预测模块的风险感知预测输入评估自车可行位置空间上的风险状况。该模块实现了多目标风险交集计算，实现了对盲区风险和可见风险的统一性评估。
[0034]
具体步骤包括：s1、对可感知的交通参与者以及盲区内潜在的交通参与者进行行为及动态预测；
[0035]
s2、通过感知情况，计算当前环境空间上的感知盲区分布区域；感知盲区计算方法，将根据视野原理，采用递归的阴影投射算法计算方格空间内所有不可见区域。图2展示了阴影投射递归算法步骤，总体分为三步。第一步，阴影投射算法将fov计算划分为八个八分圆。第二步，算法逐行或逐列访问地图单元，从最近的行或列开始并向外工作。对于东向和西向的扇形采用逐列的方式访问，如图2左图所示，阴影投射将从(0，0)开始进行扫描，之后进行(1，1)到(1，0)的扫描，以此方法类推，扫描至第六列结束。当扫描遇到阻止障碍单元格时，它会计算行/列中哪些其他单元格由于阻挡而不可见。第三步，当发现遮挡单元格时，将递归地开始新的扫描，在更远的一行/列中，覆盖该区域直到阻塞单元阴影中的第一个单元格。扫描初始行/列的其余部分，并跳过与初始阻塞直接相邻的后续阻塞单元。在该图中，一线界定扇区的顶部，另一线界定底部，显示的数值是线的斜率，带圆圈的方格被认为是可见的。对于每一列，它从扇区内的顶部图块向下扫描到扇区内的底部图块。在该图中，前三
列已经被扫描，并且在第四列中发现了从障碍物，因此向下调整了斜率值。在图2右图中，已经找到了从可行区域向障碍物的过渡，并且将底部斜率进行调整，算法在达到最大视距或所有扇区都变空即底部斜率大于顶部斜率时停止。
[0036]
s3、根据部分交通学约束以及潜在风险假设设定假想目标物，通过目标物动态预测模块将根据感知到的目标物、假想的目标物状态信息进行运动学与动力学建模，预估目标物可达位置的集合；放置假想目标将遵循三条假设：第一，在遮挡区域的边缘存在一个假想的目标物，模仿与自车相同的运动姿态。第二，假想的目标物将遵循交通规则，即不会逆行，不会随意变道，通常地，将在车道中心线行驶。第三，假想的目标物可以是车辆、非机动车、行人，但需要符合交通约束，如常规车道遮挡下出现的假想目标物为车辆、人行横道上出现的假想目标物为行人。以图3为例，阴影
①
和
②
处盲区根据交通路网情况可以出现车辆，而
③
处盲区为由东向西方向的车道，不考虑出现车辆从此处逆行出现的可能性，即在盲区风险计算时不假设
③
处会产生潜在风险。其中假定出现车辆位置为盲区与可见区边界，盲区出现车辆速度将服从自车速度状态。综合以上信息，在明确了盲区边界，盲区出车速度状态下，即输入给全局风险评估模块进行动态可达区域预测，计算由于盲区目标和可感知目标产生的风险域。
[0037]
车辆在短时间t内可达的空间可以用以下点构成的闭合区间p代表，其具体计算结果如下：
[0038][0039]cx
(tk)为tk时刻的x方向的圆心位置，c
x
(t
k 1
)为t
k 1
时刻的x方向圆心位置；cy(tk)为tk时刻的y方向的圆心位置，cy(t
k 1
)为t
k 1
时刻的y方向圆心位置。r(tk)为tk时刻可达圆的半径，r(t
k 1
)为t
k 1
时刻可达圆的半径，b
x
、by分别tk与t
k 1
时刻圆的在x方向和y方向上的交点。
[0040]
车辆在不考虑转向的条件下，可达范围即为上述包络区间集合p。然而往往车辆的预测存在转向的可能，因此需要对可达范围在平面二维空间进行扩展。定义初始转向范围为ψ(0)∈[-ψ
max
,ψ
max
]，则转向操作即将整个空间p围绕原点旋转，这取决于车辆实际初始方向。通过逆时针旋转ψ
max
角度将q1、q2、q3逆时针旋转到同理旋转ψ
max
角度将q4,q5,q6旋转至包络曲线在ψ＝0时的位置即为逼近后包络区间的最远点在包络线上的取值范围可用以下近似包络的集合表示:
[0041]
[0042]
由于旋转导致外侧弧线采样点极大的缺失，通过q0的旋转构造近似包络曲线，其中旋转角度可定义为q0和ψ的函数，可将整个考虑转向的包络区间集合定义为
[0043][0044][0045]
s4、通过统一性的集合表达方法确定环境内所有目标物的预测空间与自车可行空间的交集；风险交集计算方法如下：
[0046][0047]
其中为感兴趣的交集区域，表示自车在tk时间内可行空间，表示其他目标物在tk时间内可行空间。
[0048]
s5、通过检索环境内假想目标物合集，评估由于假想目标物存在可能产生的风险；
[0049]
s6、通过检索环境内可见目标物合集，评估由于可见目标物存在可能产生的风险；步骤s5与s6的评估是一种通用化的评估体系，可以使用任意符合相加原理的评估指标进行计算，一个具体位置空间的风险评估方法如下：
[0050][0051]rt
其中为一个空间位置的全部风险，ro为盲区参与者产生的风险，no为盲区参与者合集；rv为可见参与者产生的风险，nv为可见参与者合集；wo,wv为调整系数。图4展示了一种盲区遮挡下的风险状态分布图，该场景下风险全部由盲区车辆产生，黑色框线表示了自车未来2s内可到达的区域，在框线内即为选用的风险计算方法为基于占用栅格网络的时空耦合驾驶风险描述方法，其中颜色越深表示风险愈大，可以提示自动驾驶规控系统进行减速避撞行为。
[0052]
综上可知，本发明通过提出一种框架，一方面实现了盲区的感知预测，一方面拓展了多目标风险的综合描述能力，这种方法打破了传统风险评价中视野局限以及目标单一的缺陷，基于空间风险的表达，补充了预测盲区风险以及多目标耦合风险的能力，特别适应于复杂交通场景的风险评价。
[0053]
这里说明的设备数量和处理规模是用来简化本发明的说明的，对本发明的应用、修改和变化对本领域的技术人员来说是显而易见的。
[0054]
尽管本发明的实施方案已公开如上，但其并不仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例。