一种车辆安全态势评估与稳态驾驶模式切换方法及系统

1.本发明涉及车辆安全及自动驾驶领域，尤其涉及一种车辆安全态势评估与稳态驾驶模式切换方法及系统。


背景技术：

2.目前车辆的自动化水平正处于一定条件下的自动驾驶阶段：由车辆完成绝大部分驾驶操作，人类驾驶员需要集中注意力，以应对紧急危险情况，被视为是过渡至完全自动驾驶级别之间的技术。目前阶段为了增加驾驶员在驾驶过程的安全性以及舒适性，需要对驾驶员的行车风险进行评估，同时在行车风险较高时完成驾驶员对车辆的接管。
3.然而，现有对于车辆驾驶安全态势的研究，往往仅考虑车辆周围的运行环境对驾驶风险造成的影响，如车道线、道路边界、周围车辆的运动态势等，在车辆外部环境危险态势下、驾驶员处于不良状态或者为了减少驾驶员操作负荷时，没有融合“人-机-环”的整体状态指标进行综合考虑，即未将车辆自感知与驾驶人状态感知融入安全态势的判定中；同时现有技术对于实现准确的驾驶接管辨识条件的研究也不够完善，缺乏在准确判定安全态势的基础上设计的车辆控制权移交方案，在控制权稳态移交方面尚有欠缺。
4.综上，为了提升人机共驾阶段驾驶员的安全，亟需一种考虑“人-机-环”整体感知信息的驾驶安全态势评估方法，开发稳态驾驶权切换机制来改善当前智能车辆的可靠性，解决目前在较高自动化水平车辆中，安全态势判定时考虑不足及接管过程不够平稳的问题，为更高层次自动驾驶的开发打下基石。


技术实现要素：

5.本发明提供了一种车辆安全态势评估与稳态驾驶模式切换方法及系统，用以解决目前在较高自动化水平车辆中对安全态势感知能力不足及接管过程不够平稳的技术问题。
6.本发明提供了一种车辆安全态势评估及稳态驾驶模式切换方法，用于车辆总线网络、车辆驾驶控制权移交装置、驾驶员状态行为感知装置和车辆信息及车周环境信息感知装置相互协作的系统中，包括以下步骤：
7.s1、计算车辆内场安全态势和车辆外场安全态势：通过驾驶员状态行为感知装置采集驾驶员驾驶过程中的多模态参数，进而计算出车辆内场安全态势并发送给车辆驾驶控制权移交装置；通过车辆信息及车周环境信息感知装置采集车辆运行状态参数以及行驶环境状态参数，进而计算出车辆外场安全态势并发送给车辆驾驶控制权移交装置。
8.s2、驾驶风险等级判断：车辆驾驶控制权移交装置根据车辆内场安全态势和车辆外场安全态势，进行驾驶风险等级判定并输出指令。
9.s3、驾驶权移交判定：车辆驾驶控制权移交装置根据相邻时刻的指令，进行驾驶权移交判定，并向车辆总线网络发送判定结果。
10.优选的，在s1中：
11.多模态参数包括驾驶员的面部图像、头部姿态、躯干姿态、语音语调、呼吸率、皮肤
电、心率。
12.根据多模态参数计算车辆内场安全态势时，融合驾驶意图和驾驶特征观测信息，基于降噪自编码深度网络对驾驶员操作行为进行识别与预测，通过多任务卷积神经网络对驾驶员的疲劳、情绪等状态进行感知，综合计算出车辆内场安全态势，添加时间戳后发送至车辆驾驶控制权移交装置；车辆内场安全态势e
in
的计算可公式化为：
13.e
in
＝η1d
emo
+η2d
fati
+η3d
beha
14.其中，d
emo
是驾驶员情绪风险因子，d
fati
是驾驶员疲劳风险因子，d
beha
是驾驶员行为风险因子，η1、η2、η3分别为各风险因子权重系数。
15.优选的，在s1中：
16.车辆运行状态参数包括速度、加速度和转角；行驶环境状态参数包括包含车外图像的车辆四周环境信息和包含车周车辆及障碍物信息的雷达点云图。
17.根据车辆运行状态参数和行驶环境状态参数计算车辆外场安全态势时，将车外图像及雷达点云图进行模态融合，输入yolov7深度神经网络并综合车辆运行状态参数后，得到车辆所处车道信息、车辆速度和加速度信息，邻近车辆相对本车车辆的位置、速度和加速度信息，提取驾驶风险因子，综合计算出车辆外场安全态势，添加时间戳后发送至车辆驾驶控制权移交装置；车辆外场安全态势e
ex
的计算可公式化为：
[0018][0019]
其中，r
ij
表示邻近车辆i与本车车辆j之间的距离，k1、k2、g均为大于0的预设参数，mi为邻近车辆i的等效质量，r为本车车辆所处道路条件影响因子，vi为邻近车辆i的速度，θi是邻近车辆i速度方向与r
ij
的夹角，并规定顺时针方向为正，n为邻近车辆的数目。
[0020]
优选的，邻近车辆的等效质量mi可公式化为：
[0021]
mi＝mi(1+α1vi+α2ai)
[0022]
其中，mi是邻近车辆i的质量，α1、α2为大于0的预设参数，vi是邻近车辆i的速度，ai是邻近车辆i的加速度。
[0023]
道路条件影响因子r可公式化为：
[0024]
r＝β1f
cur
+β2f
slo
+β3f
vis
[0025]
其中，β1、β2、β3为大于0的预设参数，f
cur
为道路曲率，f
slo
为道路坡度，f
vis
为道路能见度。
[0026]
优选的，在s2中：
[0027]
输出指令的规则如下：
[0028]
当内场风险等级判定为正常、外场风险等级判定为正常时，输出指令a1。
[0029]
当内场风险等级判定为正常、外场风险等级判定为危险时，输出指令a2。
[0030]
当内场风险等级判定为危险、外场风险等级判定为正常时，输出指令b1。
[0031]
当内场风险等级判定为危险，外场风险等级判定为危险时，输出指令b2。
[0032]
优选的，在s3中：
[0033]
车辆驾驶控制权移交装置根据相邻时刻的指令，进行驾驶权移交判定时，包含以下情形：
[0034]
情形一：指令在相邻时刻保持a1以及由b1变更为a1时，保持自动驾驶系统掌握驾驶权。
[0035]
情形二：指令在相邻时刻由a1变更为a2、由b1变更为a2以及由a2变更为b1时，提示驾驶员，并在提示后4s内将控制权由自动驾驶系统转移至驾驶员。
[0036]
情形三：指令在相邻时刻保持b1以及由a1变更为b1时，提示驾驶员，并保持自动驾驶系统掌握驾驶权。
[0037]
情形四：指令在相邻时刻由a1变更为b2、由a2变更为b2以及由b1变更为b2时，提示驾驶员，并控制车辆减速至低速状态。
[0038]
情形五：指令在相邻时刻由a2变更为a1时，提示驾驶员，并在提示后4s内将控制权由驾驶员转移至自动驾驶系统。
[0039]
情形六：指令在相邻时刻保持a2时，保持驾驶员掌握驾驶权。
[0040]
情形七：指令在相邻时刻由b2变更为a1时，提示驾驶员，并在提示后4s内由低速状态转为自动驾驶系统掌握驾驶权。
[0041]
情形八：指令在相邻时刻由b2变更为a2时，提示驾驶员，并在提示后4s内由低速状态转为驾驶员掌握驾驶权。
[0042]
情形九：指令在相邻时刻由b2变更为b1时，提示驾驶员，并在提示后4s内由低速状态转为自动驾驶系统掌握驾驶权。
[0043]
情形十：指令在相邻时刻保持b2时，提示驾驶员，并维持低速状态。
[0044]
本发明还提供一种车辆安全态势评估及稳态驾驶模式切换系统，包括：车辆总线网络，与车辆总线网络连接的车辆驾驶控制权移交装置，与车辆驾驶控制权移交装置连接的驾驶员状态行为感知装置和车辆信息及车周环境信息感知装置。
[0045]
驾驶员状态行为感知装置用于采集驾驶员多模态参数，进而计算出车辆内场安全态势并发送给车辆驾驶控制权移交装置。
[0046]
车辆信息及车周环境信息感知装置用于采集车辆运行状态参数以及行驶环境状态参数，进而计算出车辆外场安全态势并发送给车辆驾驶控制权移交装置。
[0047]
车辆驾驶控制权移交装置用于接收车辆内场安全态势信息和外场的安全态势信息，根据安全态势信息进行风险等级判定并输出指令，并根据相邻时刻指令对车辆总线网络发送驾驶控制权的稳态移交操作信息。
[0048]
优选的，驾驶员状态行为感知装置还用于对多模态参数的参数特征提取；车辆信息及车周环境信息感知装置还用于提取驾驶风险因子；车辆驾驶控制权移交装置还用于通过车辆的扬声器和氛围灯对驾驶员发出预警提示信息。
[0049]
优选的，驾驶员状态行为感知装置包括：
[0050]
用于采集驾驶员的面部表情、头部姿态、躯干姿态的一个以上高清网络摄像头和一个红外摄像头，一个以上高清网络摄像头安装于车辆前挡风玻璃上方，红外摄像头安装于车辆a柱内侧上端。
[0051]
用于采集驾驶员的呼吸率、皮肤电、心率的生理信息监测手环，生理信息监测手环佩戴于驾驶员非惯用手的手腕处。
[0052]
用于采集驾驶员的语音语调的音频收集器。
[0053]
用于对多模态参数通过基于降噪自编码深度网络进行预处理并提取特征，并通过
多任务卷积神经网络得到驾驶员的疲劳状态、情绪状态及驾驶操作动作，进而计算出车辆内场安全态势的信息处理模块。
[0054]
优选的，车辆信息及车周环境信息感知装置包括：
[0055]
安装于车辆内部用于采集车辆运行状态参数的gps定位器、速度传感器、加速度传感器和方向盘转角传感器。
[0056]
安装于车辆外部用于对车外的道路环境信息及邻近车辆信息进行探测的高清网络摄像头和车载激光雷达。
[0057]
用于对采集到的外部图像信息和外部雷达点云信息通过yolov7深度神经网络进行处理，识别提取驾驶风险因子，并综合车辆运行状态参数计算出车辆外场安全态势的信息处理模块。
[0058]
优选的，车辆驾驶控制权移交装置包括：安全态势判定模块和控制权移交模块。
[0059]
安全态势判定模块用于接收车辆内场安全态势信息和外场的安全态势信息，进行风险等级判定并输出指令至控制权移交模块。
[0060]
控制权移交模块用于接收安全态势判定模块发送的指令，并根据指令通过车辆总线网络对车辆的转向机构、加速机构、制动机构发出调整信息。
[0061]
本发明具有以下有益效果：
[0062]
本发明的车辆安全态势评估与稳态驾驶模式切换方法，通过采集驾驶员的多模态参数、车辆运行状态参数以及行驶环境状态参数，计算出相应的车辆内场安全态势和车辆外场安全态势，并结合车辆内场安全态势和车辆外场安全态势进行车辆自动驾驶时安全态势的判定，融合了“人-机-环”的整体状态指标进行综合考虑，使得车辆自动驾驶时的安全性和可靠性显著提高；在进行安全态势判定后，会根据整体安全态势状态输出相应的指令，并根据相邻时刻的指令进行驾驶权移交判定，最终决定车辆的驾驶权移交情形，使得车辆的驾驶权移交过程十分可靠和平稳；本发明的车辆安全态势评估与稳态驾驶模式切换系统，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。
[0063]
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
[0064]
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：
[0065]
图1是本发明优选实施例1中的车辆安全态势评估与稳态驾驶模式切换方法流程图；
[0066]
图2是本发明优选实施例1中的车辆内场安全态势计算框架图；
[0067]
图3是本发明优选实施例1中的车辆外场安全态势计算框架图；
[0068]
图4是本发明优选实施例2中的车辆安全态势评估与稳态驾驶模式切换系统结构图。
具体实施方式
[0069]
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。
[0070]
实施例1：
[0071]
参见图1，本发明优选实施例中，提供了一种车辆安全态势评估及稳态驾驶模式切换方法，用于与车辆总线网络连接的车辆驾驶控制权移交装置，与车辆驾驶控制权移交装置连接的驾驶员状态行为感知装置和车辆信息及车周环境信息感知装置相互协作的系统中，包括以下步骤：
[0072]
s1、计算车辆内场安全态势和车辆外场安全态势：通过驾驶员状态行为感知装置采集驾驶员驾驶过程中的多模态参数，进而计算出车辆内场安全态势并发送给车辆驾驶控制权移交装置；通过车辆信息及车周环境信息感知装置采集车辆运行状态参数以及行驶环境状态参数，进而计算出车辆外场安全态势并发送给车辆驾驶控制权移交装置。
[0073]
在s1中：多模态参数包括驾驶员的面部图像、头部姿态、躯干姿态、语音语调、呼吸率、皮肤电、心率。
[0074]
参见图2，根据多模态参数计算车辆内场安全态势时，融合驾驶意图和驾驶特征观测信息，基于降噪自编码深度网络对驾驶员操作行为进行识别与预测，通过多任务卷积神经网络对驾驶员的疲劳、情绪等状态进行感知，综合计算出车辆内场安全态势，添加时间戳后发送至车辆驾驶控制权移交装置；车辆内场安全态势e
in
的计算可公式化为：
[0075]ein
＝η1d
emo
+η2d
fati
+η3d
beha
[0076]
其中，d
emo
是驾驶员情绪风险因子，d
fati
是驾驶员疲劳风险因子，d
beha
是驾驶员行为风险因子，η1、η2、η3分别为各风险因子权重系数。
[0077]
通过采集耦合驾驶员的心理表征、生理反馈、外在表现，解析包括面部图像、头部姿态、躯干姿态、语音语调、呼吸率、皮肤电、心率等相关指标，融合驾驶意图和驾驶动作特征观测信息，通过降噪自编码深度网络对驾驶员的操作行为进行识别与预测，基于心生理指标与外在表现指标，通过多任务卷积神经网络对驾驶员包括疲劳、情绪等状态进行感知，结合驾驶员状态与驾驶员行为计算驾驶员的心理负荷与操作负荷，作为车辆内场安全态势。
[0078]
在s1中：车辆运行状态参数包括速度、加速度和转角；行驶环境状态参数包括包含车外图像的车辆四周环境信息和包含车周车辆及障碍物信息的雷达点云图。
[0079]
参见图3，根据车辆运行状态参数和行驶环境状态参数计算车辆外场安全态势时，将车外图像及雷达点云图进行模态融合，输入yolov7深度神经网络并综合车辆运行状态参数后，得到车辆所处车道信息、车辆速度和加速度信息，邻近车辆相对本车车辆的位置、速度和加速度信息，提取驾驶风险因子，综合计算出车辆外场安全态势，添加时间戳后发送至车辆驾驶控制权移交装置；车辆外场安全态势e
ex
的计算可公式化为：
[0080][0081]
其中，r
ij
表示邻近车辆i与本车车辆j之间的距离，k1、k2、g均为大于0的预设参数，mi为邻近车辆i的等效质量，r为本车车辆所处道路条件影响因子，vi为邻近车辆i的速度，θi是邻近车辆i速度方向与r
ij
的夹角，并规定顺时针方向为正，n为邻近车辆的数目。
[0082]
邻近车辆的等效质量mi可公式化为：
[0083]
mi＝mi(1+α1vi+α2ai)
[0084]
其中，mi是邻近车辆i的质量，α1、α2为大于0的预设参数，vi是邻近车辆i的速度，ai是邻近车辆i的加速度。
[0085]
道路条件影响因子r可公式化为：
[0086]
r＝β1f
cur
+β2f
slo
+β3f
vis
[0087]
其中，β1、β2、β3为大于0的预设参数，f
cur
为道路曲率，f
slo
为道路坡度，f
vis
为道路能见度。
[0088]
通过车辆自身传感器及车身周围的探测传感器，得到本车车辆的速度、加减速、转角等信息，与车道线、邻近车辆位置等车辆运行环境的图像及点云信息。通过驾驶风险因子提取，确定影响行车安全的驾驶风险因子集合并输出各风险因子参数状态，基于yolov7识别跟踪周围车辆和道路环境信息作为车外风险计算车辆外场安全态势。
[0089]
本发明优选实施例中，通过采集耦合驾驶员的心理表征、生理反馈、外在表现，对驾驶员的状态进行分析，计算车辆内场安全态势，从而使得车辆内场安全态势全面地考虑到驾驶员的各种因素，实现了对驾驶员行为状态更可靠的感知；通过车辆行驶信息和车周道路环境信息，提取并识别跟踪驾驶风险因子，计算得出车辆外场安全态势，融合了驾驶员行为状态参数、车辆行驶参数、运行环境参数，综合得到融合“人-机-环”整体感知信息的安全态势评估结果，使得该方法能够非常精确地对驾驶风险进行判定。
[0090]
s2、驾驶风险等级判断：车辆驾驶控制权移交装置根据车辆内场安全态势和车辆外场安全态势，进行驾驶风险等级判定并输出指令。
[0091]
在s2中：输出指令的规则如下：
[0092]
当内场风险等级判定为正常、外场风险等级判定为正常时，输出指令a1。
[0093]
当内场风险等级判定为正常、外场风险等级判定为危险时，输出指令a2。
[0094]
当内场风险等级判定为危险、外场风险等级判定为正常时，输出指令b1。
[0095]
当内场风险等级判定为危险，外场风险等级判定为危险时，输出指令b2。
[0096]
本发明优选实施例中，结合驾驶员状态行为参数、本车状态参数、行驶环境状态参数，综合车辆内场安全态势与车辆外场安全态势进行驾驶风险等级判定并输出指令，使得风险等级的判定具有较高的准确性，进一步保障了自动驾驶的可靠性，突破了现有智能车辆的驾驶接管条件的辨识技术。
[0097]
s3、驾驶权移交判定：车辆驾驶控制权移交装置根据相邻时刻的指令，进行驾驶权移交判定，并向车辆总线网络发送判定结果。
[0098]
在s3中：
[0099]
车辆驾驶控制权移交装置根据相邻时刻的指令，进行驾驶权移交判定时，包含以下情形：
[0100]
情形一：指令在相邻时刻保持a1以及由b1变更为a1时，保持自动驾驶系统掌握驾驶权。
[0101]
情形二：指令在相邻时刻由a1变更为a2、由b1变更为a2以及由a2变更为b1时，提示驾驶员，并在提示后4s内将控制权由自动驾驶系统转移至驾驶员。
[0102]
情形三：指令在相邻时刻保持b1以及由a1变更为b1时，提示驾驶员，并保持自动驾驶系统掌握驾驶权。
[0103]
情形四：指令在相邻时刻由a1变更为b2、由a2变更为b2以及由b1变更为b2时，提示驾驶员，并控制车辆减速至低速状态。
[0104]
情形五：指令在相邻时刻由a2变更为a1时，提示驾驶员，并在提示后4s内将控制权由驾驶员转移至自动驾驶系统。
[0105]
情形六：指令在相邻时刻保持a2时，保持驾驶员掌握驾驶权。
[0106]
情形七：指令在相邻时刻由b2变更为a1时，提示驾驶员，并在提示后4s内由低速状态转为自动驾驶系统掌握驾驶权。
[0107]
情形八：指令在相邻时刻由b2变更为a2时，提示驾驶员，并在提示后4s内由低速状态转为驾驶员掌握驾驶权。
[0108]
情形九：指令在相邻时刻由b2变更为b1时，提示驾驶员，并在提示后4s内由低速状态转为自动驾驶系统掌握驾驶权。
[0109]
情形十：指令在相邻时刻保持b2时，提示驾驶员，并维持低速状态。
[0110]
车辆控制权稳态移交方法可总结为表1：
[0111]
表1：车辆控制权稳态移交方法
[0112][0113][0114]
本发明优选实施例中，考虑驾驶员-自动驾驶系统的人机博弈及冲突防止机制，根据车辆驾驶安全态势输出的相邻时刻的指令，实现稳定平顺的驾驶权移交机制，在切换驾
驶控制权时对驾驶员发出提示信息并留出接管时间，在车辆内场风险等级较高，即驾驶员处于不良驾驶状态行为下时，还会对驾驶员发出警示信息，使得该方法能够最大限度地保证驾驶员的驾驶安全，增强了驾驶员在行车过程中的安全性以及驾驶接管过程的平顺稳定性。
[0115]
实施例2：
[0116]
参见图4，本发明优选实施例中，提供了一种车辆安全态势评估及稳态驾驶模式切换系统，包括：车辆总线网络，与车辆总线网络连接的车辆驾驶控制权移交装置，与车辆驾驶控制权移交装置连接的驾驶员状态行为感知装置和车辆信息及车周环境信息感知装置。
[0117]
驾驶员状态行为感知装置用于采集驾驶员多模态参数，进而计算出车辆内场安全态势并发送给车辆驾驶控制权移交装置。
[0118]
车辆信息及车周环境信息感知装置用于采集车辆运行状态参数以及行驶环境状态参数，进而计算出车辆外场安全态势并发送给车辆驾驶控制权移交装置。
[0119]
车辆驾驶控制权移交装置用于接收车辆内场安全态势信息和外场的安全态势信息，根据安全态势信息进行风险等级判定并输出指令，并根据相邻时刻指令对车辆总线网络发送驾驶控制权的稳态移交操作信息。
[0120]
驾驶员状态行为感知装置还用于对多模态参数的参数特征提取；车辆信息及车周环境信息感知装置还用于提取驾驶风险因子；车辆驾驶控制权移交装置还用于通过车辆的扬声器和氛围灯对驾驶员发出预警提示信息。
[0121]
本发明优选实施例中，通过各个装置之间的协作运行，有效地计算出了车辆内场安全态势和车辆外场安全态势，并最终结合了车辆内场安全态势和车辆外场安全态势进行了风险等级判定并输出指令，使得车辆实现了驾驶控制权的稳态移交，在车辆内场风险等级较高，即驾驶员处于不良驾驶状态行为下时，还会通过对驾驶员发出警示信息，增强了驾驶员在行车过程中的安全性以及驾驶接管过程的平顺稳定性。
[0122]
驾驶员状态行为感知装置包括：
[0123]
用于采集驾驶员的面部表情、头部姿态、躯干姿态的一个以上高清网络摄像头和一个红外摄像头，一个以上高清网络摄像头安装于车辆前挡风玻璃上方，红外摄像头安装于车辆a柱内侧上端。
[0124]
用于采集驾驶员的呼吸率、皮肤电、心率的生理信息监测手环，生理信息监测手环佩戴于驾驶员非惯用手的手腕处。
[0125]
用于采集驾驶员的语音语调的音频收集器。
[0126]
用于对多模态参数通过基于降噪自编码深度网络进行预处理并提取特征，并通过多任务卷积神经网络得到驾驶员的疲劳状态、情绪状态及驾驶操作动作，进而计算出车辆内场安全态势的信息处理模块。
[0127]
本发明优选实施例中，驾驶员状态行为感知装置内包含的各个模块实现了对驾驶员关于安全驾驶的多项数据的采集，并最终计算出了车辆内场安全态势，使得车辆内场安全态势的计算具有可靠的数据支撑。
[0128]
车辆信息及车周环境信息感知装置包括：
[0129]
安装于车辆内部用于采集车辆运行状态参数的gps定位器、速度传感器、加速度传感器和方向盘转角传感器。
[0130]
安装于车辆外部用于对车外的道路环境信息及邻近车辆信息进行探测的高清网络摄像头和车载激光雷达。
[0131]
用于对采集到的外部图像信息和外部雷达点云信息通过yolov7深度神经网络进行处理，识别提取驾驶风险因子，并综合车辆运行状态参数计算出车辆外场安全态势的信息处理模块。
[0132]
本发明优选实施例中，车辆信息及车周环境信息感知装置内包含的各个模块实现了对车辆行驶过程中的车外的道路环境信息及邻近车辆信息的采集，并最终计算出了车辆外场安全态势，使得车辆外场安全态势的计算具有可靠的数据支撑。
[0133]
车辆驾驶控制权移交装置包括：安全态势判定模块和控制权移交模块。
[0134]
安全态势判定模块用于接收车辆内场及外场的安全态势信息，进行风险等级判定并输出指令至控制权移交模块。
[0135]
控制权移交模块用于接收安全态势判定模块发送的指令，并根据指令通过车辆总线网络对车辆的转向机构、加速机构、制动机构发出调整信息。
[0136]
本发明优选实施例中，车辆驾驶控制权移交装置中的安全态势判定模块根据车辆内场安全态势信息及外场的安全态势信息，进行了风险等级判定并输出相关指令，使得风险等级的判断具有可靠性；通过控制权移交模块根据相关指令为车辆提供了状态调整信息，保证了驾驶员在行车过程中的安全性以及驾驶接管过程的平顺稳定性；在切换驾驶控制权时对驾驶员发出提示信息并留出接管时间，从车辆驾驶的角度最大限度地确保了驾驶员的驾驶安全。
[0137]
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：
1.一种车辆安全态势评估及稳态驾驶模式切换方法，用于车辆总线网络、车辆驾驶控制权移交装置、驾驶员状态行为感知装置和车辆信息及车周环境信息感知装置相互协作的系统中，其特征在于，包括以下步骤：s1、计算车辆内场安全态势和车辆外场安全态势：通过驾驶员状态行为感知装置采集驾驶员驾驶过程中的多模态参数，进而计算出车辆内场安全态势并发送给车辆驾驶控制权移交装置；通过车辆信息及车周环境信息感知装置采集车辆运行状态参数以及行驶环境状态参数，进而计算出车辆外场安全态势并发送给车辆驾驶控制权移交装置；s2、驾驶风险等级判断：车辆驾驶控制权移交装置根据车辆内场安全态势和车辆外场安全态势，进行驾驶风险等级判定并输出指令；s3、驾驶权移交判定：车辆驾驶控制权移交装置根据相邻时刻的指令，进行驾驶权移交判定，并向车辆总线网络发送判定结果。2.根据权力要求1所述的车辆安全态势评估及稳态驾驶模式切换方法，其特征在于，在s1中：所述多模态参数包括驾驶员的面部图像、头部姿态、躯干姿态、语音语调、呼吸率、皮肤电、心率；根据所述多模态参数计算车辆内场安全态势时，融合驾驶意图和驾驶特征观测信息，基于降噪自编码深度网络对驾驶员操作行为进行识别与预测，通过多任务卷积神经网络对驾驶员的疲劳、情绪等状态进行感知，综合计算出车辆内场安全态势，添加时间戳后发送至车辆驾驶控制权移交装置；所述车辆内场安全态势e
in
的计算可公式化为：e
in
＝η1d
emo
+η2d
fati
+η3d
beha
其中，d
emo
是驾驶员情绪风险因子，d
fati
是驾驶员疲劳风险因子，d
beha
是驾驶员行为风险因子，η1、η2、η3分别为各风险因子权重系数。3.根据权力要求1所述的车辆安全态势评估及稳态驾驶模式切换方法，其特征在于，在s1中：所述车辆运行状态参数包括速度、加速度和转角；所述行驶环境状态参数包括包含车外图像的车辆四周环境信息和包含车周车辆及障碍物信息的雷达点云图；根据所述车辆运行状态参数和行驶环境状态参数计算车辆外场安全态势时，将车外图像及雷达点云图进行模态融合，输入yolov7深度神经网络并综合车辆运行状态参数后，得到车辆所处车道信息、车辆速度和加速度信息，邻近车辆相对本车车辆的位置、速度和加速度信息，提取驾驶风险因子，综合计算出车辆外场安全态势，添加时间戳后发送至车辆驾驶控制权移交装置；所述车辆外场安全态势e
ex
的计算可公式化为：其中，r
ij
表示邻近车辆i与本车车辆j之间的距离，k1、k2、g均为大于0的预设参数，m
i
为邻近车辆i的等效质量，r为本车车辆所处道路条件影响因子，v
i
为邻近车辆i的速度，θ
i
是邻近车辆i速度方向与r
ij
的夹角，并规定顺时针方向为正，n为邻近车辆的数目。4.根据权力要求3所述的车辆安全态势评估及稳态驾驶模式切换方法，其特征在于，邻近车辆的等效质量m
i
可公式化为：
m
i
＝m
i
(1+α1v
i
+α2a
i
)其中，m
i
是邻近车辆i的质量，α1、α2为大于0的预设参数，v
i
是邻近车辆i的速度，a
i
是邻近车辆i的加速度；道路条件影响因子r可公式化为：r＝β1f
cur
+β2f
slo
+β3f
vis
其中，β1、β2、β3为大于0的预设参数，f
cur
为道路曲率，f
slo
为道路坡度，f
vis
为道路能见度。5.根据权力要求1至4任一项所述的车辆安全态势评估及稳态驾驶模式切换方法，其特征在于，在s2中：所述输出指令的规则如下：当内场风险等级判定为正常、外场风险等级判定为正常时，输出指令a1；当内场风险等级判定为正常、外场风险等级判定为危险时，输出指令a2；当内场风险等级判定为危险、外场风险等级判定为正常时，输出指令b1；当内场风险等级判定为危险，外场风险等级判定为危险时，输出指令b2。6.根据权力要求5所述的车辆安全态势评估及稳态驾驶模式切换方法，其特征在于，在s3中：车辆驾驶控制权移交装置根据相邻时刻的指令，进行驾驶权移交判定时，包含以下情形：情形一：指令在相邻时刻保持a1以及由b1变更为a1时，保持自动驾驶系统掌握驾驶权；情形二：指令在相邻时刻由a1变更为a2、由b1变更为a2以及由a2变更为b1时，提示驾驶员，并在提示后4s内将控制权由自动驾驶系统转移至驾驶员；情形三：指令在相邻时刻保持b1以及由a1变更为b1时，提示驾驶员，并保持自动驾驶系统掌握驾驶权；情形四：指令在相邻时刻由a1变更为b2、由a2变更为b2以及由b1变更为b2时，提示驾驶员，并控制车辆减速至低速状态；情形五：指令在相邻时刻由a2变更为a1时，提示驾驶员，并在提示后4s内将控制权由驾驶员转移至自动驾驶系统；情形六：指令在相邻时刻保持a2时，保持驾驶员掌握驾驶权；情形七：指令在相邻时刻由b2变更为a1时，提示驾驶员，并在提示后4s内由低速状态转为自动驾驶系统掌握驾驶权；情形八：指令在相邻时刻由b2变更为a2时，提示驾驶员，并在提示后4s内由低速状态转为驾驶员掌握驾驶权；情形九：指令在相邻时刻由b2变更为b1时，提示驾驶员，并在提示后4s内由低速状态转为自动驾驶系统掌握驾驶权；情形十：指令在相邻时刻保持b2时，提示驾驶员，并维持低速状态。7.一种车辆安全态势评估及稳态驾驶模式切换系统，其特征在于，包括：车辆总线网络，与车辆总线网络连接的车辆驾驶控制权移交装置，与车辆驾驶控制权移交装置连接的驾驶员状态行为感知装置和车辆信息及车周环境信息感知装置；所述驾驶员状态行为感知装置用于采集驾驶员多模态参数，进而计算出车辆内场安全
态势并发送给车辆驾驶控制权移交装置；所述车辆信息及车周环境信息感知装置用于采集车辆运行状态参数以及行驶环境状态参数，进而计算出车辆外场安全态势并发送给车辆驾驶控制权移交装置；所述车辆驾驶控制权移交装置用于接收车辆内场安全态势信息和外场的安全态势信息，根据安全态势信息进行风险等级判定并输出指令，并根据相邻时刻指令对车辆总线网络发送驾驶控制权的稳态移交操作信息。8.根据权利要求7所述的车辆安全态势评估及稳态驾驶模式切换系统；其特征在于，所述驾驶员状态行为感知装置还用于对多模态参数的参数特征提取；所述车辆信息及车周环境信息感知装置还用于提取驾驶风险因子；所述车辆驾驶控制权移交装置还用于通过车辆的扬声器和氛围灯对驾驶员发出预警提示信息。9.根据权利要求8所述的车辆安全态势评估及稳态驾驶模式切换系统；其特征在于，所述驾驶员状态行为感知装置包括：用于采集驾驶员的面部表情、头部姿态、躯干姿态的一个以上高清网络摄像头和一个红外摄像头，所述一个以上高清网络摄像头安装于车辆前挡风玻璃上方，所述红外摄像头安装于车辆a柱内侧上端；用于采集驾驶员的呼吸率、皮肤电、心率的生理信息监测手环，所述生理信息监测手环佩戴于驾驶员非惯用手的手腕处；用于采集驾驶员的语音语调的音频收集器；用于对多模态参数通过基于降噪自编码深度网络进行预处理并提取特征，并通过多任务卷积神经网络得到驾驶员的疲劳状态、情绪状态及驾驶操作动作，进而计算出车辆内场安全态势的信息处理模块。10.根据权利要求8所述的车辆安全态势评估及稳态驾驶模式切换系统；其特征在于，所述车辆信息及车周环境信息感知装置包括：安装于车辆内部用于采集车辆运行状态参数的gps定位器、速度传感器、加速度传感器和方向盘转角传感器；安装于车辆外部用于对车外的道路环境信息及邻近车辆信息进行探测的高清网络摄像头和车载激光雷达；用于对采集到的外部图像信息和外部雷达点云信息通过yolov7深度神经网络进行处理，识别提取驾驶风险因子，并综合车辆运行状态参数计算出车辆外场安全态势的信息处理模块。11.根据权利要求8所述的车辆安全态势评估及稳态驾驶模式切换系统；其特征在于，所述车辆驾驶控制权移交装置包括：安全态势判定模块和控制权移交模块；所述安全态势判定模块用于接收车辆内场安全态势信息和外场的安全态势信息，进行风险等级判定并输出指令至所述控制权移交模块；所述控制权移交模块用于接收所述安全态势判定模块发送的指令，并根据指令通过车辆总线网络对车辆的转向机构、加速机构、制动机构发出调整信息。

技术总结
本发明公开了一种车辆安全态势评估及稳态驾驶模式切换方法及系统。在车辆总线网络、车辆驾驶控制权移交装置、驾驶员状态行为感知装置和车辆信息及车周环境信息感知装置相互协作的系统中，通过驾驶员状态行为感知装置采集驾驶员驾驶过程中的多模态参数，计算出车辆内场安全态势；通过车辆信息及车周环境信息感知装置采集车辆运行状态参数以及行驶环境状态参数，计算出车辆外场安全态势；车辆驾驶控制权移交装置根据车辆内外场安全态势，进行驾驶风险等级判定并输出指令；根据相邻时刻的指令，进行驾驶权移交判定，并向车辆总线网络发送判定结果。本发明提高了自动驾驶的安全性和自动驾驶的驾驶权移交的平稳性。自动驾驶的驾驶权移交的平稳性。自动驾驶的驾驶权移交的平稳性。


技术研发人员：彭勇 向国梁 易深根 邓涵文 姚松 王兴华 汪馗 于天剑 伍贤辉
受保护的技术使用者：中南大学
技术研发日：2023.02.08
技术公布日：2023/6/27