CN114735001A - 车辆碰撞风险的预测方法、装置、电子设备和存储介质 - Google Patents

Abstract

本发明实施例公开了一种车辆碰撞风险的预测方法、装置、电子设备和存储介质。该车辆碰撞风险的预测方法包括：根据待预测车辆与目标障碍物的当前状态信息确定当前碰撞风险值；其中，障碍物包括如下至少一项：车辆、行人和停止线；根据所述目标障碍物的决策信息确定所述目标障碍物的决策影响系数；根据所述当前碰撞风险值和所述决策影响系数预测所述目标障碍物与所述待预测车辆的最终碰撞风险。本发明实施例达到了根据待预测车辆与目标障碍物的当前信息和目标障碍物的决策信息预测目标障碍物与待预测车辆的最终碰撞风险的效果。

Description

车辆碰撞风险的预测方法、装置、电子设备和存储介质

技术领域

本发明实施例涉及智能汽车技术领域，尤其涉及一种车辆碰撞风险的预测方法、装置、电子设备和存储介质。

背景技术

随着智能汽车的发展，对于在复杂应用场景下车辆行驶的研究越来越深入，对车辆碰撞风险预测的研究越来越深。

当前的车辆碰撞风险预测会根据目标障碍物与待预测车辆的相对距离、相对速度以及制动距离来判断是否会相撞。

这种风险预测只能在简单路况下进行预测，并不能有效的预测现实中待预测车辆在复杂路况下行驶所面临的各种碰撞风险。

发明内容

本发明实施例提供一种车辆碰撞风险的预测方法、装置、电子设备和存储介质，可识别到潜在风险目标，提前预测风险目标的运动，基于目标障碍物与待预测车辆的决策行为、交通规则进行风险评估。

第一方面，本发明实施例提供了一种车辆碰撞风险的预测方法，包括：

根据待预测车辆与目标障碍物的当前状态信息确定当前碰撞风险值；其中，障碍物包括如下至少一项：车辆、行人和停止线；

根据所述目标障碍物的决策信息确定所述目标障碍物的决策影响系数；

根据所述当前碰撞风险值和所述决策影响系数预测所述目标障碍物与所述待预测车辆的最终碰撞风险。

第二方面，本发明实施例还提供了一种车辆碰撞风险的预测装置，包括：

当前碰撞风险值确定模块，用于根据待预测车辆与目标障碍物的当前状态信息确定当前碰撞风险值；其中，障碍物包括如下至少一项：车辆、行人和停止线；

决策影响系数确定模块，用于根据所述目标障碍物的决策信息确定所述目标障碍物的决策影响系数；

最终碰撞风险预测模块，用于根据所述当前碰撞风险值和所述决策影响系数预测所述目标障碍物与所述待预测车辆的最终碰撞风险。

第三方面，本发明实施例还提供了一种电子设备，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明任一实施例所述的车辆碰撞风险的预测方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明任一实施例所述的车辆碰撞风险的预测方法。

本发明实施例通过确定目标障碍物的当前状态风险值以及决策影响系数预测最终碰撞风险，克服了传统方法中不能有效预测目标障碍物的行为造成的不必要的刹车或者刹车不及时的缺陷，达到了提前预测目标障碍物行为带来的碰撞风险，以减少刹车误报以及提高碰撞预测准确性，提高乘客的舒适性和安全性的效果。

附图说明

图1是本发明实施例一中的车辆碰撞风险的预测方法的流程图；

图2是本发明实施例一中待预测车辆与目标障碍物位置关系的示意图；

图3是本发明实施例一中根据相对速度确定的碰撞风险量化示意图；

图4是本发明实施例二中目标障碍物为车辆的车辆碰撞风险的预测方法的流程图；

图5是本发明实施例二中的车辆碰撞风险的预测方法中目标障碍物为目标车辆的情况下，目标车辆与待预测车辆位置关系的示意图；

图6是本发明实施例三中目标障碍物为行人的车辆碰撞风险的预测方法的流程图；

图7是本发明实施例三中的车辆碰撞风险的预测方法中目标障碍物为目标行人的情况下，目标行人与待预测车辆位置关系的示意图；

图8是本发明实施例三中根据行人的区域和速度确定个体碰撞风险系数的量化示意图；

图9是本发明实施例三中目标障碍物为停止线的车辆碰撞风险的预测方法的流程图；

图10是本发明实施例四中目标障碍物为目标停止线情况下，目标停止线与待预测车辆位置关系的示意图；

图11是本发明实施例五中的车辆碰撞风险的预测装置的结构示意图；

图12是本发明实施例六中的电子设备的结构示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

实施例一

图1是本发明实施例一中的车辆碰撞风险的预测方法的流程图，本实施例可适用于对复杂场景下车辆碰撞风险预测的情况。该方法可以由车辆碰撞风险的预测装置来执行，该装置可以采用软件或硬件的方式实现，并可配置在电子设备中，例如电子设备可以是计算机等具有通信和计算能力的设备。如图1所示，该方法具体包括：

S101、根据待预测车辆与目标障碍物的当前状态信息确定当前碰撞风险值；其中，障碍物包括如下至少一项：车辆、行人和停止线。

其中，待预测车辆为车辆碰撞风险预测方法所要保护的车辆；目标障碍物可以是可能与待预测车辆产生碰撞或者限制待预测车辆行为的物体；当前碰撞风险值用于表征待预测车辆与目标障碍物的碰撞可能性。

具体的，当前状态信息可以通过摄像头等识别装置、距离感应器等感应装置识别并获取。

在上述技术方案的基础上，可选的，当前状态信息至少包括待预测车辆与目标障碍物的相对距离、相对速度以及相对加速度；相应的，根据待预测车辆与目标障碍物的当前状态信息确定当前碰撞风险值，包括：根据待预测车辆与目标障碍物的相对距离、相对速度以及相对加速度确定碰撞时间；根据碰撞时间确定当前碰撞风险值。

其中，可以根据如下公式得到相对速度：v_r＝v_{目标障碍物}-v_{待预测车辆}；v_{待预测车辆}为待预测车辆的速度，v_{目标障碍物}为目标障碍物的速度，v_r为待预测车辆与目标障碍物的相对速度；

可以根据如下公式得到相对加速度a：

碰撞时间TTC的公式为

其中，TTC为碰撞时间，L_r为待预测车辆与目标障碍物的相对距离；相对加速度能够从更全面的计算碰撞时间。

这样设置的有益效果：根据相对距离、相对速度以及相对加速度能够准确判断出根据待预测车辆和目标障碍物的当前状态若要产生碰撞所耗费的时间，根据碰撞时间确定当前碰撞风险值以提高风险值确定的准确性，例如预先建议碰撞时间和当前碰撞风险值之间的映射关系，根据该映射关系确定当前碰撞风险值，其中映射关系可以根据实际碰撞确定精度进行确定，在此不作限定。

具体的，以目标障碍物为车辆作示例，行人以及停止线可以参考进行确定，在此不再赘述。图2是待预测车辆与目标障碍物位置关系的示意图，其中，待预测车辆为本车100，目标障碍物为车辆300。车辆300在本车100所在的本车道的正前方，本车100通过测量本车100与车辆300的相对速度、相对加速度进行风险评估。为简化表示方式，本例将相对加速度设为0，根据相对距离与相对速度预先建立碰撞风险量化示意图，如图3所示为根据相对速度确定的碰撞风险量化示意图，其中，横坐标表示待预测车辆与目标障碍物的相对距离，纵坐标表示待预测车辆与目标障碍物的相对速度。当前碰撞风险值R_{本车，目标}可采用如下方法进行量化：

1)v_r＝v_{目标障碍物}-v_{待预测车辆}；根据TTC的计算公式

可计算出当前状态下的碰撞时间；

2)预先设置碰撞时间安全值TTC_safe，用于表征无碰撞风险的安全碰撞时间，示例性的可以是4秒(该值可根据实际碰撞精度进行调整，在此不作限定)；

3)TTC小于TTC_safe，则认为当前碰撞风险值为第一风险值，TTC大于2*TTC_safe，则可认为当前碰撞风险值为第二风险值，TTC大于TTC_safe且小于2*TTC_safe时，可以按照线性取值，其中，第一风险值大于第二风险值。示例性的，第一风险值为1，第二风险值为0，则当前碰撞风险值根据碰撞时间进行量化表示的表达式如下所示：

其中，当目标为车辆时，则R本车，车辆为待预测车辆与目标障碍物的当前碰撞风险值。

风险评估也可用本车的最大刹车能力下的刹车距离，前车的减速，以及当前的相对速度和相对距离，进行风险评估。

S102、根据目标障碍物的决策信息确定目标障碍物的决策影响系数。

其中，决策信息可以是根据目标障碍物表现出的对碰撞风险会产生影响的行为信息，比如，可以是目标车辆的刹车行为信息或者转向行为信息，目标行人的行走行为信息以及交通信号灯；决策信息可以通过设置在待预测车辆上的摄像头、雷达等信息获取装置获得。

由于目标障碍物的行为信息可能会对于待预测车辆之间的碰撞风险产生影响，因此需要根据该决策信息确定目标障碍物的该决策对碰撞风险带来的决策影响系数。例如，前方车辆的刹车以及变道到本车道内会增加与待预测车辆之间的碰撞风险，以及行人可能会随时停止行走行为，也会减少与待预测车辆之间的碰撞风险。

具体的，决策影响系数可以通过预设的决策信息与决策影响系数之间的映射关系确定。

S103、根据当前碰撞风险值和决策影响系数预测目标障碍物与待预测车辆的最终碰撞风险。

其中，按照如下公式进行最终碰撞风险的计算：

R_{系统，目标障碍物}＝R_{本车，目标障碍物}*R_{目标障碍物}

其中，R_{系统，目标障碍物}为最终碰撞风险，R_{目标障碍物}为决策影响系数。

本申请实施例的技术方案，通过提前识别潜在碰撞风险目标障碍物的决策行为对碰撞风险的影响，解决了现有技术不能识别潜在风险目标的决策带来的不同风险的问题，达到了对于潜在风险目标提前预警、根据目标障碍物决策信息修正碰撞风险的效果。

实施例二

图4是本发明实施例二中的目标障碍物为车辆的车辆碰撞风险的预测方法的流程图。本实施例在上述实施例的基础上，可选的是，目标障碍物为目标车辆，决策信息包括尾灯信息；其中，尾灯信息包括如下至少一种：刹车灯信息和转向灯信息；相应的，根据目标障碍物的决策信息确定目标障碍物的决策影响系数，包括：获取目标车辆的车道信息；根据尾灯信息以及车道信息确定目标车辆的决策影响系数。

如图4所示，该方法包括以下步骤：

S301、根据待预测车辆与目标车辆的当前状态信息确定当前碰撞风险值。

其中，目标车辆可以是待预测车辆所在车道或相邻车道内的车辆；待预测车辆车道内的车辆减速或相邻车道内的车辆变道到本车道的过程中可能会对待预测车辆的正常行驶产生碰撞风险，因此将处于同一车道或者相邻车道的车辆作为目标障碍物。

S302、获取目标车辆的车道信息，根据尾灯信息以及车道信息确定目标车辆的决策影响系数；其中，尾灯信息包括如下至少一种：刹车灯信息和转向灯信息。

其中，在检测到目标车辆的尾灯信息到检测到目标车辆行动这一段时间，就已经能够通过尾灯信息预测目标车辆的行为，目标车辆的行为变化会导致与待预测车辆的碰撞风险产生变化。因此根据目标车辆的尾灯信息代表的目标车辆的行为确定决策影响系数，以得到更加准确的最终碰撞风险。

在上述实施例的基础上，车道信息包括与待预测车辆处于同一车道和相邻车道；相应的，根据尾灯信息以及车道信息确定目标车辆的决策影响系数，包括：若车道信息为与待预测车辆处于同一车道，则根据刹车灯信息和目标车辆的减速状态确定目标车辆的决策影响系数；若车道信息为与待预测车辆处于相邻车道，则根据转向灯信息和目标车辆的运动轨迹确定目标车辆的决策影响系数。

图5为本发明实施例二提供的车辆碰撞风险的预测方法中目标障碍物为目标车辆的情况下，目标车辆与待预测车辆位置关系的示意图。待预测车辆100所在车道内正前方有目标车辆三300，相邻车道内有目标车辆二200。

具体的，与待预测车辆100处于同一车道内的目标车辆三300若没有采取刹车减速，对当前整个风险碰撞系统没有影响，则决策影响系数是是第一决策影响系数；当潜在本车道内的风险目标车辆300开始制动，即刹车灯亮起，因目标车辆三300的刹车系统延迟、待预测车辆100的测量系统延迟，此时确定的当前碰撞风险值虽然没变，但是碰撞风险已经增大，此时确定决策影响系数为第二决策影响系数；目标车辆三300若采取刹车，且待预测车辆100已经检测到其的减速行为，则可以根据目标车辆三300的当前减速状态确定碰撞风险，此时确定的决策影响系数是则为第三决策影响系数。其中，第一决策影响系数小于第二决策影响系数，第三决策影响系数小于第二决策影响系数。

示例性的，第一决策影响系数为1，第二决策影响系数为1.2，第三决策影响系数为1；

按照如下公式确定与待预测车辆100处于同一车道的目标车辆三300的决策影响系数R_车：

具体的，与待预测车辆100处于相邻车道内的目标车辆二200在没有转向需求的情况下，即转向灯处于关闭状态，与待预测车辆100之间的碰撞风险不会产生变化，确定此时的决策影响系数是第四决策影响系数；目标车辆二200在相邻车道亮起转向灯还未实施横向切入，需横向运动完成切入后才能产生碰撞风险，横向移动时间内风险会比已经在待预测车辆100车道内车辆的碰撞风险小，则决策影响系数是为第五决策影响系数；目标车辆二200采取换道动作时，将待预测车辆100相邻车道内的目标车辆二200的决策影响系数确定为第六决策影响系数。其中，第四决策影响系数小于第五决策影响系数，第五决策影响系数小于第六决策影响系数。

示例性的，第四决策影响系数为0，第五决策影响系数为0.9，第六决策影响系数为1；

按照如下公式确定与待预测车辆100处于相邻车道的目标车辆二200的决策影响系数R_车：

S303、根据当前碰撞风险值和决策影响系数预测目标障碍物与待预测车辆的最终碰撞风险。

其中，可按照如下公式计算出待预测车辆相对目标车辆的最终碰撞风险：

R_{系统，目标车辆}＝R_{待预测车辆，目标车辆}*R_车

其中，R_{系统，目标车辆}为待预测车辆与目标车辆的最终碰撞风险，R_{待预测车辆，目标车辆}为待预测车辆与目标车辆的当前碰撞风险值，R_车为目标车辆的决策影响系数。

具体的，能够按照如下公式计算出待预测车辆100相对目标车辆三300的最终碰撞风险：

R_{系统，目标车辆三}＝R_{待预测车辆，目标车辆三}*R_车

其中，R_{系统，目标车辆三}为待预测车辆100与目标车辆三300的最终碰撞风险，R_{待预测车辆，目标车辆三}为待预测车辆100与目标车辆三300的当前碰撞风险值，R_车为目标车辆三300的决策影响系数。

具体的，能够按照如下公式计算出待预测车辆100相对目标车辆二200的最终碰撞风险：

R_{系统，目标车辆二}＝R_{待预测车辆，目标车辆二}*R_车

其中，R_{系统，目标车辆二}为待预测车辆100与目标车辆二200最终碰撞风险，R_{待预测车辆，目标车辆二}为待预测车辆100与目标车辆二200的当前碰撞风险值，R_车为目标车辆二200的决策影响系数。

本申请实施例的技术方案，通过识别目标车辆尾灯信息并按照目标车辆不同的行为确定决策影响系数，解决了传统方法只是根据目标车辆运动状态和待预测车辆运动状态判断碰撞风险导致的判断延迟和不准确的问题，达到了在目标车辆进行刹车、变道等行为进行前预判与待预测车辆的碰撞风险，合理的调整决策影响系数，确保系统做出正确决策，比如：提前报警或刹车避让的效果。

实施例三

图6是本发明实施例三中目标障碍物为行人的车辆碰撞风险的预测方法的流程图。本实施例在上述实施例一的基础上，目标障碍物为目标行人，决策信息包括与目标行人处于同一行人横穿区域内的行人的行为信息；其中，行为信息至少包括位置信息和速度信息；相应的，根据目标障碍物的决策信息确定目标障碍物的决策影响系数，包括：根据目标行人的位置信息和速度信息确定目标行人的个体碰撞风险系数；若目标行人在行人横穿区域中的车道线范围内，则将个体碰撞风险系数作为目标行人的决策影响系数；若目标行人在行人横穿区域中的第一区域内，则根据位于车道线范围内是否存在行人对个体碰撞风险系数进行决策更新，得到决策影响系数；其中，第一区域为与车道线之间的距离小于或等于第一距离阈值范围；若目标行人在行人横穿区域中的第二区域内，则根据位于第一区域内的行人的行为信息，对个体碰撞风险系数进行决策更新，得到决策影响系数；其中，第二区域为与车道线之间的距离大于第一距离阈值且小于或等于第二距离阈值范围，第一距离阈值小于第二距离阈值。

如图6所示，该方法包括以下步骤：

S501、根据待预测车辆与目标行人的当前状态信息确定当前碰撞风险值。

其中，目标行人为路口行人横穿区域内的行人；行人的当前状态信息包括与待预测车辆的相对速度、相对距离、相对加速度；当前碰撞风险值的确定可以参考实施例一。

S502、根据目标行人的位置信息和速度信息确定目标行人的个体碰撞风险系数。

其中，位置信息和速度信息可以依靠设置在待预测车辆上的摄像头等识别装置、传感器等距离感应装置获得；个体碰撞风险系数是目标行人与待预测车辆在行人横穿区域碰撞的可能性；根据目标行人的位置信息和速度信息确定当待预测车辆经过行人横穿区域时目标行人的位置，目标行人的位置与待预测车辆越近，则个体碰撞风险系数越高。

具体的，图7是本发明实施例三中的车辆碰撞风险的预测方法中目标障碍物为目标行人的情况下，目标行人与待预测车辆位置关系的示意图，针对行人横穿场景，可以划分为4个区域：S1、S2、S3、S4，从左到右依次排列，其中，S1区域为车道线范围区域，S2为第一区域，S3为第二区域，S4为按照阈值进行递推的第三区域，同理，按照行人横穿区域的范围以及实际预测精度可以进行区域的进一步延伸，对所延伸的区域的数量并不作限制。

示例性的，目标行人处于待预测车辆100将要行驶过的区域时，目标行人的速度越大，通过所需时间越短，则个体碰撞风险系数越低，当目标行人在处于远离待预测车辆100方向行走时，则个体碰撞风险系数可以设置为0；

S1区域是车道线区域，车道线区域可以是待预测车辆100所在车道宽度、一个设定的范围或者待预测车辆100的宽度乘以一个系数A，系数A可以是根据待预测车辆100状态设定的，车辆状态可以包括：车速；示例性的，车道线的宽度可以是2.5米或者待预测车辆100宽度乘以1.1；如果行人不能在待预测车辆100到达前离开S1区域，会产生碰撞，若目标行人速度为0，则待预测车辆100经过必定与目标行人产生碰撞，个体碰撞风险系数可以设置为1，；S2区域是第一区域，S2区域的宽度可设定为3m；S3是第二区域，S3区域的宽度可设定为3.5m；S4区域是第三区域，S4区域的宽度可设定为4m；在S2、S3、S4区域，目标行人向车道线方向行走的速度越大，则个体碰撞风险系数为越高，可根据实际测试进行调整。如图8所示为根据行人的区域和速度确定个体碰撞风险系数的量化示意图。

S503、若目标行人在行人横穿区域中的车道线范围内，则将个体碰撞风险系数作为目标行人的决策影响系数。

决策影响系数是根据目标行人的行为信息以及目标行人附近行人的行为信息判断目标行人会继续进行当前行为的可能性；如果目标行人不能在待预测车辆100经过行人横穿区域前离开车道线，那么待预测车辆100一定会与目标行人产生碰撞，因此将车道线内的目标行人的个体碰撞系数作为决策影响系数；

S504、若目标行人在行人横穿区域中的第一区域内，则根据位于车道线范围内是否存在行人对个体碰撞风险系数进行决策更新，得到决策影响系数；其中，第一区域为与车道线之间的距离小于或等于第一距离阈值范围。

第一阈值为大于车道线的宽度，示例性的，第一阈值可以是3米；当目标行人处于第一区域内，车道线范围内有其他行人的时候，会对目标行人的行为产生影响，因此需要更新目标行人的决策影响系数；若在第一区域内的目标行人看到其他行人处于车道线内，正在通过行人横穿区域，目标行人跟随的可能性增加，目标行人的决策影响系数会增加，需要将决策影响系数更新为第一行人决策影响系数。

具体的，如图7所示，S1区域为车道线范围，S2区域为第一区域，S1区域中出现行人，则对S2区域中的目标行人起到了横穿示范作用，会激发S2区域中目标行人采取横穿动作。

示例性的，此时S2区域中目标行人的决策影响系数可以根据如下公式获得：

上式中，R_S2,man为S2区域中目标行人的在S1区域中行人的影响下的决策影响系数，R′_S2,man为目标行人的个体碰撞风险系数在S1区域存在行人时，确定R_S2,man的系数1.2可以根据实际情况进行修改，在此不对该系数的具体数值进行限制，该数值大于1。

S505、若目标行人在行人横穿区域中的第二区域内，则根据位于第一区域内的行人的行为信息，对个体碰撞风险系数进行决策更新，得到决策影响系数；其中，行为信息至少包括位置信息和速度信息。

其中，第二区域为与车道线之间的距离大于第一距离阈值且小于或等于第二距离阈值范围，第一距离阈值小于第二距离阈值。

其中，处于第二区域的目标行人会受到第一区域的行人影响，当第一区域的行人向行人横穿区域运动时，会影响第二区域的目标行人行为，使目标行人跟随通过行人横穿区域的可能性增大，将第二区域目标行人的决策影响系数更新为第二行人决策影响系数；当第一区域的行人处于静止状态等候待预测车辆100经过时，目标行人等候待预测车辆100经过的可能性减小，将第二区域的目标行人的决策影响系数更新为第三行人决策影响系数。

具体的，如图7所示，S1区域为车道线范围，S2区域为第一区域，S3区域为第二区域，当S2和S3三个区域都有行人时，行人会因周围人的行为，影响自己的行为。例如，行人1位于S2区域，行人2位于S3区域，行人3位于S4区域，行人1在S2区域发现了碰撞风险，停止过马路，行人2虽然没发现风险，但是看到行人1处于静止，则在行人2到达S2区域时，大概率会采取相同策略。同理，行人3会受到行人2的行动影响，若行人3发现行人2放慢脚步，则行人3也会采取相似策略。

在一个可行的实施例中，根据位于第一区域内的行人的行为信息，对个体碰撞风险系数进行决策更新，得到决策影响系数，包括：

根据位于第一区域内的各候选行人的位置信息和速度信息，确定各候选行人的候选个体碰撞风险系数；

根据候选个体碰撞风险系数确定第一区域的区域平均碰撞风险系数；

若所述区域平均碰撞风险系数等于零且所述第一区域内存在行人，则根据所述目标行人的个体碰撞风险系数和预设第一弱化系数的乘积确定所述目标行人的决策影响系数；其中，所述预设第一弱化系数小于1；

若所述区域平均碰撞风险系数等于零且所述第一区域内无行人，则将所述目标行人的个体碰撞风险系数作为所述目标行人的决策影响系数；

若所述区域平均碰撞风险系数不等于零，则根据所述目标行人的个体碰撞风险系数和所述区域平均碰撞风险系数的乘积确定所述目标行人的决策影响系数。

具体的，按照如下公式确定第二区域中目标行人的决策影响系数：

上式中，R_S(i-1)为S_i-1区域的区域平均碰撞风险系数，R′_Si,man为S_i区域中目标行人的个体碰撞风险系数，R_Si,man为S_i区域的目标行人的决策影响系数，0.4为预设第一弱化系数，其具体值可以根据实际情况进行调整，在此不作限制。

其中，各候选行人可以是第一区域内的部分或全部行人；其中第一区域的平均碰撞风险系数为区域内各候选行人碰撞风险系数的平均数；示例性的，如下公式可用于计算区域内各候选行人个体碰撞风险系数的平均数：

其中，R_群为区域内各候选行人个体碰撞风险系数的平均数，n为候选行人人数，R_i为区域内各候选行人各自的个体碰撞风险系数；当第一区域的平均碰撞风险系数为零时，代表着当前区域的行人不会在待预测车辆100按照当前状态行驶时产生碰撞。

S506、根据当前碰撞风险值和决策影响系数预测目标行人与待预测车辆的最终碰撞风险。

本车与单个行人的风险评估量化为：

R_{系统，(Si,man)}＝R_{本车，(Si,man)}*R_Si,man；

其中，R_{本车，(Si,man)}为待预测车辆100与Si区域目标行人的当前碰撞风险值，R_{本车，(Si,man)}可以是R_{本车，目标}的公式中，目标为行人时计算得到的；

R_{系统，(Si,man)}为待预测车辆100与Si区域目标行人的最终碰撞风险值；

R_Si,man为Si区域目标行人的决策影响系数。

车辆与人群的风险评估量化为：

R_系统，群＝R_本车，群*R_群；

其中，R_本车，群为待预测车辆100与人群的当前碰撞风险值,R_本车，群可以是R_{本车，目标}的公式中，目标为人群时计算得到的；

R_系统，群为待预测车辆100与人群的最终碰撞风险值；

R_群为人群的决策影响系数。

本申请实施例的技术方案，通过区分路口行人所在区域量化行人风险值，判断目标行人行为以及附近行人对目标行人的影响判断目标行人的决策影响系数，解决了传统方式下路人路口时待预测车辆进行不必要的刹车以及对于多个行人在路口不同区域时对行人行为不能准确判断的问题，达到了消除不必要的风险项并且有效、提前识别风险的效果。

实施例四

图9是本发明实施例四中目标障碍物为停止线的车辆碰撞风险的预测方法的流程图。本实施例在上述实施例的基础上，目标障碍物为目标停止线，决策信息包括与目标停止线关联的目标交通灯信息；相应的，根据目标障碍物的决策信息确定目标障碍物的决策影响系数，包括：基于预先确定交通灯信息与停止线决策影响系数之间的映射关系，根据目标交通灯信息确定目标停止线的决策影响系数。

S701、根据待预测车辆与目标停止线的当前状态信息确定当前碰撞风险值。

由于当目标交通灯信息变化时，导致目标停止线对于待预测车辆而言也可以认为是一个目标障碍物，例如需要在目标交通灯变红时，将待预测车辆停止在目标停止线前。其中，目标交通灯信息的当前状态信息可以是，交通灯的颜色、剩余时间以及待预测车辆距离目标停止线的距离、速度；当前碰撞风险值的确定可以参考实施例一。

S702、基于预先确定交通灯信息与停止线决策影响系数之间的映射关系，根据目标交通灯信息确定目标停止线的决策影响系数。

图10是本发明实施例三中的车辆碰撞风险的预测方法中目标障碍物为目标停止线情况下，目标停止线与待预测车辆位置关系的示意图。

其中，交通灯信息变化的时候，路口附近的行人的行为会产生变化，因此会影响行人的决策影响系数；比如，当待预测车辆100所在车道的交通灯信息为绿灯的时候，行人通过路口的可能性会比较小，故决策影响系数设置为第七决策影响系数；当待预测车辆100所在车道的交通灯信息为黄灯的时候，行人通过路口的可能性在增加，故决策影响系数设置为第八决策影响系数；当待预测车辆100所在车道的交通灯为红色时，停止线则转化为风险障碍物体，虽然此时静止行人的碰撞风险为零，但是行人会因红灯亮起，满足通行条件，可能通过行人横穿区域，故决策影响系数设置为第九决策影响系数。其中，第九决策影响系数大于第八决策影响系数，第八决策影响系数大于第七决策影响系数。

示例性的，可以按照如下公式确定目标停止线的决策影响系数R_线，交通灯为绿色时，目标停止线的决策影响系数为0；交通灯为黄色时，目标停止线的决策影响系数为0.9；交通灯为红色时，目标停止线的决策影响系数为1；

S703、根据当前碰撞风险值和决策影响系数预测目标停止线与待预测车辆的最终碰撞风险。

待预测车辆100与目标停止线的风险评估量化为：

R_系统，线＝R_本车，线*R_线；

其中，R_本车，线为待预测车辆100与目标停止线的当前碰撞风险值；

R_线为目标停止线的决策影响系数；

R_系统，线为待预测车辆100与目标停止线的最终碰撞风险。

本申请实施例的技术方案，通过获取交通灯信息并根据交通灯信息改变决策影响系数，解决了传统方法不能预测行人在交通灯信息变化时行为的变化的缺陷，达到了按照不同将交通灯信息提前预测行人行为的效果。

实施例五

图11是本发明实施例五中的车辆碰撞风险的预测装置的结构示意图，本实施例可适用于车辆碰撞风险的预测的情况。如图11所示，该装置包括：

当前碰撞风险值确定模块801，用于根据待预测车辆与目标障碍物的当前状态信息确定当前碰撞风险值；其中，障碍物包括如下至少一项：车辆、行人和停止线；

决策影响系数确定模块802，用于根据目标障碍物的决策信息确定目标障碍物的决策影响系数；

最终碰撞风险预测模块803，用于根据当前碰撞风险值和决策影响系数预测目标障碍物与待预测车辆的最终碰撞风险。

在本技术方案中，可选的，当前状态信息至少包括待预测车辆与目标障碍物的相对距离、相对速度以及相对加速度；

相应的，当前碰撞风险值确定模块801，包括：

根据待预测车辆与目标障碍物的相对距离、相对速度以及相对加速度确定碰撞时间；

根据碰撞时间确定当前碰撞风险值。

在本技术方案中，可选的，目标障碍物为目标车辆，决策信息包括尾灯信息；其中，尾灯信息包括如下至少一种：刹车灯信息和转向灯信息；

相应的，决策影响系数确定模块802，包括：

车道信息确定单元，用于获取目标车辆的车道信息；

决策影响系数确定单元，用于根据尾灯信息以及车道信息确定目标车辆的决策影响系数。

在本技术方案中，可选的，车道信息包括与待预测车辆处于同一车道和相邻车道；

相应的，决策影响系数确定单元，具体用于：

若车道信息为与待预测车辆处于同一车道，则根据刹车灯信息和目标车辆的减速状态确定目标车辆的决策影响系数；

若车道信息为与待预测车辆处于相邻车道，则根据转向灯信息和目标车辆的运动轨迹确定目标车辆的决策影响系数。

在本技术方案中，可选的，目标障碍物为目标行人，决策信息包括与目标行人处于同一行人横穿区域内的行人的行为信息；其中，行为信息至少包括位置信息和速度信息；

相应的，决策影响系数确定模块802，包括：

个体碰撞风险系数确定单元，用于根据目标行人的位置信息和速度信息确定目标行人的个体碰撞风险系数；

决策影响系数第一确定单元，用于若目标行人在行人横穿区域中的车道线范围内，则将个体碰撞风险系数作为目标行人的决策影响系数；

决策影响系数第二确定单元，用于若目标行人在行人横穿区域中的第一区域内，则根据位于车道线范围内是否存在行人对个体碰撞风险系数进行决策更新，得到决策影响系数；其中，第一区域为与车道线之间的距离小于或等于第一距离阈值范围；

决策影响系数第三确定单元，用于若目标行人在行人横穿区域中的第二区域内，则根据位于第一区域内的行人的行为信息，对个体碰撞风险系数进行决策更新，得到决策影响系数；其中，第二区域为与车道线之间的距离大于第一距离阈值且小于或等于第二距离阈值范围，第一距离阈值小于第二距离阈值。

在本技术方案中，可选的，决策影响系数第三确定单元，具体用于：

根据位于第一区域内的各候选行人的位置信息和速度信息，确定各候选行人的候选个体碰撞风险系数；

根据候选个体碰撞风险系数确定第一区域的区域平均碰撞风险系数；

若所述区域平均碰撞风险系数等于零且所述第一区域内存在行人，则根据所述目标行人的个体碰撞风险系数和预设第一弱化系数的乘积确定所述目标行人的决策影响系数；其中，所述预设第一弱化系数小于1；

若所述区域平均碰撞风险系数等于零且所述第一区域内无行人，则将所述目标行人的个体碰撞风险系数作为所述目标行人的决策影响系数；

若所述区域平均碰撞风险系数不等于零，则根据所述目标行人的个体碰撞风险系数和所述区域平均碰撞风险系数的乘积确定所述目标行人的决策影响系数。

在本技术方案中，可选的，目标障碍物为目标停止线，决策信息包括与目标停止线关联的目标交通灯信息；

相应的，决策影响系数确定模块802，具体用于：

基于预先确定交通灯信息与停止线决策影响系数之间的映射关系，根据目标交通灯信息确定目标停止线的决策影响系数。

本发明实施例所提供的车辆碰撞风险的预测装置可执行本发明任意实施例所提供的车辆碰撞风险的预测方法，具备执行车辆碰撞风险的预测方法相应的功能模块和有益效果。

实施例六

图12是本发明实施例六提供的一种电子设备的结构示意图。图12示出了适于用来实现本发明实施方式的示例性电子设备12的框图。图12显示的电子设备12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图12所示，电子设备12以通用计算设备的形式表现。电子设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储装置28，连接不同系统组件(包括系统存储装置28和处理单元16)的总线18。

总线18表示几类总线结构中的一种或多种，包括存储装置总线或者存储装置控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。

电子设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

系统存储装置28可以包括易失性存储装置形式的计算机系统可读介质，例如随机存取存储装置(RAM)30或高速缓存存储装置32。电子设备12可以进一步包括其它可移动或不可移动的、易失性或非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图12未显示，通常称为“硬盘驱动器”)。尽管图12中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储装置28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。

具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储装置28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。

电子设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该设备12交互的设备通信，和/或与使得该设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，电子设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图12示，网络适配器20通过总线18与电子设备12的其它模块通信。应当明白，尽管图12中未示出，可以结合电子设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

处理单元16通过运行存储在系统存储装置28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的车辆碰撞风险的预测方法，包括：

根据待预测车辆与目标障碍物的当前状态信息确定当前碰撞风险值；其中，障碍物包括如下至少一项：车辆、行人和停止线；

根据目标障碍物的决策信息确定目标障碍物的决策影响系数；

根据当前碰撞风险值和决策影响系数预测目标障碍物与待预测车辆的最终碰撞风险。

实施例七

本发明实施例七还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例所提供的车辆碰撞风险的预测方法，包括：

根据待预测车辆与目标障碍物的当前状态信息确定当前碰撞风险值；其中，障碍物包括如下至少一项：车辆、行人和停止线；

根据目标障碍物的决策信息确定目标障碍物的决策影响系数；

根据当前碰撞风险值和决策影响系数预测目标障碍物与待预测车辆的最终碰撞风险。

本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络包括局域网(LAN)或广域网(WAN)连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种车辆碰撞风险的预测方法，其特征在于，包括：

根据待预测车辆与目标障碍物的当前状态信息确定当前碰撞风险值；其中，障碍物包括如下至少一项：车辆、行人和停止线；

根据所述目标障碍物的决策信息确定所述目标障碍物的决策影响系数；

根据所述当前碰撞风险值和所述决策影响系数预测所述目标障碍物与所述待预测车辆的最终碰撞风险。

2.根据权利要求1所述的方法，其特征在于，所述当前状态信息至少包括所述待预测车辆与所述目标障碍物的相对距离、相对速度以及相对加速度；

相应的，根据待预测车辆与目标障碍物的当前状态信息确定当前碰撞风险值，包括：

根据所述待预测车辆与所述目标障碍物的相对距离、相对速度以及相对加速度确定碰撞时间；

根据所述碰撞时间确定当前碰撞风险值。

3.根据权利要求1所述的方法，其特征在于，所述目标障碍物为目标车辆，所述决策信息包括尾灯信息；其中，所述尾灯信息包括如下至少一种：刹车灯信息和转向灯信息；

相应的，根据所述目标障碍物的决策信息确定所述目标障碍物的决策影响系数，包括：

获取所述目标车辆的车道信息；

根据所述尾灯信息以及所述车道信息确定所述目标车辆的决策影响系数。

4.根据权利要求3所述的方法，其特征在于，所述车道信息包括与待预测车辆处于同一车道和相邻车道；

相应的，根据所述尾灯信息以及所述车道信息确定所述目标车辆的决策影响系数，包括：

若所述车道信息为与待预测车辆处于同一车道，则根据所述刹车灯信息和所述目标车辆的减速状态确定所述目标车辆的决策影响系数；

若所述车道信息为与待预测车辆处于相邻车道，则根据所述转向灯信息和所述目标车辆的运动轨迹确定所述目标车辆的决策影响系数。

5.根据权利要求1所述的方法，其特征在于，所述目标障碍物为目标行人，所述决策信息包括与所述目标行人处于同一行人横穿区域内的行人的行为信息；其中，所述行为信息至少包括位置信息和速度信息；

相应的，根据所述目标障碍物的决策信息确定所述目标障碍物的决策影响系数，包括：

根据所述目标行人的位置信息和速度信息确定所述目标行人的个体碰撞风险系数；

若所述目标行人在所述行人横穿区域中的车道线范围内，则将所述个体碰撞风险系数作为所述目标行人的决策影响系数；

若所述目标行人在所述行人横穿区域中的第一区域内，则根据位于所述车道线范围内是否存在行人对所述个体碰撞风险系数进行决策更新，得到决策影响系数；其中，所述第一区域为与车道线之间的距离小于或等于第一距离阈值范围；

若所述目标行人在所述行人横穿区域中的第二区域内，则根据位于第一区域内的行人的行为信息，对所述个体碰撞风险系数进行决策更新，得到决策影响系数；其中，所述第二区域为与车道线之间的距离大于第一距离阈值且小于或等于第二距离阈值范围，所述第一距离阈值小于所述第二距离阈值。

6.根据权利要求5所述的方法，其特征在于，根据位于第一区域内的行人的行为信息，对所述个体碰撞风险系数进行决策更新，得到决策影响系数，包括：

根据位于第一区域内的各候选行人的位置信息和速度信息，确定各候选行人的候选个体碰撞风险系数；

根据所述候选个体碰撞风险系数确定第一区域的区域平均碰撞风险系数；

若所述区域平均碰撞风险系数等于零且所述第一区域内存在行人，则根据所述目标行人的个体碰撞风险系数和预设第一弱化系数的乘积确定所述目标行人的决策影响系数；其中，所述预设第一弱化系数小于1；

若所述区域平均碰撞风险系数等于零且所述第一区域内无行人，则将所述目标行人的个体碰撞风险系数作为所述目标行人的决策影响系数；

若所述区域平均碰撞风险系数不等于零，则根据所述目标行人的个体碰撞风险系数和所述区域平均碰撞风险系数的乘积确定所述目标行人的决策影响系数。

7.根据权利要求1所述的方法，其特征在于，所述目标障碍物为目标停止线，所述决策信息包括与所述目标停止线关联的目标交通灯信息；

相应的，根据所述目标障碍物的决策信息确定所述目标障碍物的决策影响系数，包括：

基于预先确定交通灯信息与停止线决策影响系数之间的映射关系，根据所述目标交通灯信息确定所述目标停止线的决策影响系数。

8.一种车辆碰撞风险的预测装置，其特征在于，包括：

当前碰撞风险值确定模块，用于根据待预测车辆与目标障碍物的当前状态信息确定当前碰撞风险值；其中，障碍物包括如下至少一项：车辆、行人和停止线；

决策影响系数确定模块，用于根据所述目标障碍物的决策信息确定所述目标障碍物的决策影响系数；

最终碰撞风险预测模块，用于根据所述当前碰撞风险值和所述决策影响系数预测所述目标障碍物与所述待预测车辆的最终碰撞风险。

9.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的车辆碰撞风险的预测方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的车辆碰撞风险的预测方法。

Images