一种面向车路协同自动驾驶的关键路段辨识方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115830842A(43)申请公布日2023.03.21(21)申请号202211091151.3(22)申请日2022.09.07(71)申请人交通运输部公路科学研究所地址100088北京市海淀区西土城路8号(72)发明人牛树云尹升李斌高剑侯德藻汪林宋向辉郭宇奇张金金朱丽丽(74)专利代理机构北京市中闻律师事务所11388专利代理师李泽旭(51)Int.Cl.G08G1/01(2006.01)G08G1/0967(2006.01)权利要求书2页说明书5页附图2页(54)发明名称一种面向车路协同自动驾驶的关键路段辨识方法(57)摘要本发明依据静态信息将道路划分成若干个特征路段，构建特征路段静态信息量函数，基于信息熵方法构建特征路段动态信息量计算模型，建立融合自动驾驶车流量、静态信息量、动态信息量的特征路段综合信息效益函数，基于特征路段综合信息效益计算结果，根据交通管理者的需求，确定一个判断特征路段是否为关键路段的阈值，若特征路段的综合信息效益值大于等于该阈值，则该为关键路段，因此该发明能够面向车路协同自动驾驶，为路侧车路协同设施设备的布局优化奠定基础，同时为交通管理者进行自动驾驶安全风险评价和管控策略制定提供依据。CN115830842ACN115830842A权利要求书1/2页1.一种面向车路协同自动驾驶的关键路段辨识方法，其特征在于：该方法包括以下步骤：(1)依据道路类型或等级、道路属性、车道属性、道路几何特征的静态信息，将道路划分成若干个特征路段；(2)构建特征路段静态信息量函数，影响因素包括道路类型或等级、道路属性、车道属性、道路几何特征、道路设施种类及数量；(3)考虑交通运行环境的随机影响因素，基于信息熵方法，构建特征路段动态信息量计算模型；(4)建立融合自动驾驶车流量、静态信息量、动态信息量的特征路段综合信息效益函数；(5)基于特征路段综合信息效益计算结果，根据交通管理者的需求，确定一个判断特征路段是否为关键路段的阈值，若特征路段的综合信息效益值大于等于该阈值，则该为关键路段。2.根据权利要求1所述的面向车路协同自动驾驶的关键路段辨识方法，其特征在于：所述步骤(1)中，道路和车道的通用属性包含纵向坡度、曲率、横向坡度、航向；若道路类型或等级、道路属性、车道属性、道路几何特征中，有一个因素值发生了变化，则以发生变化位置的上、下游各100米处的断面为分割点，将道路划分成若干个子路段；将长度大于200米的子路段，再进行划分，细分为200米一个的特征路段，不足200米的部分作为一个特征路段，经上述过程，将道路划分成为长度不大于200米的若干个特征路段。3.根据权利要求2所述的面向车路协同自动驾驶的关键路段辨识方法，其特征在于：所述步骤(2)中，设道路划分后形成的特征路段数量为M，第j个特征路段涉及的静态信息种类有Gj种，j＝1，2，…，M，则第j个特征路段的静态信息量为fj(Gj)，其中，函数fj(·)＞0，且单调递增，特征路段的静态信息种类越多，则该路段的静态信息量越大。4.根据权利要求3所述的面向车路协同自动驾驶的关键路段辨识方法，其特征在于：所述步骤(3)中，设Nj表示特征路段j上影响车路协同自动驾驶的随机变量类别数，Θi表示随机变量Xi的取值空间，i＝1，2，…，Nj，则随机变量Xi的信息熵如下：其中，概率密度函数p(x)＝Pr(Xi＝x)，x∈Θi设第j个路段的信息量为h(j),其计算公式如下：5.根据权利要求4所述的面向车路协同自动驾驶的关键路段辨识方法，其特征在于：所述步骤(4)中，特征路段的信息效益除了与动、静态信息量有关外，还与特征路段上行驶的自动驾驶车辆数有关，设第j个特征路段上行驶的自动驾驶车辆数为vj,则建立特征路段综合信息效益函数如下：Ej＝vj·gj(fj(Gj)，h(j))2CN115830842A权利要求书2/2页其中，gj(f，h)为第j个特征路段的综合信息量，Ej为特征路段j的综合信息效益。6.根据权利要求5所述的面向车路协同自动驾驶的关键路段辨识方法，其特征在于：所述步骤(5)中，综合交通管理者及自动驾驶车辆行驶安全的需求，确定关键路段判定的综合信息效益阈值C，当特征路段的综合信息效益值大于阈值C时，则此特征路段为关键路段，具体判断公式如下：若特征路段为关键路段，则说明该特征路段信息量较大，或者静态信息较为复杂，或者动态随机变量的不确定性、无序性较强，对道路交通管理和自动驾驶车辆行驶安全造成较大的影响，需要采取有针对性的管理策略或车路协同设施设备的布局方案。7.根据权利要求6所述的面向车路协同自动驾驶的关键路段辨识方法，其特征在于：所述步骤(5)中，在面向不同的交通业务管理时，根据管理要求或经费预算情况，通过对C值的调整