本發(fā)明涉及遠(yuǎn)程駕駛，尤其是涉及一種無人化測(cè)試遠(yuǎn)程駕駛系統(tǒng)的安全評(píng)估方法及系統(tǒng)。

背景技術(shù)：

1、伴隨著科學(xué)技術(shù)的蓬勃發(fā)展，近年來，自動(dòng)駕駛技術(shù)可謂百花齊放，然而，基于當(dāng)前的自動(dòng)駕駛技術(shù)，仍然無法完全擺脫人工駕駛安全員的協(xié)助控制，即車端需要有人監(jiān)測(cè)，特別是復(fù)雜的道路場(chǎng)景下，此時(shí)想要實(shí)現(xiàn)車端完全無人，遠(yuǎn)程駕駛技術(shù)是一種有效控制方案，在車端自動(dòng)自動(dòng)駕駛出現(xiàn)異常的情況下，通過遠(yuǎn)程接管控制車輛，擺脫困境。但是，為了確保遠(yuǎn)程駕駛行駛的安全性，一套可行有效的安全策略是當(dāng)下遠(yuǎn)程駕駛技術(shù)的發(fā)展的重要方向。

技術(shù)實(shí)現(xiàn)思路

1、鑒于以上問題，本發(fā)明提供了一種無人化測(cè)試遠(yuǎn)程駕駛系統(tǒng)的安全評(píng)估方法及系統(tǒng)，不僅針對(duì)遠(yuǎn)程駕駛系統(tǒng)可能出現(xiàn)的風(fēng)險(xiǎn)問題，制定有效的安全策略，能夠確保遠(yuǎn)程駕駛接管前后車輛行駛的安全，而且自動(dòng)駕駛出現(xiàn)異常能夠及時(shí)介入，保證安全。

2、為了實(shí)現(xiàn)上述目的及其他相關(guān)目的，本發(fā)明提供的技術(shù)方案如下：

3、一種無人化測(cè)試遠(yuǎn)程駕駛系統(tǒng)的安全評(píng)估方法，所述方法包括：

4、r1.遠(yuǎn)程駕駛系統(tǒng)接管自動(dòng)駕駛車輛過程中，采集遠(yuǎn)程駕駛端的視頻推流狀態(tài)的數(shù)據(jù)信息和網(wǎng)絡(luò)監(jiān)測(cè)狀態(tài)的數(shù)據(jù)信息，并實(shí)時(shí)獲取自動(dòng)駕駛端的車輛的故障診斷的數(shù)據(jù)信息和周圍環(huán)境的數(shù)據(jù)信息；

5、r2.基于所述遠(yuǎn)程駕駛端的視頻推流狀態(tài)的數(shù)據(jù)信息和網(wǎng)絡(luò)監(jiān)測(cè)狀態(tài)的數(shù)據(jù)信息，采用基于模糊規(guī)則的bp神經(jīng)網(wǎng)絡(luò)回歸預(yù)測(cè)算法對(duì)遠(yuǎn)程駕駛端的初步接管狀態(tài)進(jìn)行預(yù)測(cè)，得到預(yù)測(cè)后的遠(yuǎn)程駕駛端的初步接管狀態(tài)的數(shù)據(jù)信息；

6、r3.基于所述預(yù)測(cè)后的遠(yuǎn)程駕駛端的初步接管狀態(tài)的數(shù)據(jù)信息、所述自動(dòng)駕駛端的車輛的故障診斷的數(shù)據(jù)信息和周圍環(huán)境的數(shù)據(jù)信息，構(gòu)建基于改進(jìn)的遞歸神經(jīng)網(wǎng)絡(luò)的遠(yuǎn)程駕駛接管安全態(tài)勢(shì)預(yù)測(cè)模型，對(duì)遠(yuǎn)程駕駛接管的安全態(tài)勢(shì)進(jìn)行預(yù)測(cè)，得到預(yù)測(cè)后的遠(yuǎn)程駕駛接管的安全態(tài)勢(shì)的數(shù)據(jù)信息；

7、r4.基于所述預(yù)測(cè)后的遠(yuǎn)程駕駛接管的安全態(tài)勢(shì)的數(shù)據(jù)信息，構(gòu)建遠(yuǎn)程駕駛接管的安全評(píng)估函數(shù)g，對(duì)遠(yuǎn)程駕駛接管的安全性進(jìn)行評(píng)估，得到遠(yuǎn)程駕駛接管的安全評(píng)估的數(shù)據(jù)信息。

8、進(jìn)一步的，所述方法還包括：

9、r5.基于所述遠(yuǎn)程駕駛接管的安全評(píng)估的數(shù)據(jù)信息，設(shè)置預(yù)設(shè)閾值，若遠(yuǎn)程駕駛接管的安全評(píng)估小于預(yù)設(shè)閾值則不滿足要求，無法進(jìn)行遠(yuǎn)程接管，若遠(yuǎn)程駕駛接管的安全評(píng)估大于預(yù)設(shè)閾值則滿足要求，進(jìn)行遠(yuǎn)程接管自動(dòng)駕駛車輛。

10、進(jìn)一步的，在步驟r2中，所述采用基于模糊規(guī)則的bp神經(jīng)網(wǎng)絡(luò)回歸預(yù)測(cè)算法對(duì)遠(yuǎn)程駕駛端的初步接管狀態(tài)進(jìn)行預(yù)測(cè)包括：

11、r21.基于所述遠(yuǎn)程駕駛端的視頻推流狀態(tài)的數(shù)據(jù)信息和網(wǎng)絡(luò)監(jiān)測(cè)狀態(tài)的數(shù)據(jù)信息，建立遠(yuǎn)程駕駛端狀態(tài)模糊規(guī)則函數(shù)q，

12、

13、其中，x1為遠(yuǎn)程駕駛端的視頻推流狀態(tài)的數(shù)據(jù)信息，x2為遠(yuǎn)程駕駛端的網(wǎng)絡(luò)監(jiān)測(cè)狀態(tài)的數(shù)據(jù)信息，α1、α2和α3為遠(yuǎn)程駕駛端的狀態(tài)的模糊規(guī)則因子，對(duì)遠(yuǎn)程駕駛端的狀態(tài)的模糊規(guī)則矩陣進(jìn)行表征，得到遠(yuǎn)程駕駛端的狀態(tài)的模糊規(guī)則矩陣的數(shù)據(jù)信息；

14、r22.將所述遠(yuǎn)程駕駛端的狀態(tài)的模糊規(guī)則矩陣的數(shù)據(jù)信息輸入bp神經(jīng)網(wǎng)絡(luò)回歸預(yù)測(cè)模型進(jìn)行訓(xùn)練和學(xué)習(xí)，確定模型的預(yù)測(cè)函數(shù)w，

15、其中，y為遠(yuǎn)程駕駛端的狀態(tài)的模糊規(guī)則矩陣的數(shù)據(jù)信息，β1、β2和β3為模型的預(yù)測(cè)的懲罰因子，得到訓(xùn)練好的bp神經(jīng)網(wǎng)絡(luò)回歸預(yù)測(cè)模型；

16、r23.基于所述訓(xùn)練好的bp神經(jīng)網(wǎng)絡(luò)回歸預(yù)測(cè)模型，輸入所述遠(yuǎn)程駕駛端的狀態(tài)的模糊規(guī)則矩陣的數(shù)據(jù)信息，對(duì)遠(yuǎn)程駕駛端的初步接管狀態(tài)進(jìn)行預(yù)測(cè)，得到預(yù)測(cè)后的遠(yuǎn)程駕駛端的初步接管狀態(tài)的數(shù)據(jù)信息。

17、進(jìn)一步的，所述模糊的預(yù)測(cè)的懲罰因子β1、β2和β3為，

18、

19、

20、其中，y為遠(yuǎn)程駕駛端的狀態(tài)的模糊規(guī)則矩陣的數(shù)據(jù)信息。

21、進(jìn)一步的，所述遠(yuǎn)程駕駛端的狀態(tài)的模糊規(guī)則因子α1、α2和α3為，

22、

23、其中，x1為遠(yuǎn)程駕駛端的視頻推流狀態(tài)的數(shù)據(jù)信息，x2為遠(yuǎn)程駕駛端的網(wǎng)絡(luò)監(jiān)測(cè)狀態(tài)的數(shù)據(jù)信息。

24、進(jìn)一步的，在步驟r3中，所述構(gòu)建基于改進(jìn)的遞歸神經(jīng)網(wǎng)絡(luò)的遠(yuǎn)程駕駛接管安全態(tài)勢(shì)預(yù)測(cè)模型，對(duì)遠(yuǎn)程駕駛接管的安全態(tài)勢(shì)進(jìn)行預(yù)測(cè)包括：

25、r31.基于所述預(yù)測(cè)后的遠(yuǎn)程駕駛端的初步接管狀態(tài)的數(shù)據(jù)信息、所述自動(dòng)駕駛端的車輛的故障診斷的數(shù)據(jù)信息和周圍環(huán)境的數(shù)據(jù)信息，建立遞歸神經(jīng)網(wǎng)絡(luò)的時(shí)間序列函數(shù)p，

26、

27、其中，z1為預(yù)測(cè)后的遠(yuǎn)程駕駛端的初步接管狀態(tài)的數(shù)據(jù)信息，z2為自動(dòng)駕駛端的車輛的故障診斷的數(shù)據(jù)信息，z3為自動(dòng)駕駛端的車輛的周圍環(huán)境的數(shù)據(jù)信息，δ1、δ2和δ3為遞歸神經(jīng)網(wǎng)絡(luò)的時(shí)間序列的權(quán)重因子，對(duì)遠(yuǎn)程駕駛端接管車輛的時(shí)間序列進(jìn)行表征，得到遠(yuǎn)程駕駛端接管車輛的時(shí)間序列的數(shù)據(jù)信息；

28、r32.將所述遠(yuǎn)程駕駛端接管車輛的時(shí)間序列的數(shù)據(jù)信息輸入遠(yuǎn)程駕駛接管安全態(tài)勢(shì)預(yù)測(cè)模型進(jìn)行訓(xùn)練和學(xué)習(xí)，確定遠(yuǎn)程駕駛接管安全態(tài)勢(shì)預(yù)測(cè)函數(shù)s，

29、

30、其中，r為遠(yuǎn)程接管車輛的時(shí)間序列的數(shù)據(jù)信息，γ1、γ2和γ3為遠(yuǎn)程駕駛接管安全態(tài)勢(shì)的獎(jiǎng)勵(lì)因子，得到訓(xùn)練好的遠(yuǎn)程駕駛接管安全態(tài)勢(shì)預(yù)測(cè)模型；

31、r33.基于所述訓(xùn)練好的遠(yuǎn)程駕駛接管安全態(tài)勢(shì)預(yù)測(cè)模型，輸入所述遠(yuǎn)程駕駛端接管車輛的時(shí)間序列的數(shù)據(jù)信息，對(duì)遠(yuǎn)程駕駛接管的安全態(tài)勢(shì)進(jìn)行預(yù)測(cè)，得到預(yù)測(cè)后的遠(yuǎn)程駕駛接管的安全態(tài)勢(shì)的數(shù)據(jù)信息。

32、進(jìn)一步的，所述遠(yuǎn)程駕駛接管安全態(tài)勢(shì)的獎(jiǎng)勵(lì)因子γ1、γ2和γ3的約束條件為，

33、

34、進(jìn)一步的，所述遠(yuǎn)程駕駛接管的安全評(píng)估函數(shù)g為，

35、

36、其中，h為預(yù)測(cè)后的遠(yuǎn)程駕駛接管的安全態(tài)勢(shì)的數(shù)據(jù)信息，η1、η2和η3為遠(yuǎn)程駕駛接管的安全評(píng)估因子。

37、為了實(shí)現(xiàn)上述目的及其他相關(guān)目的，本發(fā)明還提供了一種無人化測(cè)試遠(yuǎn)程駕駛系統(tǒng)的安全評(píng)估系統(tǒng)，包括計(jì)算機(jī)設(shè)備，該計(jì)算機(jī)設(shè)備被編程或配置以執(zhí)行任意一項(xiàng)所述的無人化測(cè)試遠(yuǎn)程駕駛系統(tǒng)的安全評(píng)估方法的步驟。

38、為了實(shí)現(xiàn)上述目的及其他相關(guān)目的，本發(fā)明還提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，該計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)上存儲(chǔ)有被編程或配置以執(zhí)行任意一項(xiàng)所述的無人化測(cè)試遠(yuǎn)程駕駛系統(tǒng)的安全評(píng)估方法的計(jì)算機(jī)程序。

39、本發(fā)明具有以下積極效果：

40、1.本發(fā)明通過采用基于模糊規(guī)則的bp神經(jīng)網(wǎng)絡(luò)回歸預(yù)測(cè)算法對(duì)遠(yuǎn)程駕駛端的初步接管狀態(tài)進(jìn)行預(yù)測(cè)，并結(jié)合構(gòu)建基于改進(jìn)的遞歸神經(jīng)網(wǎng)絡(luò)的遠(yuǎn)程駕駛接管安全態(tài)勢(shì)預(yù)測(cè)模型，對(duì)遠(yuǎn)程駕駛接管的安全態(tài)勢(shì)進(jìn)行預(yù)測(cè)，不僅針對(duì)遠(yuǎn)程駕駛系統(tǒng)可能出現(xiàn)的風(fēng)險(xiǎn)問題，制定有效的安全策略，能夠確保遠(yuǎn)程駕駛接管前后車輛行駛的安全，而且自動(dòng)駕駛出現(xiàn)異常能夠及時(shí)介入，保證安全。

41、2.本發(fā)明通過構(gòu)建遠(yuǎn)程駕駛接管的安全評(píng)估函數(shù)g，對(duì)遠(yuǎn)程駕駛接管的安全性進(jìn)行評(píng)估，不僅能夠進(jìn)一步的保證遠(yuǎn)程駕駛接管自動(dòng)駕駛車輛的安全性和可靠性，而且可以實(shí)現(xiàn)車輛的無人化安全測(cè)試或運(yùn)營。