(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210477360.5 (22)申请日 2022.05.04 (65)同一申请的已公布的文献号 申请公布号 CN 114675742 A (43)申请公布日 2022.06.28 (73)专利权人 吉林大学 地址 130012 吉林省长 春市前进大街269 9 号 (72)发明人 孙博华　张宇飞　赵帅　李雅欣　 翟洋　马文霄　冷炘伦　吴官朴　 (74)专利代理 机构 长春市恒誉 专利代理事务所 (普通合伙) 22212 专利代理师 鞠传龙 (51)Int.Cl. G06F 3/01(2006.01) G06N 3/00(2006.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06V 40/70(2022.01)G06V 10/764(2022.01) G06V 10/762(2022.01) G06V 10/82(2022.01) (56)对比文件 CN 10421712 2 A,2014.12.17 CN 111688704 A,2020.09.2 2 JP 2021149200 A,2021.09.27 王金祥等.基于博弈论组合赋权TOP SIS法的 汽车碰撞危险态势评估. 《科 学技术与工程》 .2020,(第08 期), 刘俊.智能车辆人机协同转向控制策略研 究. 《中国优秀博硕士学位 论文全文数据库(博 士)》 .2020, 孙博华.考虑驾驶能力及驾驶习性的个性 化 人机共驾策略研究. 《中国优秀博硕士学位 论文 全文数据库(博士)》 .2021,(第2021年01期), C034-121. (续) 审查员 樊倩倩 (54)发明名称 一种面向高度自动驾驶的人机决策逻辑在 线校验方法 (57)摘要 本发明公开了一种面向高度自动驾驶的人 机决策逻辑在 线校验方法， 其方法为： 第一步、 数 据及信息流输入； 第二步、 在线评估周期进行计 算， 具体步骤为： 步骤一、 建立混杂态势评估模 型； 步骤二、 进行混杂态势在线评估； 步骤三、 进 行在线评估周期计算； 第三步、 对人机混合决策 模型进行综合评价， 具体步骤为： 步骤一、 进行人 机混合决策模型可解释性评价； 步骤二、 进行时 域决策结果预测； 步骤三、 进行已用知识库评价； 步骤四、 进行人机混合决策模型及知识库更新情 况判断； 步骤五、 进行人机混合决策模型综合评 价。 有益效果： 避免人机混合决策过程存在的算 法局限及故障隐患， 提高了人机混合决策的安全性及可信性。 [转续页] 权利要求书7页 说明书21页 附图5页 CN 114675742 B 2022.11.01 CN 114675742 B (56)对比文件 L. Hao 等.The E co-Drivi ng Considering Coordinated Co ntrol Strategy for the Intelligent Electric Vehicles. 《IE EE Access》 .2021,10 686-10698.2/2 页 2[接上页] CN 114675742 B1.一种面向高度自动驾驶的人机决策逻辑在线校验方法， 其特征在于： 其方法包括如 下步骤： 第一步、 数据及信息流输入， 具体步骤如下： 将传感器检测到的人 ‑交通混杂态势的多模态态势数据输入至在线评估周期计算模 型； 将在线评估计算周期、 人机 混合决策驾驶权评估结果、 人机 混合增强智能决策模型内参 以及人机混合决策内模结构输入至人机 混合决策综合评估模型， 作为人机 混合决策模型的 评估依据； 作为输入的人 ‑交通混杂态势的多模态态势数据中包含了可表征驾驶人驾驶 能力及驾 驶状态的驾驶人态势数据， 可表征车辆状态的车辆态势数据和可表征车辆周围交通环境状 态的环境态势数据； 驾驶人态势数据中， 驾驶人 的年龄、 驾龄、 驾驶里程以及受教育程度的 指标能够反映驾驶人的驾驶能力， 此外， 血流量脉冲、 皮肤电导以及眼动参数作为三个典型 的生理指标， 能够在一定程度上反映驾驶人的驾驶状态； 车辆态势数据包括平均车速、 加速 度标准差以及前轮转角标准差所反映的车辆纵向与横向运动状态的指标； 环境态势数据能 够反映车辆周围交通环境中的行车风险， 分为静态障碍物造成的风险与动态障碍物造成的 风险， 风险大小通过车头时距、 碰撞时间和相对速度的指标或建立行车风险场求解场 强的 方式来表征； 作为输入的人机混合决策模型的数据包含了模型中深度学习算法的神经元组结构与 计算结果、 模型内参、 模型已用知识库以及决策 结果； 第二步、 建立在线评估周期计算模型， 对在线评估周期进行计算， 具体步骤如下： 步骤一、 进行人 ‑交通混杂态势可观性分析及人 ‑交通混杂态势的多模态态势数据质量 分析， 建立包含 “人”态势及“交通”态势在内的混杂态势评估模型， 通过基于可观性量表的 参数分析， 评估特定驾驶情景产生的多模态场景信息的可观测程度； 通过基于参数逻辑 门 限的数据质量分析， 评估特定驾驶情景产生的多模态场景信息的传输质量； 步骤二、 进行人 ‑交通混杂态势危急程度在线评估， 通过对人 ‑交通混杂态势的多模态 态势数据进行聚类， 将表征驾驶人驾驶能力及驾驶状态的驾驶人态势数据、 表征车辆状态 的车辆态势数据和表征车辆周围交通环境状态的环境态势数据分类， 每一类对应人 ‑交通 混杂态势 危急程度的一个层级； 通过对聚类结果进 行降维， 降低人 ‑交通混杂态势 危急层级 的复杂度， 增加人 ‑交通混杂态势危急层级划分的合理性； 通过将聚类结果与物理世界映 射， 得到人 ‑交通混杂态势危险边界回归模型， 建立起多层级人 ‑交通混杂态势边界评价理 论体系； 步骤三、 进行在线评估周期计算， 通过建立基于二维线性规划的态势危险度与在线评 估周期映射模型， 确定人机混合决策在线评估 模型的计算周期； 第三步、 建立人机混合决策模型综合评价模型， 对人机混合决策模型进行综合评价， 具 体步骤如下： 步骤一、 进行人机混合决策模型可解释性评价， 人机混合决策评价模型通过对人机混 合增强决策中所用到的深度学习模型 的可解释性进行研究， 分析神经元组结构、 算力及计 算结果， 实现对人机混合决策模型 可解释性评价； 步骤二、 进行基于模型预测控制的滚动 时域决策结果预测， 通过模型预测控制模拟人 脑的决策过程， 根据驾驶员预瞄原理， 得到驾驶员在 滚动时域的决策结果； 通过模型预测控权　利　要　求　书 1/7 页 2 CN 114675742 B 3