本发明涉及计算机，尤其涉及一种智能汽车合规性在线监测方法及系统。
背景技术：
1、自动驾驶技术的发展正逐步转化为现实，其中关键的挑战之一是确保自动驾驶系统的行为能够符合交通法规。目前，为了实现这一目标，学术界和工业界已经进行了前期研究，以形式化地表达和验证交通规则。在自动驾驶领域，交通法规的形式化是确保驾驶行为合规性的基础。通过形式化表述，可以将通过具有模糊性人类自然语言所描述的交通法规或驾驶规范转化为计算机可理解的逻辑表达式，从而在自动驾驶系统中实施和验证。
2、在法规的形式化表达的研究方面，时间逻辑法(temporal logic，tl)已被验证其有效性。基于tl的方法通过引入时间维度，使得规则的表述能够反映出事件的时序关系。研究[1][2]表明tl已在多个领域得到应用，比如在感知、预测、规划等研究目标中，均需要对相关行为进行形式化表述。线性时间逻辑(ltl)[3]是一种基于命题逻辑和时间算子的方法，它已被用于运动规范和形式化交通规则[4]。为了解决ltl中离散时间概念的局限性，度量时间逻辑(mtl)[5]应运而生，用于形式化更全面的交通规则。这两种方法均能提供行为满足或违反的布尔值。针对时序量化问题，信号时间逻辑(stl)[6][7]提供了一个新的视角。stl引入了定量语义[8]，允许量化满足或违反法规的程度，即鲁棒性程度。研究者hekmatnejad等[9]和cho等[10]，li等[11]利用stl表述了一系列具体的安全距离规则和基本交通规则边界。quin和deshmukh[12]提出使用自回归综合移动平均模型来预测符合stl规范的行为。
3、在描述并评价驾驶行为的研究方面，现有技术使用移动端设备监测驾驶行为，以采集车辆运动参数，并将其判别为风险驾驶行为[13]。这些研究依赖于自我报告或警察报告，可能存在不完整或误差[14]。fu li等[15]基于移动端设备定义了四种危险驾驶行为，saiprasert等[16]则利用这些数据来判断攻击性驾驶事件。作为监测技术的一种应用示例，美国liberty mutual保险公司推出的奖励计划[17]通过车载设备监测驾驶行为，提供反馈和奖励，鼓励更安全的驾驶习惯。这种方法结合了实时数据收集和行为经济学原理，以实现行为的正向改变。
4、[1]k.esterle,l.gressenbuch,and a.knoll,“formalizing traffic rules formachine interpretability,”in proc.ieee connected and autom.veh.symp.,2020.
5、[2]s.maierhofer,a.-k.rettinger,e.c.mayer,et al.,“formalization ofinterstate traffic rules in temporal logic,”in proc.ieee intell.veh.symp.,2020,pp.752-759.
6、[3]a.pnueli,“the temporal logic of programs,”inannu.symp.found.comput.sci.,1977,pp.46-57.
7、[4]e.plaku and s.karaman,“motion planning with temporal-logicspecifications:progress and challenges,”ai commun.,vol.29,no.1,pp.151-162,2016.
8、[5]r.koymans,“specifying real-time properties with metric temporallogic,”real-time syst,vol.2,no.4,pp.255-299,1990.
9、[6]o.maler and d.nickoviˇc,“monitoring temporal properties of′continuous signals,”in formal techniques,modelling and anal.timed fault-tolerant syst.,2004,pp.152-166.
10、[7]g.fainekos and g.j.pappas,“robustness of temporal logicspecifications for continuous-time signals,”theor.comput.sci.,vol.410,no.42,pp.4262-4291,2009.n.arechiga,
11、[8]“specifying safety of autonomous vehicles in signal temporallogic,”in proc.of the ieee intelligent vehicles symposium,2019,pp.58-63.
12、[9]m.hekmatnejad,s.yaghoubi,a.dokhanchi,et al.,“encoding andmonitoring responsibility sensitive safety rules for automated vehicles insignal temporal logic,”in proc.acm-ieee int.conf..formal methods and modelssyst.design,2019,article no.6.
13、[10]k.cho,t.ha,g.lee,et al.,“deep predictive autonomous driving usingmulti-agent joint trajectory prediction and traffic rules,”in proc.ieee/rsjint.conf.intell.robots and syst.,2019,pp.2076-2081.
14、[11]x.li,g.rosman,i.gilitschenski,et al.,“vehicle trajectoryprediction using generative adversarial network with temporal logic syntaxtree features,”ieee robot.autom.lett.,vol.6,no.2,pp.3459-3466,2021.
15、[12]x.qin and j.v.deshmukh,“clairvoyant monitoring for signaltemporal logic,”in formal modeling and anal.timed syst.,2020,pp.178-195.
16、[13]eren h,makinist s,akin e,et al.estimating driving behavior by asmartphone[c].ieee intelligent vehicles symposium,2012:234-239.
17、[14]simons-morton b g,ouimet m c,zhang z,et al.crash and riskydriving involvement among novice adolescent drivers and their parents[j].american journal of public health,2011,101(12):2362-2367.
18、[15]li f,zhang h,che h,et al.dangerous driving behavior detectionusing smartphone sensors[c]//international conference on intelligenttransportation systems.rio de janeiro，brazil:ieee，2016:1902-1907.
19、[16]saiprasert c,pholprasit t,thajchayapong s,et al.detection ofdriving events using sensory data on smartphone[j].international journal ofintelligent transportation systems research,2017,15(1):17-28.
20、[17]liberty mutual insurance.welcome to righttrack by lib-ertymutual.accessed:apr.2,2019.[online].available
21、现有技术在自动驾驶规范化模型构建方面，主要聚焦于简单规则的形式化描述，忽视了针对人类驾驶员在多样化实际驾驶环境中的行为合规性研究。虽然部分研究尝试为自动驾驶设定安全规范边界，但这些研究普遍缺失对人类驾驶员的实时驾驶数据采集，以及对驾驶行为适宜性的深入分析，未能形成综合交通法规和驾驶习惯的合理性评价规范。
22、此外，在驾驶行为分析方面也存在局限。例如，对车辆状态的预测存在困难，利用智能手机进行数据采集时的误差和不稳定性问题。同时，大多数研究集中在风险驾驶行为，而非高质量且符合交通规则的优秀驾驶行为，导致对于优秀驾驶行为的认识和鼓励策略的缺乏。现有技术如项目等，虽然在识别驾驶行为方面取得了一定成果，但与交通规范的高度耦合性不足，未能充分评估和奖励符合规则的驾驶行为。
23、为了克服这些缺陷，本技术提出了一种智能汽车合规性在线监测方法及系统。能够确保智能汽车在复杂的交通环境中始终保持与现行道路交通安全法规的一致性，显著提升智能汽车的安全性和道路共享能力，为用户和其他道路使用者创造更加安全、高效的驾驶环境。
技术实现思路
1、本技术的目的是提供一种智能汽车合规性在线监测方法及系统，旨在解决上述的问题。
2、为实现上述目的，本技术提供如下技术方案：
3、本技术提供一种智能汽车合规性在线监测方法，包括：
4、获取交通法规与驾驶员的操作数据；
5、对所述交通法规进行语义化解析与映射，得到交通法规要素；对所述驾驶员的操作数据进行预处理，得到驾驶行为参数；
6、将所述驾驶行为参数输入构建的驾驶行为模型，基于所述交通法规要素与所述驾驶行为参数之间的映射，输出所述交通法规与驾驶行为耦合的合规性评估基准；
7、通过所述合规性评估基准，对智能汽车的合规性进行评估。
8、进一步的，所述对所述交通法规进行语义化解析与映射，得到交通法规要素的步骤中，具体包括下述步骤：
9、采用基于信号时序逻辑的序列-时空交规编码，将所述交通法规转化为逻辑表达式；所述逻辑表达式定义智能汽车在交通场景中遵循的行为模式；
10、基于逻辑表达式，对所述交通法规进行语义化解析与映射；采用变量提取场景中的相关信息；
11、通过变量按照类别进行分类，并定义对应的布尔表达式和时序公式；
12、通过所述布尔表达式和所述时序公式捕捉到驾驶员的操作数据与交通法规之间的动态关系。
13、进一步的，所述对所述驾驶员的操作数据进行预处理，得到驾驶行为参数的步骤中，具体包括下述步骤：
14、通过时间序列分析对所述驾驶员的操作数据进行降维和符号化；
15、将获取的所述驾驶员的操作数据通过无监督聚类方法进行特征选择、聚类参数优化与分类，得到驾驶行为参数。
16、进一步的，所述将所述驾驶行为参数输入构建的驾驶行为模型，基于所述交通法规要素与所述驾驶行为参数之间的映射，输出所述交通法规与驾驶行为耦合的合规性评估基准的步骤中，具体包括下述步骤：
17、采用隐马尔可夫模型追踪驾驶行为状态的转换；并采用长短时记忆网络处理时间序列数据，得到智能汽车的行为模式信息；
18、基于所述交通法规要素与所述驾驶行为参数之间的映射，输出所述交通法规与驾驶行为耦合的合规性评估基准。
19、进一步的，所述通过所述合规性评估基准，对智能汽车的合规性进行评估的步骤中，具体包括下述步骤：
20、采用量化语义学计算智能汽车的行驶轨迹与逻辑表达式之间的鲁棒性值，并通过所述鲁棒性值量化智能汽车的驾驶行为与交通法规的偏差；
21、基于获取智能汽车的实时数据和所述驾驶行为参数，通过预设的算法和模型，输出智能汽车的合规性评分。
22、进一步的，所述智能汽车的实时数据包括但不限于：车速、加速度、方向盘转角和刹车操作；
23、所述合规性评分低于预设阈值时，向驾驶员发送行为异常的提示。
24、本技术提供一种智能汽车合规性在线监测方法的系统，包括：
25、获取模块：获取交通法规与驾驶员的操作数据；
26、处理模块：对所述交通法规进行语义化解析与映射，得到交通法规要素；对所述驾驶员的操作数据进行预处理，得到驾驶行为参数；
27、模型构建模块：将所述驾驶行为参数输入构建的驾驶行为模型，基于所述交通法规要素与所述驾驶行为参数之间的映射，输出所述交通法规与驾驶行为耦合的合规性评估基准；
28、评估模块：通过所述合规性评估基准，对智能汽车的合规性进行评估。
29、本技术提供一种设备，所述设备包括处理器、与所述处理器耦接的存储器，其中，所述存储器存储有用于实现一种智能汽车合规性在线监测方法的程序指令；所述处理器用于执行所述存储器存储的所述程序指令以实现一种智能汽车合规性在线监测。
30、本技术提供一种存储介质，存储有处理器可运行的程序指令，所述程序指令用于执行一种智能汽车合规性在线监测方法。
31、本技术提供了一种智能汽车合规性在线监测方法及系统，具有以下有益效果：
32、(1)通过交通法规的语义化解析与映射分析，将复杂的交通法规转化为可量化的逻辑表达式和时序公式，为智能汽车在复杂交通环境中提供了实时、动态的合规性评估依据；这种转化和映射的方式，极大地提高了智能汽车对交通法规的理解和遵循能力，有助于减少违规行为的发生，从而保障道路交通安全；
33、(2)本技术利用量化语义学的方法定义了合规性边界，并实现了驾驶行为与规范之间的具体数值比较和评估，使得驾驶行为的合规性不再是一个模糊的概念，而是可以通过具体的数值来衡量和评估；不仅提高了评估的准确性和客观性，还为智能汽车的行为决策提供了更加明确和科学的依据；
34、(3)本技术还对智能汽车的驾驶行为进行实时监测和数据收集，实时收集并分析智能汽车在各种道路情况和驾驶条件下的操作数据，有助于监测和纠正驾驶行为中的不合规问题。
1.一种智能汽车合规性在线监测方法，其特征在于，包括：
2.根据权利要求1所述的一种智能汽车合规性在线监测方法，其特征在于，所述对所述交通法规进行语义化解析与映射，得到交通法规要素的步骤中，具体包括下述步骤：
3.根据权利要求1所述的一种智能汽车合规性在线监测方法，其特征在于，所述对所述驾驶员的操作数据进行预处理，得到驾驶行为参数的步骤中，具体包括下述步骤：
4.根据权利要求1所述的一种智能汽车合规性在线监测方法，其特征在于，所述将所述驾驶行为参数输入构建的驾驶行为模型，基于所述交通法规要素与所述驾驶行为参数之间的映射，输出所述交通法规与驾驶行为耦合的合规性评估基准的步骤中，具体包括下述步骤：
5.根据权利要求1所述的一种智能汽车合规性在线监测方法，其特征在于，所述通过所述合规性评估基准，对智能汽车的合规性进行评估的步骤中，具体包括下述步骤：
6.根据权利要求5所述的一种智能汽车合规性在线监测方法，其特征在于，所述智能汽车的实时数据包括但不限于：车速、加速度、方向盘转角和刹车操作；
7.一种根据权利要求1所述的一种智能汽车合规性在线监测方法的系统，其特征在于，包括：
8.一种设备，其特征在于，所述设备包括处理器、与所述处理器耦接的存储器，其中，所述存储器存储有用于实现权利要求1-6任一项所述的一种智能汽车合规性在线监测方法的程序指令；所述处理器用于执行所述存储器存储的所述程序指令以实现一种智能汽车合规性在线监测。
9.一种存储介质，其特征在于，存储有处理器可运行的程序指令，所述程序指令用于执行权利要求1-6任一项所述的一种智能汽车合规性在线监测方法。
