CN102991498A - 基于多源信息融合的驾驶员跟驰行为模型 - Google Patents

Abstract

本发明公开了一种基于多源信息融合的驾驶员跟驰行为模型，是一种线性加速模型，将车间距、前车加速度、速度差作为模型中的多源信息输入变量，采用模糊积分和贝叶斯方法，将多源信息融合输入变量，决定产生下一步的车辆跟驰行驶模式；所述模型可使前车与后车同时移动，车辆的反应不会受到仿真步长的限制，同时能够通过控制器来实现真实空间、时间中的车辆移动。

Description

基于多源信息融合的驾驶员跟驰行为模型

技术领域

本发明属于汽车技术领域，具体涉及一种跟车行为模型系统。

技术背景

多源信息融合技术现已经成为智能化交通控制与管理系统开发和实现的关键技术，对提高交通系统管理效率、缓解拥挤、减少污染和能源消耗、培育未来新产业具有十分重要的理论价值和现实意义。虽然多源信息融合技术在上述领域取得了一些进展，但在驾驶员行为的研究中却未得到充分利用。现代化道路交通把人、车、路、环境(交通四要素)融为一体，成为动态与静态相结合的社会大系统。其中，人是主体因素，在协调和控制交通四要素中起举足轻重作用。鉴于此，本设计关于驾驶员行为的研究从人机控制和系统的观点出发，应用模糊逻辑、非参数统计等理论以及智能协同技术，对驾驶员任务集聚、协同反应过程，特别是多源信息融合，人机协同效能在不同路网环境中的实现等建模关键理论与方法进行研究，建立了驾驶员微观协同反应模型及算法。

发明内容

1.本发明的目的是：提供一种基于多源信息融合的驾驶员跟驰行为模型，是一种线性加速模型，将车间距、前车加速度、速度差作为模型中的多源信息输入变量，采用模糊积分和贝叶斯方法，将多源信息融合输入变量，决定产生下一步的车辆跟驰行驶模式；所述模型可使前车与后车同时移动，车辆的反应不会受到仿真步长的限制，同时能够通过控制器来实现真实空间、时间中的车辆移动。移动。

本发明利用模糊积分和贝叶斯方法描述驾驶员在复杂行驶环境中多源信息的融合过程，确定驾驶员任务集聚后，对车辆应采取的驾驶行为。

多源信息融合是对多个信息进行处理的理论和方法，可以把不同时间、空间的数据进行综合处理，从而得到对现实环境更精确、更可靠的描述。

其基本原理和出发点是：充分利用多个信息源，通过对它们及其提供信息的合理支配和使用，把多个信息源在空间或时间上的冗余或互补信息按照某种准则进行组合，以获得对被测对象的一致性解释或描述，使该信息系统由此获得比它各组成部分的子集所构成的系统更优越的性能。

作为道路交通系统的信息处理者、决策者、调节者和控制者，驾驶员是人-车-路-环境系统中最核心、最复杂的组成部分。

在行车过程中，驾驶员需要连续不断地从道路环境和车辆运行状况中获取道路交通和车辆运行等多源信息，并对其进行融合来决定产生下一步的车辆行驶模式。

具体的车辆行驶模式包括：加速行驶、减速行驶、跟车行驶等。

本发明所构建的车辆跟驰模型是一种线性加速模型，可以将车间距、前车加速度、速度差作为模型中的多源信息输入变量。该模型可使前车与后车同时移动，车辆的反应不会受到仿真步长的限制，同时能够通过控制器来实现真实空间、时间中的车辆移动。

基于多源信息融合的驾驶员跟驰行为模型车辆跟驰模型算法如下：

(1)前车速度降低时，为了保持前后车的间距，后车驾驶员采取的措施是尽量使车速等于前车的车速。

(2)最优车头时距(t_p)指的是当前后车辆处于稳定的车辆跟驰状态时的车头时距。

(3)处于稳定状态的车间距称为期望间距。期望间距是指前车的后档与后车的前保险杠之间的距离，它可以用下式来表达：

期望间距＝速度×最优车头时距

(4)线性的加(减)速模型能够表明驾驶员可以通过采取加速或减速的行为来达到它的期望速度。

相似的，在车辆跟驰过程中，驾驶员可以用同样的原理达到与前车的稳定状态。

(5)驾驶员的感觉域随前车速度和加速度以及车头时距变化。满足以上条件的车辆跟驰模型赋予每个驾驶员一个最优车头时距和一个刹车反应时间。

模型描述如下：假设前车和后车开始在t＝t₀时刻相距Δx并且它们有不同的速度，后车将在t＝t₁时刻以它的期望间距与前车达到稳定状态，跟驰行为模型公式为：

α(Δa)_t0+c×t²+(β(Δv)_t0+c+a_l×t_p)×t-(Δx)_t0+c+v_l×t_p＝0    (1-1)

式中，α，β——有待标定的常量；(何种常量)(是一个待定的数值，可以通过实测数据进行标定，就像数学方程式里的待定系数一样。)

t、t_p——达到稳定状态的时间和最优车头时距；

c——刹车反应时间；

(Δv)_t0+c＝(v_f-v_l)_t0+c；v_f、v_l——后车和前车的速度；

a_f、a_l——后车和前车的加速度；

t₀时刻是设定的开始时刻，t_0+c时刻即开始时刻t₀加上刹车反应时间c后的时刻)

引入一个可计算的加速度斜率，即加速度变化的快慢程度，它将后车带到一种稳定的状态；所述加速度斜率的值由以下公式求得：

s＝-2×((Δv)_t0+c+(Δa)_t0+c×t)/t²     (1-2)

其中，s是代表t₀到t₁时间行驶的距离。

这个斜率被应用在时间：

t＝t₀+c

在前一步长和当前步长的时间段内加速度和加速度斜率保持稳定的前提下，(计算机模型设计中模拟更新车辆运行状态)用于刷新车辆模型的算法如下：

(v)_t1＝(v)_t0+(a)_t0×T+0.5×s×T²

(x)_t1＝(x)_t0+(v)_t0×T+0.5×(a)_t0×T²+0.167×s×T²       (1-3)

式中，(v)_t1——t＝t₁时刻后车速度；

(v)_t0、(a)_t0——t＝t₀时刻后车速度和加速度；

(x)_t1——t＝t₁时刻后车所处的位置；

(x)_t0——t＝t₀时刻后车所处的位置；

T——刷新时间。

公式(1-3)应用的前提是在前一步长和当前步长的时间段内加速度和加速度斜率保持稳定。如果在这个时间段里反应时间和一个新的加速度被考虑，那么下面的公式被应用：

(v)_t1＝(v)_t0+(a)_t0×Δc+0.5×(s)_t0×(Δc)²+(a)_t0+Δc×(T-Δc)+0.5×(s)_t0+Δc×(T-Δc)²

(x)_t1＝(x)_t0+(v)_t0×Δc+0.5×(a)_t0×(Δc)²+0.167×(s)_t0×(Δc)²+(v)_t0+Δc×(T-Δc)+0.5×(a)_t0+Δc×(T-Δc)²+0.167×(s)_t0+Δc×(T-ΔC)²

                                                    (1-4)

式中，Δc——前一刷新时间与反应时间的差值；

(a)_t0+Δc——反应时间之后新的加速度；

(s)_t0+Δc——反应时间之后的新的加速度斜率；

(v)_t0+Δc——反应时间末的后车速度。

(v)_t0+Δc可以由下式得到：

(v)_t0+Δc＝(v)_t0+(a)_t0×(Δc)+0.5×(s)_t0×(Δc)            (1-5)

从公式(1-3)可以看出，应用到前一时间步长的反应时间，将被应用在当前步长和前一步长之间。

下面对本发明的实施例进行具体描述。

具体实施方式

本实施例将根据行车道上车辆跟驰的整个过程，对驾驶员从整个交通系统中获取、加工、贮存、使用相关信息的认知过程链进行抽象，运用认知心理学知识，并结合人的信息并行处理、竞争协作输出的思想，提出一种将直觉、分析和推理三者相结合的基于多源信息融合的驾驶员综合认知结构。

基于多源信息融合的驾驶员跟驰行为模型，其特征在于：是一种线性加速模型，将车间距、前车加速度、速度差作为模型中的多源信息输入变量，该模型可使前车与后车同时移动，车辆的反应不会受到仿真步长的限制，同时能够通过控制器来实现真实空间、时间中的车辆移动。

所述跟驰行为模式包括加速行驶、减速行驶和跟车行驶。

跟驰行为模型算法如下：

(1)当前车速度降低时，为了保持前后车的间距，后车驾驶员采取的措施是尽量使车速等于前车的车速。

(2)最优车头时距(t_p)指的是当前后车辆处于稳定的车辆跟驰状态时的车头时距。

(3)处于稳定状态的车间距称为期望间距。期望间距是指前车的后档与后车的前保险杠之间的距离，它可以用下式来表达：

期望间距＝速度×最优车头时距

(4)线性的加(减)速模型能够表明驾驶员可以通过采取加速或减速的行为来达到它的期望速度。

驾驶员加速、减速、跟车的行为模式随前车速度和加速度以及车头时距变化，满足以上条件的车辆跟驰模型赋予每个驾驶员一个最优车头时距和一个刹车反应时间，其模型描述如下：

假设前车和后车开始在t＝t₀时刻相距Δx并且它们有不同的速度，后车将在t＝t₁时刻以它的期望间距与前车达到稳定状态。跟驰模型公式为：

α(Δa)_t0+c×t²+(β(Δv)_t0+c+a_l×t_p)×t-(Δx)_t0+c+v_l×t_p＝0    (1-1)

式中，α，β——有待标定的常量；

t、t_p——达到稳定状态的时间和最优车头时距；

c——反应时间；

(Δv)_t0+c＝(v_f-v_l)_t0+c；

v_f、v_l——后车和前车的速度；

(Δa)_t0+c＝(a_f-a_l)_t0+c

a_f、a_l——后车和前车的加速度；

跟车模型由以下公式计算：

加速度斜率s的值可由以下公式求得：

s＝-2×((Δv)_t0+c+(Δa)_t0+c×t)/t²           (1-2)

这个斜率被应用在时间：

t＝t₀+c

在前一步长和当前步长的时间段内加速度和加速度斜率保持稳定的前提下，模型算法如下：

(v)_t1＝(v)_t0+(a)_t0×T+0.5×s×T²

(x)_t1＝(x)_t0+(v)_t0×T+0.5×(a)_t0×T²+0.167×s×T²

式中，(v)_t1——t＝t₁时刻后车速度；

(v)_t0、(a)_t0——t＝t₀时刻后车速度和加速度；

(x)_t1——t＝t₁时刻后车所处的位置；

(x)_t0——t＝t₀时刻后车所处的位置；

T——刷新时间。

在这个时间段里反应时间和一个新的加速度被考虑，应用如下公式。此时，应用到前一时间步长的反应时间，将被应用在当前步长和前一步长之间：

(v)_t1＝(v)_t0+(a)_t0×Δc+0.5×(s)_t0×(Δc)²+(a)_t0+Δc×(T-Δc)+0.5×(s)_t0+Δc×(T-Δc)²

(x)_t1＝(x)_t0+(v)_t0×Δc+0.5×(a)_t0×(Δc)²+0.167×(s)_t0×(Δc)²+(v)_t0+Δc×(T-Δc)+0.5×(a)_t0+Δc×(T-Δc)²+0.167×(s)_t0+Δc×(T-ΔC)²

式中，Δc——前一刷新时间与反应时间的差值；

(a)_t0+Δc——反应时间之后新的加速度；

(s)_t0+Δc——反应时间之后的新的加速度斜率；

(v)_t0+Δc——反应时间末的后车速度。

(v)_t0+Δc可以由下式得到：

(v)_t0+Δc＝(v)_t0+(a)_t0×(Δc)+0.5×(s)_t0×(Δc)

从公式(1-3)可以看出，应用到前一时间步长的反应时间，将被应用在当前步长和前一步长之间。

Claims (7)

1.基于多源信息融合的驾驶员跟驰行为模型，其特征在于：是一种线性加速模型，将车间距、前车加速度、速度差作为模型中的多源信息输入变量，采用模糊积分和贝叶斯方法，将多源信息输入变量融合，决定产生下一步的车辆跟驰行为模式；所述模型可使前车与后车同时移动，车辆的反应不会受到仿真步长的限制，同时能够通过控制器来实现真实空间、时间中的车辆移动。

2.根据权利要求1所述的基于多源信息融合的驾驶员跟驰行为模型，其特征在于：所述跟驰行为模式包括加速行驶、减速行驶和跟车行驶。

3.根据权利要求2所述的基于多源信息融合的驾驶员跟驰行为模型，其特征在于：跟驰行为模型算法如下：

(1)前车速度降低时，为了保持前后车的间距，后车驾驶员采取的措施是尽量使车速等于前车的车速。

(2)处于稳定状态的车间距称为期望间距。期望间距是指前车的后档与后车的前保险杠之间的距离，用下式来表达：

期望间距＝速度×最优车头时距

其中，最优车头时距(t_p)指的是当前后车辆处于稳定的车辆跟驰状态时的车头时距。

(3)线性的加速、减速模型能够表明驾驶员通过采取加速或减速的行为来达到它的期望速度。

4.根据权利要求3所述的基于多源信息融合的驾驶员跟驰行为模型，其特征在于：驾驶员加速、减速、跟车的行为模式随前车速度和加速度以及车头时距变化，满足以上条件的车辆跟 驰模型赋予每个驾驶员一个最优车头时距和一个刹车反应时间，其跟驰行为模型描述如下：

假设前车和后车开始在t＝t₀时刻相距Δx并且它们有不同的速度，后车将在t＝t₁时刻以它的期望间距与前车达到稳定状态，跟驰行为模型公式为：

α(Δa)_t0+c×t²+(β(Δv)_t0+c+a_l×t_p)×t-(Δx)_t0+c+v_l×t_p＝0   (1-1)

式中，α，β——有待标定的常量；(何种常量)(是一个待定的数值，可以通过实测数据进行标定，就像数学方程式里的待定系数一样。)

t、t_p——达到稳定状态的时间和最优车头时距；

c——刹车反应时间；

(Δv)_t0+c＝(v_f-v_l)_t0+c；v_f、v_l——后车和前车的速度；

a_f、a_l——后车和前车的加速度；

t₀时刻是设定的开始时刻，t_0+c时刻即开始时刻t₀加上刹车反应时间c后的时刻)

5.根据权利要求3所述的基于多源信息融合的驾驶员跟驰行为模型，其特征在于：引入一个可计算的加速度斜率，即加速度变化的快慢程度，它将后车带到一种稳定的状态；所述加速度斜率的值由以下公式求得：

s＝-2×((Δv)_t0+c+(Δa)_t0+c×t)/t²         (1-2)

其中，s是代表t₀到t₁时间行驶的距离。

这个斜率被应用在时间：

t＝t₀+c

6.根据权利要求3所述的基于多源信息融合的驾驶员跟驰行为模型，其特征在于：在前一步长和当前步长的时间段内加速度和 加速度斜率保持稳定的前提下，(计算机模型设计中模拟更新车辆运行状态)用于刷新车辆模型的算法如下：

(v)_t1＝(v)_t0+(a)_t0×T+0.5×s×T²

(x)_t1＝(x)_t0+(v)_t0×T+0.5×(a)_t0×T²+0.167×s×T²

式中，(v)_t1——t＝t₁时刻后车速度；

(v)_t0、(a)_t0——t＝t₀时刻后车速度和加速度；

(x)_t1——t＝t₁时刻后车所处的位置；

(x)_t0——t＝t₀时刻后车所处的位置；

T——刷新时间。

7.根据权利要求3所述的基于多源信息融合的驾驶员跟驰行为模型系统，其特征在于：在这个时间段里反应时间和一个新的加速度被考虑，应用如下公式；此时，应用到前一时间步长的反应时间，将被应用在当前步长和前一步长之间：

(v)_t1＝(v)_t0+(a)_t0×Δc+0.5×(s)_t0×(Δc)²+(a)_t0+Δc×(T-Δc)

+0.5×(s)_t0+Δc×(T-Δc)²

(x)_t1＝(x)_t0+(v)_t0×Δc+0.5×(a)_t0×(Δc)²+0.167×(s)_t0×(Δc)²+(v)_t0+Δc

×(T-Δc)+0.5×(a)_t0+Δc×(T-Δc)²+0.167×(s)_t0+Δc×(T-ΔC)²

式中，Δc——前一刷新时间与反应时间的差值；

(a)_t0+Δc——反应时间之后新的加速度；

(s)_t0+Δc——反应时间之后的新的加速度斜率；

(v)_t0+Δc——反应时间末的后车速度。

(v)_t0+Δc可以由下式得到：

(v)_t0+Δc＝(v)_t0+(a)_t0×(Δc)+0.5×(s)_t0×(Δc)

应用到前一时间步长的反应时间，将被应用在当前步长和前一步长之间。