CN104464375B - 一种识别车辆高速转弯的方法 - Google Patents

Abstract

本发明公开了一种识别车辆高速转弯的方法，属于交通安全领域。所述方法包括确定车辆所在的道路，将车辆在道路上进行投影，获取第一投影图像，在第一投影图像中，检测到车辆位于道路的停车线前的第一距离时，触发转弯检测，根据转弯检测结果，若车辆转弯时，则获取车辆的瞬时车速；若瞬时车速超过安全阈值时，触发报警操作。本发明通过确定车辆在道路上的投影，判定车辆是否在道路上进行转弯，并在超速转弯时，触发报警操作，能够在一定程度上避免了车辆超速转弯这一驾驶行为的发生，从而可以避免部分交通事故的发生，减少重大人身和财产损失。

Description

一种识别车辆高速转弯的方法

技术领域

本发明涉及交通安全领域，特别涉及一种识别车辆高速转弯的方法。

背景技术

随着国民经济的发展和城市化进程的加快，我国的机动车保有量近几年一直在保持高速增长的势头。

虽然现在也在通过划分机动车道、非机动车道、建造立交桥和人行天桥的等措施来促使交通向规范化、有序化发展，但是每年依然会发生大量的交通事故。

在实现本发明的过程中，发明人发现现有技术至少存在以下问题：

在分析交通事故发生原因中，很大部分均为驾驶人错误的驾驶习惯导致的，其中由于右转弯无需考虑信号灯，因此在右转时就容易发生超速等不安全行为，进而导致交通事故，导致重大人身和财产损失。

发明内容

为了解决现有技术的问题，本发明提供了一种识别车辆高速转弯的方法，其特征在于，所述方法包括：

确定车辆所在的道路，将所述车辆在所述道路上进行投影，获取第一投影图像，所述第一投影图像包括所述车辆的投影；

在所述第一投影图像中，检测到所述车辆位于所述道路的停车线前的第一距离时，触发转弯检测，获取所述转弯检测结果；

根据所述转弯检测结果，若所述车辆转弯时，则获取所述车辆的瞬时车速；

若所述瞬时车速超过安全阈值时，触发报警操作。

可选的，所述确定车辆所在的道路，将所述车辆在所述道路上进行投影，获取第一投影图像，所述第一投影图像包括所述车辆的投影，包括：

确定所述车辆的位置范围；

根据所述位置范围内道路的拓扑关系，确定所述车辆所在的道路；

将所述车辆在所述道路上通过直接投影算法进行投影。

可选的，当根据所述位置范围内道路的拓扑关系，不能确定所述车辆所在的道路时，所述方法还包括：

结合车辆的历史行驶数据，通过概率统计确定所述车辆所在区域内的候选道路，具体包括：

所述车辆定位点与所述候选道路投影的距离；和/或

所述车辆行驶方向与所述候选道路方向的夹角；和/或

所述候选道路与所述车辆所在区域内其他道路的拓扑关系；和/或

所述车辆所在区域内所有道路的匹配概率。

可选的，所述在所述第一投影图像中，检测到所述车辆位于所述道路的停车线前的第一距离时，触发转弯检测，获取所述转弯检测结果，包括：

当在所述第一投影图像中，检测到所述车辆位于所述道路的停车线前的第一距离时，触发转弯检测，所述转弯检测使用第一公式

其中，λ(t)为t时刻的所述车辆右转判别指数值，q(t)为t时刻的所述车辆转向角速度值，p(t)为t时刻的所述车辆方向盘转角值，m(t)为t时刻的所述车辆方向盘转角方向值，向右为1，其他为0，n(t)为t时刻的所述车辆方向盘转向角速度方向值，向右为1，其他为0，f(t)为t时刻的车辆发动机转速值；

当根据所述第一公式得到的转弯指数λ(t)大于转弯阈值时，判定所述车辆处于转弯状态。

可选的，所述获取所述转弯检测结果，还包括：

进行多次所述转弯检测，获取多个所述转弯检测结果；

将多个所述转弯检测结果进行第一运算，若所述第一运算结果小于第一预定值，则所述车辆不处于转弯状态；

若所述运算结果大于或等于所述第一预定值，则所述车辆处于转弯状态。

可选的，所述若所述车辆转弯时，则获取所述车辆的瞬时车速，还包括：

获取多个不同时刻的所述车辆的瞬时车速；

将所述多个不同时刻的所述车辆的瞬时车速进行第二运算，若所述第二运算结果小于所述第二预定值，则所述车辆处于正常转弯状态；

若所述第二运算结果大于或等于所述第二预定值，则所述车辆处于超速转弯状态。

本发明提供的技术方案带来的有益效果是：

通过确定车辆在道路上的投影，判定车辆是否在道路上进行转弯，并在超速转弯时，触发报警操作，能够在一定程度上避免了车辆超速转弯这一驾驶行为的发生，从而可以避免部分交通事故的发生，减少重大人身和财产损失。

附图说明

为了更清楚地说明本发明的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明提供的一种一种识别车辆高速转弯的方法的流程示意图；

图2是本发明提供的获取第一投影图像的流程示意图；

图3是本发明提供的误差椭圆的示意图；

图4是本发明提供的获取转弯检测结果的流程示意图；

图5是本发明提供的另一种获取转弯检测结果的流程示意图；

图6是本发明提供的另一种获取车辆的瞬时车速的流程示意图。

具体实施方式

为使本发明的结构和优点更加清楚，下面将结合附图对本发明的结构作进一步地描述。

实施例一

为了能够更好判定车辆在道路上是否发生超速转弯这一不安全行为，本实施例提出了一种识别车辆高速转弯的方法，为了减少不必要的误会，在本实施例中的转弯均以右转为例进行说明，该方法适用于车载安全模块中，该模块用于执行下述步骤：

本发明提供了一种识别车辆高速转弯的方法，如图1所示，该方法包括：

101、确定车辆所在的道路，将车辆在道路上进行投影，获取第一投影图像，第一投影图像包括车辆的投影。

其中，确定车辆所在的道路，将车辆在道路上进行投影，获取第一投影图像，第一投影图像包括车辆的投影，如图2所示，步骤101包括：

1011、确定车辆的位置范围。

在实施中，根据车载GPS(Global Positioning System，全球定位系统)接收到的经纬度坐标可以在车载GIS(Geographic Information System或Geo－Informationsystem，地理信息系统)中，确定车辆所处的位置范围。

1012、根据位置范围内道路的拓扑关系，确定车辆所在的道路。

在实施中，由于民用级别的GPS设备精度有限(大约为10米)，因此不能准确的确定车辆所处的具体道路信息，此时，就需要根据该位置范围内道路的拓扑关系。这里基于的拓扑关系，简单的来说，是通过获取一定时间内的车辆位移信息，得到该车辆在该时间内的位移轨迹，由于该位移轨迹具有一定的方向，因此在该位置范围内，通过寻找与该位移轨迹的方向相同或相似的道路，就可以确定车辆是在哪条道路上行驶。

1013、将车辆在道路上通过直接投影算法进行投影。

在实施中，由于在步骤1012中，已经确定了车辆所在的道路，此时就可以根据记载的道路宽度信息，结合本车的尺寸，将本车在上述道路上进行直接投影，在得到的第一投影图像中，包含有道路的图像以及车辆在上述道路上的投影。根据该第一投影图像，可以明显看出车辆相对于道路的位置信息。

进一步的，上述说明是针对在位置范围内，通过道路的拓扑关系，就能够确定车辆所在的道路时这一情况，而由于该位置范围内道路复杂，仅根据位置范围内道路的拓扑关系，不能确定车辆所在的道路时，方法还包括：

1014、结合车辆的历史行驶数据，通过概率统计确定车辆所在区域内的候选道路，具体包括：

车辆定位点与候选道路投影的距离；和/或

车辆行驶方向与候选道路方向的夹角；和/或

候选道路与车辆所在区域内其他道路的拓扑关系；和/或

车辆所在区域内所有道路的匹配概率。

在实施中，使用概率统计确定候选道路的方法具体如下所示：

首先，根据GPS接收到的数据，构建一个置信区域。

其次，从已构建的置信区域中提取用以匹配道路位置信息，依据已有匹配结果的概率统计，经过比较判断，确定车辆在这一置信区域内的匹配路段。

在具体的确定过程中，就可以结合上述四种典型参数，即

(1)车辆定位点与候选道路投影的距离。

(2)车辆行驶方向与候选道路方向的夹角。

(3)候选道路与车辆所在区域内其他道路的拓扑关系。

(4)车辆所在区域内所有道路的匹配概率。

之所以在不同的典型参数之间使用“和/或”，是指在实际的确定过程中，可以根据实际情况，从上述四个参数中挑选一个进行使用，也可以针对性的选取多个进行组合式使用，这里不再一一赘述。

上述以概率统计的判定方法是基于误差模型进行运算的，按照统计理论，定位误差椭圆具有如下参数：

其中，φ是椭圆半长轴取向与正北方向的夹角，a和b是误差椭圆的长、短轴，σ_x和σ_y分别是GPS东向和北向测量误差的标准差，σ_xy是协方差，是单位权值的后验方差。通过改变的值来调整误差椭圆的大小，获得不同的可信度。在车辆导航系统中，利用GPS的接收模块的参数来定义误差椭圆，该误差椭圆如图3所示。

这里之所以使用误差椭圆，概率统计算法的优点在于不要求车辆总是在道路上。如果接收的数据不在已知的道路网上，概率统计算法就会反复地比较接收的坐标和偏离道路路段的坐标，并识别车辆匹配的路段。

102、在第一投影图像中，检测到车辆位于道路的停车线前的第一距离时，触发转弯检测，获取转弯检测结果。

其中，在第一投影图像中，检测到车辆位于道路的停车线前的第一距离时，触发转弯检测，获取转弯检测结果，如图4所示，步骤102包括：

1021、当在第一投影图像中，检测到车辆位于道路的停车线前的第一距离时，触发转弯检测，转弯检测使用第一公式

其中，λ(t)为t时刻的车辆右转判别指数值，q(t)为t时刻的车辆转向角速度值，p(t)为t时刻的车辆方向盘转角值，m(t)为t时刻的车辆方向盘转角方向值，向右为1，其他为0，n(t)为t时刻的车辆方向盘转向角速度方向值，向右为1，其他为0，f(t)为t时刻的车辆发动机转速值。

在实施中，CAN(Controller Area Network，控制器局域网络)是ISO国际标准化的串行通信协议。在汽车产业中，出于对安全性、舒适性、方便性、低公害、低成本的要求，基于“通过多个局域网络，进行大量数据的高速通信”的需要，如今CAN已是汽车网络的标准协议。基于上述条件，可以从车辆CAN中直接获取车辆方向盘转角方向值、车辆方向盘转向角速度方向值等多个参数。

为了充分利用各种CAN数据中承载的车辆右转特征，提高车辆右转状态识别的可靠性，在设计识别算法时，应尽可能多地利用可获得的各种CAN数据，算法的计算结果应为单调递增函数，且右转状态具有良好的稳定性。因此，本实施例提出右转判别指数的概念，仔细车辆右转时分析各CAN数据的变化趋势，选取转向角速度、方向盘转角、转角方向、角速度方向和发动机转速五个参数利用增益放大原理构建右转判别指数。当然，为了本方法的普遍适用性，在没有CAN总线的车辆上，也可以使用多个传感器获取

步骤1021中提到，使用第一公式的触发条件时当“车辆位于道路停车线前的第一距离”，这同样是考虑到GPS系统的定位误差，为了保证检测方法的有效性，需要提前出大于精度(大约为10米)的距离，以便于触发转弯检测。

1022、当根据第一公式得到的转弯指数λ(t)大于转弯阈值时，判定车辆处于转弯状态。

在实施中，我们首先设定转弯阈值γ，并定义转弯阈值γ的取值为5，并给出转弯的判定公式：

其中I(t)为转弯值，当上一步通过计算获取到的λ(t)小于转弯阈值时，定义此时的转弯值I(t)为1，表示该车辆处于非右转状态，而当λ(t)大于或等于转弯阈值时，定义此时的转弯值I(t)为2，表示该车辆处于右转状态。

为了使得本公式具有实际使用性，这里给出两组组实验数据：

数据一：采集到的车辆转向角速度值q(t)为20°/s,车辆方向盘转向角值p(t)为120°，方向盘右转，因此m(t)、n(t)均为1，f(t)为30km/h，设定转弯阈值为5，这样，根据第一公式可以得到λ(t)的数值为80，表示该车辆处于右转状态。

数据二：采集到的车辆转向角速度值q(t)为30°/s,车辆方向盘转向角值p(t)为90°，方向盘左转，因此m(t)、n(t)均为0，f(t)为40km/h，设定转弯阈值为5，这样，根据第一公式可以得到λ(t)的数值为0，表示该车辆处于非右转状态。

通过上述两组数据，可以看出，通过采集到的数据，就可以判定车辆的转弯方向。

103、根据转弯检测结果，若车辆转弯时，则获取车辆的瞬时车速。

在实施中，在通过步骤102确定该车辆进行转弯时，从CAN总线中获取车辆的瞬时车速。

104、若瞬时车速超过安全阈值时，触发报警操作。

在实施中，当获取到的瞬时车速大于安全阈值时，触发相应的报警操作。

基于上述步骤101至104的方法，可以确定车辆是否在转弯，进而判定车辆是否存在超速转弯的不安全行为，并在出现超速转弯时，进行相应的报警操作，从而在一定程度上避免的交通事故的发生。

其实至此已经可以完成完整的判定过程，但是为了避免由单次检测导致错误判断太多，误警率偏高，检测结果稳定性较差的问题，发明利用持续检测对判定结果进行多次确认，基于上述思想，因此对上述步骤，还有如下的优化方案。

一、对于获取转弯检测结果，如图5所示，还包括：

201、进行多次转弯检测，获取多个转弯检测结果。

在实施中，具体的实现步骤是通过获取多个采样时间间隔对应的转弯检测结果。

将采样时间间隔用g来表示，采样间隔越密集，最终的结果也就越准确，根据实际的精度需要和车载模块的计算能力，对g值进行预先设定。为了便于说明，此处令g取值为4，意味着使用4个采样间隔的数据。

202、将多个转弯检测结果进行第一运算，若第一运算结果小于第一预定值，则车辆不处于转弯状态。

203、若运算结果大于或等于第一预定值，则车辆处于转弯状态。

在实施中，提出根据多次采样数据进行运算的公式，如下

在上述关于的公式中，表示t时刻的车辆右转状态确定值，t-1表示t时刻的前1采样时刻，I(t-1)表示t时刻的前g采样时刻对应的转弯值，t-g表示t时刻的前g采样时刻，I(t-g)表示t时刻的前g采样时刻对应的转弯值，的取值为1代表车辆不处于右转状态，的取值2代表车辆处于右转状态。

为了便于理解，这里列出两组数据，

数据一：I(t)取值为1，I(t-1)取值为2，I(t-2)取值为1，I(t-3)取值为2，I(t-4)取值为1，这样根据的计算公式，存在I(t)×I(t-1)×I(t-2)×I(t-3)×I(t-4)＝4＜2³＝8，即此时取值为1，表明经过4个采样间隔的综合计算，该车辆是处于非右转状态的.

数据二：I(t)取值为2，I(t-1)取值为2，I(t-2)取值为2，I(t-3)取值为2，I(t-4)取值为1，这样根据的计算公式，存在I(t)×I(t-1)×I(t-2)×I(t-3)×I(t-4)＝16＞2³＝8，即此时取值为2，表明经过4个采样间隔的综合计算，该车辆是处于非右转状态的。

通过上述两组数据，可以看出，在多个采样数据中，可能会出现个别与最终结果不相符的取值，通过采集多组采样数据的方法，可以将上述个别取值对结果的影响减小，从而在一定程度上提高了本方法对于车辆转弯方向判定的准确性。

二、对于若车辆转弯时，则获取车辆的瞬时车速，如图6所示，还包括：

301、获取多个不同时刻的车辆的瞬时车速。

在实施中，将采样时间间隔用k来表示，采样间隔越密集，最终的结果也就越准确，根据实际的精度需要和车载模块的计算能力，对k值进行预先设定。为了便于说明，此处令k取值为4，意味着使用4个采样间隔的数据。

302、将多个不同时刻的车辆的瞬时车速进行第二运算，若第二运算结果小于第二预定值，则车辆处于正常转弯状态。

303、若第二运算结果大于或等于第二预定值，则车辆处于超速转弯状态。

在实施中，提出根据多次采样数据进行运算的公式，如下

在上述关于的公式中，表示t时刻的车辆发生右转超速不安全驾驶行为的确定值，t-1表示t时刻的前1采样时刻，Z(t-1)表示t时刻的前g采样时刻对应的超速行为确定值，t-k表示t时刻的前g采样时刻，Z(t-k)表示t时刻的前k采样时刻对应的超速行为确定值，Z(t)的取值为1代表车辆不处于超速状态，Z(t)的取值2代表车辆处于超速状态。

为了便于理解，这里列出两组组数据，

数据一：Z(t)取值为1，Z(t-1)取值为2，Z(t-2)取值为1，Z(t-3)取值为2，Z(t-4)取值为1，这样根据Z(t)的计算公式，存在Z(t)×Z(t-1)×Z(t-2)×Z(t-3)×Z(t-4)＝4＜2⁵＝32，即此时取值为1，表明经过4个采样间隔的综合计算，该车辆是处于非超速状态的.

数据二：I(t)取值为2，I(t-1)取值为2，I(t-2)取值为2，I(t-3)取值为2，I(t-4)取值为1，这样根据的计算公式，存在Z(t)×Z(t-1)×Z(t-2)×Z(t-3)×Z(t-4)＝2⁵＝32，即此时取值为2，表明经过4个采样间隔的综合计算，该车辆是处于超速状态的。

通过上述两组数据，可以看出，在多个采样数据中，可能会出现个别与最终结果不相符的取值，通过采集多组采样数据的方法，可以将上述个别取值对结果的影响减小，从而在一定程度上提高了本方法对于车辆转弯方向判定的准确性。

本实施例中提出的识别车辆高速转弯的方法，通过通过确定车辆在道路上的投影，判定车辆是否在道路上进行转弯，并在超速转弯时，触发报警操作，能够在一定程度上避免了车辆超速转弯这一驾驶行为的发生，从而可以避免部分交通事故的发生，减少重大人身和财产损失。

需要说明的是：上述实施例提供的识别车辆高速转弯的方法对车辆行驶成为检测的实施例，仅作为该识别方法中在实际应用中的说明，还可以根据实际需要而将上述识别方法在其他应用场景中使用，其具体实现过程类似于上述实施例，这里不再赘述。

上述实施例中的各个序号仅仅为了描述，不代表各部件的组装或使用过程中得先后顺序。

以上所述仅为本发明的实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种识别车辆高速转弯的方法，其特征在于，所述方法包括：

确定车辆所在的道路，将所述车辆在所述道路上进行投影，获取第一投影图像，所述第一投影图像包括所述车辆的投影；

在所述第一投影图像中，检测到所述车辆位于所述道路的停车线前的第一距离时，触发转弯检测，获取所述转弯检测结果；

根据所述转弯检测结果，若所述车辆转弯时，则获取所述车辆的瞬时车速；

若所述瞬时车速超过安全阈值时，触发报警操作；

其中，所述获取所述转弯检测结果，还包括：

进行多次所述转弯检测，获取多个所述转弯检测结果；

将多个所述转弯检测结果进行第一运算，若所述第一运算结果小于第一预定值，则所述车辆不处于转弯状态；

若所述第一运算结果大于或等于所述第一预定值，则所述车辆处于转弯状态。

2.根据权利要求1所述的方法，其特征在于，所述确定车辆所在的道路，将所述车辆在所述道路上进行投影，获取第一投影图像，所述第一投影图像包括所述车辆的投影，包括：

确定所述车辆的位置范围；

根据所述位置范围内道路的拓扑关系，确定所述车辆所在的道路；

将所述车辆在所述道路上通过直接投影算法进行投影。

3.根据权利要求2所述的方法，其特征在于，当根据所述位置范围内道路的拓扑关系，不能确定所述车辆所在的道路时，所述方法还包括：

结合车辆的历史行驶数据，通过概率统计确定所述车辆所在区域内的候选道路，具体包括：

所述车辆定位点与所述候选道路投影的距离；和/或

所述车辆行驶方向与所述候选道路方向的夹角；和/或

所述候选道路与所述车辆所在区域内其他道路的拓扑关系；和/或

所述车辆所在区域内所有道路的匹配概率。

4.根据权利要求1所述的方法，其特征在于，所述在所述第一投影图像中，检测到所述车辆位于所述道路的停车线前的第一距离时，触发转弯检测，获取所述转弯检测结果，包括：

当在所述第一投影图像中，检测到所述车辆位于所述道路的停车线前的第一距离时，触发转弯检测，所述转弯检测使用第一公式

$\mathrm{\λ}\left(t\right)=\frac{q\left(t\right)\×p\left(t\right)\×m\left(t\right)\×n\left(t\right)}{q\left(t\right)+0.0001},$

其中，λ(t)为t时刻的所述车辆右转判别指数值，q(t)为t时刻的所述车辆转向角速度值，p(t)为t时刻的所述车辆方向盘转角值，m(t)为t时刻的所述车辆方向盘转角方向值，向右为1，其他为0，n(t)为t时刻的所述车辆方向盘转向角速度方向值，向右为1，其他为0，f(t)为t时刻的车辆发动机转速值；

当根据所述第一公式得到的转弯指数λ(t)大于转弯阈值时，判定所述车辆处于转弯状态。

5.根据权利要求1所述的方法，其特征在于，所述若所述车辆转弯时，则获取所述车辆的瞬时车速，还包括：

获取多个不同时刻的所述车辆的瞬时车速；

将所述多个不同时刻的所述车辆的瞬时车速进行第二运算，若所述第二运算结果小于所述第二预定值，则所述车辆处于正常转弯状态；

若所述第二运算结果大于或等于所述第二预定值，则所述车辆处于超速转弯状态。