CN105206108A - 一种基于电子地图的车辆碰撞预警方法 - Google Patents

Abstract

本发明涉及一种基于电子地图的车辆碰撞预警方法，包括：1)获取车辆的GPS数据，GPS数据包括运动状态信息和位置信息，采用坐标系转化将车辆位置信息映射至二维直角坐标系中；2)根据车辆历史GPS数据，采用卡尔曼滤波算法对车辆当前位置信息进行优化预测得到第一车辆当前位置；3)根据车辆历史GPS数据，结合电子地图信息预测得到第二车辆当前位置；4)融合第一车辆当前位置和第二车辆当前位置得到预测的车辆最优位置，5)结合预测的车辆最优位置与TCC算法，进行碰撞预警。与现有技术相比，本发明实时预估出车辆是否与周围车辆有碰撞可能性，并实时地给驾驶员预警提示，有效地提升驾驶的安全性、车辆定位精度，实用高效。

Description

一种基于电子地图的车辆碰撞预警方法

技术领域

本发明涉及车联网中的智能交通技术，尤其是涉及一种基于电子地图的车辆碰撞预警方法。

背景技术

车联网是物联网在智能交通领域的重要应用，通过信息交互，把车、路及行人连接成一个整体网络，从而实现交通的智能化。在行车安全和智能交通方面，车联网主要基于车车通信、车路通信，实时可靠地共享信息，从而提升交通流的效率和驾驶安全。基于车车通信或车路通信，结合车载GPS和电子地图信息，车载主动安全系统可以提前通知驾驶员可能发生的危险状况，辅助安全驾驶，提高车辆危险预警精确度，从而极大地避免了安全事故的发生。

车联网主动安全应用是智能交通领域重要的基础技术，具有高度的实际应用价值，因而受到很多汽车厂商的重点关注。欧洲电信标准化协会(EuropeanTelecommunicationsStandardsInstitute,ETSI)在标准技术文档TS102638(Basicsetofapplicationdefinitions)中对各种车联网主动安全应用场景作出了规范，并定义了安全消息的基本格式和传递机制。目前这方面的研究主要集中在欧美，国内的主要汽车厂商也联合高校做出了较深入的研究。在实际应用中，驾驶员视野盲区、注意力不集中或者天气原因等问题都有可能造成车辆相撞危险，车载主动安全系统基于车车通信分析出本车与周围车辆相撞的可能性，给驾驶员实时地预警提示，甚至在紧急情况下采取一些安全防护措施。

目前很多的车辆主动安全应用并没有将电子地图考虑在内，绝大部分基于车载传感器。其主要方法为，利用超声波、雷达等传感器探测周围车辆与本车的距离，若小于安全距离则对驾驶员报警提示。超声波传感器车载传感器的稳定性很容易收到环境、天气等因素的影响，从而基于传感器的车载主动安全应用的性能就会因为传感器稳定性降低而大幅下降。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于电子地图的车辆碰撞预警方法，基于车与车共享运动状态信息和位置信息，结合电子地图精确车辆定位，实时预估出车辆是否与周围车辆有碰撞可能性，并实时地给驾驶员预警提示，有效地提升了驾驶的安全性，车辆定位精度，实用高效。

本发明的目的可以通过以下技术方案来实现：

一种基于电子地图的车辆碰撞预警方法包括以下步骤：

1)获取车辆的GPS数据，所述GPS数据包括运动状态信息和位置信息，采用坐标系转化将车辆位置信息映射至二维直角坐标系中；

2)根据车辆历史GPS数据，采用卡尔曼滤波算法对车辆当前位置信息进行优化预测得到第一车辆当前位置；

3)根据车辆历史GPS数据，结合电子地图信息预测得到第二车辆当前位置；

4)融合第一车辆当前位置和第二车辆当前位置得到预测的车辆最优位置；

5)结合预测的车辆最优位置与TCC算法，进行车辆碰撞预警。

所述步骤1)具体为：

11)行驶车辆获取本车的GPS数据，同时与本车通信范围内的邻居车辆进行通信，获取邻居车辆的GPS数据；

12)建立以本车为原点的二维直角坐标系，并将接收到的邻居车辆的位置信息映射至该二维直角坐标系中。

所述步骤12)具体为：

121)由位置信息获得本车的GPS经纬度(lon_A,lat_A)和邻居车辆的GPS经纬度(lon_B,lat_B)，按照零度经线的基准，东经取经度的正值，西经取经度的负值，北纬取90-纬度值，南纬取90+纬度值，变换后获得本车的GPS经纬度(mlon_A,mlat_A)和邻居车辆的GPS经纬度(mlon_B,mlat_B)；

122)获取本车与邻居车辆的距离Distance，满足以下公式：

C＝sin(mlat_A)·sin(mlat_B)·cos(mlon_A-mlon_B)+cos(mlat_A)·cos(mlat_B)

Distance＝R·arccos(C)·π/180

式中，C为中间量，R为地球半径；

123)以本车为原点建立二维直角坐标系，则本车坐标为(0,0)，当lon_A＞lon_B，邻居车辆坐标为(-Distance·cos(|mlat_A-mlat_B|),Distance·sin(mlat_A-mlat_B))，当lon_A≤lon_B，邻居车辆坐标为(Distance·cos(|mlat_A-mlat_B|),Distance·sin(mlat_A-mlat_B))。

所述步骤2)具体为：

21)建立状态变量X和系统误差协方差矩阵P的递归方程，满足以下公式：

X_t/t-1＝A_t-1X_t-1/t-1+w_t-1

$P_{t/t-1}=A_{t-1}{P}_{t-1/t-1}{A}_{t-1}^T+Q$

式中，下标t表示当前时刻，下标t-1表示上一时刻，X_t/t-1为利用上一时刻的车辆状态信息来预测车辆在当前时刻的状态信息结果，X_t-1/t-1为上一时刻的最优状态信息结果，P_t/t-1为对应X_t/t-1的系统误差协方差矩阵，P_t-1/t-1为对应X_t-1/t-1的系统误差协方差矩阵，(x,y)为车辆在二维直角坐标系中的坐标，v为车辆速度，为车辆的航向角，w_t-1为系统过程噪声的协方差，A为卡尔曼滤波系统参数，Q为系统过程的协方差，Δt为上一时刻和当前时刻的时间间隔；

22)建立车辆当前GPS数据Z和状态变量的估计方程，满足以下公式：

X_t/t＝X_t/t-1+Kg_t(Z_t-X_t/t-1)

Kg_t＝P_t/t-1(P_t/t-1+r)^-1

式中，X_t/t为当前时刻的最优状态信息结果，为当前车辆GPS数据Z中的坐标、速度和航向角，Kg为最佳卡尔曼增益，r为测量噪声的误差协方差；

23)将根据车辆历史GPS数据和当前GPS数据带入步骤21)和步骤22)的公式，获得对车辆当前位置信息优化预测的第一车辆当前位置(x₁,y₁)，并更新误差协方差矩阵P，满足以下公式：

P_t/t＝(I-Kg_t)P_t/t-1

式中，I为单位矩阵，P_t/t为对应X_t/t的系统误差协方差矩阵。

所述步骤3)具体为：

31)每条道路R_i被划分为若干个路段S_n，且每条道路所包含的信息有道路上各点的坐标、道路宽度路段长度道路中心线与正北夹角每个路段距离下一个交叉口距离其中，i为道路的序号，n为路段的序号；

32)将车辆当前GPS数据中的位置信息标定在电子地图上，判断当前车辆的坐标是否在道路上，若是，执行步骤34)，若否，执行步骤33)；

33)根据车辆历史GPS数据并结合电子地图信息预测得到第二车辆当前位置(x₂,y₂)，执行步骤4)；

34)即为第二车辆当前位置(x₂,y₂)，执行步骤4)。

所述步骤33)具体为：

331)根据车辆上一时刻的GPS数据获取车辆在道路上行驶的估计距离Dis，满足以下公式：

式中，v_t-1、a_t-1、分别为车辆在上一时刻的速度、加速度、航向角，为车辆上一时刻所在路段的道路中心线与正北的夹角，下标t表示当前时刻，下标t-1表示上一时刻，Δt为上一时刻和当前时刻的时间间隔；

332)判断Dis是否大于为车辆上一时刻所在的路段距下一交叉口的距离，若是，以车辆上一时刻的航向角为依据确定车辆当前所在道路，为该车辆当前所在道路的中心线与正北的夹角，ε为设定值，若否，车辆仍在上一时刻所在道路；

333)结合车辆当前所在道路信息预测得到第二车辆当前位置(x₂,y₂)，执行步骤4)。

所述步骤4)具体为：

41)根据第一车辆当前位置(x₁,y₁)得到误差协方差P₁，根据第二车辆当前位置(x₂,y₂)得到误差协方差P₂；

42)利用P₁、P₂融合(x₁,y₁)和(x₂,y₂)得到车辆最优位置(x_f,y_f)，满足以下公式：

$\left\{\begin{array}{c}\tilde{P}=P_1^{-1}+P_2^{-1}\\ x_f={\tilde{P}}^{-1}(P_1^{-1}{x}_1+P_2^{-1}{x}_2)\\ y_f={\tilde{P}}^{-1}(P_1^{-1}{y}_1+P_2^{-1}{y}_2)\end{array}\right..$

所述步骤5)具体为：

51)将车辆最优位置标记在同一坐标系中，利用电子地图的道路拓扑结构，针对有轨迹相交的车辆，采用TCC算法得到两辆车到达相交点时间差t_TCC；

52)设定与车辆速度大小有关的报警阈值，当t_TCC小于报警阈值，则表明车辆之间有碰撞危险，并发出报警。

所述步骤51)中利用电子地图的道路拓扑结构剔除不可能碰撞的情况来获取有轨迹相交的车辆情况，所述不可能碰撞的情况包括：

a、两辆车在相邻道路，但道路中间有隔离带，则两辆车不会相撞；

b、两辆车在两条不同的道路，且两条道路并无交叉口，即使两辆车轨迹相交也不会相撞；

c、两辆车在方向不同的道路上行驶，且两辆车之间距离随时间而增大，则两辆车不会相撞。

所述步骤52)中与车辆速度大小有关的报警阈值包括：

当车辆速度小于等于30km/h，对应的报警阈值为5s；

当车辆速度大于30km/h且小于等于60km/h，对应的报警阈值为7s；

当车辆速度大于60km/h且小于等于90km/h，对应的报警阈值为10s；

当车辆速度大于90km/h且小于等于120km/h，对应的报警阈值为12s。

与现有技术相比，本发明具有以下优点：

1、高可靠性：本方法利用车车通信技术，能够不断获取邻居车辆的实时GPS信息，并且从CAN总线获取本车的运动状态信息。在通信设备可靠性得到保证的情况下，本车总是能够利用本发明方案判断车辆间是否有碰撞危险，从而得到不同等级的预警信息，误差较小。

2、高准确率：本方法采用电子地图信息来辅助车辆定位，使车辆定位精度大大提升，从而提升碰撞预警准确率。

3、实时性：本方法所使用的无线通信技术传输时延很小，能够保证获取的邻居车辆的运动状态信息和位置信息总是实时的，并且算法复杂度较低，时间消耗小，从而能够最快时间给出预警信息。

4、适应性：本方法适用于不同车辆行驶场景(交叉路口、同车道行驶、邻车道行驶等)，安全预警等级可以根据实际的道路交通情况调整，以适应不同的道路情形。

5、实用性：本方法中车辆共享信息量并不高，占用无线信道带宽小；使用的预警算法与模型的参数结合了理论与大量测试得出的结果，实用性较强。

附图说明

图1为本发明方法应用于系统的架构图。

图2为本发明方法逻辑流程图。

图3为本发明中道路信息图。

图4为本发明中结合电子地图的车辆位置推算图。

图5为电子地图中两车碰撞说明示意图；

图6为简化的两车碰撞说明示意图；

图7为加入电子地图与不加入电子地图时车辆碰撞预警准确率示意图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。

一种基于电子地图的车辆碰撞预警方法以本车与邻居车辆共享交换车辆运动状态信息和位置信息为基础，并结合电子地图信息辅助碰撞预警，最终由人机界面HMI告知驾驶员的报警信息。如图1、图2所示，本发明方法具体包括以下步骤：

1)获取车辆的GPS数据，GPS数据包括运动状态信息和位置信息，采用坐标系转化将车辆位置信息(即本车车辆GPS坐标以及接收到的其他车辆GPS坐标)映射至二维直角坐标系中，其中运动状态信息包括速度、加速度、航向角等，位置信息包括经度、纬度等，从而实时的预测车辆运动轨迹。具体为：

11)行驶车辆获取本车的GPS数据，同时与本车通信范围内的邻居车辆进行通信，获取邻居车辆的运动状态信息和位置信息。

12)建立以本车为原点的二维直角坐标系，并将接收到的邻居车辆的位置信息映射至该二维直角坐标系中。其中，步骤12)包括：

121)由位置信息获得本车的GPS经纬度(lon_A,lat_A)和邻居车辆的GPS经纬度(lon_B,lat_B)，按照零度经线的基准，东经取经度的正值，西经取经度的负值，北纬取90-纬度值，南纬取90+纬度值，变换后获得本车的GPS经纬度(mlon_A,mlat_A)和邻居车辆的GPS经纬度(mlon_B,mlat_B)；

122)获取本车与邻居车辆的距离Distance，满足以下公式：

C＝sin(mlat_A)·sin(mlat_B)·cos(mlon_A-mlon_B)+cos(mlat_A)·cos(mlat_B)

Distance＝R·arccos(C)·π/180

式中，C为中间量，R为地球半径并取值为6371004m；

123)以本车为原点建立二维直角坐标系，则本车坐标为(0,0)，当lon_A＞lon_B，邻居车辆坐标为(-Distance·cos(|mlat_A-mlat_B|),Distance·sin(mlat_A-mlat_B))，当lon_A≤lon_B，邻居车辆坐标为(Distance·cos(|mlat_A-mlat_B|),Distance·sin(mlat_A-mlat_B))。

2)根据反应历史行车轨迹的行驶速度、加速度、航向角、GPS坐标位置信息，采用卡尔曼滤波算法对车辆当前位置信息进行优化预测得到第一车辆当前位置。具体为：

21)利用车辆历史行驶轨迹及车辆状态来对其轨迹进行预测主要是采用Kalman滤波理论对系统状态进行观测，利用状态空间的概念将信号看作是白噪声作用下的一个线性系统的输出，并把这种输入输出关系用一个状态方程来进行描述。具体如下：建立状态变量X和系统误差协方差矩阵P的递归方程，满足以下公式：

X_t/t-1＝A_t-1X_t-1/t-1+w_t-1

其中：

因此：

式中，下标t表示当前时刻，下标t-1表示上一时刻，X_t/t-1为利用上一时刻的车辆状态信息来预测车辆在当前时刻的状态信息结果，X_t-1/t-1为上一时刻的最优状态信息结果，P_t/t-1为对应X_t/t-1的系统误差协方差矩阵，P_t-1/t-1为对应X_t-1/t-1的系统误差协方差矩阵，(x,y)为车辆在二维直角坐标系中的坐标，v为车辆速度，为车辆的航向角，w_t-1为系统过程噪声的协方差，一般认为过程噪声满足正态分布所以其值为0，A为卡尔曼滤波系统参数，Q为系统过程的协方差，Δt为上一时刻和当前时刻的时间间隔，因为在该系统中并没有控制量输入，所以不需要变换矩阵B。

22)假设观察变量：

Z为从GPS接收到的数据，建立车辆当前GPS数据Z和状态变量的估计方程，满足以下公式：

X_t/t＝X_t/t-1+Kg_t(Z_t-X_t/t-1)

Kg_t＝P_t/t-1(P_t/t-1+r)^-1

式中，X_t/t为当前时刻的最优状态信息结果，为当前车辆GPS数据Z中的坐标、速度和航向角，Kg为最佳卡尔曼增益，_r为测量噪声的误差协方差。

23)将根据车辆历史GPS数据和当前GPS数据带入步骤21)和步骤22)的公式，获得对车辆当前位置信息优化预测的第一车辆当前位置(x₁,y₁)，并更新误差协方差矩阵P，满足以下公式：

P_t/t＝(I-Kg_t)P_t/t-1

式中，I为单位矩阵，P_t/t为对应X_t/t的系统误差协方差矩阵。

3)根据车辆历史行驶速度、加速度、航向角、GPS坐标位置信息，结合电子地图信息预测得到第二车辆当前位置。具体为：

31)如图3所示，每条道路R_i被划分为若干个路段S_n，且每条道路所包含的信息有道路上各点的坐标、道路宽度路段长度道路中心线与正北夹角每个路段距离下一个交叉口距离其中，i为道路的序号，n为路段的序号，图3中Intersection为交叉点。

32)将车辆当前GPS数据中的位置信息标定在电子地图上，以车辆均行驶在车道上为前提，判断当前车辆的坐标是否在道路上，若是，执行步骤34)，若否，则认为该GPS坐标位置信息为错误信息，执行步骤33)。

33)根据反应行车状态的车辆历史GPS数据并结合电子地图信息预测得到第二车辆当前位置(x₂,y₂)，执行步骤4)。其中，步骤33)包括：

331)如图4所示，根据车辆上一时刻的GPS数据获取车辆在道路上行驶的估计距离Dis，满足以下公式：

式中，v_t-1、a_t-1、分别为车辆在上一时刻的速度、加速度、航向角，为车辆上一时刻所在路段的道路中心线与正北的夹角，下标t表示当前时刻，下标t-1表示上一时刻，Δt为上一时刻和当前时刻的时间间隔；

332)判断Dis是否大于为车辆上一时刻所在的路段距下一交叉口的距离，若是，因为GPS更新频率大于1HZ，Δt＝T_t-T_t-1≤1s，即两个时刻之间间隔小于1s，所以可以利用车辆上一时刻的航向角来推断车辆当前所在车道，即以车辆上一时刻的航向角为依据确定车辆当前所在道路，当车道的中心线与正北的夹角约等于车辆上一时刻的航向角判断该车道为车辆当前所在车道，用判断式表示为：为该车辆当前所在道路的中心线与正北的夹角，ε为设定值并取值为[0°，20°]，若否，车辆仍在上一时刻所在道路；

333)结合车辆当前所在道路信息预测得到第二车辆当前位置(x₂,y₂)，执行步骤4)，图4中，为当前时刻错误的GPS点，(x_t-1,y_t-1)为上一时刻的位置，则当前时刻估计位置(x_t,y_t)作为(x₂,y₂)。

34)即为第二车辆当前位置(x₂,y₂)，执行步骤4)。

4)融合第一车辆当前位置和第二车辆当前位置得到预测的车辆最优位置。具体为：

41)根据第一车辆当前位置(x₁,y₁)得到误差协方差P₁，根据第二车辆当前位置(x₂,y₂)得到误差协方差P₂，此P₁、P₂的解算运用同步骤21)中的公式；

42)利用P₁、P₂融合(x₁,y₁)和(x₂,y₂)得到车辆最优位置(x_f,y_f)，满足以下公式：

$\left\{\begin{array}{c}\tilde{P}=P_1^{-1}+P_2^{-1}\\ x_f={\tilde{P}}^{-1}(P_1^{-1}{x}_1+P_2^{-1}{x}_2)\\ y_f={\tilde{P}}^{-1}(P_1^{-1}{y}_1+P_2^{-1}{y}_2)\end{array}\right..$

5)结合预测的车辆最优位置与TCC算法，进行车辆碰撞预警。具体为：

51)将车辆最优位置标记在同一坐标系中，利用电子地图的道路拓扑结构，针对有轨迹相交的车辆，采用TCC算法得到两辆车到达相交点时间差t_TCC。其中，利用电子地图的道路拓扑结构剔除不可能碰撞的情况来获取有轨迹相交的车辆情况，不可能碰撞的情况包括：

a、两辆车在相邻道路，但道路中间有隔离带，则两辆车不会相撞；

b、两辆车在两条不同的道路，且两条道路并无交叉口，即使两辆车轨迹相交也不会相撞；

c、两辆车在方向不同的道路上行驶，且两辆车之间距离随时间而增大，则两辆车不会相撞。

52)设定与车辆速度大小有关的报警阈值，当t_TCC小于报警阈值，则表明车辆之间有碰撞危险，并发出报警。其中，与车辆速度大小有关的报警阈值包括：

当车辆速度小于等于30km/h，对应的报警阈值为5s；

当车辆速度大于30km/h且小于等于60km/h，对应的报警阈值为7s；

当车辆速度大于60km/h且小于等于90km/h，对应的报警阈值为10s；

当车辆速度大于90km/h且小于等于120km/h，对应的报警阈值为12s。

因此，本发明基于局部地理范围内的车辆共享运动状态信息和位置信息，采用电子地图信息来优化车辆位置信息进而提升车辆定位精度，使用“两车最近距离及到达最近距离所需时间”指标来判断车辆是否有碰撞可能性及安全等级，可以保证安全预警的高可靠性，为车联网中的辅助驾驶安全提供了一种实用性强、可靠性高的实现方法。

如图5所示，以道路上两辆车A、B为例，进行详细说明：

1、假如道路上只有两辆车A、B。且行驶在交叉口，当前时刻接收到GPS数据显示两车坐标分别为A(121.223893E,31.291575N)、B(121.224172E,31.290233N)，如图6所示，其中B车车速为15m/s，A车车速为20m/s。

2、将A、B车坐标在电子地图上定位，发现B车坐标在车道外，但是当前车辆行驶在车道中心线上，则判定B(121.224172E,31.290233N)为错误坐标。

3、上一时刻B车坐标为(121.224176E,31.29014N)，车速为18m/s，航向角为32°。结合车辆历史轨迹，利用卡尔曼滤波算法来进行当前车辆坐标估计，得到车辆当前位置估计值为(121.224347E,31.290313N)。

4、同时利用电子地图信息判断车辆B当前坐标信息。首先，获取B车上一时刻准确的GPS坐标(121.224176E，31.29014N)，利用公式求出Dis。其中B车上一时刻的数据为(18m/s，2.3m/s2，32°)，且B车辆当前行驶道路的方向角H＝31.6°，Δt＝1s。则通过计算得出Dis≈17.64。

5、因为B车上时刻距离下一路口距离D＝90m>Dis，说明当前时刻B车仍行驶在当前道路上(图5中同丁路)根据车道信息，可通过电子地图来对应找到当前车辆的坐标位置为(121.224316E,31.290294N)。

6、根据历史数据分析得到P1＝1.3，P2＝2.5，根据公式得到B车坐标最优解(121.224336E,31.2903065N)。

7、判断两车在两条不同车道上，且两条车道交叉有交叉路口，因此两车有碰撞可能。再求出t_TCC进一步判断两车碰撞可能。

8、由两车航向角及坐标可判断两车轨迹在路口相交，路口坐标为(121.22494E，31.290938N)。

9、根据求得B车坐标及A车坐标，计算A、B车到达路口交叉点所需时间为分别为4.5s、3.536s，t_TCC＝4.5-3.536＝0.964s<5s，则发出警报。

图7为实际测试过程中加入电子地图(CCWS)与不加入电子地图(CWS)时车辆碰撞预警准确率(HitRate)，从图中可看出加入电子地图的碰撞预警准确率明显高于未加入电子地图。

与传统的基于超声波、雷达、激光等车载传感器的车载主动安全应用相比，基于电子地图的车联网主动安全应用在稳定性、有效距离、成本控制等方面具有明显优势。由于车与车、车与路边单元能够共享信息，所以车联网主动安全应用不受距离的限制。另外，它对传感器的精密性要求并不高，极大地降低了成本且提升了稳定性，具有很高的实际推广价值。将电子地图信息纳入安全碰撞预警体系中，充分利用道路信息及道路拓扑结构来辅助车辆准确定位，进一步提升碰撞预警精度，本发明因此而来。

综上，本发明区别于同类技术，在车载GPS和车车通信的基础上，主要结合了电子地图信息，利用具体道路拓扑结构及道路信息，来优化GPS定位坐标，可以提前通知驾驶员可能发生的碰撞危险状况，辅助安全驾驶，增加车辆定位精度及报警准确率，从而极大地避免了安全事故的发生。且本发明无需额外设置任何传感器设备。

上述实施例仅用于说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或调整。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想的条件下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。

Claims (10)

1.一种基于电子地图的车辆碰撞预警方法，其特征在于，包括以下步骤：

1)获取车辆的GPS数据，所述GPS数据包括运动状态信息和位置信息，采用坐标系转化将车辆位置信息映射至二维直角坐标系中；

2)根据车辆历史GPS数据，采用卡尔曼滤波算法对车辆当前位置信息进行优化预测得到第一车辆当前位置；

3)根据车辆历史GPS数据，结合电子地图信息预测得到第二车辆当前位置；

4)融合第一车辆当前位置和第二车辆当前位置得到预测的车辆最优位置；

5)结合预测的车辆最优位置与TCC算法，进行车辆碰撞预警。

2.根据权利要求1所述的一种基于电子地图的车辆碰撞预警方法，其特征在于，所述步骤1)具体为：

11)行驶车辆获取本车的GPS数据，同时与本车通信范围内的邻居车辆进行通信，获取邻居车辆的GPS数据；

12)建立以本车为原点的二维直角坐标系，并将接收到的邻居车辆的位置信息映射至该二维直角坐标系中。

3.根据权利要求2所述的一种基于电子地图的车辆碰撞预警方法，其特征在于，所述步骤12)具体为：

121)由位置信息获得本车的GPS经纬度(lon_A,lat_A)和邻居车辆的GPS经纬度(lon_B,lat_B)，按照零度经线的基准，东经取经度的正值，西经取经度的负值，北纬取90-纬度值，南纬取90+纬度值，变换后获得本车的GPS经纬度(mlon_A,mlat_A)和邻居车辆的GPS经纬度(mlon_B,mlat_B)；

122)获取本车与邻居车辆的距离Distance，满足以下公式：

C＝sin(mlat_A)·sin(mlat_B)·cos(mlon_A-mlon_B)+cos(mlat_A)·cos(mlat_B)

Distance＝R·arccos(C)·π/180

式中，C为中间量，R为地球半径；

123)以本车为原点建立二维直角坐标系，则本车坐标为(0,0)，当lon_A＞lon_B，邻居车辆坐标为(-Distance·cos(|mlat_A-mlat_B|),Distance·sin(mlat_A-mlat_B))，当lon_A≤lon_B，邻居车辆坐标为(Distance·cos(|mlat_A-mlatB|),Distance·sin(mlat_A-mlat_B))。

4.根据权利要求1所述的一种基于电子地图的车辆碰撞预警方法，其特征在于，所述步骤2)具体为：

21)建立状态变量X和系统误差协方差矩阵P的递归方程，满足以下公式：

X_t/t-1＝A_t-1X_t-1/t-1+w_t-1

式中，下标t表示当前时刻，下标t-1表示上一时刻，X_t/t-1为利用上一时刻的车辆状态信息来预测车辆在当前时刻的状态信息结果，X_t-1/t-1为上一时刻的最优状态信息结果，P_t/t-1为对应X_t/t-1的系统误差协方差矩阵，P_t-1/t-1为对应X_t-1/t-1的系统误差协方差矩阵，(x,y)为车辆在二维直角坐标系中的坐标，v为车辆速度，为车辆的航向角，w_t-1为系统过程噪声的协方差，A为卡尔曼滤波系统参数，Q为系统过程的协方差，Δt为上一时刻和当前时刻的时间间隔；

22)建立车辆当前GPS数据Z和状态变量的估计方程，满足以下公式：

X_t/t＝X_t/t-1+Kg_t(Z_t-X_t/t-1)

Kg_t＝P_t/t-1(P_t/t-1+r)^-1

式中，X_t/t为当前时刻的最优状态信息结果，为当前车辆GPS数据Z中的坐标、速度和航向角，Kg为最佳卡尔曼增益，r为测量噪声的误差协方差；

23)将根据车辆历史GPS数据和当前GPS数据带入步骤21)和步骤22)的公式，获得对车辆当前位置信息优化预测的第一车辆当前位置(x₁,y₁)，并更新误差协方差矩阵P，满足以下公式：

P_t/t＝(I-Kg_t)P_t/t-1

式中，I为单位矩阵，P_t/t为对应X_t/t的系统误差协方差矩阵。

5.根据权利要求1所述的一种基于电子地图的车辆碰撞预警方法，其特征在于，所述步骤3)具体为：

31)每条道路R_i被划分为若干个路段S_n，且每条道路所包含的信息有道路上各点的坐标、道路宽度路段长度道路中心线与正北夹角每个路段距离下一个交叉口距离其中，i为道路的序号，n为路段的序号；

32)将车辆当前GPS数据中的位置信息标定在电子地图上，判断当前车辆的坐标是否在道路上，若是，执行步骤34)，若否，执行步骤33)；

33)根据车辆历史GPS数据并结合电子地图信息预测得到第二车辆当前位置(x₂,y₂)，执行步骤4)；

34)即为第二车辆当前位置(x₂,y₂)，执行步骤4)。

6.根据权利要求5所述的一种基于电子地图的车辆碰撞预警方法，其特征在于，所述步骤33)具体为：

331)根据车辆上一时刻的GPS数据获取车辆在道路上行驶的估计距离Dis，满足以下公式：

式中，v_t-1、a_t-1、分别为车辆在上一时刻的速度、加速度、航向角，为车辆上一时刻所在路段的道路中心线与正北的夹角，下标t表示当前时刻，下标t-1表示上一时刻，Δt为上一时刻和当前时刻的时间间隔；

332)判断Dis是否大于为车辆上一时刻所在的路段距下一交叉口的距离，若是，以车辆上一时刻的航向角为依据确定车辆当前所在道路，为该车辆当前所在道路的中心线与正北的夹角，ε为设定值，若否，车辆仍在上一时刻所在道路；

333)结合车辆当前所在道路信息预测得到第二车辆当前位置(x₂,y₂)，执行步骤4)。

7.根据权利要求1所述的一种基于电子地图的车辆碰撞预警方法，其特征在于，所述步骤4)具体为：

41)根据第一车辆当前位置(x₁,y₁)得到误差协方差P₁，根据第二车辆当前位置(x₂,y₂)得到误差协方差P₂；

42)利用P₁、P₂融合(x₁,y₁)和(x₂,y₂)得到车辆最优位置(x_f,y_f)，满足以下公式：

$\left\{\begin{array}{c}\tilde{P}=P_1^{-1}+P_2^{-1}\\ x_f={\tilde{P}}^{-1}(P_1^{-1}{x}_1+P_2^{-1}{x}_2)\\ y_f={\tilde{P}}^{-1}(P_1^{-1}{y}_1+P_2^{-1}{y}_2)\end{array}\right..$

8.根据权利要求1所述的一种基于电子地图的车辆碰撞预警方法，其特征在于，所述步骤5)具体为：

51)将车辆最优位置标记在同一坐标系中，利用电子地图的道路拓扑结构，针对有轨迹相交的车辆，采用TCC算法得到两辆车到达相交点时间差t_TCC；

52)设定与车辆速度大小有关的报警阈值，当t_TCC小于报警阈值，则表明车辆之间有碰撞危险，并发出报警。

9.根据权利要求8所述的一种基于电子地图的车辆碰撞预警方法，其特征在于，所述步骤51)中利用电子地图的道路拓扑结构剔除不可能碰撞的情况来获取有轨迹相交的车辆情况，所述不可能碰撞的情况包括：

a、两辆车在相邻道路，但道路中间有隔离带，则两辆车不会相撞；

b、两辆车在两条不同的道路，且两条道路并无交叉口，即使两辆车轨迹相交也不会相撞；

c、两辆车在方向不同的道路上行驶，且两辆车之间距离随时间而增大，则两辆车不会相撞。

10.根据权利要求8所述的一种基于电子地图的车辆碰撞预警方法，其特征在于，所述步骤52)中与车辆速度大小有关的报警阈值包括：

当车辆速度小于等于30km/h，对应的报警阈值为5s；

当车辆速度大于30km/h且小于等于60km/h，对应的报警阈值为7s；

当车辆速度大于60km/h且小于等于90km/h，对应的报警阈值为10s；

当车辆速度大于90km/h且小于等于120km/h，对应的报警阈值为12s。