CN105946860B - 一种考虑驾驶风格的弯道车速预测方法 - Google Patents

Abstract

本发明公开了一种考虑驾驶风格的弯道车速预测方法，本方法当车辆进入弯道之前，针对车辆在弯道容易发生的侧翻、侧滑等侧向失稳事件，在考虑行车状态与道路环境的基础上，将驾驶员的驾驶风格引入到传统的弯道车速计算模型中，建立一种考虑驾驶风格的弯道安全车速预测模型。同时，以弯道车速提示的方式，在车辆通过弯道之前对驾驶员进行安全车速预警。该方法综合考虑车辆动力学、道路环境与驾驶行为特性，可准确预测出自适应驾驶风格的弯道安全车速，使得安全车速预警系统既能提高弯道行车安全性，又能符合不同风格驾驶员对驾乘体验的需求，从而增强驾驶员对弯道车速预警系统的接受度。

Description

一种考虑驾驶风格的弯道车速预测方法

技术领域

本发明涉及智能交通领域，尤其涉及一种考虑驾驶风格的弯道车速预测方法。

背景技术

公路弯道是事故多发路段，其事故严重程度也一般较高。按单位里程计算，弯道事故量要明显高于平直路段。近年来，我国道路交通事故总量呈下降趋势，但弯道事故的绝对数量却一直居高不下。同时，在弯道路段易发生侧翻、侧滑等严重事故。弯道行车发生侧翻、侧滑等侧向失稳事件的原因涉及人车路等多方面的综合因素，并与过弯车速直接相关。研究显示，只要合理选择过弯车速，能够有效避免弯道侧向失稳事件的发生。传统的弯道超速预防措施，主要从交通工程的角度，在公路建设时为每个弯道设定限速，并在路侧设置限速标志，对过往的所有驾驶员进行相同的警示。路侧限速的方法难以充分考虑天气变化、车辆参数差异、驾驶员行为特性等动态与个体因素，不足以从根本上改善弯道事故状况。只有针对弯道侧向失稳事件进行人车路耦合作用分析，动态、准确地计算车辆过弯的安全速度，才能有效解决弯道行车事故问题。

现有的弯道车速预警系统，主要考虑车路耦合作用角度，建立能够保证弯道行车安全的车速预测模型，而缺乏对驾驶员行为特性的量化分析。特别地，现有研究较少关注驾驶行为特性，特别是驾驶风格对弯道车速的影响。如申请号CN201210013851.0的一种基于RFID的弯道车速预警系统，其在弯道安全车速的计算时，仅考虑了路面的坡度、弯道曲率半径，以及在晴天和雨天的轮胎附着系数；申请号为CN201410010087.0的基于车路协同的弯道速度预警方法，其核心内容是判别车辆是否进入弯到，而采用的弯道安全车速为路侧标识出来的道路限速，该限速为固定值；申请号为CN201410309891.9的基于车路协同的汽车曲线运行速度处理系统及方法，通过收集所有过往车辆的历史过弯信息，从而在路侧设备中建立一个弯道安全车速的二维表，通过查表方式得出当前车辆的建议车速；申请号为CN201310301046.2的一种基于车路协同的弯道行车预警方法，该方法基于车辆状态参数、弯道半径和路面坡度等计算出弯道的理论安全车速，并引入能见度信息，从而推算出考虑能见度信息的弯道安全车速。

可见，现有的弯道车速计算主要考虑车辆与道路环境之间的耦合作用，缺乏对驾驶员行为特性的量化分析。一般地，不同驾驶风格(激进、保守、适中)的驾驶员对弯道车速的心理预期和承受度不尽相同，一旦预警系统不能较好地体现驾驶员行为特性，必将影响系统的接受度，甚至造成驾驶员紧张进而引发事故。驾驶员在选择过弯车速时，一方面，会根据自身驾驶经验，从车路耦合作用力分析角度来判断过弯车速的安全性；另一方面，也会综合考虑过弯的舒适性，避免过大的横向加速度对自身造成的冲击，这种冲击也会反过来影响驾驶员对过弯安全性的判断。事实上，现有从理论计算得到的过弯安全车速值要明显高于实际驾驶员对过弯车速的选择值，这种差异性也正是驾驶员行为特性参与到车路耦合作用的结果。

发明内容

本发明要解决的技术问题在于针对现有技术中的缺陷，提供一种考虑驾驶风格的弯道车速预测方法。

本发明解决其技术问题所采用的技术方案是：一种考虑驾驶风格的弯道车速预测方法,包括以下步骤：

1)在车辆进入弯道之前，采集路面超高、路面横坡角和弯道半径；

2)在车辆进入弯道之前，预测出综合反映人车路耦合作用的弯道车速值，具体计算如下：

式中：B为车辆轮距，h为重心高度，i_y为路面超高，i_y＝tanβ，β为路面横坡角；R为弯道半径，g为重力加速度；μ为路面的附着系数；k_d为驾驶员影响因子。

按上述方案，驾驶员影响因子k_d的确定方法如下：

2.1)驾驶风格评价指标选取的参数分别为：平均车速车速达限速90％的时间比例η、最大加速度a_max、方向盘转角与车速乘积的最大值k_max四项；

建立驾驶风格影响因素的集合如下式所示：

D＝{d₁,d₂,d₃,d₄}

式中，d₁为平均车速d₂为车速达到限速90％的时间比例η，d₃为最大加速度a_max，d₄为方向盘转角与车速乘积的最大值k_max；

2.2)对四个评价指标赋予权重如下：d₁权重为0.2，d₂权重为0.2，d₃权重为0.3，d₄权重为0.3；

2.3)将驾驶员分为三类：保守型、适中型、激进型；所建立的决策评语集如下式：

V＝{v₁,v₂,v₃}＝{保守型,适中型,激进型}；

2.4)驾驶风格的确定

2.4.1)通过实车实验，获得待测驾驶员的4项评价指标，即：

2.4.2)采用模糊综合评价方法确定驾驶员的驾驶风格，其中模糊综合评价方法的隶属度函数，可用矩阵表示为：

F＝[A B C]

其中，A、B、C分别代表保守型、适中型、激进型驾驶风格的隶属度函数，即：

其中，

据此可得该驾驶员的模糊综合评价关系矩阵：

设上述4项评价指标的权重为w，可得该驾驶员的驾驶风格模糊合成值：

B_n＝w·Q_n＝[B_1n B_2n B_3n]

式中B_1n、B_2n、B_3n分别对应保守型、适中型、激进型驾驶风格。将其归一化处理，根据最大隶属度原则，三项中的最大值所对应的驾驶风格即为该驾驶员所属的驾驶风格；

2.5)根据驾驶员所属的驾驶风格和视距条件确定驾驶员影响因子，所述视距条件为天气情况和光照条件。

按上述方案，所述步骤5)中，视距条件为晴好白天、雨雾白天和夜间，其对应的驾驶员影响因子为：保守型：晴好白天0.31、雨雾白天0.12、夜间0.21；适中型：晴好白天0.35、雨雾白天0.16、夜间0.25；激进型：晴好白天0.39、雨雾白天0.20、夜间0.28。

本发明产生的有益效果是：提供一种考虑驾驶风格的弯道车速预测方法，该方法引入驾驶员的驾驶风格，并通过驾驶员影响因子来量化驾驶风格对弯道车速预测值的影响，能够针对不同风格的驾驶员计算出合理的过弯车速，从而在保证弯道行车安全的同时，提高驾驶员对弯道行车驾乘体验的需求，以及对该系统的接受度。

附图说明

下面将结合附图及实施例对本发明作进一步说明，附图中：

图1是本发明实施例的结构示意图；

图2是本发明实施例的驾驶风格模糊识别原理图；

图3是本发明实施例的驾驶风格评价指标的隶属度函数示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

如图1所示，一种考虑驾驶风格的弯道车速预测方法，

该方法引入驾驶员的驾驶风格，并通过驾驶员影响因子来量化驾驶风格对弯道车速预测值的影响，能够针对不同风格的驾驶员计算出合理的过弯车速，从而在保证弯道行车安全的同时，提高驾驶员对弯道行车驾乘体验的需求，以及对该系统的接受度。该方法主要包括以下步骤：

一种考虑驾驶风格的弯道车速预测方法，该方法通过预测车辆在弯道发生侧翻与侧滑的最大临界速度，并引入驾驶风格的度量，即驾驶员影响因子k_d。利用该方法，可在车辆进入弯道之前，预测出综合反映人车路耦合作用的弯道车速值。换言之，该车速值不仅能保证弯道行车安全，还可反映驾驶员的不同驾驶风格，从而提高该车速值的可接受度和应用效果。

具体如下：

1.在车辆进入弯道之前，预测出综合反映人车路耦合作用的弯道车速值

式中：B为车辆轮距，h为重心高度，i_y为路面超高，i_y＝tanβ，β为路面横坡角；R为弯道半径，g为重力加速度；μ为路面的附着系数。特别地，驾驶员影响因子k_d会因驾驶员的不同驾驶风格而取值各异。

2.驾驶风格的度量，即驾驶员影响因子k_d须通过多组实车标定实验来统计分析获得。因此，选取不同性格特质、不同驾龄、不同年龄的50名被试驾驶员，在高速公路出口匝道处，于交通畅通的条件下，让被试驾驶员分别在晴好白天、雨雾白天和夜间等不同时距条件下进行实车实验，收集实验过程中的车速、加速度、方向盘转角等状态，利用统计方法实现对被试驾驶员的驾驶风格分类。

驾驶风格分类的实验方案

3.本发明利用模糊综合评价方法，构建驾驶员的驾驶风格分类模型。如图2所示，该方法的实现过程主要包括：

(1)驾驶风格的评价指标选取及其权重的确定

本发明驾驶风格评价指标选取的参数分别为：平均车速车速达限速90％的时间比例η、最大加速度a_max、方向盘转角与车速乘积的最大值k_max等四项。

据此，本发明所建立驾驶风格影响因素的集合如下式所示：

D＝{d₁,d₂,d₃,d₄}

式中，d₁为平均车速d₂为车速达到限速90％的时间比例η，d₃为最大加速度a_max，d₄为方向盘转角与车速乘积的最大值k_max。

平均车速、车速达限速90％的时间比例易受道路环境的影响。相对而言，最大加速度、方向盘转角与车速乘积的最大值则更加能够反应驾驶员的主观驾驶风格，故各评价指标权重分布如下：

驾驶风格评价指标的权重值

(2)驾驶风格的决策评语集

驾驶员的驾驶风格特征通常界限模糊，难以从主观的角度给出精确的判断。结合实际情况，本发明将驾驶员分为三类：保守型、适中型、激进型。所建立的决策评语集如下式：

V＝{v₁,v₂,v₃}＝{保守型,适中型,激进型}

(3)隶属度函数的确定

下表列出驾驶风格的四项评价指标的隶属度函数参数：

(4)驾驶风格的确定

通过实车实验，可以获得n号驾驶员的4项评价指标，即：

而模糊综合评价方法的隶属度函数，可用矩阵表示为：

F＝[A B C]

其中，A、B、C分别代表保守型、适中型、激进型驾驶风格的隶属度函数，如图3所示，即：

据此可得该驾驶员的模糊综合评价关系矩阵：

结合上述4项评价指标的权重w，可得该驾驶员的驾驶风格模糊合成值：

B_n＝w·Q_n＝[B_1n B_2n B_3n]

式中B_1n、B_2n、B_3n分别对应保守型、适中型、激进型驾驶风格。将其归一化处理，根据最大隶属度原则，三项中的最大值所对应的驾驶风格即为该驾驶员所属的驾驶风格。

4.将50名被试驾驶员按驾驶风格分为三类，在晴好白天、雨雾白天和夜间等不同视距条件下，统计分析每类驾驶员通过某弯道的实际车速v_ij(分别对应保守型、适中型、激进型)，并同基于车路耦合作用分析计算得到车辆过弯的理论临界车速v_sr相比，可求得驾驶员影响因子k_d，即k_d＝v_ij/v_sr。对标定实验数据进行处理，得到k_d如下表所示：

5.本发明初始化默认该驾驶员风格为适中型，取各种天气条件下所对应的驾驶员影响因子k_d计算预测安全车速。当其过弯时，采集过弯车速，如果实际速度小于0.8倍或者大于1.2倍的预测安全车速，则将其归为保守型或激进型驾驶员，重新进行预测；否则，就按适中型驾驶员进行预测。

应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (2)

1.一种考虑驾驶风格的弯道车速预测方法，其特征在于,包括以下步骤：

1)在车辆进入弯道之前，采集路面超高、路面横坡角和弯道半径；

2)在车辆进入弯道之前，预测出综合反映人车路耦合作用的弯道车速值，具体计算如下：

式中：B为车辆轮距，h为重心高度，i_y为路面超高，i_y＝tanβ，β为路面横坡角；R为弯道半径，g为重力加速度；μ为路面的附着系数；k_d为驾驶员影响因子；

其中，驾驶员影响因子k_d的确定方法如下：

2.1)驾驶风格评价指标选取的参数分别为：平均车速车速达限速90％的时间比例η、最大加速度a_max、方向盘转角与车速乘积的最大值k_max四项；

建立驾驶风格影响因素的集合如下式所示：

D＝{d₁,d₂,d₃,d₄}

式中，d₁为平均车速d₂为车速达到限速90％的时间比例η，d₃为最大加速度a_max，d₄为方向盘转角与车速乘积的最大值k_max；

2.2)对四个评价指标赋予权重如下：d₁权重为0.2，d₂权重为0.2，d₃权重为0.3，d₄权重为0.3；

2.3)将驾驶员分为三类：保守型、适中型、激进型；所建立的决策评语集如下式：

V＝{v₁,v₂,v₃}＝{保守型,适中型,激进型}；

2.4)驾驶风格的确定

2.4.1)通过实车实验，获得待测驾驶员的4项评价指标，即：

2.4.2)采用模糊综合评价方法确定驾驶员的驾驶风格，其中模糊综合评价方法的隶属度函数，可用矩阵表示为：

F＝[A B C]

其中，A、B、C分别代表保守型、适中型、激进型驾驶风格的隶属度函数，即：

其中,(a1,b1)为保守型驾驶风格的隶属度函数参数；(a2,b2,c2,d2)为适中型驾驶风格的隶属度函数参数；(a3,b3)为激进型驾驶风格的隶属度函数参数；

据此可得该驾驶员的模糊综合评价关系矩阵：

设上述4项评价指标的权重为w，可得该驾驶员的驾驶风格模糊合成值：

B_n＝w·Q_n＝[B_1n B_2n B_3n]

式中B_1n、B_2n、B_3n分别对应保守型、适中型、激进型驾驶风格，将其归一化处理，根据最大隶属度原则，三项中的最大值所对应的驾驶风格即为该驾驶员所属的驾驶风格；

2.5)根据驾驶员所属的驾驶风格和视距条件确定驾驶员影响因子，所述视距条件为天气情况和光照条件。

2.根据权利要求1所述的考虑驾驶风格的弯道车速预测方法，其特征在于，所述步骤2.5)中，视距条件为晴好白天、雨雾白天和夜间，其对应的驾驶员影响因子为：保守型：晴好白天0.31、雨雾白天0.12、夜间0.21；适中型：晴好白天0.35、雨雾白天0.16、夜间0.25；激进型：晴好白天0.39、雨雾白天0.20、夜间0.28。