CN108447308A - 一种基于车路协同的交叉口车辆碰撞风险预测方法及系统 - Google Patents

Abstract

本发明涉及一种基于车路协同的交叉口车辆碰撞风险预测新方法及系统。本发明对相邻区域范围内存在行车意图冲突的相邻车辆运动状态参数进行预测，通过预测邻域范围内的汽车是否会落入被试车的冲突区域内以及在冲突区域内与被试车的接近程度，可以判断被试车当前的行车安全状态以及预测车辆的冲突风险程度。本发明充分考虑了相邻车辆间驾驶人的行车意图和车辆相对运动状态来预测相邻车辆间的相对运动趋势，提高了复杂道路交通环境下汽车冲突风险辨识的准确性，容易实现，且方法复杂度低，可广泛适用于驾驶模拟器、汽车碰撞危险预警和汽车安全辅助驾驶系统，用于评估和预测运动车辆间的轨迹交叉和碰撞风险。

Description

一种基于车路协同的交叉口车辆碰撞风险预测方法及系统

技术领域：

本发明涉及一种预测方法及系统，属于汽车控制技术领域，具体是涉及一种基于车路协同的交叉口车辆碰撞风险预测新方法及系统。

背景技术：

随着汽车保有量的日益增多，道路交通负担加重使得行车安全性问题变得更加复杂。尤其在车流量较大的道路行车环境下，相邻车辆驾驶人会采取频繁的加速、减速以及换道等方式操控汽车行驶以提高行车安全性和效率，而这种现象极易导致相邻车辆间驾驶人的行车意图发生冲突。如果被试车与本车道前车的车间相对距离等于临界车间安全距离，此时，被试车驾驶人采取加速行驶策略，本车道前车驾驶人采取紧急制动措施，则被试车与本车道前车可能会发生追尾碰撞事故；如果被试车与目标车道后车在纵向方向的运动状态(位置、速度)相近，此时，被试车驾驶人采取突然换道策略，目标车道后车驾驶人采取加速行驶策略，则被试车与目标车道后车可能会发生碰撞事故。

发明内容:

发明所要解决的技术问题

传统的汽车智能避碰系统通过车载传感器装置来实时检测汽车运动状态信息和车外的道路交通环境信息(道路车辆、行人、标志标线等)，并基于车间安全距离等指标来感知汽车行驶过程中的安全状态，这种方式在一定程度上能够有效的辨识道路车辆的碰撞危险。

但是，基于单一车间距离或车头时距指标的汽车冲突危险辨识方法没有能够充分考虑驾驶人行车意图的冲突，很难准确的辨识复杂道路交通环境下的汽车冲突风险。

解决问题所采用的方案

为解决上述问题，本发明所采用的方案是：

一种基于车路协同的交叉口车辆碰撞风险预测方法，包括：

驾驶意图辨识步骤，采集相邻车辆的运动状态以及驾驶人的操控信息，对驾驶人的行车意图进行辨识；

驾驶行为预测步骤，利用基于二次型理论的效用函数对驾驶人的操控行为进行预测；

短时轨迹预测步骤，基于Kalman预测算法预测相邻车辆的短时运动状态；

冲突模型构建步骤，基于临界冲突区域模型构建交叉口汽车冲突圆模型；

冲突风险计算步骤，基于构建的冲突圆模型计算车辆间的行驶路线方向冲突程度。

在本发明的至少一个实施例中，所述驾驶意图辨识步骤中，通过车载多传感器设备和V2X通讯技术DSRC采集相邻车辆的运动状态信息以及驾驶人的操控信息对驾驶人的行车意图进行辨识。

在本发明的至少一个实施例中，所述的驾驶行为预测步骤，基于下式表示驾驶人期望操控量效用函数：

式中Q为状态量的误差权重，R为控制量的权重矩阵，Q_n为终端状态n时刻的权重矩阵，x_k为目标车辆在k时刻的运动状态，u_k为第k时刻驾驶人期望的控制量。

在本发明的至少一个实施例中，所述短时轨迹预测步骤具体包括以下子步骤：

运动模型改进子步骤，根据汽车运动状态的观测数据选用汽车运动学模型来描述道路相邻车辆的运动状态；将驾驶人的操控行为加入到汽车运动学模型；

状态序贯预测子步骤，基于改进的汽车运动学模型，基于相邻车辆的运动状态观测数据以及驾驶人操控行为的预测结果，应用Kalman预测算法对相邻车辆的短时运动状态序贯链进行预测。

在本发明的至少一个实施例中，所述的冲突模型构建步骤中，基于下式构建交叉口汽车冲突圆模型：

式中o为汽车的质心，V为汽车的速度方向，d为定义的冲突圆的半径，驾驶人的反应时间为T，汽车质量为m，最大制动力为F，初始速度为V₀；r_o表示冲突半径的放大系数；d_o表示前车和后车在静止状态下应该保持的有效距离。

在本发明的至少一个实施例中，所述的冲突风险计算步骤中，对相邻区域范围内存在行车意图冲突的相邻车辆运动状态参数进行预测，通过预测邻域范围内的汽车是否会落入被试车的冲突区域内以及在冲突区域内与被试车的接近程度，判断被试车当前的行车安全状态以及预测车辆的冲突风险程度。

在本发明的至少一个实施例中，所述冲突风险计算步骤中，基于下式表示冲突圆内车辆的冲突风险指数：

R_index＝S₁*S₂/S_max

式中，S₁为周围车辆车身与汽车冲突圆区域的重叠面积，S₁越大，表示越接近；S₂为周围车辆与本车行车路线的重叠面积，表示相邻车辆与本车行车路线的冲突程度；S_max为max{S₁*S₂}，即当相邻车辆完全处于冲突圆内，且行驶路线与本车的运动方向发生冲突且完全一致时，S₁*S₂的值最大。

一种基于车路协同的交叉口车辆碰撞风险预测系统，包括：

驾驶意图辨识模块，采集相邻车辆的运动状态以及驾驶人的操控信息，对驾驶人的行车意图进行辨识；

驾驶行为预测模块，利用基于二次型理论的效用函数对驾驶人的操控行为进行预测；

短时轨迹预测模块，基于Kalman预测算法预测相邻车辆的短时运动状态；

冲突模型构建模块，基于临界冲突区域模型构建交叉口汽车冲突圆模型；

冲突风险计算模块，基于构建的冲突圆模型计算车辆间的行驶路线方向冲突程度。

在本发明的至少一个实施例中，所述驾驶意图辨识模块中，通过车载多传感器设备和V2X通讯技术DSRC采集相邻车辆的运动状态信息以及驾驶人的操控信息对驾驶人的行车意图进行辨识。

在本发明的至少一个实施例中，所述的驾驶行为预测模块，基于下式表示驾驶人期望操控量效用函数：

式中Q为状态量的误差权重，R为控制量的权重矩阵，Q_n为终端状态n时刻的权重矩阵，x_k为目标车辆在k时刻的运动状态，u_k为第k时刻驾驶人期望的控制量。

发明效果

本发明在传统汽车冲突点模型的基础上提出汽车冲突区域模型以及汽车冲突风险指数的计算方法，结合相邻车辆间的相对位置、相对速度和运动方向的预测结果对行车过程中的汽车冲突风险程度进行评估。本发明充分考虑了相邻车辆间驾驶人的行车意图和车辆相对运动状态来预测相邻车辆间的相对运动趋势，提高了复杂道路交通环境下汽车冲突风险辨识的准确性。

该方法容易实现，且算法复杂度低，广泛适用于驾驶模拟器、汽车碰撞危险预警和汽车安全辅助驾驶系统，用于评估和预测运动车辆间的轨迹交叉和碰撞风险。

附图说明

图1为本发明的流程图；

图2为本发明的冲突圆定义图；

图3-1至3-3为本发明的冲突风险计算演示图；

图4为本发明的系统结构图。

具体实施方式：

下面通过实施例，并结合附图，对本发明的技术方案作进一步具体的说明。

实施例：

下面结合图1对本实施例的具体方法之行介绍。如图的所示，本实施例的基于车路协同的交叉口车辆碰撞风险预测新方法具体包括以下步骤：

步骤1：通过车载多传感器设备和V2X通讯技术DSRC采集相邻车辆的运动状态信息(位置、速度、加速度、航向角等)以及驾驶人的操控信息(油门踏板、制动踏板和转向灯信号)，通过综合感知以上信息对驾驶人的行车意图进行辨识，如图4所示；

步骤2：结合汽车运动状态信息、道路障碍物信息和驾驶人行车意图信息，根据基于二次型理论构建反映驾驶行为决策的效用函数对驾驶人的操控行为进行预测。

本实施例中，利用二次型理论将驾驶人期望操控量效用函数表示为一种离散化形式：式中Q为状态量的误差权重，R为控制量的权重矩阵，Q_n为终端状态n时刻的权重矩阵，x_k为目标车辆在k时刻的运动状态，u_k为第k时刻驾驶人期望的控制量；

步骤3：根据汽车运动状态的观测数据选用合适的汽车运动学模型来描述道路相邻车辆的运动状态，同时将驾驶人的操控行为加入到汽车运动学模型中提高模型的精度；

步骤4：基于改进的汽车运动学模型，相邻车辆的运动状态观测数据以及驾驶人操控行为的预测结果，应用Kalman预测算法对相邻车辆的短时运动状态(轨迹、速度、加速度)序贯链进行预测；

步骤5：根据汽车运动状态的预测结果构建行车路径的冲突区域模型。

为了减小汽车冲突区域模型计算的复杂性，本发明对汽车临界冲突区域模型的半径求解问题进行简化，构建交叉口汽车冲突圆模型。

图1中，o为汽车的质心，V为汽车的速度方向，d为定义的冲突圆的半径。设驾驶人的反应时间为T，汽车质量为m，最大制动力为F，初始速度为V₀，则冲突圆的半径定义为其中，r_o表示冲突半径的放大系数，取值范围为[1,1.5]；d_o表示前车和后车在静止状态下应该保持的有效距离，取值范围为[2,5]米。

步骤6：结合相邻车辆间的相对位置、相对速度和运动方向提出相邻车辆行车路径冲突风险指数的计算方法。

本发明中采用计算冲突圆内面积重叠的方法表示车辆间的相互接近程度和车辆间的行驶路线方向冲突程度。如图2以及图3-1至3-3所示，冲突圆内网状阴影部分可以表示周围车辆与汽车冲突圆区域的重叠面积，记为S₁，表示相邻车辆与本车的相互接近程度，S₁越大，表示越接近；冲突圆内实线阴影部分表示周围车辆与本车行车路线的重叠面积，记为S₂，表示相邻车辆与本车行车路线的冲突程度。定义冲突圆内车辆的冲突风险指数为R_index＝S₁*S₂/S_max。其中，S_max为max{S₁*S₂}，即当相邻车辆完全处于冲突圆内，且行驶路线与本车的运动方向发生冲突且完全一致时，S₁*S₂的值最大；

步骤7：对相邻区域范围内存在行车意图冲突的相邻车辆运动状态参数进行预测，通过预测邻域范围内的汽车是否会落入被试车的冲突区域内以及在冲突区域内与被试车的接近程度，可以判断被试车当前的行车安全状态以及预测车辆的冲突风险程度。

应当理解的是，本说明书未详细阐述的部分均属于现有技术。

本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (10)

1.一种基于车路协同的交叉口车辆碰撞风险预测方法，其特征在于，包括：

驾驶意图辨识步骤，采集相邻车辆的运动状态以及驾驶人的操控信息，对驾驶人的行车意图进行辨识；

驾驶行为预测步骤，利用基于二次型理论的效用函数对驾驶人的操控行为进行预测；

短时轨迹预测步骤，基于Kalman预测算法预测相邻车辆的短时运动状态；

冲突模型构建步骤，基于临界冲突区域模型构建交叉口汽车冲突圆模型；

冲突风险计算步骤，基于构建的冲突圆模型计算车辆间的行驶路线方向冲突程度。

2.根据权利要求1所述的一种基于车路协同的交叉口车辆碰撞风险预测方法，其特征在于，所述驾驶意图辨识步骤中，通过车载多传感器设备和V2X通讯技术DSRC采集相邻车辆的运动状态信息以及驾驶人的操控信息对驾驶人的行车意图进行辨识。

3.根据权利要求1所述的一种基于车路协同的交叉口车辆碰撞风险预测方法，其特征在于，所述的驾驶行为预测步骤，基于下式表示驾驶人期望操控量效用函数：

式中Q为状态量的误差权重，R为控制量的权重矩阵，Q_n为终端状态n时刻的权重矩阵，x_k为目标车辆在k时刻的运动状态，u_k为第k时刻驾驶人期望的控制量。

4.根据权利要求1所述的一种基于车路协同的交叉口车辆碰撞风险预测方法，其特征在于，所述短时轨迹预测步骤具体包括以下子步骤：

运动模型改进子步骤，根据汽车运动状态的观测数据选用汽车运动学模型来描述道路相邻车辆的运动状态；将驾驶人的操控行为加入到汽车运动学模型；

状态序贯预测子步骤，基于改进的汽车运动学模型，基于相邻车辆的运动状态观测数据以及驾驶人操控行为的预测结果，应用Kalman预测算法对相邻车辆的短时运动状态序贯链进行预测。

5.根据权利要求1所述的一种基于车路协同的交叉口车辆碰撞风险预测方法，其特征在于，所述的冲突模型构建步骤中，基于下式构建交叉口汽车冲突圆模型：

式中o为汽车的质心，V为汽车的速度方向，d为定义的冲突圆的半径，驾驶人的反应时间为T，汽车质量为m，最大制动力为F，初始速度为V₀；r_o表示冲突半径的放大系数；d_o表示前车和后车在静止状态下应该保持的有效距离。

6.根据权利要求1所述的一种基于车路协同的交叉口车辆碰撞风险预测方法，其特征在于，所述的冲突风险计算步骤中，对相邻区域范围内存在行车意图冲突的相邻车辆运动状态参数进行预测，通过预测邻域范围内的汽车是否会落入被试车的冲突区域内以及在冲突区域内与被试车的接近程度，判断被试车当前的行车安全状态以及预测车辆的冲突风险程度。

7.根据权利要求4所述的一种基于车路协同的交叉口车辆碰撞风险预测方法，其特征在于，所述冲突风险计算步骤中，基于下式表示冲突圆内车辆的冲突风险指数：

R_index＝S₁*S₂/s_max

式中，s₁为周围车辆车身与汽车冲突圆区域的重叠面积，s₁越大，表示越接近；s₂为周围车辆与本车行车路线的重叠面积，表示相邻车辆与本车行车路线的冲突程度；S_max为max{S₁*S₂}，即当相邻车辆完全处于冲突圆内，且行驶路线与本车的运动方向发生冲突且完全一致时，S₁*S₂的值最大。

8.一种基于车路协同的交叉口车辆碰撞风险预测系统，其特征在于，包括：

驾驶意图辨识模块，采集相邻车辆的运动状态以及驾驶人的操控信息，对驾驶人的行车意图进行辨识；

驾驶行为预测模块，利用基于二次型理论的效用函数对驾驶人的操控行为进行预测；

短时轨迹预测模块，基于Kalman预测算法预测相邻车辆的短时运动状态；

冲突模型构建模块，基于临界冲突区域模型构建交叉口汽车冲突圆模型；

冲突风险计算模块，基于构建的冲突圆模型计算车辆间的行驶路线方向冲突程度。

9.根据权利要求8所述的一种基于车路协同的交叉口车辆碰撞风险预测系统，其特征在于，所述驾驶意图辨识模块中，通过车载多传感器设备和V2X通讯技术DSRC采集相邻车辆的运动状态信息以及驾驶人的操控信息对驾驶人的行车意图进行辨识。

10.根据权利要求8所述的一种基于车路协同的交叉口车辆碰撞风险预测系统，其特征在于，所述的驾驶行为预测模块，基于下式表示驾驶人期望操控量效用函数：

式中Q为状态量的误差权重，R为控制量的权重矩阵，Q_n为终端状态n时刻的权重矩阵，x_k为目标车辆在k时刻的运动状态，u_k为第k时刻驾驶人期望的控制量。