CN109360445A - 一种基于横向与纵向运动学特征分布的高速换道风险检测方法 - Google Patents
一种基于横向与纵向运动学特征分布的高速换道风险检测方法 Download PDFInfo
- Publication number
- CN109360445A CN109360445A CN201810744579.0A CN201810744579A CN109360445A CN 109360445 A CN109360445 A CN 109360445A CN 201810744579 A CN201810744579 A CN 201810744579A CN 109360445 A CN109360445 A CN 109360445A
- Authority
- CN
- China
- Prior art keywords
- lane
- change
- vehicle
- risk
- moment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/167—Driving aids for lane monitoring, lane changing, e.g. blind spot detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及交通安全技术领域,具体公开了一种基于横向与纵向运动学特征分布的高速换道风险检测方法,包括如下主要步骤:求出横向加速度最大值,作为车辆基于横向运动学特征分布的驾驶判据;求出车辆基于纵向运动学特征分布的驾驶判据;求出综合驾驶判据;计算出实时最小安全距离;计算横向风险指标;计算纵向风险指标;实施风险检测并获取结果。本发明基于高速换道过程,制定能够表征驾驶人个性化特征的个性化驾驶判别方法和换道风险评价方法,为换道辅助的优化提供参考,从而加快车辆智能化进程,降低交通事故发生的概率及其引发的人员伤亡和财产损失。
Description
技术领域
本发明涉及交通安全技术领域,具体涉及一种高速公路换道风险的检测方法。
背景技术
在实际交通场景中,高速换道过程涉及驾驶人员的主观能动性、车辆的机械性能、交通环 境的随机干扰、道路集合条件等因素,且驾驶人员在换道过程中需同时关注距离、速度、周围 车辆位置等多种信息。因此,换道过程极易出现人为操作失误,从而导致交通事故的发生。因 此,针对换道行为的个性化判别方法及安全性评估方面的问题需要准确客观的指标评价和描述。
目前针对个性化驾驶特征的研究关注点主要集中在如何获得一条最优的换道轨迹而忽略 了驾驶人员在这其中扮演的角色;少量的针对驾驶行为特征的相关研究大多通过采集驾驶人员 的动作特征(方向盘转角、踩踏板的频率)和生理特征来进行研究,主观地对驾驶人员进行分类, 难以客观地描述驾驶行为的个性化。
在驾驶安全性评估的问题上,使用正确的换道风险评价方法对提高交通系统的运行效能力 至关重要。然而,目前的风险评价指标多呈现跳跃性,导致后续的决策与调整存在延迟;评价 过程中,相关参数的设定多依赖于经验值,未考虑驾驶人员的安全认知水平差异;应用于车道 变化这个复杂的过程,单一的评价指标不能全面地描述自身与周围车辆的空间关系,不利于反 馈调整。
一直以来,研究者试图从驾驶行为差异产生原因的角度,即生理变化、操作习惯等方面对 个性化驾驶特征进行判别。然而,上述因素的表现形公式因驾驶环境以及车辆性能的变化而产 生差异,因此,无法以此区分个性化驾驶特征。另外,错误的驾驶习惯将会导致操作失误,甚 至引发交通事故。
发明内容
有鉴于此,本发明提供一种基于横向与纵向运动学特征分布的高速换道风险检测方法,为 换道辅助的优化提供参考。
本发明的目的是通过以下技术方案来实现的:
一种基于横向与纵向运动学特征分布的高速换道风险检测方法,该方法包括以下步骤:
1)获取高速换道过程中的车辆轨迹参数;
2)对步骤1)获得的车辆轨迹参数进行筛选,选取自由换道过程的轨迹数据;
3)对步骤2)获得的自由换道过程的轨迹数据进行预处理,消除噪声干扰;
4)对车辆换道过程进行划分;
5)求出横向加速度最大值alat_max,作为车辆基于横向运动学特征分布的驾驶判据;
6)求出车辆基于纵向运动学特征分布的驾驶判据Jfiu,Jtend;
7)结合步骤5)6)结果,求出综合驾驶判据Ai=[alat_max_iJflu_iJtend_i]T;
8)计算出实时最小安全距离;
9)计算横向风险指标
10)结合步骤8)分析结果,计算纵向风险指标
11)实施风险检测并获取结果。
进一步,所述步骤4)中,将车辆换道过程划分出以下几个时刻:
时刻t0,车辆在t0时刻产生换道意图,并随即进行分析决策和自身的纵向位置调整;
时刻tadj,经过调整,车辆于tadj时刻产生横向加速度,实际换道行为开始,将该时刻定 义为实际换道起始点;
时刻tc+tadj,车辆重心与车道线重合;
时刻tlat+tadj,车辆完成横向速度的调整,实际换道行为结束,将该时刻定义为实际换道 终止点;
时刻T,完成换道行为。
进一步,所述步骤5)中通过下式计算横向加速度最大值alat_max:
上式中,H为车道宽度,tlat为换道时间。
进一步,所述步骤6)具体包括如下步骤:
61)求出纵向加速度变化率函数式中,其中,v(t)为车辆纵向速度;
62)利用步骤61)求出能够综合描述纵向调整频次和幅度的参数
63)将步骤62)结果进行标准化处理得到:
64)求出描述车辆调整倾向性的参数
进一步,所述步骤8)中,最小安全距离为保证下一个时间间隔不发生碰撞的最小距离; 不同情况下的最小安全距离计算方法如下:
情况一:当车辆Vα的车头右端与源车道前车Vl的车尾左端发生极限碰撞时,通过下式 计算最小安全距离:
Ll(t)>Ls1(t) t∈[t0,tC1],
即当Vα与源车道前车Vl的距离Ll(t)大于t.Δt时刻Vα与Vl之间的初始距离Ls1(t)时可避免t 时刻Vα与Vl的接触;
情况二:当车辆Vα的车头左端与目标车道前车Vld的车尾右端发生极限碰撞时,通过下 式计算最小安全距离:
Lld(t)>Ls2(t) t∈[tC2,T]
即当Vα与目标车道前车的距离Lld(t)大于t.Δt时刻Vα与Vld之间的初始距离Ls2(t)时可避免 t时刻Vα与Vl的接触;
情况三:当车辆Vα的车尾右端与源车道后车Vf的车头左端发生极限碰撞时,通过下式 计算最小安全距离:
Lf(t)>Ls3(t),t∈[t0,tC3]
即当辆Vα与源车道后车的距离Lf(t)大于t.Δt时刻Vα与Vf之间的初始距离Ls3(t)时,可避免Vα 与Vf的接触;
情况四:当车辆Vα的车尾左端与目标车道后车Vfd的车头右端发生极限碰撞时,通过下式 计算最小安全距离:
Lfd(t)>Ls4(t),t∈[tC4,T]
即当Vα与目标车道后车的距离Lfd(t)大于t.Δt时刻Vα与Vfd之间的初始距离Ls4(t)时, 可避免Vα与Vfd的接触。
进一步,所述步骤9)包括如下步骤:
91)通过下式计算风险评价的基准值:
其中,Tα为理想化后的换道时间;Hα为理想化后的车道宽度;alat(i)是根据驾驶风格产生 的理想加速度变化曲线,这里作为风险评价的基准值;风险评价时间间隔i为0.1s的正整数倍;
93)根据步骤91)的结果,计算横向风险指标:
其中,alat_α(i)为车辆在i时刻的横向加速度;alat(i)为风险评价的基准值;其中ε为操作过程 中产生的随机误差;Rlat(i)为i时刻的风险值。
进一步,所述步骤10)中通过下式计算纵向实时风险指标:
进一步,步骤11)中,若任意i时刻,横向风险指标Rlat(i)大于1或Ri(t)>r (i=l,ld,f,fd) 视为风险过大。
由于采用了上述技术方案,本发明具有如下的优点:
1)基于横向与纵向运动学特征分布的驾驶判据的提出,将关注点放在驾驶人员对车辆位 置变化形式的态度上,通过分析换道产生的位置等信息研究驾驶过程的差异性,间接判别个性 化驾驶特性。目前研究者通常采用从驾驶行为差异产生原因的角度,即生理变化、操作习惯等 方面对个性化驾驶特征进行判别,本专利提出的判据有效避免了因驾驶环境以及车辆性能的变 化而产生差异,无法区分个性化驾驶特征的不足之处。
2)在车辆纵向运动学特征分布的驾驶判据的制定中,提出能够综合描述纵向调整频次和 幅度的参数J2以及描述车辆调整倾向性的参数Jtend。有效克服了现有描述不同纵向调整形式 的参数仅描述了驾驶人员的调整次数,而无法描述每一次调整的幅度,一旦存在两个样本均进 行了一次向前调整,但两者调整幅度不同,即加速度不同,该参数无法对这两种情况进行区分 的不足。
3)道路交通系统是驾驶人员、汽车和道路环境构成的耦合系统,若涉及其中单个或多个 因素的任一交通事变的出现,一旦不能快速并正确的处理,极有可能诱发一系列的后续交通事 故。因此,不考虑环境因素和车辆因素,单从驾驶人员角度看,某种状态的安全与否,不仅限 于自身的操作失误而可能造成的危险程度(如跟车距离过近而产生的追尾),还与驾驶人员应对 交通事变的能力有关(如应对前车突然减速反应过慢而产生的追尾)。本专利以个性化驾驶判据 和影响驾驶安全的诸多因素为基础,提出了基于个性化驾驶风格的换道风险检测的方法,为换 道辅助的优化提供参考,从而加快车辆智能化进程,降低交通事故发生的概率及其引发的人员 伤亡和财产损失。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述,并且在某种 程度上,基于对下文的考察研究对本领域技术人员而言将是显而易见的,或者可以从本发明的 实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步的详 细描述:
图1为换道时间节点的定义示意图;
图2为决策时段车辆Vα与周围车辆的位置关系示意图;
图3为车辆Vα与车辆Vl碰撞接触示意图;
图4为车辆Vα与车辆Vld碰撞接触示意图;
图5为车辆Vα与车辆Vf碰撞接触示意图;
图6为车辆Vα与车辆Vfd碰撞接触示意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的 内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实 施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进 行各种修饰或改变。
参见附图1-6,一种基于横向与纵向运动学特征分布的高速换道风险检测方法,该方法包 括以下步骤:
1)获取高速换道过程中的车辆轨迹参数;对于实际获取的数据集中自带的速度和加速度 方向与车辆运行方向相同,不利于横纵向运动过程的分析,因此,本文通过对数据横纵坐标进 行微分来获取速度、加速度等信息。
2)对步骤1)获得的车辆轨迹参数进行筛选,选取自由换道过程的轨迹数据;
3)对步骤2)获得的自由换道过程的轨迹数据进行预处理,消除噪声干扰;
4)对车辆换道过程进行划分;将车辆换道过程划分出以下几个时刻:
时刻t0,车辆在t0时刻产生换道意图,并随即进行分析决策和自身的纵向位置调整;
时刻tadj,经过调整,车辆于tadj时刻产生横向加速度,实际换道行为开始,将该时刻定 义为实际换道起始点;
时刻tc+tadj,车辆重心与车道线重合;
时刻tlat+tadj,车辆完成横向速度的调整,实际换道行为结束,将该时刻定义为实际换道 终止点;
时刻T,完成换道行为。
5)求出横向加速度最大值alat_max,作为车辆基于横向运动学特征分布的驾驶判据;
51)求出车辆换道过程中横向加速度随时间变化的关系式;
理想状态下,车辆换道过程平稳,车辆的横向速度vlat(t)符合正弦波特性,车辆的横向加 速度alat(t)符合余弦波特性。
因此,横向加速度随时间的变化曲线可用下列公式表示
根据三角函数特性可知,A=alat_max,ω=2π/tlat。其中,alat_max为横向加速度最大值,tadj为车辆产生横向加速度,实际换道行为开始时刻,tlat+tadj为车辆完成横向速度的调整,实际换 道行为结束时刻。
52)将步骤51)所获得的关系式两边双重积分可求出横向位移变化曲线公式;
其中,hα为横向位移。
53)若tadj=0,横向位移与车道宽度相等,即hα=H,则可推导出换道时间tlat与alat_max之间存在如下关系:
其中,H为车道宽度。因而表明,理想状态下,若横向位移一定,需确定参数alat_max,即 可确定换道过程的横向运动形式。则可选取alat_max作为横向驾驶个性化判据。
6)求出车辆基于纵向运动学特征分布的驾驶判据Jfiu,Jtend;理想状态下,驾驶人员一旦 选定换道时机,即t>t0+tadj时,就不再对周围车辆进行观察,只专注于执行换道动作。故在驾 驶人员实施换道动作前,即t∈[t0,tadj],主要任务是寻找换道时机和调整与周围车辆位置关系。 然而,由于驾驶人员的安全认知水平不同,导致其对实际换道时机和位置关系的理解程度和接 受程度不同。
车辆Vα与周围车辆的位置关系见图2,Vl为源车道前车;Vf为源车道后车;Vld为目标车道 前车;Δxfd为目标车道后车;Δxl,Δxld和Δxfd分别为Vα与周围车辆的间距。
根据数据分析可知,驾驶人员在该过程的驾驶风格差异性较大,具体表现为:a)换道间 隙Δxld+Δxfd的大小;b)跟车距离Δxl的大小;c)为选择合适的换道时机而在纵向上所作的调整。
其中,a)和b)均与驾驶人员的安全认知程度相关;针对c),可理解为驾驶人员为了寻找合 适的换道时机或保证换道安全,对自身与周围车辆的位置关系进行的综合考虑,试图通过纵向 调整,使车间距符合自己的心里预期。为描述每一次调整的幅度,更准确的区分纵向调整特性, 提出纵向驾驶判据。具体步骤如下:
61)求出纵向加速度变化率函数
其中,v(t)为车辆纵向速度。
62)利用步骤61)求出能够综合描述纵向调整频次和幅度的参数
63)将步骤62)结果进行标准化处理得到:
求出描述车辆调整倾向性的参数
7)结合步骤5)6)结果,求出综合驾驶判据Ai=[alat_max_iJflu_iJtend_i]T;
其中,i用来区分不同的驾驶人。判据中第一个参数体现了驾驶人员的操作习惯,剩余参 数均与驾驶过程中加速度的变化情况,即车辆在换道过程中平稳性相关,因此更多的体现了驾 驶人员的驾驶技能。
8)计算出实时最小安全距离;最小安全距离为保证下一个时间间隔不发生碰撞的最小距 离;不同情况下的最小安全距离计算方法如下:
车辆Vα在换道过程中与周围车辆之间的碰撞形式及其对应的最小安全距离,可分为以
情况一:车辆Vα的车头右端与源车道前车Vl的车尾左端发生极限碰撞
图3中C表示Vα与Vl发生刮擦或碰撞等情况下的两车接触点。当Vα变化车道时,Vα车体 覆盖范围的头部与Vl尾部之间的纵向距离就是Vα车应该考虑的安全间距Ls1。若Ls1过小,碰 撞的概率将增大,导致换道行为失败,所以针对不同驾驶人员,须保证Ls1在其可接受的范围 内,才能顺利完成换道。以车辆重心为基准,假定Vl的横向加速度为0,Vα与Vl之间的位置关 系可表示为:
公式中:Ls1(t)为t.Δt时刻Vα与Vl之间的初始距离;Yα2为Vα车体覆盖范围的右边界位置; Yl1为Vl车体左边界位置;Xl2为Vl车体后边界位置;Xα1为Vα车体前边界位置;vα(t)和vl(t)分别 为Vα和Vl的纵向速度;wl和ll分别为Vl的车体宽度和长度。
由情况一Vα与Vl之间的位置关系式可知,当y(t)大于零时,Vα和Vl在横向上的覆盖范围 不再产生重叠。假设t0=0,令y(t)=0,求得t=tC1,这意味着,驾驶人员应将保持安全距离保持 在始终大于Ls1(t)。保证在t∈[t0,tC1]的任意时刻,x(t)均大于零,即当Vα与源车道前车满足:
Ll(t)>Ls1(t) t∈[t0,tC1]
可避免t时刻Vα与Vl的接触。
情况二:车辆Vα的车头左端与目标车道前车Vld的车尾右端发生极限碰撞
图4中S表示实际换道前Vα与Vld之间的横向内侧间距,C表示Vα与Vld的接触点。当Vα变换车道时,Vα车头与Vld车尾部的纵向距离就是Vα应该考虑的安全距离。
以车辆重心为基准,假定Vld的横向加速度为0,Vα与Vld之间的位置关系可表示为:
公式中:Ls2(t)为t.Δt时刻Vα与Vld之间的初始距离;Yα1为Vα车体覆盖范围的左边界位置; Yld2为Vld车体右边界位置;Xld2为Vld车体后边界位置;Xα1为Vα车体前边界位置;vα(t)和vld(t) 分别为Vα和Vld的纵向速度;lld为Vld的车体的长度。
由Vα与Vld之间的位置关系式可知,当y(t)小于零时,Vα和Vld在横向上的覆盖范围产生重 叠。令y(t)=0,求得t=tC2,这意味着,驾驶人员应选择合适的Ls2,保证在t∈[tC2,T]的任意时 刻,x(t)均大于零,即当Vα与目标车道前车满足:
Lld(t)>Ls2(t) t∈[tC2,T]
可避免Vα与Vld的接触。
情况三:车辆Vα的车尾右端与源车道后车Vf的车头左端发生极限碰撞
图5中C表示Vα与Vf发生刮擦或碰撞等极端情况下的两车接触点。当Vα变换车道时,Vα 车体覆盖范围尾部与Vf车头部的纵向距离就是Vα应该考虑的安全距离。
以车辆重心为基准,假定Vf的横向加速度为0,Vα与Vf之间的位置关系可表示为:
公式中:Ls3(t)为t.Δt时刻Vα与Vf之间的初始距离;Yα2为Vα车体覆盖范围的右边界位置; Yf1为Vf车体左边界位置;Xf1为Vf车体前边界位置;Xα2为Vα车体后边界位置;vf(t)为Vf的纵 向速度;wf和lf分别为Vf的车体宽度和长度。
由Vα与Vf之间的位置关系式可知,当y(t)大于零时,Vα和Vf在横向上的覆盖范围不再产 生重叠。令y(t)=0,求得t=tC3,意味着,驾驶人员应选择合适的Ls3,保证在t∈[t0,tC3]的任意 时刻,x(t)均大于零,即当Vα与源车道后车满足:
Lf(t)>Ls3(t),t∈[t0,tC3]
可避免Vα与Vf的接触。
情况四:车辆Vα的车尾左端与目标车道后车Vfd的车头右端发生极限碰撞
图6中,C表示Vα与Vfd发生刮擦或碰撞等极端情况下的两车接触点。当Vα变换车道时, Vα车体覆盖范围尾部与Vfd车头部的纵向距离就是Vα应该考虑的安全距离。
以车辆重心为基准,假定Vfd的横向加速度为0,Vα与Vfd之间的位置关系可表示为:
公式中:Ls4(t)为t.Δt时刻Vα与Vfd之间的初始距离;Yα1为Vα车体覆盖范围的左边界位置; Yfd2为Vfd车体右边界位置;Xfd1为Vfd车体前边界位置;Xα2为Vα车体后边界位置;vfd(t)为Vfd的纵向速度;lfd为Vfd的车体长度。
由Vα与Vf之间的位置关系式可知,当y(t)小于零时,Vα和Vfd在横向上的覆盖范围产生重 叠。令y(t)=0,求得t=tC4,意味着,驾驶人员应选择合适的Ls4,保证在t∈[tC4,T]的任意时刻, x(t)均大于零,即当Vα与目标车道后车满足:
Lfd(t)>Ls4(t),t∈[tC4,T]
可避免Vα与Vfd的接触。
9)计算横向风险指标;包括如下步骤:
91)本发明在设定某一驾驶人员的风险基准时,认为该驾驶人员的操作是理想的,即承认 alat_max为其可承受的最大横向加速度,且加速度随时间变化的曲线是严格的余弦曲线。通过下 式计算风险评价的基准值:
其中,Tα为理想化后的换道时间;Hα为理想化后的车道宽度;alat(i)是根据驾驶风格产生 的理想加速度变化曲线,这里作为风险评价的基准值;风险评价时间间隔i为0.1s的正整数倍;
94)根据步骤91)的结果,计算横向风险指标:
其中,alat_α(i)为车辆在i时刻的横向加速度;alat(i)为风险评价的基准值;其中ε为操作过程 中产生的随机误差;Rlat(i)为i时刻的风险值。
10)结合步骤8)分析结果,若任意时刻,车辆Vα与周围车辆的任意纵向间距均大于驾驶 人员的期望间距,即可执行换道动作。因此车辆Vα的纵向实时风险可以表示为:
任意时刻:
Ri(t)<r (i=l,ld,f,fd)
其中,r为个性化驾驶风险阈值。证明此时执行换道动作在纵向上是安全的。
11)获得风险检测结果;若任意i时刻,横向风险指标Rlat(i)大于1或 Ri(t)>r (i=l,ld,f,fd)视为风险过大。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例 对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修 改或者等同替换,而不脱离本技术方案的宗旨和范围,其均应涵盖在本发明的保护范围当中。
Claims (8)
1.一种基于横向与纵向运动学特征分布的高速换道风险检测方法,其特征在于,该方法包括以下步骤:
1)获取高速换道过程中的车辆轨迹参数;
2)对步骤1)获得的车辆轨迹参数进行筛选,选取自由换道过程的轨迹数据;
3)对步骤2)获得的自由换道过程的轨迹数据进行预处理,消除噪声干扰;
4)对车辆换道过程进行划分;
5)求出横向加速度最大值alat_max,作为车辆基于横向运动学特征分布的驾驶判据;
6)求出车辆基于纵向运动学特征分布的驾驶判据Jfiu,Jtend;
7)结合步骤5)6)结果,求出综合驾驶判据Ai=[alat_max_i Jflu_i Jtend_i]T;
8)计算出实时最小安全距离;
9)计算横向风险指标
10)结合步骤8)分析结果,计算纵向风险指标
11)实施风险检测并获取结果。
2.根据权利要求1所述的一种基于横向与纵向运动学特征分布的高速换道风险检测方法,其特征在于,所述步骤4)中,将车辆换道过程划分出以下几个时段:
时刻t0,车辆在t0时刻产生换道意图,并随即进行分析决策和自身的纵向位置调整;
时刻tadj,经过调整,车辆于tadj时刻产生横向加速度,实际换道行为开始,将该时刻定义为实际换道起始点;
时刻tc+tadj,车辆重心与车道线重合;
时刻tlat+tadj,车辆完成横向速度的调整,实际换道行为结束,将该时刻定义为实际换道终止点;
时刻T,完成换道行为。
3.根据权利要求1所述的一种基于横向与纵向运动学特征分布的高速换道风险检测方法,其特征在于,所述步骤5)中通过下式计算横向加速度最大值alat_max:
上式中,H为车道宽度,tlat为换道时间。
4.根据权利要求3所述的一种基于横向与纵向运动学特征分布的高速换道风险检测方法,其特征在于,所述步骤6)具体包括如下步骤:
61)求出纵向加速度变化率函数式中,
其中,v(t)为车辆纵向速度;
62)利用步骤61)求出能够综合描述纵向调整频次和幅度的参数
63)将步骤62)结果进行标准化处理得到:
63)求出描述车辆调整倾向性的参数
5.根据权利要求4所述的一种基于横向与纵向运动学特征分布的高速换道风险检测方法,其特征在于,所述步骤8)中,最小安全距离为保证下一个时间间隔不发生碰撞的最小距离;不同情况下的最小安全距离计算方法如下:
情况一:当车辆Vα的车头右端与源车道前车Vl的车尾左端发生极限碰撞时,通过下式计算最小安全距离:
Ll(t)>Ls1(t) t∈[t0,tC1];
即当Vα与源车道前车Vl的距离Ll(t)大于t.Δt时刻Vα与Vl之间的初始距离Ls1(t)时可避免t时刻Vα与Vl的接触;
情况二:当车辆Vα的车头左端与目标车道前车Vld的车尾右端发生极限碰撞时,通过下式计算最小安全距离:
Lld(t)>Ls2(t) t∈[tC2,T];
即当Vα与目标车道前车的距离Lld(t)大于t.Δt时刻Vα与Vld之间的初始距离Ls2(t)时可避免t时刻Vα与Vl的接触;
情况三:当车辆Vα的车尾右端与源车道后车Vf的车头左端发生极限碰撞时,通过下式计算最小安全距离:
Lf(t)>Ls3(t),t∈[t0,tC3];
即当辆Vα与源车道后车的距离Lf(t)大于t.Δt时刻Vα与Vf之间的初始距离Ls3(t)时,可避免Vα与Vf的接触;
情况四:当车辆Vα的车尾左端与目标车道后车Vfd的车头右端发生极限碰撞时,通过下式计算最小安全距离:
Lfd(t)>Ls4(t),t∈[tC4,T]
即当Vα与目标车道后车的距离Lfd(t)大于t.Δt时刻Vα与Vfd之间的初始距离Ls4(t)时,可避免Vα与Vfd的接触。
6.根据权利要求5所述的一种基于横向与纵向运动学特征分布的高速换道风险检测方法,其特征在于,所述步骤9)包括如下步骤:
91)通过下式计算风险评价的基准值:
其中,Tα为理想化后的换道时间;Hα为理想化后的车道宽度;alat(i)是根据驾驶风格产生的理想加速度变化曲线,这里作为风险评价的基准值;风险评价时间间隔i为0.1s的正整数倍;
92)根据步骤91)的结果,计算横向风险指标:
其中,alat_α(i)为车辆在i时刻的横向加速度;alat(i)为风险评价的基准值;其中ε为操作过程中产生的随机误差;Rlat(i)为i时刻的风险值。
7.根据权利要求5所述的一种基于横向与纵向运动学特征分布的高速换道风险检测方法,其特征在于,所述步骤10)中通过下式计算纵向实时风险指标:
8.根据权利要求6或7所述的一种基于横向与纵向运动学特征分布的高速换道风险检测方法,其特征在于,步骤11)中,若任意i时刻,横向风险指标Rlat(i)大于1或Ri(t)>r (i=l,ld,f,fd)视为风险过大。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810744579.0A CN109360445B (zh) | 2018-07-09 | 2018-07-09 | 一种基于横向与纵向运动学特征分布的高速换道风险检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810744579.0A CN109360445B (zh) | 2018-07-09 | 2018-07-09 | 一种基于横向与纵向运动学特征分布的高速换道风险检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109360445A true CN109360445A (zh) | 2019-02-19 |
CN109360445B CN109360445B (zh) | 2021-02-09 |
Family
ID=65349687
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810744579.0A Active CN109360445B (zh) | 2018-07-09 | 2018-07-09 | 一种基于横向与纵向运动学特征分布的高速换道风险检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109360445B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110299027A (zh) * | 2019-07-12 | 2019-10-01 | 山东交通学院 | 一种基于轨迹数据和地图数据的车辆变道监测与安全预警方法 |
CN111081069A (zh) * | 2019-12-31 | 2020-04-28 | 交通运输部公路科学研究所 | 一种高速公路瓶颈区域的车辆轨迹控制方法 |
CN111289266A (zh) * | 2020-03-27 | 2020-06-16 | 中国汽车工程研究院股份有限公司 | 一种车辆主动变道系统测试评价方法 |
CN111783536A (zh) * | 2020-05-29 | 2020-10-16 | 北京百度网讯科技有限公司 | 变道合理性评估方法、装置、设备以及存储介质 |
CN112991815A (zh) * | 2019-12-02 | 2021-06-18 | 上海汽车集团股份有限公司 | 一种避障安全距离计算方法及装置 |
CN113096379A (zh) * | 2021-03-03 | 2021-07-09 | 东南大学 | 基于交通冲突的驾驶风格识别方法 |
CN113240901A (zh) * | 2021-03-05 | 2021-08-10 | 东南大学 | 一种智能车换道行为风险等级确定方法及装置 |
CN113778108A (zh) * | 2021-10-09 | 2021-12-10 | 招商局检测车辆技术研究院有限公司 | 一种基于路侧感知单元的数据采集系统及数据处理方法 |
CN117315938A (zh) * | 2023-10-19 | 2023-12-29 | 广州市城市规划勘测设计研究院 | 一种高速公路车辆换道风险估算方法、介质及设备 |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050131597A1 (en) * | 2003-12-11 | 2005-06-16 | Drive Diagnostics Ltd. | System and method for vehicle driver behavior analysis and evaluation |
JP4019897B2 (ja) * | 2002-11-06 | 2007-12-12 | 日産自動車株式会社 | 車両用推奨操作量生成装置 |
CN101089917A (zh) * | 2007-06-01 | 2007-12-19 | 清华大学 | 一种目标车换道工况下的快速识别方法 |
WO2011009009A1 (en) * | 2009-07-15 | 2011-01-20 | Massachusetts Institute Of Technology | Methods and apparati for predicting and quantifying threat being experienced by a modeled system |
CN102609765A (zh) * | 2012-03-22 | 2012-07-25 | 北京工业大学 | 基于多项式及rbf神经网络的智能车辆换道路径规划方法 |
CN102800213A (zh) * | 2012-08-27 | 2012-11-28 | 武汉大学 | 一种基于车辆通行优先级的换道危险避撞的方法 |
CN103116608A (zh) * | 2013-01-18 | 2013-05-22 | 同济大学 | 一种快速路交通流再现的方法 |
CN104882025A (zh) * | 2015-05-13 | 2015-09-02 | 东华大学 | 一种基于车联网技术的碰撞检测预警方法 |
CN105513423A (zh) * | 2015-11-30 | 2016-04-20 | 惠州华阳通用电子有限公司 | 一种车辆超车预警方法及装置 |
CN105644564A (zh) * | 2016-03-09 | 2016-06-08 | 江苏大学 | 一种汽车侧向主动避撞安全性判断方法 |
CN105930625A (zh) * | 2016-06-13 | 2016-09-07 | 天津工业大学 | Q学习结合神经网络的智能驾驶行为决策系统的设计方法 |
CN106940933A (zh) * | 2017-03-08 | 2017-07-11 | 北京理工大学 | 一种基于智能交通系统的智能车辆决策换道方法 |
WO2017145555A1 (ja) * | 2016-02-26 | 2017-08-31 | 日立オートモティブシステムズ株式会社 | 走行制御装置及び走行制御システム |
CN107315411A (zh) * | 2017-07-04 | 2017-11-03 | 合肥工业大学 | 一种基于车车协同下无人驾驶车辆的换道轨迹规划方法 |
CN107339997A (zh) * | 2016-05-03 | 2017-11-10 | 现代自动车株式会社 | 自主车辆的路径规划装置及方法 |
CN108062600A (zh) * | 2017-12-18 | 2018-05-22 | 北京星云互联科技有限公司 | 一种基于矩形建模的车辆碰撞预警方法及装置 |
CN108229078A (zh) * | 2018-03-19 | 2018-06-29 | 北京工业大学 | 一种城市交通场景中基于规则的群体运动模拟方法 |
-
2018
- 2018-07-09 CN CN201810744579.0A patent/CN109360445B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4019897B2 (ja) * | 2002-11-06 | 2007-12-12 | 日産自動車株式会社 | 車両用推奨操作量生成装置 |
US20050131597A1 (en) * | 2003-12-11 | 2005-06-16 | Drive Diagnostics Ltd. | System and method for vehicle driver behavior analysis and evaluation |
CN101089917A (zh) * | 2007-06-01 | 2007-12-19 | 清华大学 | 一种目标车换道工况下的快速识别方法 |
WO2011009009A1 (en) * | 2009-07-15 | 2011-01-20 | Massachusetts Institute Of Technology | Methods and apparati for predicting and quantifying threat being experienced by a modeled system |
CN102609765A (zh) * | 2012-03-22 | 2012-07-25 | 北京工业大学 | 基于多项式及rbf神经网络的智能车辆换道路径规划方法 |
CN102800213A (zh) * | 2012-08-27 | 2012-11-28 | 武汉大学 | 一种基于车辆通行优先级的换道危险避撞的方法 |
CN103116608A (zh) * | 2013-01-18 | 2013-05-22 | 同济大学 | 一种快速路交通流再现的方法 |
CN104882025A (zh) * | 2015-05-13 | 2015-09-02 | 东华大学 | 一种基于车联网技术的碰撞检测预警方法 |
CN105513423A (zh) * | 2015-11-30 | 2016-04-20 | 惠州华阳通用电子有限公司 | 一种车辆超车预警方法及装置 |
WO2017145555A1 (ja) * | 2016-02-26 | 2017-08-31 | 日立オートモティブシステムズ株式会社 | 走行制御装置及び走行制御システム |
CN105644564A (zh) * | 2016-03-09 | 2016-06-08 | 江苏大学 | 一种汽车侧向主动避撞安全性判断方法 |
CN107339997A (zh) * | 2016-05-03 | 2017-11-10 | 现代自动车株式会社 | 自主车辆的路径规划装置及方法 |
CN105930625A (zh) * | 2016-06-13 | 2016-09-07 | 天津工业大学 | Q学习结合神经网络的智能驾驶行为决策系统的设计方法 |
CN106940933A (zh) * | 2017-03-08 | 2017-07-11 | 北京理工大学 | 一种基于智能交通系统的智能车辆决策换道方法 |
CN107315411A (zh) * | 2017-07-04 | 2017-11-03 | 合肥工业大学 | 一种基于车车协同下无人驾驶车辆的换道轨迹规划方法 |
CN108062600A (zh) * | 2017-12-18 | 2018-05-22 | 北京星云互联科技有限公司 | 一种基于矩形建模的车辆碰撞预警方法及装置 |
CN108229078A (zh) * | 2018-03-19 | 2018-06-29 | 北京工业大学 | 一种城市交通场景中基于规则的群体运动模拟方法 |
Non-Patent Citations (2)
Title |
---|
HYUNJIN PARK,CHEOL OH,JAEPIL MOON,SEONGHO KIM: "《Development of a lane change risk index using vehicle trajectory data》", 《ACCIDENT ANALYSIS AND PREVENTION》 * |
杨小宝,张宁: "《任意性换道模型的比较与选择》", 《交通运输系统工程与信息》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110299027A (zh) * | 2019-07-12 | 2019-10-01 | 山东交通学院 | 一种基于轨迹数据和地图数据的车辆变道监测与安全预警方法 |
CN110299027B (zh) * | 2019-07-12 | 2021-12-14 | 山东交通学院 | 基于轨迹数据和地图数据的车辆变道监测与安全预警方法 |
CN112991815A (zh) * | 2019-12-02 | 2021-06-18 | 上海汽车集团股份有限公司 | 一种避障安全距离计算方法及装置 |
CN112991815B (zh) * | 2019-12-02 | 2022-02-25 | 上海汽车集团股份有限公司 | 一种避障安全距离计算方法及装置 |
CN111081069A (zh) * | 2019-12-31 | 2020-04-28 | 交通运输部公路科学研究所 | 一种高速公路瓶颈区域的车辆轨迹控制方法 |
CN111081069B (zh) * | 2019-12-31 | 2021-08-06 | 交通运输部公路科学研究所 | 一种高速公路瓶颈区域的车辆轨迹控制方法 |
CN111289266B (zh) * | 2020-03-27 | 2021-11-30 | 中国汽车工程研究院股份有限公司 | 一种车辆主动变道系统测试评价方法 |
CN111289266A (zh) * | 2020-03-27 | 2020-06-16 | 中国汽车工程研究院股份有限公司 | 一种车辆主动变道系统测试评价方法 |
CN111783536A (zh) * | 2020-05-29 | 2020-10-16 | 北京百度网讯科技有限公司 | 变道合理性评估方法、装置、设备以及存储介质 |
CN113096379A (zh) * | 2021-03-03 | 2021-07-09 | 东南大学 | 基于交通冲突的驾驶风格识别方法 |
CN113240901A (zh) * | 2021-03-05 | 2021-08-10 | 东南大学 | 一种智能车换道行为风险等级确定方法及装置 |
CN113778108A (zh) * | 2021-10-09 | 2021-12-10 | 招商局检测车辆技术研究院有限公司 | 一种基于路侧感知单元的数据采集系统及数据处理方法 |
CN113778108B (zh) * | 2021-10-09 | 2023-07-21 | 招商局检测车辆技术研究院有限公司 | 一种基于路侧感知单元的数据采集系统及数据处理方法 |
CN117315938A (zh) * | 2023-10-19 | 2023-12-29 | 广州市城市规划勘测设计研究院 | 一种高速公路车辆换道风险估算方法、介质及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN109360445B (zh) | 2021-02-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109360445A (zh) | 一种基于横向与纵向运动学特征分布的高速换道风险检测方法 | |
DE10356797B4 (de) | Objekt-Erkennungsvorrichtung für ein Fahrzeug, Fahrzeug-zu-Fahrzeug-Steuervorrichtung und Abstandsmessvorrichtung | |
CN110077399B (zh) | 一种基于道路标线、车轮检测融合的车辆防碰撞方法 | |
DE112010000802B4 (de) | Vorrichtung zum vorhersagen der bewegung eines mobilen körpers | |
CN111661055B (zh) | 一种自动驾驶车辆的换道控制方法和系统 | |
CN110065494B (zh) | 一种基于车轮检测的车辆防碰撞方法 | |
Zhou et al. | Reduced complexity safety testing for ADAS & ADF | |
DE102013112459B4 (de) | Vorrichtung und Verfahren zum Beurteilen einer Wahrscheinlichkeit einer Kollision zwischen einem Fahrzeug und einem Ziel, Fahrzeugkollisionsvermeidungssystem, und Verfahren zum Vermeiden einer Kollision zwischen einem Fahrzeug und einem Ziel | |
JP6201561B2 (ja) | 走行軌道生成装置、および走行軌道生成プログラム | |
Jansson | Collision Avoidance Theory: With application to automotive collision mitigation | |
EP3094530B1 (de) | Verfahren und system zum schätzen eines fahrspurverlaufs | |
EP3058391B1 (de) | Verwendung eines verfahrens und einer vorrichtung zum klassifizieren von hindernissen | |
CN106515582A (zh) | 安全驾驶预警方法及装置 | |
CN106569214B (zh) | 结合导航信息的自适应巡航车载雷达数据处理方法及系统 | |
DE112005003266T5 (de) | Fahrzeugbewegungssteuerungsvorrichtung | |
DE102016226040A1 (de) | Verfahren und Vorrichtung in einem Kraftfahrzeug zum Fußgängerschutz | |
JP2007534041A (ja) | 車両用の車線変更運転認識方法及び装置 | |
DE102004051365A1 (de) | Kollisionsvorhersageeinheit für ein Fahrzeug | |
CN105631217A (zh) | 基于本车自适应虚拟车道的前方有效目标选择系统及方法 | |
Berndt et al. | Driver braking behavior during intersection approaches and implications for warning strategies for driver assistant systems | |
DE10115910B4 (de) | Hinderniserkennungssystem für ein Fahrzeug | |
CN102975718A (zh) | 用以确定车辆驾驶员对物体状态预期的方法、系统和收录计算机程序产品的计算机可读介质 | |
DE10202908B4 (de) | Verfahren und Anordnung zur Bestimmung eines Detektionsbereiches eines Pre-Crash-Sensorsystems | |
CN109859526A (zh) | 一种超车时前方目标车辆运动姿态实时观测装置及方法 | |
CN114194215B (zh) | 一种智能车辆避障换道轨迹规划方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |