CN109859528B - 一种基于v2x车联网的弯道处车辆位置分类方法 - Google Patents

Abstract

本发明公开了一种基于V2X车联网的弯道处车辆位置分类方法利用主车的V2X基础数据，并结合历史路径信息，进行路径预测，再与远车的位置信息比对，从而为碰撞预警类场景提供有效输入，可以极大地提升预警判断的准确性。

Description

一种基于V2X车联网的弯道处车辆位置分类方法

技术领域

本发明涉及V2X(Vehicle to everything)车联网领域，尤其涉及一种基于V2X车联网的弯道处车辆位置分类方法。

背景技术

现有的适用于弯道上的碰撞避免方法，均是依靠毫米波雷达检测或是单纯依赖GNSS(Global Navigation Satellite System)提供的车辆位置、速度和行驶方向等定位信息，进行车辆位置信息识别，进而对车辆的碰撞进行预警。例如公开号为CN206441349U的中国实用新型专利，公开了“一种弯道防碰撞预警系统”，其通过路侧毫米波雷达检测入弯方向车辆，并将车辆信息通过电子屏进行显示，此种系统存在误报的风险，监测的准确率依赖于毫米波雷达的准确率，因此误报会导致预警失效，产生安全隐患。

公告号为CN106004873A的中国发明专利，公开了“一种基于V2X车联网的汽车弯道避撞与稳定性系统协调控制方法”，利用V2X车联网技术中的基础数据建立汽车弯道避撞安全距离方程和汽车期望横摆角速度方程，进而设计汽车弯道避撞与稳定性系统协调控制的方法，此种方法缺少历史路径的支撑，仅依靠基础数据无法在弯道处准确判断车辆下一时刻的动作，因此预测不够准确。

因此亟需一种安全准确的弯道上判断车辆位置分类方法。

发明内容

本发明目的是提供一种基于V2X车联网的弯道处车辆位置分类方法，从而为碰撞预警类场景提供有效输入，并可以极大地提高预警判断的准确性。

本发明解决技术问题采用如下技术方案：

一种基于V2X车联网的弯道处车辆位置分类方法，包括以下步骤：

S10、获取车辆A和车辆B的车辆信息；

S20、比较V_A、V_B和速度阈值V_min，若车辆A和车辆B的车速均大于等于速度阈值V_min，则执行步骤S30；否则，执行步骤S10；

S30、分别计算获取车辆A的曲率K_A和车辆B的曲率K_B；

S40、比较K_A、K_B和曲率阈值K_min；若车辆A和车辆B的曲率均大于等于曲率阈值K_min，则执行步骤S50；否则，执行步骤S10；

S50、分别计算获取车辆A的曲率半径R_A和车辆B的曲率半径R_B；

S60、计算车辆A的轨迹圆点和车辆B的轨迹圆点之间的距离；

S70、判断车辆A和车辆B是否处于同一道路；若是，则执行S80；否则执行S10；

S80、根据车辆A和车辆B的曲率半径与车辆A的转向，确定车辆A和车辆B的位置。

进一步，步骤S10中，车辆A和车辆B的车辆信息包括经纬度、速度、行驶方向和横向角速度。

进一步，步骤S30中，车辆在弯道上行驶的曲率计算公式为：

K＝ω/V

其中，ω为车辆横向角速度，V为车辆的速度；

曲率的二阶低通滤波公式为：

n≥3

初始化：y₁＝u₁ y₂＝u₂

其中，ω₀＝2πf₀，f₀为截至频率，ζ为阻尼因子，T_S为采样时间。

进一步，步骤S50中，曲率半径的计算公式为：

R＝1/K

其中K为车辆的曲率。

进一步，步骤S80中，若|R_A-R_B|≤(D_lane*0.5)，则车辆A和车辆B处于同一车道；

若(D_lane*0.5)＜|R_A-R_B|≤(D_lane*1.5)，如果R_A＞R_B，车辆A左转，则车辆B位于车辆A左相邻车道；如果R_A＞R_B，车辆A右转，则车辆B位于车辆A右相邻车道；如果R_A＜R_B，车辆A左转，则车辆B位于车辆A右相邻车道；如果R_A＜R_B，车辆A右转，则车辆B位于车辆A左相邻车道；

若(D_lane*1.5)＜|R_A-R_B|，如果R_A＞R_B，车辆A左转，则车辆B位于车辆A左端非相邻车道；如果R_A＞R_B，车辆A右转，则车辆B位于车辆A右端非相邻车道；如果R_A＜R_B，车辆A左转，则车辆B位于车辆A右端非相邻车道；如果R_A＜R_B，车辆A右转，则车辆B位于车辆A左端非相邻车道；

其中，R_A为车辆A的曲率半径，R_B为车辆B的曲率半径，D_lane为车道宽度。

本发明具有如下有益效果：本发明的基于V2X车联网的弯道处车辆位置分类方法利用主车的V2X基础数据，并结合历史路径信息，进行路径预测，再与远车的位置信息比对，从而为碰撞预警类场景提供有效输入，可以极大地提升预警判断的准确性。

附图说明

图1为本发明的基于V2X车联网的弯道处车辆位置分类方法应用于安全应用场景的示意图；

图2为V2X系统目标分类方法的系统框图；

图3为本发明的基于V2X车联网的弯道处车辆位置分类方法的流程图。

具体实施方式

下面结合实施例及附图对本发明的技术方案作进一步阐述。

实施例1

本实施例提供了一种基于V2X车联网的弯道处车辆位置分类方法，解决弯道处车辆位置的分类问题，为V2X碰撞预警类场景提供其要求的位置数据。

如图1所示，本发明处理的实际场景为本车和远车均处于弯道的行驶状态，且车辆之间使用V2X车联网技术进行通信，共享信息。当本车和远车均行驶于直道上时，可以通过两车间距、行驶方向角计算出两车的横向距离，从而容易判定出两车的相对位置关系；但当两车均处于弯道时，由于道路曲率的影响，横向距离不能再作为判定两车相对位置的依据。假定本车为车辆A，则本发明提供的基于V2X车联网技术的弯道处车辆位置分类方法可以仅通过传感器模块输入的数据，确定远车B相对本车A的位置为反向相邻左前方车道。

如图2所示为V2X系统目标分类方法的系统框图。具体地，本车的目标分类模块从传感器数据处理模块获取本车的经纬度，速度、行驶方向和横向角速度等信息，从无线消息处理模块获取远车的经纬度，速度、行驶方向和横向角速度等信息，并根据本车和远车信息判断两车的行驶状态，然后根据不同的行驶状态按照不同的车辆位置分类方法对弯道上的本车和远车的相对位置进行判定，进而输出给上层的碰撞类应用场景，能够使应用场景提升在弯道上的判定性能。

本发明的基于V2X车联网的弯道处车辆位置分类方法为V2X系统目标分类方法中目标分类模块的子系统，用于提供对主车和远车均行驶于弯道情况下的目标分类功能。此外，目标分类模块还包括非弯道车辆位置分类方法，用于提供为主车和远车行驶在非弯道情况下的目标分类功能。

具体地，一种基于V2X车联网的弯道处车辆位置分类方法，包括以下步骤：

S10、获取车辆A和车辆B的车辆信息；

在本发明中，车辆A的目标分类模块从传感器数据处理模块获取车辆A的经纬度、速度(V_A)、行驶方向(H_A)和横向角速度(ω_A)，并从无线处理模块获取车辆B的经纬度、速度(V_B)、行驶方向(H_B)和横向角速度(ω_B)。

S20、比较V_A、V_B和速度阈值V_min，若车辆A和车辆B的车速均大于等于速度阈值V_min，则执行步骤S30；否则，执行步骤S10；

具体地，当车速速度很小时，其角速度也会很小，这样计算的曲率半径就会很大，就相当于在一个半径很大的圆的弯道上，近似于直线了。

因此，如果本发明中车辆的速度小于速度阈值V_min，则该车当前行驶于直道上；若车辆A和车辆B任一车辆车速小于速度阈值，或者车辆A和车辆B的车速都小于速度阈值，则执行步骤S10。

S30、分别计算获取车辆A的曲率K_A和车辆B的曲率K_B；

S40、比较K_A、K_B和曲率阈值K_min；若车辆A和车辆B的曲率均大于等于曲率阈值K_min，则执行步骤S50；否则，执行步骤S10；

在本发明中，为了过滤掉由于车身晃动或正常变道带来的曲率瞬时变化的干扰，让两车的曲率通过二阶低通滤波计算。

具体地，车辆在弯道上行驶的瞬时曲率计算公式为：

K＝ω/V

其中，ω为车辆横向角速度，V为车辆的速度。

曲率的二阶低通滤波公式为：

n≥3

初始化：y₁＝u₁ y₂＝u₂

其中，ω₀＝2πf₀，f₀为截至频率，ζ为阻尼因子，T_S为采样时间。

S50、分别计算获取车辆A的曲率半径R_A和车辆B的曲率半径R_B；

在本发明中，曲率半径的计算公式为：

R＝1/K

S60、计算车辆A的轨迹圆点和车辆B的轨迹圆点之间的距离；

在本发明中，选择车辆A的位置作为坐标原点，定正北(0度)为Y轴正向，正东(90度)为X轴正向，则车辆A的坐标为(0，0)，通过车辆A的经纬度和车辆B的经纬度，获取原点到车辆B的方向角A_B和距离D_B，则车辆B的横坐标x_B＝D_B*sin(A_B*π/180)，纵坐标y_B＝D_B*cos(A_B*π/180)。

在本发明中，依据车辆A的横向角速度(ω_A)，判断车辆处于转向状态；若左转，则车辆A的轨迹圆点坐标：

x_A0＝x_A+R_A*sin((H_A-90)*π/180)

y_A0＝y_A+R_A*cos((H_A-90)*π/180)

若右转，则车辆A的轨迹圆点坐标：

x_A0＝x_A+R_A*sin((H_A+90)*π/180)

y_A0＝y_A+R_A*cos((H_A+90)*π/180)

同样的计算方式，获取车辆B的轨迹圆点坐标x_B0和y_B0；

因此，车辆A的轨迹圆点和车辆B的轨迹圆点之间距离：

S70、判断车辆A和车辆B是否处于同一道路；若是，则执行S80；否则执行S10；

在本发明中，若车辆A的轨迹圆点和车辆B的轨迹圆点之间距离大于圆点距离阈值D_max时，则车辆A和车辆B不处于同一道路；当车辆A的轨迹圆点和车辆B的轨迹圆点之间距离小于等于圆点距离阈值D_max时，车辆A和车辆B处于同一道路。

S80、根据车辆A和车辆B的曲率半径与车辆A的转向，确定车辆A和车辆B的位置。

在本发明中，设定车道宽度D_lane，若|R_A-R_B|≤(D_lane*0.5)，则车辆A和车辆B处于同一车道；

若(D_lane*0.5)＜|R_A-R_B|≤(D_lane*1.5)，如果R_A＞R_B，车辆A左转，则车辆B位于车辆A左相邻车道；如果R_A＞R_B，车辆A右转，则车辆B位于车辆A右相邻车道；如果R_A＜R_B，车辆A左转，则车辆B位于车辆A右相邻车道；如果R_A＜R_B，车辆A右转，则车辆B位于车辆A左相邻车道；

若(D_lane*1.5)＜|R_A-R_B|，如果R_A＞R_B，车辆A左转，则车辆B位于车辆A左端非相邻车道；如果R_A＞R_B，车辆A右转，则车辆B位于车辆A右端非相邻车道；如果R_A＜R_B，车辆A左转，则车辆B位于车辆A右端非相邻车道；如果R_A＜R_B，车辆A右转，则车辆B位于车辆A左端非相邻车道。

以上实施例的先后顺序仅为便于描述，不代表实施例的优劣。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (4)

1.一种基于V2X车联网的弯道处车辆位置分类方法，其特征在于，包括以下步骤：

S10、获取车辆A和车辆B的车辆信息；

S20、比较V_A、V_B和速度阈值V_min，若车辆A和车辆B的车速均大于等于速度阈值V_min，则执行步骤S30；否则，执行步骤S10；

S30、分别计算获取车辆A的曲率K_A和车辆B的曲率K_B；

S40、比较K_A、K_B和曲率阈值K_min；若车辆A和车辆B的曲率均大于等于曲率阈值K_min，则执行步骤S50；否则，执行步骤S10；

S50、分别计算获取车辆A的曲率半径R_A和车辆B的曲率半径R_B；

S60、计算车辆A的轨迹圆点和车辆B的轨迹圆点之间的距离；

S70、判断车辆A和车辆B是否处于同一道路；若是，则执行S80；否则执行S10；

S80、根据车辆A和车辆B的曲率半径与车辆A的转向，确定车辆A和车辆B的位置；

其中，步骤S60中，车辆A的轨迹圆点和车辆B的轨迹圆点之间距离：

式中，χ_A0和y_A0为车辆A的轨迹原点坐标；χ_B0和y_B0和为车辆B的轨迹原点坐标；步骤S70中，若车辆A的轨迹圆点和车辆B的轨迹圆点之间距离大于圆点距离阈值时，则车辆A和车辆B不处于同一道路；当车辆A的轨迹圆点和车辆B的轨迹圆点之间距离小于等于圆点距离阈值时，车辆A和车辆B处于同一道路；

步骤S80中，若|R_A-R_B|≤(D_lane*0.5)，则车辆A和车辆B处于同一车道；

若(D_lane*0.5)＜|R_A-R_B|≤(D_lane*1.5)，如果R_A＞R_B，车辆A左转，则车辆B位于车辆A左相邻车道；如果R_A＞R_B，车辆A右转，则车辆B位于车辆A右相邻车道；如果R_A＜R_B，车辆A左转，则车辆B位于车辆A右相邻车道；如果R_A＜R_B，车辆A右转，则车辆B位于车辆A左相邻车道；

若(D_lane*1.5)＜|R_A-R_B|，如果R_A＞R_B，车辆A左转，则车辆B位于车辆A左端非相邻车道；如果R_A＞R_B，车辆A右转，则车辆B位于车辆A右端非相邻车道；如果R_A＜R_B，车辆A左转，则车辆B位于车辆A右端非相邻车道；如果R_A＜R_B，车辆A右转，则车辆B位于车辆A左端非相邻车道；

其中，R_A为车辆A的曲率半径，R_B为车辆B的曲率半径，D_lane为车道宽度。

2.根据权利要求1中的基于V2X车联网的弯道处车辆位置分类方法，其特征在于，步骤S10中，车辆A和车辆B的车辆信息包括经纬度、速度、行驶方向和横向角速度。

3.根据权利要求1中的基于V2X车联网的弯道处车辆位置分类方法，其特征在于，步骤S30中，车辆在弯道上行驶的曲率计算公式为：

K＝ω/V

其中，ω为车辆横向角速度，V为车辆的速度；

曲率的二阶低通滤波公式为：

n≥3

初始化：y₁＝u₁y₂＝u₂

其中，ω₀＝2πf₀，f₀为截至频率，ζ为阻尼因子，T_S为采样时间。

4.根据权利要求1中的基于V2X车联网的弯道处车辆位置分类方法，其特征在于，步骤S50中，曲率半径的计算公式为：

R＝1/K

其中K为车辆的曲率。

Images