CN110412556B - 一种基于超车频次的车辆行驶状态评估方法 - Google Patents

一种基于超车频次的车辆行驶状态评估方法 Download PDF

Info

Publication number
CN110412556B
CN110412556B CN201910698094.7A CN201910698094A CN110412556B CN 110412556 B CN110412556 B CN 110412556B CN 201910698094 A CN201910698094 A CN 201910698094A CN 110412556 B CN110412556 B CN 110412556B
Authority
CN
China
Prior art keywords
vehicle
running
speed
fuzzy
wave radar
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.)
Active
Application number
CN201910698094.7A
Other languages
English (en)
Other versions
CN110412556A (zh
Inventor
李世武
黄梦圆
吕东冶
李学达
赵士舒
韩丽鸿
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jilin University
Original Assignee
Jilin University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jilin University filed Critical Jilin University
Priority to CN201910698094.7A priority Critical patent/CN110412556B/zh
Publication of CN110412556A publication Critical patent/CN110412556A/zh
Application granted granted Critical
Publication of CN110412556B publication Critical patent/CN110412556B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/06—Systems determining position data of a target
    • G01S13/08—Systems for measuring distance only
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/91—Radar or analogous systems specially adapted for specific applications for traffic control
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/91—Radar or analogous systems specially adapted for specific applications for traffic control
    • G01S13/92—Radar or analogous systems specially adapted for specific applications for traffic control for velocity measurement
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/52—Determining velocity
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/80—Technologies aiming to reduce greenhouse gasses emissions common to all road transportation technologies
    • Y02T10/84—Data processing systems or methods, management, administration

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Economics (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Electromagnetism (AREA)
  • Strategic Management (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提出的一种基于超车频次的车辆行驶状态评估方法，包括以下步骤：步骤1：通过毫米波雷达，得到两侧车道对行驶车辆发生超车行为的车辆目标；步骤2：通过GPS测速仪得到行驶车辆车速，得到两侧车道行驶车辆超过的车辆目标；步骤3：根据步骤1和步骤2中获取的两侧车道对行驶车辆发生超车行为的车辆目标和行驶车辆超过的车辆目标，得到超车频次，步骤4：建立基于超车频次的模糊评判集合，设定不同工况下行驶车辆状态评估值的阈值，应用规则库规则进行带有可信度的推理，对车辆安全性能进行综合评估；该方法实时性强、无干涉、可靠性强，能够实时有效的评估车辆行驶状态，实用性较强。

Description

一种基于超车频次的车辆行驶状态评估方法
技术领域
本发明属于智能车辆及车辆安全驾驶监测技术领域，特别是涉及到一种基于超车频次的车辆行驶状态评估方法。
背景技术
随着智能车辆技术的快速发展，其行驶过程中的安全性评估已经成为目前的研究热点之一。车辆在正常交通流中行驶时，传统车辆中驾驶人可以通过自身对车况以及对车速的感应等主观因素对车辆的行驶状态安全与否做出相应判断，但对于智能车辆而言，由于外界信息的局限性尤其是远距离信息的局限性将会影响到车载EUC对自身车辆行驶状态的判断，如何量化智能车辆在交通流中的行驶状态需要一定的衡量指标，因此需要引入一定的参数判定智能车辆的行驶状态是否安全、行驶速度是否合适。
许多交通安全方面的专家学者在车辆安全评估方面提出了很多方法。在判别汽车行驶状态时主要包括汽车自身的状态估计、汽车自身参数估计和道路参数估计，常用方法为Kalman滤波算法及其相应的扩展算法。但这种方法的缺点是数据采集方法单一，算法运行复杂，难以实现实时性，同时没有考虑到智能车辆与车流中其他车辆比较的特殊情况。
如果能够设计一种有效的评估智能车辆行驶状态的方法，在智能车辆上进行推广，可以在未来交通流中很大程度上减少交通事故的发生，使未来智能车辆驾驶和公众出行更安全，具有重要的社会意义和经济价值。因此现有技术当中需要一种新型的技术方案来解决这一问题。
发明内容
本发明的目的是提供一种基于超车频次的车辆行驶状态评估方法，该方法实时性强、无干涉、可靠性强，能够实时有效的评估车辆行驶状态，实用性较强。
本发明为实现上述目的采用的技术方案是：一种基于超车频次的车辆行驶状态评估方法，其特征在于，包括以下步骤：
步骤1：通过搭载在行驶车辆上的毫米波雷达，获取行驶车辆周围目标物相对毫米波雷达的距离、速度和角度信息，得到两侧车道对行驶车辆发生超车行为的车辆目标；
步骤2：通过GPS测速仪得到行驶车辆车速v，行驶车辆车速v与目标物相对毫米波雷达的纵向速度VrelLong绝对值的差值为毫米波雷达所检测到的目标物速度v1，得到两侧车道行驶车辆超过的车辆目标；
步骤3：根据步骤1和步骤2中获取的两侧车道对行驶车辆发生超车行为的车辆目标和行驶车辆超过的车辆目标，得到超车频次X，
Figure BDA0002149986990000021
Nr为超车数目，Nr＝Na-Nb，Na为两侧车道对行驶车辆发生超车行为的车辆目标数目，Nb为两侧车道行驶车辆超过的车辆目标，t为行驶车辆的行驶时间；
步骤4：建立模糊评判集合，设定不同工况下行驶车辆状态评估值的阈值，应用规则库规则进行带有可信度的推理，对车辆安全性能进行综合评估；
具体过程如下：
步骤4.1：建立用于判断行驶车辆安全性状态的模糊评判集合U，U＝{X，Qv，Q车，Q环}，
其中：X为超车频次；Qv为车速安全评估值；Q车为车辆状态评估值；Q环为路况及环境安全评估值；
步骤4.2：模糊集合A表示步骤4.1中模糊评判集合U中的某个参数对车辆安全相关性所做出的评价，模糊集合
Figure BDA0002149986990000022
其中：μA(X)为超车频次参数的隶属度，μA(Qv)为车速安全评估值参数的隶属度，μA(Q车)为车辆状态评估值参数的隶属度，μA(Q环)为路况及环境安全评估值参数的隶属度；
超车频次的隶属度μA(X)为：
Figure BDA0002149986990000023
车速安全评估值参数的隶属度μA(Qv)为：
Figure BDA0002149986990000031
车辆状态评估值参数的隶属度μA(Q车)为：
Figure BDA0002149986990000032
路况及环境安全评估值参数的隶属度μA(Q环)为：
Figure BDA0002149986990000033
步骤4.3：设论域P为当前车辆综合评判的安全状态论域，则论域P上有车辆安全性的模糊评判集合S，S＝{s1，s2，s3}，其中s1为驾驶方式在交通流中过于保守导致的不安全，s2为安全，s3为驾驶方式在交通流中过于激进导致的不安全；
论域P上有当前行驶车辆为安全的模糊集合B，具体为：
Figure BDA0002149986990000034
行使车辆实时超车频次的隶属度μB(X)，具体为：
Figure BDA0002149986990000035
行使车辆实时车速安全评估值参数的隶属度μB(Qv)，具体为：
Figure BDA0002149986990000036
行使车辆实时车辆状态评估值参数的隶属度μB(Q车)，具体为：
Figure BDA0002149986990000041
行使车辆实时路况及环境安全评估值参数的隶属度μB(Q车)，具体为：
Figure BDA0002149986990000042
设定s1所对应的模糊集合为A1、B1，s2所对应的模糊集合为A2、B2，s3所对应的模糊集合为A3、B3；以典型的数据集合为基础建立带可信度CF1和阈值λ的模糊规则库如下：
规则1：if x is A1 then y is B1
规则2：if x is A2 then y is B2
规则3：if x is A3 then y is B3
其中x为模糊集合A；y为模糊集合B；可信度CF1均为1，设阈值λ为0.5；
构造出模糊集合A与模糊集合B之间的模糊关系，然后通过模糊关系与证据的合成求出结论，以带有可信度的行驶车辆安全性的模糊推理为基础，应用麦姆德尼方法建立模糊关系矩阵R如下：
R＝A×B
rij＝ai×bj
其中R为模糊集合A与模糊集合B构造出的模糊关系矩阵，rii为模糊关系矩阵中第i行第j列的数值，ai为模糊集合A中的第i个值，bj为模糊集合B中j个值，以超车频次X、车辆车速v、车辆状态和路况及环境的实时行车数据做分析，以安全、驾驶方式在交通流中过于保守导致的不安全和驾驶方式在交通流中过于激进导致的不安全三种状态作为评判结果，应用规则库规则进行带有可行度的模糊推理。
进一步，步骤1中得到两侧车道对行驶车辆发生超车行为的车辆目标具体包括如下步骤：
步骤1.1：通过毫米波雷达，得到行驶车辆周围目标物相对毫米波雷达的角度Angle、纵向距离DistLong、横向距离DistLat、纵向速度VrelLong、横向速度VrelLat以及目标物编号ID；
步骤1.2：建立坐标系，以毫米波雷达为坐标原点，x轴方向为行驶车辆车身的纵向，y轴方向为行驶车辆车身的横向；
步骤1.3：检测到目标物相对毫米波雷达的横向距离DistLat≥0时，判定该目标物位于行驶车辆的左侧；检测到目标物相对毫米波雷达的横向距离DistLat<0时，判定该目标物位于行驶车辆的右侧；
步骤1.4：预先设定单车道宽度距离为L，当检测到目标物存在于左侧车道，且其相对毫米波雷达的横向距离
Figure BDA0002149986990000051
相对毫米波雷达的纵向速度VrelLong≥0时，判定检测到左侧车道的车辆进行了超车行为；当检测到目标物存在于右侧车道，且其相对毫米波雷达的横向距离
Figure BDA0002149986990000052
相对毫米波雷达的纵向速度VrelLong≥0时，判定检测到右侧车道有车辆进行了超车行为。
进一步，步骤2中得到两侧车道行驶车辆超过的车辆目标具体包括如下步骤：
步骤2.1：车载单片机通过读取GPS测速仪协议解析数据得到行驶车辆车速v，车载单片机选用集成有CAN控制器的单片机，通过单片机中CAN总线收发器的CANH端和CANL端与CAN总线网络通信，单片机将GPS测速仪所获行驶车辆车速v数据集成到毫米波雷达的CAN总线上，再传输到上位机中；
步骤2.2：车辆车速v与目标物相对毫米波雷达的纵向速度VrelLong绝对值的差值为毫米波雷达所检测到的目标物速度v1，v1＝|VrelLong|-v；
步骤2.3：设定速度阈值为va，若目标物速度小于阈值，则判定该目标物为非车辆目标；
步骤2.4：若目标物速度超过步骤2.3所设定的速度阈值，且当检测到目标物存在于左侧车道，且其相对毫米波雷达的横向距离
Figure BDA0002149986990000061
相对毫米波雷达的纵向速度VrelLong<0时，判定行驶车辆超过其左侧车道目标车辆；当检测到目标物存在于右侧车道，且其相对毫米波雷达的横向距离
Figure BDA0002149986990000062
Figure BDA0002149986990000063
相对毫米波雷达的纵向速度VrelLong<0时，判定行驶车辆超过其右侧车道目标车辆。
进一步，所述车速安全评估值Qv，满足如下条件：
Figure BDA0002149986990000064
v为车辆车速，vx＝40,80或90，城市道路时
Figure BDA0002149986990000065
快速道路时
Figure BDA0002149986990000066
高速公路时
Figure BDA0002149986990000067
车辆状态评估值Q车，满足如下条件：
Figure BDA0002149986990000068
路况及环境安全评估值Q环，满足如下条件：
Figure BDA0002149986990000069
道路条件，在100米～15000米范围内，一年发生3起以上重大交通事故的路段时
Figure BDA00021499869900000610
评估值为60～80；风沙雨雪天气路面时
Figure BDA00021499869900000611
评估值为50～80，夜间路况时，以上评估值均乘上0.8的系数。
通过上述设计方案，本发明可以带来如下有益效果：本发明提出的一种基于超车频次的车辆行驶状态评估方法，该方法实时性强、无干涉、可靠性强，能够实时有效的评估车辆行驶状态，实用性较强。本发明首次利用毫米波雷达与GPS测速仪融合检测驾驶车辆侧向的车辆是否进行超车行为，创造性地引入超车频次的概念，建立基于超车频次的模糊评判集合，设定不同工况下行驶车辆状态评估值的阈值，应用规则库规则进行带有可信度的推理，对车辆安全性能进行综合评估，通过采集超车频次判定车辆的行驶状态是否安全。它可以用作提醒驾驶员道路上交通流状态安全性，也可以作为未来智能车辆监测周围车辆行驶状态的手段。
进一步，本发明的优点在于：
1、本发明提供了一种基于超车频次的车辆行驶状态评估方法，它可以用作提醒驾驶员道路上交通流状态安全性，也可以作为未来智能车辆监测周围车辆行驶状态的手段。
2、本发明首次针对实际交通道路中经常出现的超车与被超车现象，提出一种车辆间相对运行状态参数即超车频次，并利用超车频次参数对遭遇超车的智能车辆进行初判、再结合模糊控制算法进行自适应辅助驾驶的方法。
3、本发明首次利用毫米波雷达和GPS融合检测装置检测行驶车辆侧向目标物的状态，检测方法直观、有效。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明示意性实施例及其说明用于理解本发明，并不构成本发明的不当限定，在附图中：
图1为本发明提出的一种基于超车频次的车辆行驶状态评估方法采用装置的结构框图。
图2为本发明提出的一种基于超车频次的车辆行驶状态评估方法中识别车辆超车意图判断方法示意图。
图3为本发明提出的一种基于超车频次的车辆行驶状态评估方法的流程图。
具体实施方式
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地详细描述，显然，所描述的实施例仅仅是本发明一部份实施例，而不是全部的实施例。
如图1、图2及图3所示，一种基于超车频次的车辆行驶状态评估方法，包括以下步骤：
步骤1：通过搭载在行驶车辆上的毫米波雷达，获取行驶车辆周围目标物相对毫米波雷达的距离、速度和角度信息，得到两侧车道对行驶车辆发生超车行为的车辆目标；
具体过程如下：
步骤1.1：通过毫米波雷达，得到行驶车辆周围目标物相对毫米波雷达的角度Angle、纵向距离DistLong、横向距离DistLat、纵向速度VrelLong、横向速度VrelLat以及目标物编号ID；
步骤1.2：建立坐标系，以毫米波雷达为坐标原点，x轴方向为行驶车辆车身的纵向，y轴方向为行驶车辆车身的横向；
步骤1.3：检测到目标物相对毫米波雷达的横向距离DistLat≥0时，判定该目标物位于行驶车辆的左侧；检测到目标物相对毫米波雷达的横向距离DistLat<0时，判定该目标物位于行驶车辆的右侧；
步骤1.4：预先设定单车道宽度距离为L，优选地，L＝3.75m，当检测到目标物存在于左侧车道，且其相对毫米波雷达的横向距离
Figure BDA0002149986990000081
相对毫米波雷达的纵向速度VrelLong≥0时，判定检测到左侧车道的车辆进行了超车行为；当检测到目标物存在于右侧车道，且其相对毫米波雷达的横向距离
Figure BDA0002149986990000082
相对毫米波雷达的纵向速度VrelLong≥0时，判定检测到右侧车道有车辆进行了超车行为；
步骤2：通过GPS测速仪得到行驶车辆车速v，行驶车辆车速v与目标物相对毫米波雷达的纵向速度VrelLong绝对值的差值为毫米波雷达所检测到的目标物速度v1，得到两侧车道行驶车辆超过的车辆目标；
具体过程如下：
步骤2.1：车载单片机通过读取GPS测速仪协议解析数据得到行驶车辆车速v，车载单片机选用集成有CAN控制器的单片机，利用单片机CAN总线转接板实现SPI转CAN的发送使用；通过单片机中CAN总线收发器的CANH端和CANL端与CAN总线网络通信，单片机将GPS测速仪所获行驶车辆车速v数据集成到毫米波雷达的CAN总线上，再传输到上位机中；
步骤2.2：车辆车速v与目标物相对毫米波雷达的纵向速度VrelLong绝对值的差值为毫米波雷达所检测到的目标物速度v1，v1＝|VrelLong|-v；
步骤2.3：设定速度阈值为va，若目标物速度小于阈值，则判定该目标物为非车辆目标，当在复杂交通流如城市道路等环境下,设定va为10±0.5km/h；当在单调交通流如高速道路、快速道路等环境下，设定va为60±1km/h；
步骤2.4：若目标物速度超过步骤2.3所设定的速度阈值，且当检测到目标物存在于左侧车道，且其相对毫米波雷达的横向距离
Figure BDA0002149986990000091
相对毫米波雷达的纵向速度VrelLong<0时，判定行驶车辆超过其左侧车道目标车辆；当检测到目标物存在于右侧车道，且其相对毫米波雷达的横向距离
Figure BDA0002149986990000092
Figure BDA0002149986990000093
相对毫米波雷达的纵向速度VrelLong<0时，判定行驶车辆超过其右侧车道目标车辆；
步骤3：根据步骤1和步骤2中获取的两侧车道对行驶车辆发生超车行为的车辆目标和行驶车辆超过的车辆目标，得到超车频次X，
Figure BDA0002149986990000094
Nr为超车数目，Nr＝Na-Nb，Na为两侧车道对行驶车辆发生超车行为的车辆目标数目，Nb为两侧车道行驶车辆超过的车辆目标，t为行驶车辆的行驶时间；
步骤4：建立基于超车频次的模糊评判集合，设定不同工况下行驶车辆状态评估值的阈值，应用规则库规则进行带有可信度的推理，对车辆安全性能进行综合评估；
具体过程如下：
步骤4.1：建立用于判断行驶车辆安全性状态的模糊评判集合U，U＝{X，Qv，Q车，Q环}，
其中：X为超车频次；
Qv为车速安全评估值，
Figure BDA0002149986990000095
v为车辆车速，vx＝40,80或90，城市道路时
Figure BDA0002149986990000096
快速道路时
Figure BDA0002149986990000097
高速公路时
Figure BDA0002149986990000098
Q车为车辆状态评估值，
Figure BDA0002149986990000099
Figure BDA00021499869900000910
为车辆行驶里程评估值，车辆行驶里程小于20万公里时评估值为80～100，车辆行驶里程在20～40万公里时评估值为50～70，车辆行驶里程40万公里以上时评估值为20～40；
Figure BDA0002149986990000101
为车辆使用程度评估值，当已使用时间/平均寿命<0.4时评估值为70～100，当0.4<已使用时间/平均寿命<0.8时评估值为40～70，当已使用时间/平均寿命>0.8，评估值为0～40；
Figure BDA0002149986990000102
为车辆损坏程度评估值，对于曾经发生故障的车辆，若车辆事故纪录≤1，评估值为70～100，若1<车辆事故纪录≤5，评估值为40～70，若车辆事故记录>5得分为0～40；
Q环为路况及环境安全评估值，
Figure BDA0002149986990000103
道路条件，事故多发路段(100米～15000米范围内，一年发生3起以上重大交通事故的路段)
Figure BDA0002149986990000104
评估值为60～80；风沙雨雪天气路面时
Figure BDA0002149986990000105
评估值为50～80，夜间路况时，以上评估值均乘上0.8的系数；
步骤4.2：模糊集合A表示步骤4.1中模糊评判集合U中的某个参数对车辆安全相关性所做出的评价，模糊集合
Figure BDA0002149986990000106
其中：μA(X)为超车频次参数的隶属度，μA(Qv)为车速安全评估值参数的隶属度，μA(Q车)为车辆状态评估值参数的隶属度，μA(Q环)为路况及环境安全评估值参数的隶属度；
超车频次的隶属度μA(X)为：
Figure BDA0002149986990000107
车速安全评估值参数的隶属度μA(Qv)为：
Figure BDA0002149986990000108
车辆状态评估值参数的隶属度μA(Q车)为：
Figure BDA0002149986990000111
路况及环境安全评估值参数的隶属度μA(Q环)为：
Figure BDA0002149986990000112
步骤4.3：设论域P为当前车辆综合评判的安全状态论域，则论域P上有车辆安全性的模糊评判集合S，S＝{s1，s2，s3}，其中s1为驾驶方式在交通流中过于保守导致的不安全，s2为安全，s3为驾驶方式在交通流中过于激进导致的不安全；
论域P上有当前行驶车辆为安全的模糊集合B，具体为：
Figure BDA0002149986990000113
行使车辆实时超车频次的隶属度μB(X)，具体为：
Figure BDA0002149986990000114
行使车辆实时车速安全评估值参数的隶属度μB(Qv)，具体为：
Figure BDA0002149986990000115
行使车辆实时车辆状态评估值参数的隶属度μB(Q车)，具体为：
Figure BDA0002149986990000116
行使车辆实时路况及环境安全评估值参数的隶属度μB(Q车)，具体为：
Figure BDA0002149986990000121
设定s1所对应的模糊集合为A1、B1，s2所对应的模糊集合为A2、B2，s3所对应的模糊集合为A3、B3；
A1、B1分别表示在车辆行驶状态下，评估结果为安全状态下的各参数值的集合；A2、B2分别表示车辆行驶状态下，评估结果为一般状态下的各参数值的集合；A3、B3分别表示在车辆行驶状态下，评估结果为危险状态下的各参数值的集合。
以典型的数据集合为基础建立带可信度CF1和阈值λ的模糊规则库如下：
规则1：if x is A1 then y is B1
规则2：if x is A2 then y is B2
规则3：if x is A3 then y is B3
其中x为模糊集合A；y为模糊集合B；可信度CF1均为1，设阈值λ为0.5；
构造出模糊集合A与模糊集合B之间的模糊关系，然后通过模糊关系与证据的合成求出结论，以带有可信度的行驶车辆安全性的模糊推理为基础，应用麦姆德尼方法建立模糊关系矩阵R如下：
R＝A×B
rij＝ai×bj
其中R为模糊集合A与模糊集合B构造出的模糊关系矩阵，rij为模糊关系矩阵中第i行第j列的数值，ai为模糊集合A中的第i个值，bj为模糊集合B中j个值，以超车频次X、车辆车速v、车辆状态和路况及环境的实时行车数据做分析，以安全、驾驶方式在交通流中过于保守导致的不安全和驾驶方式在交通流中过于激进导致的不安全三种状态作为评判结果，应用规则库规则进行带有可行度的模糊推理。
实施例
建立针对车辆安全性的用于判断行驶车辆安全性状态的模糊评判集合。根据各参数隶属度函数，建立不同参数与隶属度关系表如下：
表1：超车频次X关于模糊评判集合U的典型数据
超车频次 ＞0 0 ＜0
隶属度 0.5 1 0.7
表2：城市道路车速关于模糊评判集合U的典型数据
车速 20 50 90
隶属度 0.9 0.7 0.5
表3：车辆状态关于模糊评判集合U的典型数据
车辆状态 80 60 30
隶属度 1 0.7 0.4
表4：路况及环境关于模糊评判集合U的典型数据
路况及环境 80 55 35
隶属度 0.9 0.6 0.3
根据上面的表格建立典型安全评判参数数据模糊集合
A1＝{0.5，0.9，1，0.9}
B1＝{0.6，0.8，0.9，0.85}
A2＝{1，0.7，0.7，0.6}
B2＝{0.9，0.6，0.8，0.55}
A3＝{0.7，0.5，0.4，0.3}
B3＝{0.6，0.6，0.3，0.35}
建立与规则库的每个规则所对应的模糊关系矩阵库如下：
Figure BDA0002149986990000141
Figure BDA0002149986990000142
Figure BDA0002149986990000143
设某一行驶中的车辆，超车频次为1，隶属度为0.5，车速50km/h，隶属度0.7，车辆状态评估值为80，隶属度为1，路况及环境评估值为60，隶属度为0.6，则
D＝{0.5，0.7，1，0.6}
计算该证据与规则库规则的匹配度σ(A.D)，在这里以相似度r(A.D)作为匹配度，相似度计算公式为：
Figure BDA0002149986990000144
得到匹配度：
σ1(A1.D)：0.85，σ2(A2.D)：0.76，σ3(A3.D)：0.57
其中μA(a1)为μA(X)；μA(a2)为μA(Qv)；μA(a3)为μA(Q车)；μA(a4)为μA(Q环)；μD(d1)为该行驶中车辆超车频次隶属度；μD(d2)为当前车速安全状态隶属度；μD(d3)为该车辆状态隶属度；μD(d4)为该行驶环境的隶属度。
其中σi(Ai.D)，i＝1、2或3，分别为证据与三种规则库规则起案件的匹配度，因为阈值为0.5，因此对于该实时状态，规则库中三种规则均可用。
应用规则后得到结论Ei如下：
E1＝{0.5，0.5，0.5，0.5}
E2＝{0.7，0.6，0.7，0.55}
E3＝{0.4，0.4，0.4，0.35}
得到F1的可信度为0.63，E2的可信度为0.84，E3的可信度为0.74。按照冲突消解法则，取可信度高的一个，故选择规则2，该车辆的安全评价就是对应的s2。

Claims (4)

1.一种基于超车频次的车辆行驶状态评估方法，其特征在于，包括以下步骤：
步骤1：通过搭载在行驶车辆上的毫米波雷达，获取行驶车辆周围目标物相对毫米波雷达的距离、速度和角度信息，得到两侧车道对行驶车辆发生超车行为的车辆目标；
步骤2：通过GPS测速仪得到行驶车辆车速v，行驶车辆车速v与目标物相对毫米波雷达的纵向速度VrelLong绝对值的差值为毫米波雷达所检测到的目标物速度v1，得到两侧车道行驶车辆超过的车辆目标；
步骤3：根据步骤1和步骤2中获取的两侧车道对行驶车辆发生超车行为的车辆目标和行驶车辆超过的车辆目标，得到超车频次X，
Figure FDA0003736021820000011
Nr为超车数目，Nr＝Na-Nb，Na为两侧车道对行驶车辆发生超车行为的车辆目标数目，Nb为两侧车道行驶车辆超过的车辆目标，t为行驶车辆的行驶时间；
步骤4：建立模糊评判集合，设定不同工况下行驶车辆状态评估值的阈值，应用规则库规则进行带有可信度的推理，对车辆安全性能进行综合评估；
具体过程如下：
步骤4.1：建立用于判断行驶车辆安全性状态的模糊评判集合U，
U＝{X，Qv，Q车，Q环}，
其中：X为超车频次；Qv为车速安全评估值；Q车为车辆状态评估值；Q环为路况及环境安全评估值；
步骤4.2：模糊集合A表示步骤4.1中模糊评判集合U中的某个参数对车辆安全相关性所做出的评价，模糊集合
Figure FDA0003736021820000012
其中：μA(X)为超车频次参数的隶属度，μA(Qv)为车速安全评估值参数的隶属度，μA(Q车)为车辆状态评估值参数的隶属度，μA(Q环)为路况及环境安全评估值参数的隶属度；
超车频次的隶属度μA(X)为：
Figure FDA0003736021820000021
车速安全评估值参数的隶属度μA(Qv)为：
Figure FDA0003736021820000022
车辆状态评估值参数的隶属度μA(Q车)为：
Figure FDA0003736021820000023
路况及环境安全评估值参数的隶属度μA(Q环)为：
Figure FDA0003736021820000024
步骤4.3：设论域P为当前车辆综合评判的安全状态论域，则论域P上有车辆安全性的模糊评判集合S，S＝{s1，s2，s3}，其中s1为驾驶方式在交通流中过于保守导致的不安全，s2为安全，s3为驾驶方式在交通流中过于激进导致的不安全；
论域P上有当前行驶车辆为安全的模糊集合B，具体为：
Figure FDA0003736021820000025
行使车辆实时超车频次的隶属度μB(X)，具体为：
Figure FDA0003736021820000031
行使车辆实时车速安全评估值参数的隶属度μB(Qv)，具体为：
Figure FDA0003736021820000032
行使车辆实时车辆状态评估值参数的隶属度μB(Q车)，具体为：
Figure FDA0003736021820000033
行使车辆实时路况及环境安全评估值参数的隶属度μB(Q车)，具体为：
Figure FDA0003736021820000034
设定s1所对应的模糊集合为A1、B1，，s2所对应的模糊集合为A2、B2，s3所对应的模糊集合为A3、B3；以典型的数据集合为基础建立带可信度CF1和阈值λ的模糊规则库如下：
规则1：if x is A1then y is B1
规则2：if x is A2then y is B2
规则3：if x is A3then y is B3
其中x为模糊集合A；y为模糊集合B；可信度CF1均为1，设阈值λ为0.5；
构造出模糊集合A与模糊集合B之间的模糊关系，然后通过模糊关系与证据的合成求出结论，以带有可信度的行驶车辆安全性的模糊推理为基础，应用麦姆德尼方法建立模糊关系矩阵R如下：
R＝A×B
rij＝ai×bj
其中R为模糊集合A与模糊集合B构造出的模糊关系矩阵，rij为模糊关系矩阵中第i行第j列的数值，ai为模糊集合A中的第i个值，bj为模糊集合B中j个值，以超车频次X、车辆车速v、车辆状态和路况及环境的实时行车数据做分析，以安全、驾驶方式在交通流中过于保守导致的不安全和驾驶方式在交通流中过于激进导致的不安全三种状态作为评判结果，应用规则库规则进行带有可行度的模糊推理。
2.根据权利要求1所述的基于超车频次的车辆行驶状态评估方法，其特征在于，步骤1中得到两侧车道对行驶车辆发生超车行为的车辆目标具体包括如下步骤：
步骤1.1：通过毫米波雷达，得到行驶车辆周围目标物相对毫米波雷达的角度Angle、纵向距离DistLong、横向距离DistLat、纵向速度VrelLong、横向速度VrelLat以及目标物编号ID；
步骤1.2：建立坐标系，以毫米波雷达为坐标原点，x轴方向为行驶车辆车身的纵向，y轴方向为行驶车辆车身的横向；
步骤1.3：检测到目标物相对毫米波雷达的横向距离DistLat≥0时，判定该目标物位于行驶车辆的左侧；检测到目标物相对毫米波雷达的横向距离DistLat<0时，判定该目标物位于行驶车辆的右侧；
步骤1.4：预先设定单车道宽度距离为L，当检测到目标物存在于左侧车道，且其相对毫米波雷达的横向距离
Figure FDA0003736021820000041
相对毫米波雷达的纵向速度VrelLong≥0时，判定检测到左侧车道的车辆进行了超车行为；当检测到目标物存在于右侧车道，且其相对毫米波雷达的横向距离
Figure FDA0003736021820000042
相对毫米波雷达的纵向速度VrelLong≥0时，判定检测到右侧车道有车辆进行了超车行为。
3.根据权利要求1所述的基于超车频次的车辆行驶状态评估方法，其特征在于，步骤2中得到两侧车道行驶车辆超过的车辆目标具体包括如下步骤：
步骤2.1：车载单片机通过读取GPS测速仪协议解析数据得到行驶车辆车速v，车载单片机选用集成有CAN控制器的单片机，通过单片机中CAN总线收发器的CANH端和CANL端与CAN总线网络通信，单片机将GPS测速仪所获行驶车辆车速v数据集成到毫米波雷达的CAN总线上，再传输到上位机中；
步骤2.2：车辆车速v与目标物相对毫米波雷达的纵向速度VrelLong绝对值的差值为毫米波雷达所检测到的目标物速度v1，v1＝|VrelLong|-v；
步骤2.3：设定速度阈值为va，若目标物速度小于阈值，则判定该目标物为非车辆目标；
步骤2.4：若目标物速度超过步骤2.3所设定的速度阈值，且当检测到目标物存在于左侧车道，且其相对毫米波雷达的横向距离
Figure FDA0003736021820000051
相对毫米波雷达的纵向速度VrelLong<0时，判定行驶车辆超过其左侧车道目标车辆；当检测到目标物存在于右侧车道，且其相对毫米波雷达的横向距离
Figure FDA0003736021820000052
Figure FDA0003736021820000053
相对毫米波雷达的纵向速度VrelLong<0时，判定行驶车辆超过其右侧车道目标车辆。
4.根据权利要求1所述的基于超车频次的车辆行驶状态评估方法，其特征在于，所述车速安全评估值Qv，满足如下条件：
Figure FDA0003736021820000054
v为车辆车速，vx＝40,80或90，城市道路时
Figure FDA0003736021820000055
快速道路时
Figure FDA0003736021820000056
高速公路时
Figure FDA0003736021820000057
车辆状态评估值Q车，满足如下条件：
Figure FDA0003736021820000058
路况及环境安全评估值Q环，满足如下条件：
Figure FDA0003736021820000059
道路条件，在100米～15000米范围内，一年发生3起以上重大交通事故的路段时
Figure FDA00037360218200000510
评估值为60～80；风沙雨雪天气路面时
Figure FDA00037360218200000511
评估值为50～80，夜间路况时，以上评估值均乘上0.8的系数。
CN201910698094.7A 2019-07-31 2019-07-31 一种基于超车频次的车辆行驶状态评估方法 Active CN110412556B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910698094.7A CN110412556B (zh) 2019-07-31 2019-07-31 一种基于超车频次的车辆行驶状态评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910698094.7A CN110412556B (zh) 2019-07-31 2019-07-31 一种基于超车频次的车辆行驶状态评估方法

Publications (2)

Publication Number Publication Date
CN110412556A CN110412556A (zh) 2019-11-05
CN110412556B true CN110412556B (zh) 2022-09-02

Family

ID=68364671

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910698094.7A Active CN110412556B (zh) 2019-07-31 2019-07-31 一种基于超车频次的车辆行驶状态评估方法

Country Status (1)

Country Link
CN (1) CN110412556B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009126503A (ja) * 2007-11-28 2009-06-11 Sumitomo Electric Ind Ltd 運転評価装置、運転評価システム、コンピュータプログラム及び運転評価方法
EP2487505A1 (en) * 2011-02-10 2012-08-15 Harman Becker Automotive Systems GmbH Blind area warning for vehicles
CN204719988U (zh) * 2015-06-26 2015-10-21 长安大学 一种前车驾驶员不安全驾驶行为检测装置
CN106394559A (zh) * 2016-11-17 2017-02-15 吉林大学 基于环境感知信息的多目标评判驾驶行为分析方法
CN109177982A (zh) * 2018-10-31 2019-01-11 吉林大学 考虑驾驶风格的车辆行驶危险度评价方法
CN109215368A (zh) * 2018-08-23 2019-01-15 百度在线网络技术（北京）有限公司 一种辅助驾驶的方法、装置、设备和计算机存储介质

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104867327B (zh) * 2014-02-21 2017-05-03 中国移动通信集团公司 一种驾驶安全监测方法及装置
CN104290753B (zh) * 2014-09-29 2017-11-28 长安大学 一种前方车辆运动状态追踪预测装置及其预测方法
CN104916165B (zh) * 2015-06-26 2018-03-06 长安大学 一种前车驾驶员不安全驾驶行为检测方法及装置
US10071748B2 (en) * 2015-09-17 2018-09-11 Sony Corporation System and method for providing driving assistance to safely overtake a vehicle
CN106094823A (zh) * 2016-06-29 2016-11-09 北京奇虎科技有限公司 汽车危险驾驶行为的处理方法及系统
CN106428014A (zh) * 2016-07-30 2017-02-22 桐城市祥瑞机动车辆检测有限公司 一种用于汽车的前车驾驶员不安全驾驶行为检测装置
CN106781456A (zh) * 2016-11-29 2017-05-31 广东好帮手电子科技股份有限公司 一种车辆驾驶安全性的评估数据处理方法及系统
CN107225928B (zh) * 2017-05-03 2019-05-31 江苏大学 一种基于驾驶行为的主/被动悬架模式切换控制系统及方法
CN107618512B (zh) * 2017-08-23 2019-06-18 清华大学 基于人-车-环境多数据源的驾驶行为安全评价方法
CN108877220A (zh) * 2018-07-05 2018-11-23 晁保锁 基于车辆信息共享的道路安全预警系统
CN108961473A (zh) * 2018-08-07 2018-12-07 长安大学 一种基于智能网联汽车控制中心的车辆状态评估预警方法
CN109711691A (zh) * 2018-12-17 2019-05-03 长安大学 一种基于熵权模糊综合评价模型的驾驶风格评价方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009126503A (ja) * 2007-11-28 2009-06-11 Sumitomo Electric Ind Ltd 運転評価装置、運転評価システム、コンピュータプログラム及び運転評価方法
EP2487505A1 (en) * 2011-02-10 2012-08-15 Harman Becker Automotive Systems GmbH Blind area warning for vehicles
CN204719988U (zh) * 2015-06-26 2015-10-21 长安大学 一种前车驾驶员不安全驾驶行为检测装置
CN106394559A (zh) * 2016-11-17 2017-02-15 吉林大学 基于环境感知信息的多目标评判驾驶行为分析方法
CN109215368A (zh) * 2018-08-23 2019-01-15 百度在线网络技术（北京）有限公司 一种辅助驾驶的方法、装置、设备和计算机存储介质
CN109177982A (zh) * 2018-10-31 2019-01-11 吉林大学 考虑驾驶风格的车辆行驶危险度评价方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Advances in Vehicular Ad-hoc Networks(VANETs):Challenges and Road-map for Future Development;Elias C.Eze等;《International Journal of Automation and Computing》;20160215;第13卷(第01期);3-20 *
乘用车列车行驶安全性试验方法研究;郭瑞玲 等;《中国汽车》;20190415(第04期);35-42 *
基于车路协同的动态车辆安全状态评价模型;田晶晶 等;《哈尔滨工业大学学报》;20120430;第44卷(第04期);131-135 *
混行非机动车道被超车自行车骑行安全评价;陈小鸿 等;《同济大学学报(自然科学版)》;20170228;第45卷(第02期);215-222 *

Also Published As

Publication number Publication date
CN110412556A (zh) 2019-11-05

Similar Documents

Publication Publication Date Title
CN103164962B (zh) 一种山区公路急弯路段实时车速预警方法
CN104269073A (zh) 一种基于车车通信的逆向车道超车预警方法
CN110428604B (zh) 一种基于轨迹和地图数据的出租车违停监测与预警方法
CN104867356A (zh) 一种基于DSRC和Telematics的车辆威胁评估系统
CN103050013B (zh) 基于车联网技术的车辆分级限速监控方法及其装置
Mo et al. Simulation and analysis on overtaking safety assistance system based on vehicle-to-vehicle communication
CN108961473A (zh) 一种基于智能网联汽车控制中心的车辆状态评估预警方法
CN112884288B (zh) 一种高速公路雨雾场景行车安全评估系统
Wang et al. Advanced driver‐assistance system (ADAS) for intelligent transportation based on the recognition of traffic cones
CN111402586A (zh) 基于车联网的公路气象环境预报预警控制系统和方法
CN114023107A (zh) 预防城市渣土车右转过程与非机动车发生冲突的方法、系统及其存储介质
CN109067857A (zh) 一种车联网大数据分析智能优化算法
CN111907518A (zh) 一种基于云端大数据分析动态优化aeb制动策略的方法
CN111081030B (zh) 一种高速路堵车的判断方法和系统
CN112258850A (zh) 一种车路协同系统边缘侧多传感器数据融合系统
CN116434523A (zh) 信息感知场景下基于约束度的车辆主动安全管控方法及装置
CN114064656B (zh) 一种基于路端感知系统的自动驾驶场景识别与转化方法
CN110412556B (zh) 一种基于超车频次的车辆行驶状态评估方法
CN108010384B (zh) 一种交通出行安全管理方法
CN112270840B (zh) 车路协同环境下基于单车运动特征的信息可信辨识方法
CN109887310A (zh) 一种基于有源rfid的车辆逆行判定方法
CN115331480A (zh) 一种车辆预警方法、装置及计算设备
CN113848073A (zh) 一种人车碰撞概率预测驾驶辅助方法及系统
CN114023106A (zh) 一种基于v2x的车辆预警方法和系统
Kato et al. Applications of inter-vehicle communications to driver assistance system

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