CN110675656A - 一种基于瞬时风险识别的智能车辆换道预警方法 - Google Patents
一种基于瞬时风险识别的智能车辆换道预警方法 Download PDFInfo
- Publication number
- CN110675656A CN110675656A CN201910904252.XA CN201910904252A CN110675656A CN 110675656 A CN110675656 A CN 110675656A CN 201910904252 A CN201910904252 A CN 201910904252A CN 110675656 A CN110675656 A CN 110675656A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- time
- risk
- surrounding
- lane change
- 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
Images
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
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于瞬时风险识别的智能车辆换道预警方法,包括:1)获取基础数据;2)建立交通条件安全判别模型,判别t时刻交通条件是否安全;3)建立车辆运行瞬时风险评估模型,分别从时间与空间的角度刻画车辆冲突概率与冲突严重性,并利用事故树分析法融合两种评估指标,进而得到当前交通条件的换道风险系数;4)选择合适的换道预警指标及阈值,对当前车辆换道条件进行实时监测;5)通过计算机编程实现车辆换道预警功能,并评估t时刻车辆换道条件的安全性,进而对存在冲突事件的换道行为进行提前预警。本发明能够有效提前识别车辆换道冲突瞬时风险,为车辆预警系统、自动驾驶车辆换道控制提供理论参考与技术支持。
Description
技术领域
本发明涉及智能车辆换道安全性的技术领域,尤其是指一种基于瞬时风险识别的智能车辆换道预警方法。
背景技术
车道变化是典型的驾驶行为之一,是驾驶员获取理想驾驶环境或到达既定行驶目的地的重要途径。然而,不良的换道行为会干扰周围车辆的正常行驶,产生交通冲突,使得局部交通流处于暂时性紊乱状态,甚至诱发交通事故。根据美国道路交通事故数据统计,因不良换道行为导致的交通事故约占事故总数的5%。同时,不良换道行为也是降低交通运行效率、扰乱交通秩序的重要致因之一。因此,提前识别潜在的换道风险,有助于完善智能车辆预警系统的技术体系,对驾驶员进行预警以避免冲突,提高车辆运行安全性,对道路交通安全水平的提高具有不可替代的意义。
目前,大部分智能车辆换道预警研究主要集中在基于当前换道条件评估车辆换道安全性,包括采用碰撞时间(TTC,time to collision)、后侵占时间(PET,postencroachment time)及停车距离指标(SDI,stopping distance index)等进行阈值判定,以达到实时监测的目的。相对而言,多数研究对周围车辆未来运动趋势的影响却鲜有关注,忽略提前识别换道风险的可行性及必要性,从而增加了换道预警的时滞性,给驾驶员预留的反应时间较短。此外,现有研究致力于采用单一风险评估指标,仅从时间或空间的角度识别换道风险,在实际应用中存在识别盲区,例如基于TTC识别的评估模型无法识别“TTC较大但跟车距离过小”的特殊情景。因此,有必要综合时间与空间两种风险评估指标,对智能车辆换道风险进行提前识别,减少识别盲区,提高识别精度,克服部分换道预警系统在实际应用中的限制。
鉴于此,本发明首先通过获取当前交通条件信息,以判别其是否存在潜在冲突风险的可能性。其次,基于TTC与SDI两种评估指标,建立对应的风险模型,并利用事故树分析法将两者进行有效融合。最后,通过选择合适的安全判别指标及预警阈值,甄别智能车辆在未来换道情景中的瞬时风险,并提前对驾驶员进行有效预警。本发明能够有效提前识别车辆换道冲突瞬时风险,为车辆预警系统、自动驾驶车辆换道控制提供理论参考与技术支持。
发明内容
本发明的目的在于克服现有技术的缺点与不足,提出了一种基于瞬时风险识别的智能车辆换道预警方法,通过预测目标车辆与周围车辆的未来运动状态,计算目标车辆在时间与空间维度的风险大小,并通过事故树分析法进行融合两种风险系数,以综合识别目标车辆在换道过程中的瞬时风险。同时,为了有效识别车辆换道风险,提出了双指标阈值判别方法,进而提高换道风险识别准确率与稳定性,为驾驶员提供更加精准、可靠的预警信息。
为实现上述目的,本发明所提供的技术方案为:一种基于瞬时风险识别的智能车辆换道预警方法,包括以下步骤:
1)获取基础数据,包括车辆运动数据、车辆相对位置信息、车辆几何参数、道路几何条件和路面摩擦系数;
2)建立交通条件安全判别模型,计算t时刻的车辆运动状态及车辆间距,并将t时刻的所有车辆间距与对应的临界安全间距进行对比,从而判别t时刻交通条件是否安全;
3)建立车辆运行瞬时风险评估模型,分别从时间与空间的角度刻画车辆冲突概率与冲突严重性,并利用事故树分析法融合两种评估指标,进而得到当前交通条件的换道风险系数;
4)选择合适的换道预警指标及阈值,对当前车辆换道条件进行实时监测;
5)通过计算机编程实现车辆换道预警功能,并评估t时刻车辆换道条件的安全性,进而对存在冲突事件的换道行为进行提前预警。
在步骤1)中,所述车辆运动数据包括目标车辆与周围车辆的速度与加速度,能够通过目标车辆传感器或路侧监控设备获取车辆实时运动数据;所述车辆相对位置信息包括目标车辆分别与目标车道前车、后车的车辆间距,能够从目标车辆的传感器或车路协同平台获取;所述车辆几何参数包括车辆长度、车辆宽度,能够通过读取车身电子标签信息或视频识别获取;所述道路几何条件包括车道宽度、车道数、坡度,能够通过车载导航地图或路侧视频设备识别获取;所述路面摩擦系数包括不同天气情况下的路面摩擦系数,能够通过专家法或相关标准设定。
在步骤2)中,建立交通条件安全判别模型,以判别t时刻的交通条件是否安全,包括以下步骤:
2.1)计算车辆i在t时刻的纵向位移
已知各车辆在当前时刻的速度Vi(0)与加速度ai(0),则车辆i在t时刻的纵向位移Si(t)为:
式中:i=0,…,n,其中i=0表示目标车辆,i≥1表示周围车辆编号,n为周围车辆数,且有0≤n≤4,表示周围车辆最多存在4辆,包括当前车道前后车与目标车道前后车;Si(t)为车辆i在t时刻的纵向位移;Vi(0)为车辆i的初始速度;ai(0)为车辆i的初始加速度;
2.2)计算目标车辆与周围车辆在t时刻的车辆间距
假设目标车辆在换道期间至少存在一辆周围车辆,即n≥1,已知目标车辆与周围车辆的初始车辆间距di(0),且i=1,…,n,则目标车辆与周围车辆i在t时刻的车辆间距di(t)为:
di(t)=di(0)+SF(t)-SR(t)
式中:di(t)为目标车辆与周围车辆i在t时刻的车辆间距;SF(t)为目标车辆与周围车辆i两者中前车在t时刻的纵向位移;SR(t)为目标车辆与周围车辆i两者中后车在t时刻的纵向位移;
2.3)判断目标车辆在t时刻的换道条件安全性
计算各车辆的停车视距,结合t时刻目标车辆与周围车辆的车辆间距,获取多个停车距离指标,以判断当前交通条件是否存在换道风险,车辆i在t时刻的停车视距为Di(t):
Vi(t)=ai(0)×t+Vi(0)
式中:Di(t)为车辆i在t时刻的停车视距,i=0,…,n;Vi(t)为车辆i在t时刻的速度;f为路面摩擦系数;g为道路坡度;tr为驾驶员反应时间;Vi(t)为车辆i在t时刻的速度;Vi(0)为车辆i的初始速度;ai(0)为车辆i的初始加速度;
已知各车辆在t时刻的停车视距与车辆间距,则t时刻目标车辆与周围车辆i之间的停车距离指标SDIi(t)为:
SDIi(t)=DF(t)-DR(t)+di(t)-lF
式中:SDIi(t)为t时刻目标车辆与周围车辆i的停车距离指标,i=1,…,n;DF(t)为目标车辆与周围车辆i两者中前车在t时刻的停车视距;DR(t)为目标车辆与周围车辆i两者中后车在t时刻的停车视距;di(t)为目标车辆与周围车辆i在t时刻的车辆间距;lF为目标车辆与周围车辆i两者中前车的车辆长度;
基于各停车距离指标判断当前交通条件是否存在换道风险,则交通条件安全判别函数P(Gsub(t),Gsur(t))为:
式中:P(Gsub(t),Gsur(t))=1表示当前交通条件为安全,否则表示当前交通条件为不安全;Gsub(t)为目标车辆在t时刻的运动状态信息;Gsur(t)为周围车辆在t时刻的运动状态信息;SDIi(t)为t时刻目标车辆与周围车辆i的停车距离指标;
由上述可知,仅当前交通条件为不安全时才需要对目标车辆的换道瞬时风险进行评估,即跳转至步骤3);若当前交通条件为安全,则无需进一步评估。
在步骤3)中,建立车辆运行瞬时风险评估模型,分别从时间与空间的角度刻画车辆冲突概率与冲突严重性,并利用事故树分析法融合两种评估指标,进而得到当前交通条件的换道风险系数,包括以下步骤:
3.1)计算风险暴露概率
风险暴露概率是指目标车辆与周围车辆间产生冲突的可能性;根据目标车辆与周围车辆的运动信息、车辆间距,计算目标车辆在t时刻与周围车辆i之间的碰撞时间指标TTCi(t),并以此推导出目标车辆在t时刻与周围车辆i之间的风险暴露概率REPi(t),从时间维度刻画换道风险,其计算公式为:
式中:REPi(t)为目标车辆在t时刻与周围车辆i之间的风险暴露概率;TTCi(t)为目标车辆在t时刻与周围车辆i之间的碰撞时间;di(t)为目标车辆与周围车辆i在t时刻的车辆间距;VF(t)为目标车辆与周围车辆i两者中前车在t时刻的速度;VR(t)为目标车辆与周围车辆i两者中后车在t时刻的速度;σ为标准化常数,表示驾驶员平均反应时间与车辆制动时间之和;
3.2)计算风险暴露严重性
风险暴露严重性是指目标车辆与周围车辆的间距小于安全停车距离时存在的潜在风险严重程度,反映目标车辆在空间上的风险后果;当SDIi(t)≥0时,风险暴露严重性为0;SDIi(t)<0时,风险暴露严重性计算公式为:
式中:RESi(t)为目标车辆在t时刻与周围车辆i之间的风险暴露严重性;SDIi(t)为t时刻目标车辆与周围车辆i的停车距离指标;SDIi cri(t)为t时刻目标车辆与周围车辆i的临界停车距离指标;DR(t)为t时刻目标车辆i与周围车辆i两者中后车的停车视距;lF为目标车辆与周围车辆i两者中前车的车辆长度;
3.3)计算瞬时风险系数
瞬时风险系数是利用事故树分析法将风险暴露概率REPi(t)与风险暴露严重性融合后衍生出的一种能够有效反映目标车辆换道瞬时风险的评估指标,其计算公式为:
ηi(t)=REPi(t)×RESi(t)
式中:为目标车辆在t时刻的瞬时风险系数;ηi(t)为目标车辆与周围车辆之间未能安全交互的可能性;n为周围车辆数;REPi(t)为目标车辆在t时刻与周围车辆i之间的风险暴露概率;RESi(t)为目标车辆在t时刻与周围车辆i之间的风险暴露严重性。
在步骤4)中,选择合适的换道预警指标及阈值,对当前车辆换道条件进行实时监测,以甄别存在潜在冲突风险的换道条件,包括以下步骤:
4.1)选择换道预警指标
尽管瞬时风险系数能够反映时间与空间的风险大小,但仍存在识别盲区,当目标车辆与周围车辆的相对速度差及车辆间距小于设定值时,此时风险暴露严重性则因车辆间距保持不足而变大,但由于风险暴露概率小甚至接近零,使得瞬时风险系数在整体上呈现小数值;由此可见,在对换道条件进行风险评估过程中,应对风险暴露严重性设置有效约束,故选择瞬时风险系数与风险暴露严重性RESi(t)作为换道预警指标;
4.2)设置预警阈值
通过合理设置预警阈值,能够简便、高效判别出当前交通条件是否适合目标车辆换道,其阈值判别函数Pr(Gsub(t),Gsur(t))为:
本发明与现有技术相比,具有如下优点与有益效果:
1、提出智能车辆换道预警方法,有利于提前识别当前交通条件存在的换道风险,以避免换道事故等问题。
2、区别于以往车辆换道预警研究,本发明剖析了目标车辆与周围车辆在时空分布上的潜在风险,并通过设置两种换道预警指标及阈值,可有效识别换道过程中存在的潜在冲突事件。解决现有大多数方法存在的特殊危险换道条件识别盲区问题,提高智能车辆换道过程的安全性。
3、突破仅通过单条件判别的换道预警方法,本发明利用事故树分析法对风险暴露概率与严重性进行有效融合,结合双指标条件判别方法以避免预警盲区,对于智能车辆换道预警准确性的改善具有重要的指导意义。
4、综合实时监测与交通条件预测的两种方式,提前识别车辆换道瞬时风险,解决基于实时换道风险预警的时滞性问题,使得驾驶员能够更加快捷地感知换道风险信息,具有较强的实用价值。
5、通过编程方法实现换道预警方法的快速响应,具有数据依赖性小、高时效、实时性强等优势。
附图说明
图1为本发明方法的建模流程框架图。
图2为本发明典型的车辆换道情景示意图。
图3为本发明车辆换道冲突判别条件示意图。
具体实施方式
下面结合具体实施例对本发明作进一步说明。
如图1所示,本实施例所提供的基于瞬时风险识别的智能车辆换道预警方法,包括以下步骤:
1)获取基础数据,包括车辆运动数据、车辆相对位置信息、车辆几何参数、道路几何条件和路面摩擦系数等。
所述车辆运动数据包括目标车辆与周围车辆的速度与加速度,可通过目标车辆传感器或路侧监控设备获取车辆实时运动数据;所述车辆相对位置信息包括目标车辆分别与目标车道前车、后车的车辆间距,可从目标车辆的传感器或车路协同平台获取;所述车辆几何参数包括车辆长度、车辆宽度,可通过读取车身电子标签信息或视频识别获取;所述道路几何条件包括车道宽度、车道数、坡度,可通过车载导航地图或路侧视频设备识别获取;路面摩擦系数包括不同天气情况下的路面摩擦系数,可通过专家法或相关标准设定。
如图2所示,车辆运动状态数据为:目标车辆初始速度V0(0)=20m/s,初始加速度a0(0)=1.5m/s2;当前车道前车的初始速度V1(0)=16m/s,初始加速度a1(0)=-1m/s2;当前车道后车的初始速度V2(0)=19m/s,初始加速度a2(0)=1m/s2;目标车道前车的初始速度V3(0)=23m/s,初始加速度a3(0)=2m/s2;目标车道后车的初始速度V4(0)=24m/s,初始加速度a4(0)=1m/s2。
车辆相对位置信息为:目标车辆与当前车道前车的初始车辆间距为d1(0)=20m;目标车辆与当前车道后车的初始车辆间距为d2(0)=25m;目标车辆与目标车道前车的初始车辆间距为d3(0)=30m;目标车辆与目标车道后车的初始车辆间距为d4(0)=15m;
车辆几何参数为:假设所有车辆均为小轿车,则有车辆长度L=4m,车辆宽度W=2.5m。
道路几何条件为:车道数为3,车道宽度为3.75m,坡度为0。
2)建立交通条件安全判别模型,计算t时刻的车辆运动状态及车辆间距,并将t时刻的所有车辆间距与对应的临界安全间距进行对比,从而判别t时刻交通条件是否安全,包括以下步骤:
2.1)计算车辆i在t时刻的纵向位移。此处设预测时长t=3s,表示预测3s后的交通条件,假设车辆在t时间内的加速度恒定,则各车辆在t时刻的纵向位移分别为:
2.2)计算目标车辆与周围车辆在t时刻的车辆间距。已知目标车辆与周围车辆的初始车辆间距分别为d1(0)=35m;d2(0)=25m;d3(0)=30m;d4(0)=15m。则目标车辆与周围车辆在t时刻的车辆间距为:
d1(3)=35+43.5-66.75=11.75m
d2(3)=25+66.75-61.5=30.25m
d3(3)=30+78-66.75=41.25m
d4(3)=15+66.75-76.5=5.25m
2.3)判断目标车辆在t时刻的换道条件安全性。计算各车辆的停车视距,结合t时刻目标车辆与周围车辆的车辆间距,获取多个停车距离指标,以判断当前交通条件是否存在换道风险。tr为驾驶员反应时间,一般取值1.5s;则车辆i在t时刻的停车视距为Di(t):
V0(3)=20+1.5×3=24.5m/s
V1(3)=16-1×3=13m/s
V2(3)=19+1×3=22m/s
V3(3)=23+2×3=29m/s
V4(3)=24+1×3=27m/s
则t时刻目标车辆与周围车辆i之间的停车距离指标SDIi(t)为:
SDI1(3)=30.2943-75.0631+11.75-4=-37.0188
SDI2(3)=75.0631-63.8957+30.25-4=37.4174
SDI3(3)=97.1734-75.0631+41.25-4=59.3603
SDI4(3)=75.0631-87.0277+5.25-4=-10.7146
基于各停车距离指标判断当前交通条件是否存在换道风险,此时SDI1(3)与SDI1(3)均小于0,故P(Gsub(t),Gsur(t))=0,表示当前交通条件不安全。
3)建立车辆运行瞬时风险评估模型,分别从时间与空间的角度刻画车辆冲突概率与冲突严重性,并利用事故树分析法融合两种评估指标,进而得到当前交通条件的换道风险系数,包括以下步骤:
3.1)计算风险暴露概率。目标车辆在t时刻与周围车辆i之间的碰撞时间指标TTCi(t)为:
TTC2(3)=+∞
TTC3(3)=+∞
σ为标准化常数,表示驾驶员平均反应时间与车辆制动时间之和,一般取值为1.6,则目标车辆在t时刻与周围车辆i之间的风险暴露概率REPi(t)为:
REP2(3)=0
REP3(3)=0
3.2)计算风险暴露严重性。t时刻目标车辆与周围车辆i的临界停车距离指标为:
则目标车辆在t时刻与周围车辆i之间的风险暴露严重性RESi(t)为:
RES2(3)=0
RES3(3)=0
η1(3)=0.2704×0.4682=0.1266
η2(3)=0
η3(3)=0
η4(3)=0.068×0.1177=0.008
4)选择合适的换道预警指标及阈值,对当前车辆换道条件进行实时监测,以甄别存在潜在冲突风险的换道条件。在此选择瞬时风险系数阈值风险暴露严重性阈值RESc为0.3。由于RES1(3)=0.4682>0.3,且故当前交通条件存在潜在冲突事件,不满足目标车辆安全换道需求。
5)通过计算机编程实现以上车辆换道预警功能,若驾驶员意图换道,则对其进行安全预警,详细流程如图3所示。
以上所述实施例只为本发明之较佳实施例,并非以此限制本发明的实施范围,故凡依本发明之形状、原理所作的变化,均应涵盖在本发明的保护范围内。
Claims (5)
1.一种基于瞬时风险识别的智能车辆换道预警方法,其特征在于,包括以下步骤:
1)获取基础数据,包括车辆运动数据、车辆相对位置信息、车辆几何参数、道路几何条件和路面摩擦系数;
2)建立交通条件安全判别模型,计算t时刻的车辆运动状态及车辆间距,并将t时刻的所有车辆间距与对应的临界安全间距进行对比,从而判别t时刻交通条件是否安全;
3)建立车辆运行瞬时风险评估模型,分别从时间与空间的角度刻画车辆冲突概率与冲突严重性,并利用事故树分析法融合两种评估指标,进而得到当前交通条件的换道风险系数;
4)选择合适的换道预警指标及阈值,对当前车辆换道条件进行实时监测;
5)通过计算机编程实现车辆换道预警功能,并评估t时刻车辆换道条件的安全性,进而对存在冲突事件的换道行为进行提前预警。
2.根据权利要求1所述的一种基于瞬时风险识别的智能车辆换道预警方法,其特征在于:在步骤1)中,所述车辆运动数据包括目标车辆与周围车辆的速度与加速度,能够通过目标车辆传感器或路侧监控设备获取车辆实时运动数据;所述车辆相对位置信息包括目标车辆分别与目标车道前车、后车的车辆间距,能够从目标车辆的传感器或车路协同平台获取;所述车辆几何参数包括车辆长度、车辆宽度,能够通过读取车身电子标签信息或视频识别获取;所述道路几何条件包括车道宽度、车道数、坡度,能够通过车载导航地图或路侧视频设备识别获取;所述路面摩擦系数包括不同天气情况下的路面摩擦系数,能够通过专家法或相关标准设定。
3.根据权利要求1所述的一种基于瞬时风险识别的智能车辆换道预警方法,其特征在于:在步骤2)中,建立交通条件安全判别模型,以判别t时刻的交通条件是否安全,包括以下步骤:
2.1)计算车辆i在t时刻的纵向位移
已知各车辆在当前时刻的速度Vi(0)与加速度ai(0),则车辆i在t时刻的纵向位移Si(t)为:
式中:i=0,…,n,其中i=0表示目标车辆,i≥1表示周围车辆编号,n为周围车辆数,且有0≤n≤4,表示周围车辆最多存在4辆,包括当前车道前后车与目标车道前后车;Si(t)为车辆i在t时刻的纵向位移;Vi(0)为车辆i的初始速度;ai(0)为车辆i的初始加速度;
2.2)计算目标车辆与周围车辆在t时刻的车辆间距
假设目标车辆在换道期间至少存在一辆周围车辆,即n≥1,已知目标车辆与周围车辆的初始车辆间距di(0),且i=1,…,n,则目标车辆与周围车辆i在t时刻的车辆间距di(t)为:
di(t)=di(0)+SF(t)-SR(t)
式中:di(t)为目标车辆与周围车辆i在t时刻的车辆间距;SF(t)为目标车辆与周围车辆i两者中前车在t时刻的纵向位移;SR(t)为目标车辆与周围车辆i两者中后车在t时刻的纵向位移;
2.3)判断目标车辆在t时刻的换道条件安全性
计算各车辆的停车视距,结合t时刻目标车辆与周围车辆的车辆间距,获取多个停车距离指标,以判断当前交通条件是否存在换道风险,车辆i在t时刻的停车视距为Di(t):
Vi(t)=ai(0)×t+Vi(0)
式中:Di(t)为车辆i在t时刻的停车视距,i=0,…,n;Vi(t)为车辆i在t时刻的速度;f为路面摩擦系数;g为道路坡度;tr为驾驶员反应时间;Vi(t)为车辆i在t时刻的速度;Vi(0)为车辆i的初始速度;ai(0)为车辆i的初始加速度;
已知各车辆在t时刻的停车视距与车辆间距,则t时刻目标车辆与周围车辆i之间的停车距离指标SDIi(t)为:
SDIi(t)=DF(t)-DR(t)+di(t)-lF
式中:SDIi(t)为t时刻目标车辆与周围车辆i的停车距离指标,i=1,…,n;DF(t)为目标车辆与周围车辆i两者中前车在t时刻的停车视距;DR(t)为目标车辆与周围车辆i两者中后车在t时刻的停车视距;di(t)为目标车辆与周围车辆i在t时刻的车辆间距;lF为目标车辆与周围车辆i两者中前车的车辆长度;
基于各停车距离指标判断当前交通条件是否存在换道风险,则交通条件安全判别函数P(Gsub(t),Gsur(t))为:
式中:P(Gsub(t),Gsur(t))=1表示当前交通条件为安全,否则表示当前交通条件为不安全;Gsub(t)为目标车辆在t时刻的运动状态信息;Gsur(t)为周围车辆在t时刻的运动状态信息;SDIi(t)为t时刻目标车辆与周围车辆i的停车距离指标;
由上述可知,仅当前交通条件为不安全时才需要对目标车辆的换道瞬时风险进行评估,即跳转至步骤3);若当前交通条件为安全,则无需进一步评估。
4.根据权利要求1所述的一种基于瞬时风险识别的智能车辆换道预警方法,其特征在于:在步骤3)中,建立车辆运行瞬时风险评估模型,分别从时间与空间的角度刻画车辆冲突概率与冲突严重性,并利用事故树分析法融合两种评估指标,进而得到当前交通条件的换道风险系数,包括以下步骤:
3.1)计算风险暴露概率
风险暴露概率是指目标车辆与周围车辆间产生冲突的可能性;根据目标车辆与周围车辆的运动信息、车辆间距,计算目标车辆在t时刻与周围车辆i之间的碰撞时间指标TTCi(t),并以此推导出目标车辆在t时刻与周围车辆i之间的风险暴露概率REPi(t),从时间维度刻画换道风险,其计算公式为:
式中:REPi(t)为目标车辆在t时刻与周围车辆i之间的风险暴露概率;TTCi(t)为目标车辆在t时刻与周围车辆i之间的碰撞时间;di(t)为目标车辆与周围车辆i在t时刻的车辆间距;VF(t)为目标车辆与周围车辆i两者中前车在t时刻的速度;VR(t)为目标车辆与周围车辆i两者中后车在t时刻的速度;σ为标准化常数,表示驾驶员平均反应时间与车辆制动时间之和;
3.2)计算风险暴露严重性
风险暴露严重性是指目标车辆与周围车辆的间距小于安全停车距离时存在的潜在风险严重程度,反映目标车辆在空间上的风险后果;当SDIi(t)≥0时,风险暴露严重性为0;SDIi(t)<0时,风险暴露严重性计算公式为:
式中:RESi(t)为目标车辆在t时刻与周围车辆i之间的风险暴露严重性;SDIi(t)为t时刻目标车辆与周围车辆i的停车距离指标;SDIi cri(t)为t时刻目标车辆与周围车辆i的临界停车距离指标;DR(t)为t时刻目标车辆i与周围车辆i两者中后车的停车视距;lF为目标车辆与周围车辆i两者中前车的车辆长度;
3.3)计算瞬时风险系数
瞬时风险系数是利用事故树分析法将风险暴露概率REPi(t)与风险暴露严重性融合后衍生出的一种能够有效反映目标车辆换道瞬时风险的评估指标,其计算公式为:
ηi(t)=REPi(t)×RESi(t)
5.根据权利要求1所述的一种基于瞬时风险识别的智能车辆换道预警方法,其特征在于:在步骤4)中,选择合适的换道预警指标及阈值,对当前车辆换道条件进行实时监测,以甄别存在潜在冲突风险的换道条件,包括以下步骤:
4.1)选择换道预警指标
尽管瞬时风险系数能够反映时间与空间的风险大小,但仍存在识别盲区,当目标车辆与周围车辆的相对速度差及车辆间距小于设定值时,此时风险暴露严重性则因车辆间距保持不足而变大,但由于风险暴露概率小甚至接近零,使得瞬时风险系数在整体上呈现小数值;由此可见,在对换道条件进行风险评估过程中,应对风险暴露严重性设置有效约束,故选择瞬时风险系数与风险暴露严重性RESi(t)作为换道预警指标;
4.2)设置预警阈值
通过合理设置预警阈值,能够简便、高效判别出当前交通条件是否适合目标车辆换道,其阈值判别函数Pr(Gsub(t),Gsur(t))为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910904252.XA CN110675656B (zh) | 2019-09-24 | 2019-09-24 | 一种基于瞬时风险识别的智能车辆换道预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910904252.XA CN110675656B (zh) | 2019-09-24 | 2019-09-24 | 一种基于瞬时风险识别的智能车辆换道预警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110675656A true CN110675656A (zh) | 2020-01-10 |
CN110675656B CN110675656B (zh) | 2020-09-22 |
Family
ID=69077336
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910904252.XA Active CN110675656B (zh) | 2019-09-24 | 2019-09-24 | 一种基于瞬时风险识别的智能车辆换道预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110675656B (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111582586A (zh) * | 2020-05-11 | 2020-08-25 | 长沙理工大学 | 用于减少抖动的多车队驾驶危险预测系统与方法 |
CN112071059A (zh) * | 2020-08-20 | 2020-12-11 | 华南理工大学 | 一种基于瞬时风险评估的智能车辆换道轨迹协同规划方法 |
CN112216148A (zh) * | 2020-09-21 | 2021-01-12 | 西安工程大学 | 一种车路协同下双车道车辆换道指引方法 |
CN112258893A (zh) * | 2020-09-01 | 2021-01-22 | 华南理工大学 | 一种基于轨道预测的智能车辆换道碰撞概率评估方法 |
CN112907987A (zh) * | 2021-01-19 | 2021-06-04 | 吉林大学 | 多车道快速路出口匝道分流区智能车队换道引导方法及系统 |
CN112927509A (zh) * | 2021-02-05 | 2021-06-08 | 长安大学 | 一种基于交通冲突技术的道路行车安全风险评估系统 |
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 |
CN113313949A (zh) * | 2021-05-31 | 2021-08-27 | 长安大学 | 一种高速公路出口匝道客货车协同控制方法、装置和设备 |
CN113593225A (zh) * | 2021-07-21 | 2021-11-02 | 同济大学 | 一种面向纯网联环境的单点交叉口车辆控制方法 |
CN113682307A (zh) * | 2021-08-06 | 2021-11-23 | 南京市德赛西威汽车电子有限公司 | 一种可视化变道辅助方法及系统 |
CN113744563A (zh) * | 2021-08-02 | 2021-12-03 | 北京工业大学 | 一种基于轨迹数据的路-车风险实时估计方法 |
CN114613195A (zh) * | 2022-03-18 | 2022-06-10 | 重庆大学 | 一种面向混合交通的车辆换道风险评估方法及装置 |
CN115320581A (zh) * | 2022-08-15 | 2022-11-11 | 中南大学 | 实时车辆换道风险评估方法、计算机设备及计算机存储介质 |
CN116631221A (zh) * | 2023-05-05 | 2023-08-22 | 同济大学 | 一种基于蒙特卡洛模拟的在途车辆运行风险量化计算方法 |
CN117238172A (zh) * | 2023-11-13 | 2023-12-15 | 青岛理工大学 | 基于安全裕度的行驶风险量化方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150213718A1 (en) * | 2014-01-24 | 2015-07-30 | Toyota Jidosha Kabushiki Kaisha | Drive support apparatus |
CN105844967A (zh) * | 2016-05-16 | 2016-08-10 | 广州大学 | 基于车车通信的车辆碰撞预警及主动控制方法 |
CN107134173A (zh) * | 2017-06-15 | 2017-09-05 | 长安大学 | 一种具有驾驶习惯识别的换道预警系统及方法 |
US20180190124A1 (en) * | 2016-12-30 | 2018-07-05 | Hyundai Motor Company | Apparatus and method for implementing lcdas |
CN108639048A (zh) * | 2018-05-15 | 2018-10-12 | 智车优行科技(北京)有限公司 | 汽车变道辅助方法、系统以及汽车 |
CN109353337A (zh) * | 2018-08-10 | 2019-02-19 | 重庆大数据研究院有限公司 | 一种智能车换道阶段碰撞概率安全预测方法 |
CN110085056A (zh) * | 2019-04-24 | 2019-08-02 | 华南理工大学 | 一种高速公路车路协同环境下车辆换道瞬时风险识别方法 |
-
2019
- 2019-09-24 CN CN201910904252.XA patent/CN110675656B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150213718A1 (en) * | 2014-01-24 | 2015-07-30 | Toyota Jidosha Kabushiki Kaisha | Drive support apparatus |
CN105844967A (zh) * | 2016-05-16 | 2016-08-10 | 广州大学 | 基于车车通信的车辆碰撞预警及主动控制方法 |
US20180190124A1 (en) * | 2016-12-30 | 2018-07-05 | Hyundai Motor Company | Apparatus and method for implementing lcdas |
CN107134173A (zh) * | 2017-06-15 | 2017-09-05 | 长安大学 | 一种具有驾驶习惯识别的换道预警系统及方法 |
CN108639048A (zh) * | 2018-05-15 | 2018-10-12 | 智车优行科技(北京)有限公司 | 汽车变道辅助方法、系统以及汽车 |
CN109353337A (zh) * | 2018-08-10 | 2019-02-19 | 重庆大数据研究院有限公司 | 一种智能车换道阶段碰撞概率安全预测方法 |
CN110085056A (zh) * | 2019-04-24 | 2019-08-02 | 华南理工大学 | 一种高速公路车路协同环境下车辆换道瞬时风险识别方法 |
Non-Patent Citations (3)
Title |
---|
DAVID ARBIS ET AL.: "Game theoretic model for lane changing: Incorporating conflict risks", 《ACCIDENT ANALYSIS & PREVENTION》 * |
戴骏晨: "基于交通冲突技术的高速公路互通立交交织区交通安全评价", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
王世明等: "面向高速公路的车辆换道安全预警模型", 《华南理工大学学报》 * |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111582586A (zh) * | 2020-05-11 | 2020-08-25 | 长沙理工大学 | 用于减少抖动的多车队驾驶危险预测系统与方法 |
CN111582586B (zh) * | 2020-05-11 | 2023-04-18 | 长沙理工大学 | 用于减少抖动的多车队驾驶危险预测系统与方法 |
CN112071059A (zh) * | 2020-08-20 | 2020-12-11 | 华南理工大学 | 一种基于瞬时风险评估的智能车辆换道轨迹协同规划方法 |
CN112258893B (zh) * | 2020-09-01 | 2021-10-26 | 华南理工大学 | 一种基于轨道预测的智能车辆换道碰撞概率评估方法 |
CN112258893A (zh) * | 2020-09-01 | 2021-01-22 | 华南理工大学 | 一种基于轨道预测的智能车辆换道碰撞概率评估方法 |
CN112216148A (zh) * | 2020-09-21 | 2021-01-12 | 西安工程大学 | 一种车路协同下双车道车辆换道指引方法 |
CN112907987A (zh) * | 2021-01-19 | 2021-06-04 | 吉林大学 | 多车道快速路出口匝道分流区智能车队换道引导方法及系统 |
CN112927509A (zh) * | 2021-02-05 | 2021-06-08 | 长安大学 | 一种基于交通冲突技术的道路行车安全风险评估系统 |
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 |
CN113313949B (zh) * | 2021-05-31 | 2022-03-25 | 长安大学 | 一种高速公路出口匝道客货车协同控制方法、装置和设备 |
CN113313949A (zh) * | 2021-05-31 | 2021-08-27 | 长安大学 | 一种高速公路出口匝道客货车协同控制方法、装置和设备 |
CN113593225B (zh) * | 2021-07-21 | 2022-09-06 | 同济大学 | 一种面向纯网联环境的单点交叉口车辆控制方法 |
CN113593225A (zh) * | 2021-07-21 | 2021-11-02 | 同济大学 | 一种面向纯网联环境的单点交叉口车辆控制方法 |
CN113744563A (zh) * | 2021-08-02 | 2021-12-03 | 北京工业大学 | 一种基于轨迹数据的路-车风险实时估计方法 |
CN113744563B (zh) * | 2021-08-02 | 2023-03-10 | 北京工业大学 | 一种基于轨迹数据的路-车风险实时估计方法 |
CN113682307A (zh) * | 2021-08-06 | 2021-11-23 | 南京市德赛西威汽车电子有限公司 | 一种可视化变道辅助方法及系统 |
CN113682307B (zh) * | 2021-08-06 | 2023-09-12 | 南京市德赛西威汽车电子有限公司 | 一种可视化变道辅助方法及系统 |
CN114613195A (zh) * | 2022-03-18 | 2022-06-10 | 重庆大学 | 一种面向混合交通的车辆换道风险评估方法及装置 |
CN114613195B (zh) * | 2022-03-18 | 2024-06-11 | 重庆大学 | 一种面向混合交通的车辆换道风险评估方法及装置 |
CN115320581A (zh) * | 2022-08-15 | 2022-11-11 | 中南大学 | 实时车辆换道风险评估方法、计算机设备及计算机存储介质 |
CN116631221A (zh) * | 2023-05-05 | 2023-08-22 | 同济大学 | 一种基于蒙特卡洛模拟的在途车辆运行风险量化计算方法 |
CN116631221B (zh) * | 2023-05-05 | 2024-01-23 | 同济大学 | 一种基于蒙特卡洛模拟的在途车辆运行风险量化计算方法 |
CN117238172A (zh) * | 2023-11-13 | 2023-12-15 | 青岛理工大学 | 基于安全裕度的行驶风险量化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110675656B (zh) | 2020-09-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110675656B (zh) | 一种基于瞬时风险识别的智能车辆换道预警方法 | |
CN110488802B (zh) | 一种网联环境下的自动驾驶车辆动态行为决策方法 | |
CN112700470B (zh) | 一种基于交通视频流的目标检测和轨迹提取方法 | |
US8160811B2 (en) | Method and system to estimate driving risk based on a hierarchical index of driving | |
CN114077541A (zh) | 验证用于自动驾驶车辆的自动控制软件的方法和系统 | |
CN113487874B (zh) | 一种跟驰行为场景数据采集、识别、分类提取系统及方法 | |
CN110606093A (zh) | 车辆性能评测方法、装置、设备和存储介质 | |
CN111369831A (zh) | 一种道路驾驶危险预警方法、装置和设备 | |
JP7119365B2 (ja) | 運転行動データ生成装置、運転行動データベース | |
CN113247014B (zh) | 一种自动驾驶系统的置信度标识方法及系统 | |
CN102673560A (zh) | 识别拐弯机动的方法和驾驶员辅助系统 | |
CN112258832B (zh) | 一种用于运行基于车辆信息的团雾气象信息感知发布系统的方法 | |
JP7505020B2 (ja) | 経路区間評価方法及び車両操作方法 | |
Jenkins et al. | Classifying passing maneuvers: a behavioral approach | |
CN110599025A (zh) | 自动驾驶汽车驾驶行为可靠性指标评估方法 | |
CN112606831A (zh) | 一种用于客车的防碰撞警示信息对外交互方法及系统 | |
CN111422202B (zh) | 智能驾驶考试评判方法 | |
CN115042782B (zh) | 一种车辆巡航控制方法、系统、设备及介质 | |
CN114692713A (zh) | 一种自动驾驶车辆的驾驶行为评价方法及装置 | |
CN114537374A (zh) | 一种基于可行驶区域的车辆前方防碰撞系统 | |
CN116842688A (zh) | 一种面向自动驾驶决策算法的在线合规验证系统 | |
CN113386771A (zh) | 道路模型的生成方法及设备 | |
WO2023145491A1 (ja) | 運転システムの評価方法及び記憶媒体 | |
WO2023145490A1 (ja) | 運転システムの設計方法及び運転システム | |
CN116863705A (zh) | 一种基于雷达轨迹数据的高速公路易混淆事件判别方法 |
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 |