CN110675656A - 一种基于瞬时风险识别的智能车辆换道预警方法 - Google Patents

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

一种基于瞬时风险识别的智能车辆换道预警方法

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V_i(0)与加速度a_i(0)，则车辆i在t时刻的纵向位移S_i(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；S_i(t)为车辆i在t时刻的纵向位移；V_i(0)为车辆i的初始速度；a_i(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d_i(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d_i(t)为：

d_i(t)＝d_i(0)+S_F(t)-S_R(t)

式中：d_i(t)为目标车辆与周围车辆i在t时刻的车辆间距；S_F(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；S_R(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D_i(t)：

V_i(t)＝a_i(0)×t+V_i(0)

式中：D_i(t)为车辆i在t时刻的停车视距，i＝0,…,n；V_i(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；t_r为驾驶员反应时间；V_i(t)为车辆i在t时刻的速度；V_i(0)为车辆i的初始速度；a_i(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SDI_i(t)为：

SDI_i(t)＝D_F(t)-D_R(t)+d_i(t)-l_F

式中：SDI_i(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；D_F(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；D_R(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；d_i(t)为目标车辆与周围车辆i在t时刻的车辆间距；l_F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(G_sub(t),G_sur(t))为：

式中：P(G_sub(t),G_sur(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；G_sub(t)为目标车辆在t时刻的运动状态信息；G_sur(t)为周围车辆在t时刻的运动状态信息；SDI_i(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TTC_i(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REP_i(t)，从时间维度刻画换道风险，其计算公式为：

式中：REP_i(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；TTC_i(t)为目标车辆在t时刻与周围车辆i之间的碰撞时间；d_i(t)为目标车辆与周围车辆i在t时刻的车辆间距；V_F(t)为目标车辆与周围车辆i两者中前车在t时刻的速度；V_R(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SDI_i(t)≥0时，风险暴露严重性为0；SDI_i(t)<0时，风险暴露严重性计算公式为：

式中：RES_i(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；SDI_i(t)为t时刻目标车辆与周围车辆i的停车距离指标；SDI_i ^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；D_R(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；l_F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REP_i(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：

η_i(t)＝REP_i(t)×RES_i(t)

式中：

为目标车辆在t时刻的瞬时风险系数；η_i(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；REP_i(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；RES_i(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RES_i(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P_r(G_sub(t),G_sur(t))为：

式中：P_r(G_sub(t),G_sur(t))＝1表示禁止换道，P_r(G_sub(t),G_sur(t))＝0表示可换道；

为瞬时风险系数阈值；RES_c为风险暴露严重性阈值。

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。

路面摩擦系数为：假设天气状况为干燥天气，高速公路为水泥路面，则摩擦系数

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，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。t_r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D_i(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SDI_i(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(G_sub(t),G_sur(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TTC_i(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REP_i(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RES_i(t)为：

RES₂(3)＝0

RES₃(3)＝0

3.3)计算瞬时风险系数。目标车辆在t时刻的瞬时风险系数为

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RES_c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V_i(0)与加速度a_i(0)，则车辆i在t时刻的纵向位移S_i(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；S_i(t)为车辆i在t时刻的纵向位移；V_i(0)为车辆i的初始速度；a_i(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d_i(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d_i(t)为：

d_i(t)＝d_i(0)+S_F(t)-S_R(t)

式中：d_i(t)为目标车辆与周围车辆i在t时刻的车辆间距；S_F(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；S_R(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D_i(t)：

V_i(t)＝a_i(0)×t+V_i(0)

式中：D_i(t)为车辆i在t时刻的停车视距，i＝0,…,n；V_i(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；t_r为驾驶员反应时间；V_i(t)为车辆i在t时刻的速度；V_i(0)为车辆i的初始速度；a_i(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SDI_i(t)为：

SDI_i(t)＝D_F(t)-D_R(t)+d_i(t)-l_F

式中：SDI_i(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；D_F(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；D_R(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；d_i(t)为目标车辆与周围车辆i在t时刻的车辆间距；l_F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(G_sub(t),G_sur(t))为：

式中：P(G_sub(t),G_sur(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；G_sub(t)为目标车辆在t时刻的运动状态信息；G_sur(t)为周围车辆在t时刻的运动状态信息；SDI_i(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TTC_i(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REP_i(t)，从时间维度刻画换道风险，其计算公式为：

式中：REP_i(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；TTC_i(t)为目标车辆在t时刻与周围车辆i之间的碰撞时间；d_i(t)为目标车辆与周围车辆i在t时刻的车辆间距；V_F(t)为目标车辆与周围车辆i两者中前车在t时刻的速度；V_R(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SDI_i(t)≥0时，风险暴露严重性为0；SDI_i(t)<0时，风险暴露严重性计算公式为：

式中：RES_i(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；SDI_i(t)为t时刻目标车辆与周围车辆i的停车距离指标；SDI_i ^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；D_R(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；l_F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REP_i(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：

η_i(t)＝REP_i(t)×RES_i(t)

式中：

为目标车辆在t时刻的瞬时风险系数；η_i(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；REP_i(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；RES_i(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。

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RES_i(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P_r(G_sub(t),G_sur(t))为：

式中：P_r(G_sub(t),G_sur(t))＝1表示禁止换道，P_r(G_sub(t),G_sur(t))＝0表示可换道；

为瞬时风险系数阈值；RES_c为风险暴露严重性阈值。

Images