CN111243274A - 面向非网联交通个体的道路碰撞预警系统及方法 - Google Patents
面向非网联交通个体的道路碰撞预警系统及方法 Download PDFInfo
- Publication number
- CN111243274A CN111243274A CN202010064872.XA CN202010064872A CN111243274A CN 111243274 A CN111243274 A CN 111243274A CN 202010064872 A CN202010064872 A CN 202010064872A CN 111243274 A CN111243274 A CN 111243274A
- Authority
- CN
- China
- Prior art keywords
- traffic
- collision
- road
- target
- early warning
- 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.)
- Pending
Links
Images
Classifications
-
- 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
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
-
- 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
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
-
- 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)
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Emergency Management (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种面向非网联交通个体的道路碰撞预警系统及方法,系统包括:感知单元、碰撞预测分析单元及警示单元;感知单元,用于实时获取道路中交通个体的动态数据,并将获取到的动态数据发送给所述预测分析单元;预测分析单元,根据接收到的上述动态数据对不同行驶方向路段中的交通个体进行碰撞预测分析,产生的碰撞预测结果;并将碰撞预测结果发送给所述警示单元;警示单元,根据上述碰撞预测结果产生碰撞预警提示。本发明能够降低道路上的机动车/非机动车/行人发生碰撞的风险,提高了道路中交通个体在感知盲区情况下的交通安全。
Description
技术领域
本发明涉及一种面向非网联交通个体的道路碰撞预警系统及方法,属于道路交通安全管控技术领域。
背景技术
随着车辆逐渐增多,道路交通问题日益凸显。为了缓解当前交通问题,车联网技术(Internet of Vehicles,IoV)应运而生,它旨在通过V2X实现车辆与路侧设备及其他车辆的互联互通,以至于最终达到协同驾驶的目的。
车联网技术通过V2V与V2I以实现车辆与车辆及车辆与路侧设备间的互联互通,从而完善车联网环境下的诸多应用,例如:服务导航、路径诱导、道路环境预警、追尾碰撞预警、弯道盲区预警、道路碰撞预警等。其中,道路防撞预警是车联网技术中车路协同的重要应用,它旨在感知车辆通过各道路路段时的潜在碰撞风险,提前向车辆发出警告信息以便驾驶员预先作出反应,从而极大地提高了属于事故多发地段的驾驶安全性。
然而,现有车联网技术的应用基础是安装在车辆上的车路协同信息车载终端与安装在路侧的路侧设备相互通信。例如:中国发明专利申请号为CN201610587252.8,名称为“一种基于车载双目相机的车辆前方碰撞预警方法”中公开了通过车载前向双目相机获取车辆前方物体和车辆之间的距离及运动信息,利用雨量传感器和温度传感器估算当前天气下的路面附着系数,从而准确计算出当前车速对应的安全车距阈值及车辆与前方物体的预碰撞时间,综合考虑安全车距和预碰撞时间两大重要车辆行驶参数,根据不同情况进行紧急、非紧急的分级预警,以提醒车辆驾驶员及时作出相应措施。中国发明专利申请号为CN201610228081.X,名称为“一种道路交汇口防撞预警方法、路侧设备与防撞系统”中公开了通过设置在交汇口的路侧设备接收每辆车通过特定的车载设备发送来的GPS信息,并对该GPS信息数据进行碰撞预测分析,从而生成预警信息,并将该预警信息向潜在碰撞风险的车辆进行转发。
通过上述的技术方案来实现碰撞风险的预警难度很大,导致短时期内还无法实现车联网技术的普及,更无法将其应用于道路碰撞预警技术中;此外,基于车联网技术的道路碰撞预警系统也不适用于非机动车及行人等非网联交通个体。
因此,有必要设计一种面向非网联交通个体的道路碰撞预警系统及方法,对道路上交通个体处于感知盲区而由此可能引发的碰撞进行预警。
发明内容
为了克服现有技术中存在的不足,本发明提供一种面向非网联交通个体的道路碰撞预警系统及方法,以解决现有技术中基于车联网技术的道路碰撞预警系统不适用于非网联机动车、非机动车及行人等非网联交通个体的问题。本发明能够降低道路上机动车与行人/非机动车/机动车发生碰撞的可能性,极大地提高了道路上交通个体在感知盲区下的行驶安全。
为实现上述目的,本发明采用的技术方案如下:
本发明的一种面向非网联交通个体的道路碰撞预警系统,包括:感知单元、预测分析单元及警示单元;
感知单元,用于实时获取道路中交通个体的动态数据,并将获取到的动态数据发送给所述预测分析单元;
预测分析单元,根据上述动态数据对不同行驶方向路段中的交通个体进行碰撞预测分析,产生碰撞预测结果;并将碰撞预测结果发送给所述警示单元;
警示单元,根据上述碰撞预测结果产生碰撞预警提示,对可能发生碰撞风险的交通个体发出预警提醒。
进一步地,所述感知单元为设于路侧的摄像头,激光雷达、毫米波雷达中的一种或其组合。
进一步地,所述交通个体包括:机动车、非机动车、行人。
进一步地,所述不同行驶方向路段包括:相交叉的机动车道、相交叉的机动车道与非机动车道、相交叉的机动车道与人行横道、相交叉的非机动车道与人行横道、急转弯路段、及车道中设有出入口的路段。
进一步地,所述交通个体的动态数据包括:机动车的实时位置信息和实时速度信息,非机动车的实时位置信息和实时速度信息,行人的实时位置信息和实时速度信息。
进一步地,所述预测分析单元获取各路段的实时交通信号灯状态信息。
进一步地,所述预测分析单元对不同行驶方向路段中的交通个体进行碰撞预测分析具体包括:(1)交通环境信息与高精度地图融合;(2)交通个体轨迹预测;(3)目标场景中交通个体碰撞预测。
进一步地,所述交通环境信息与高精度地图融合方法具体步骤如下:
在目标区域标记若干个标定点,标定点可以是路灯,斑马线,栅栏等一些固定物体,找出上述标定点在环境感知坐标系和高精度地图中对应的位置,最后通过下述公式(1)得到仿射变换矩阵,通过仿射变换,将交通环境信息与高精度地图融合;
其中,X,Y为高精度地图中标定点坐标,x,y为环境感知坐标系中标定点坐标,a1~a4,tx,ty为仿射变换矩阵参数。
进一步地,所述交通个体轨迹预测方法具体步骤如下:
(21)将交通个体(行人,非机动车,机动车等)每个时刻的位置信息同步至高精度地图;
(22)记录交通环境中每个目标不同时刻下的位置信息,并提出目标速度方程如下:
Vx=αx1t+αx2t2+...+αxntn+δ (2)
Vy=αy1t+αy2t2+...+αyntn+δ (3)
其中,αx1,αx2,...,αxn及αy1,αy2,...,αyn表示速度方程的参数,Vx,Vy表示目标在t时刻车辆坐标系中x,y方向上的速度,n表示方程阶数,其为大于0的正整数;
(23)目标速度方程求解,根据每个目标在不同时刻的位置信息和速度方程提出求解公式如下:
式中,i表示时序,m表示统计时长;
(24)由上述求解公式进一步得到速度方程参数计算公式:
ω=(XTX)-1XTY
进一步地,所述目标场景中交通个体碰撞预测方法具体步骤如下:
(31)根据上述步骤(2)得到每个目标的速度方程,依据下述迭代方程可得目标运动轨迹,Xi-1,Yi-1为车辆坐标系原点位置,Xi,Yi为迭代后位置;其中,轨迹分为前段真实运动轨迹和后续预测轨迹,记录最新时刻T0,则后续的T1,T2,T3···Tn为预测时刻,(Tn-Tn-1)越小越准;迭代方程如下:
Xi=Xi-1+Vx,i-1*(Ti-Ti-1)
Yi=Yi-1+Vy,i-1*(Ti-Ti-1)
(32)得到每个交通目标的边界框,把目标看成长方形,得到目标在待预测时刻的位置;即已知每个目标边界框以及每个目标的位置判断目标是否有发生碰撞可能。
进一步地,所述警示单元包含:警示器及控制器,二者电气连接;控制器接收预测分析单元发送的碰撞预测结果,并产生控制警示器发出预警提示的控制指令;警示器根据上述控制指令发出预警提示。
进一步地,所述预测分析单元产生碰撞预测结果中包含可能发生碰撞的具体位置信息,控制器根据所述可能发生碰撞的具体位置信息分析得到对应该位置的警示器,并产生控制该警示器的控制指令。
进一步地,所述预警提示的方式为灯光、文字、语音中的一种或多种的组合。
进一步地,所述警示器为安装于交通信号灯架上警示灯或警示屏。
进一步地,所述警示器为设于斑马线两旁装有的发光道钉。
本发明的一种面向非网联交通个体的道路碰撞预警方法,包括如下步骤:
1)实时获取道路中交通个体的动态数据;
2)根据上述获取到动态数据对不同行驶方向路段中的交通个体进行碰撞预测分析,产生的碰撞预测结果;
3)根据碰撞预测结果来判断是否需要发出预警提示,若需要则产生控制警示器发出预警提示的控制指令;若不需要则重复步骤3);
4)进行碰撞预警提示。
进一步地,所述步骤1)具体包括:通过设于路侧的摄像头、激光雷达其中之一或其组合来采集道路中各交通个体的动态数据,包括路面的机动车信息、非机动车信息、行人信息;采集的信息还包括:路灯、斑马线、栅栏、建筑物等信息。
进一步地,所述步骤2)具体包括:
21)交通环境信息与高精度地图融合;
22)交通个体轨迹预测;
23)目标场景中交通个体碰撞预测。
进一步地,所述步骤21)具体步骤如下:
在目标区域标记若干个标定点,标定点可以是路灯,斑马线,栅栏等一些固定物体,找出上述标定点在环境感知坐标系和高精度地图中对应的位置,最后通过下述公式(1)得到仿射变换矩阵,通过仿射变换,将交通环境信息与高精度地图融合;
其中,X,Y为高精度地图中标定点坐标,x,y为环境感知坐标系中标定点坐标,a1~a4,tx,ty为仿射变换矩阵参数。
进一步地,所述步骤22)具体步骤如下:
(221)将交通个体(行人,非机动车,机动车等)每个时刻的位置信息同步至高精度地图;
(222)记录交通环境中每个目标不同时刻下的位置信息,并提出目标速度方程如下:
Vx=αx1t+αx2t2+...+αxntn+δ (2)
Vy=αy1t+αy2t2+...+αyntn+δ (3)
其中,αx1,αx2,...,αxn及αy1,αy2,...,αyn表示速度方程的参数,Vx,Vy表示目标在t时刻车辆坐标系中x,y方向上的速度,n表示方程阶数,其为大于0的正整数;
(223)目标速度方程求解,根据每个目标在不同时刻的位置信息和速度方程提出求解公式如下:
式中,i表示时序,m表示统计时长;
(224)由上述求解公式进一步得到速度方程参数计算公式:
ω=(XTX)-1XTY
进一步地,所述步骤23)具体步骤如下:
(231)根据上述步骤22)得到每个目标的速度方程,依据下述迭代方程可得目标运动轨迹,Xi-1,Yi-1为车辆坐标系原点位置,Xi,Yi为迭代后位置;其中,轨迹分为前段真实运动轨迹和后续预测轨迹,记录最新时刻T0,则后续的T1,T2,T3···Tn为预测时刻;迭代方程如下:
Xi=Xi-1+Vx,i-1*(Ti-Ti-1)
Yi=Yi-1+Vy,i-1*(Ti-Ti-1)
(232)得到每个交通目标的边界框,把目标看成长方形,得到目标在待预测时刻的位置;即已知每个目标边界框以及每个目标的位置可判断目标是否有发生碰撞可能。
本发明的有益效果:
1、本发明引入深度学习图像检测,图像坐标变换、目标轨迹预测等方法,能够识别目标区域图像的物体,完成监控图像与高精度地图的融合,精准预测目标的运行轨迹与各个时刻目标的位置,同时能够预测各个目标发生碰撞的可能性。
2、本发明实时采集机动车信息、非机动车信息及行人信息,并进行碰撞预测后发出预警提示,及时警示处于风险状态的交通个体,达到碰撞风险的提前预知,可通过文字显示、灯光警示、语音提示等方式对风险对象(非网联状态的行人、机动车驾驶人、非机动车驾驶人)进行预警。
3、本发明能够对非网联交通个体进行碰撞预测及提前预警,提高了道路的行车安全,降低了道路中交通个体在感知盲区情况下交通事故发生的频率,且易于推广。
附图说明
图1为监控设备安装与场景示意图。
图2为目标轨迹点以及拟合曲线图。
图3为单次碰撞预测流程示意图。
图4为示例一中预警前的场景图。
图5为示例一中预警后的场景图。
图6为示例二中的场景图。
图7为示例三中的场景图。
图8为示例四中的场景图。
图9为本发明系统原理图。
具体实施方式
为了便于本领域技术人员的理解,下面结合实施例与附图对本发明作进一步的说明,实施方式提及的内容并非对本发明的限定。
参照图9所示,本发明的一种面向非网联交通个体的道路碰撞预警系统,包括:感知单元、预测分析单元及警示单元;
感知单元,用于实时获取道路中交通个体的动态数据,并将获取到的动态数据发送给所述预测分析单元;感知单元为设于路侧的摄像头、激光雷达中的一种或其组合,采集路面上运动目标的动态数据包括:路面的机动车信息、非机动车信息、行人信息;还包括:路灯、斑马线、栅栏、建筑物等;
预测分析单元,根据接收到的上述动态数据对不同行驶方向路段中的交通个体进行碰撞预测分析,产生的碰撞预测结果;并将碰撞预测结果发送给所述警示单元;
所述不同行驶方向路段包括:相交叉的机动车道、相交叉的机动车道与非机动车道、相交叉的机动车道与人行横道、相交叉的非机动车道与人行横道、急转弯路段、及车道中设有出入口的路段。
具体碰撞预测过程包括:(1)交通环境信息与高精度地图融合;(2)交通个体轨迹预测;(3)目标场景中交通个体碰撞预测。
警示单元,根据上述碰撞预测结果产生碰撞预警提示,对可能发生碰撞风险的交通个体发出预警提醒;
警示单元包含:警示器及控制器,二者电气连接;控制器接收预测分析单元发送的碰撞预测结果,并产生控制警示器发出预警提示的控制指令;警示器根据上述控制指令发出预警提示。
交通环境信息与高精度地图融合:
在目标区域标记一些标定点,标定点可以是路灯,斑马线,栅栏等一些固定物体,找出上述标定点在环境感知坐标系和高精度地图中对应的位置,最后通过下述公式(1)得到仿射变换矩阵,通过仿射变换,将交通环境信息与高精度地图融合;
其中,X,Y为高精度地图中标定点坐标,x,y为环境感知坐标系中标定点坐标,a1~a4,tx,ty为仿射变换矩阵参数。
交通个体轨迹预测:
(21)将交通个体2(行人,非机动车,机动车等)每个时刻的位置信息同步至高精度地图;如图1所示;
(22)记录交通环境中每个目标不同时刻下的位置信息,并提出目标速度方程(在车辆坐标系中)如下:
Vx=αx1t+αx2t2+...+αxntn+δ (2)
Vy=αy1t+αy2t2+...+αyntn+δ (3)
其中,αx1,αx2,...,αxn及αy1,αy2,...,αyn表示速度方程的参数,Vx,Vy表示目标在t时刻车辆坐标系中x,y方向上的速度,n表示方程阶数,其为大于0的正整数;
(23)参照图2所示,图中5为每帧采样点;目标速度方程求解,根据每个目标在不同时刻的位置信息和速度方程提出求解公式如下:
式中,i表示时序,m表示统计时长;
(24)由上述求解公式进一步得到速度方程参数计算公式:
ω=(XTX)-1XTY
目标场景中交通个体碰撞预测:
(31)根据上述步骤(2)得到每个目标的速度方程,依据下述迭代方程可得目标运动轨迹,Xi-1,Yi-1为车辆坐标系原点位置,Xi,Yi为迭代后位置;其中,轨迹分为前段真实运动轨迹4和后续预测轨迹6,记录最新时刻T0,则后续的T1,T2,T3···Tn为预测时刻;迭代方程如下:
Xi=Xi-1+Vx,i-1*(Ti-Ti-1)
Yi=Yi-1+Vy,i-1*(Ti-Ti-1)
(32)示例中,在路面四周通过支架3安装监控设备1(感知单元),选用摄像头,以一定帧率获取路面的图像。监控设备也可固定在红绿灯支架上方或者在路灯的位置,距离地面3-5米,监控设备广角大于120°,分辨率为1920*1080,以25-30帧/秒的帧率实时获取路面的图像,具体如图1所示。
采集大量路面的图像,将该组图像的RGB颜色空间{R:[0,255],G:[0,255],B:[0,255]}转换至{R:[-1.0,1.0],G:[-1.0,1.0],B:[-1.0,1.0]},记转换完成的图像为图像集img,转换公式如下所示:
对上述采集的图像集img进行标注,标注信息排列为{该区域是否是背景,边界框中心坐标,边界框的长,边界框的宽},记为标注集label。
为了能够识别道路的目标,将图像集img以及标注集label放入神经网络模型Y中训练,神经网络模型为:
Y(img)=label
神经网络设计如表1所示:
表1
次序 | 类别 | 滤波器数量 | 尺寸 | 步长 | 填充大小 |
0 | 卷积 | 16 | 3 | 1 | 1 |
1 | 激活 | ||||
2 | 池化 | 2 | 2 | 0 | |
3 | 卷积 | 32 | 3 | 1 | 1 |
4 | 激活 | ||||
5 | 池化 | 2 | 2 | 0 | |
6 | 卷积 | 64 | 3 | 1 | 1 |
7 | 激活 | ||||
8 | 池化 | 2 | 2 | 0 | |
9 | 卷积 | 128 | 3 | 1 | 1 |
10 | 激活 | ||||
11 | 池化 | 2 | 2 | 0 | |
12 | 卷积 | 256 | 3 | 1 | 1 |
13 | 激活 | ||||
14 | 池化 | 2 | 2 | 0 | |
15 | 卷积 | 512 | 3 | 1 | 1 |
16 | 激活 | ||||
17 | 池化 | 2 | 2 | 0 | |
18 | 卷积 | 512 | 3 | 1 | 1 |
19 | 卷积 | 1024 | 3 | 1 | 1 |
20 | 卷积 | 6 | 3 | 1 | 1 |
其中,用于判断该位置是背景还是目标使用的损失函数为:
式中,m为图像集img数量,k为目标的种类数量。
用于回归目标位置边界框的损失函数为:
loss=||Y(img)-label||2;
将目标场景的图像new_img(图1所示)经过颜色空间转换处理后放入训练好的神经网络模型Y中,得到目标场景图像中待识别目标的位置标注new_label,实现对目标的识别;得到每个交通目标的边界框,把目标看成长方形,得到目标在待预测时刻的位置;即已知每个目标边界框以及每个目标的位置可判断目标是否有发生碰撞可能;预测碰撞参照图3所示;若可能发生碰撞则发出预警提示。
示例一:
参照图4所示,在道路的交汇口,路侧安装的摄像头11(感知单元)实时采集对应路段由南向北行驶的车辆A、C的图像信息;摄像头15实时采集对应路段由西向东行驶的车辆B的图像信息;预测分析单元为设于路侧的计算机,其通过光纤的通信方式获取摄像头采集的图像信息;根据车辆A和B的图像信息以及交汇口的交通信号灯实时状态信息来判断车辆A和B是否会发生碰撞。若判断车辆A和B可能会发生碰撞,则设于交通信号灯13上的警示器14发出预警提示,告知车辆A的驾驶人;车辆A的驾驶人可执行减速、刹车的动作,以避让车辆B,是车辆B安全通过交汇口,如图5所示。此外,车辆B也可通过交通信号灯12上安装的警示器查看其所在行驶方向道路上的预警信息。
示例二:
参照图6所示,在道路的交汇口,路侧安装的激光雷达23实时采集行人21的运动状态,激光雷达22实时采集车辆A、B、C、D的运动状态。行人21步行在由西向东行驶方向的斑马线上,预测分析单元(图中未作示意)为设于路侧的计算机,其预测行人21和车辆A行驶的运动轨迹,若判断车辆A和行人21可能会发生碰撞时,则由设有路侧的显示装置26(即警示器)发出文字提醒,提醒由南向北行驶车辆A、C注意斑马线行人,避免碰撞事故发生。更进一步说明,当行人21步行至由南向北行驶方向待左转车辆B的前方时,车辆A和行人21均处于视觉盲区,无法观测到对方;此时,行人信号灯24变为红灯状态,控制由南向北行驶车辆的交通信号灯25变为绿灯状态,若显示装置26不发出文字提醒,车辆A加速行驶后很容易与行人21发生碰撞。
示例三:
参照图7所示,在匝道与主干道的交汇口,路测安装的激光雷达31(或摄像头)实时采集主干道和匝道行驶车辆的运动状态数据;预测分析单元(图中未作示意)根据采集到的运动状态数据,分析行驶到交汇口的车辆32与车辆33是否会发生碰撞,若判断车辆32与车辆33可能会发生碰撞时,则由设有路侧的显示装置34(即警示器)发出文字提醒,提醒车辆33减速慢行,避免发生碰撞;此外,车辆32也可根据显示装置34的提示进行减速行驶。
示例四:
参照图8所示,在无交通信号灯的交汇口,路测安装的摄像头41实时采集由南向北行驶的车辆的运动状态数据,摄像头42实时采集由东向西行驶的车辆的运动状态数据,预测分析单元(图中未作示意)根据采集到的运动状态数据,分析行驶到交汇口的车辆A/C与车辆B是否会发生碰撞,若判断车辆A/C与车辆B可能会发生碰撞时,则由设有路侧的显示装置43(即警示器)发出文字提醒,提醒由南向北行驶的车辆减速慢行,避免发生碰撞。
于其他示例中,本发明的系统也可同样应用于急转弯路段、车道中设有出入口的路段以及其他易发生碰撞风险路段。
尽管以上本发明的实施方案进行了描述,但本发明并不局限于上述的具体实施方案和应用领域,上述的具体实施方案仅仅是示意性的、指导性的,而不是限制性的。本领域的普通技术人员在本说明书的启示下,在不脱离本发明权利要求所保护的范围的情况下,还可以做出很多种的形式,这些均属于本发明保护之列。
Claims (10)
1.一种面向非网联交通个体的道路碰撞预警系统,其特征在于,包括:感知单元、预测分析单元及警示单元;
感知单元,用于实时获取道路中交通个体的动态数据,并将获取到的动态数据发送给所述预测分析单元;
预测分析单元,根据上述动态数据对不同行驶方向路段中的交通个体进行碰撞预测分析,产生碰撞预测结果;并将碰撞预测结果发送给所述警示单元;
警示单元,根据上述碰撞预测结果产生碰撞预警提示,对可能发生碰撞风险的交通个体发出预警提醒。
2.根据权利要求1所述的面向非网联交通个体的道路碰撞预警系统,其特征在于,所述交通个体包括:机动车、非机动车、行人。
3.根据权利要求1所述的面向非网联交通个体的道路碰撞预警系统,其特征在于,所述不同行驶方向路段包括:相交叉的机动车道、相交叉的机动车道与非机动车道、相交叉的机动车道与人行横道、相交叉的非机动车道与人行横道、急转弯路段、及车道中设有出入口的路段。
4.根据权利要求1所述的面向非网联交通个体的道路碰撞预警系统,其特征在于,所述预测分析单元对不同行驶方向路段中的交通个体进行碰撞预测分析具体包括:(1)交通环境信息与高精度地图融合;(2)交通个体轨迹预测;(3)目标场景中交通个体碰撞预测。
6.根据权利要求5所述的面向非网联交通个体的道路碰撞预警系统,其特征在于,所述交通个体轨迹预测的方法具体步骤如下:
(21)将交通个体每个时刻的位置信息同步至高精度地图;
(22)记录交通环境中每个目标不同时刻下的位置信息,并提出目标速度方程如下:
Vx=αx1t+αx2t2+...+αxntn+δ (2)
Vy=αy1t+αy2t2+...+αyntn+δ (3)
其中,αx1,αx2,...,αxn及αy1,αy2,...,αyn表示速度方程的参数,Vx,Vy表示目标在t时刻车辆坐标系中x,y方向上的速度,n表示方程阶数,其为大于0的正整数;
(23)目标速度方程求解,根据每个目标在不同时刻的位置信息和速度方程提出求解公式如下:
式中,i表示时序,m表示统计时长;
(24)由上述求解公式进一步得到速度方程参数计算公式:
ω=(XTX)-1XTY
7.根据权利要求6所述的面向非网联交通个体的道路碰撞预警系统,其特征在于,所述目标场景中交通个体碰撞预测的方法具体步骤如下:
(31)根据上述步骤(2)得到每个目标的速度方程,依据下述迭代方程可得目标运动轨迹,Xi-1,Yi-1为车辆坐标系原点位置,Xi,Yi为迭代后位置;其中,轨迹分为前段真实运动轨迹和后续预测轨迹,记录最新时刻T0,则后续的T1,T2,T3···Tn为预测时刻;迭代方程如下:
Xi=Xi-1+Vx,i-1*(Ti-Ti-1)
Yi=Yi-1+Vy,i-1*(Ti-Ti-1)
(32)得到每个交通目标的边界框,把目标看成长方形,得到目标在待预测时刻的位置;即已知每个目标边界框以及每个目标的位置判断目标是否有发生碰撞可能。
8.一种面向非网联交通个体的道路碰撞预警方法,其特征在于,包括如下步骤:
1)实时获取道路中交通个体的动态数据;
2)根据上述获取的动态数据对不同行驶方向路段中的交通个体进行碰撞预测分析,产生的碰撞预测结果;
3)根据碰撞预测结果来判断是否需要发出预警提示,若需要则产生控制警示器发出预警提示的控制指令;若不需要则重复步骤3);
4)进行碰撞预警提示。
9.根据权利要求8所述的面向非网联交通个体的道路碰撞预警方法,其特征在于,所述步骤1)具体包括:通过设于路侧的摄像头、激光雷达其中之一或其组合来采集道路中各交通个体的动态数据,包括路面的机动车信息、非机动车信息、行人信息。
10.根据权利要求8所述的面向非网联交通个体的道路碰撞预警方法,其特征在于,所述步骤2)具体包括:
21)交通环境信息与高精度地图融合;
22)交通个体轨迹预测;
23)目标场景中交通个体碰撞预测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010064872.XA CN111243274A (zh) | 2020-01-20 | 2020-01-20 | 面向非网联交通个体的道路碰撞预警系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010064872.XA CN111243274A (zh) | 2020-01-20 | 2020-01-20 | 面向非网联交通个体的道路碰撞预警系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111243274A true CN111243274A (zh) | 2020-06-05 |
Family
ID=70864194
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010064872.XA Pending CN111243274A (zh) | 2020-01-20 | 2020-01-20 | 面向非网联交通个体的道路碰撞预警系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111243274A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111627252A (zh) * | 2020-06-10 | 2020-09-04 | 上海商汤智能科技有限公司 | 车辆预警方法、装置、电子设备及存储介质 |
CN112098969A (zh) * | 2020-11-18 | 2020-12-18 | 长沙莫之比智能科技有限公司 | 毫米波大车盲区雷达的目标检测与预警的优化方法 |
CN112700470A (zh) * | 2020-12-30 | 2021-04-23 | 上海智能交通有限公司 | 一种基于交通视频流的目标检测和轨迹提取方法 |
CN113345267A (zh) * | 2021-06-03 | 2021-09-03 | 招商局检测车辆技术研究院有限公司 | 一种基于广义v2x的路口近信号区域预警方法和系统 |
CN113362601A (zh) * | 2021-06-15 | 2021-09-07 | 中山大学 | 一种基于智慧灯杆通讯技术的人车避撞控制方法及系统 |
CN113628444A (zh) * | 2021-08-12 | 2021-11-09 | 智道网联科技(北京)有限公司 | 提示交通风险的方法、装置和计算机可读存储介质 |
CN114038239A (zh) * | 2021-11-08 | 2022-02-11 | 青岛海信网络科技股份有限公司 | 一种车辆碰撞预警方法及装置 |
CN114187759A (zh) * | 2021-11-19 | 2022-03-15 | 东南大学 | 一种基于数据驱动模型的路侧单元驾驶辅助方法及装置 |
CN114530058A (zh) * | 2022-03-03 | 2022-05-24 | 恒大恒驰新能源汽车研究院(上海)有限公司 | 一种碰撞预警方法、装置和系统 |
CN115188219A (zh) * | 2022-07-12 | 2022-10-14 | 陈升俊 | 一种基于rfid的事故黑点盲区提示系统 |
WO2023221118A1 (zh) * | 2022-05-20 | 2023-11-23 | 北京小米移动软件有限公司 | 信息处理方法及装置、电子设备及存储介质 |
CN117710909A (zh) * | 2024-02-02 | 2024-03-15 | 多彩贵州数字科技股份有限公司 | 一种基于目标检测与实例分割的乡村道路智能监控系统 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101604419A (zh) * | 2009-07-16 | 2009-12-16 | 浙江大学 | 一种建设项目拟选址自动提取的方法 |
CN104376154A (zh) * | 2014-10-31 | 2015-02-25 | 中国科学院苏州生物医学工程技术研究所 | 一种刚体碰撞轨迹预测显示装置 |
GB2518187A (en) * | 2013-09-12 | 2015-03-18 | Ford Global Tech Llc | Collision warning for a driver controlled vehicle |
CN105206108A (zh) * | 2015-08-06 | 2015-12-30 | 同济大学 | 一种基于电子地图的车辆碰撞预警方法 |
CN105374231A (zh) * | 2014-08-27 | 2016-03-02 | 中国移动通信集团公司 | 一种预警方法、装置及系统 |
CN105761547A (zh) * | 2016-03-28 | 2016-07-13 | 安徽云森物联网科技有限公司 | 一种基于图像的交通碰撞预警技术及系统 |
CN106485735A (zh) * | 2015-09-01 | 2017-03-08 | 南京理工大学 | 基于立体视觉技术的人体目标识别与跟踪方法 |
CN106530825A (zh) * | 2016-11-16 | 2017-03-22 | 淮阴工学院 | 基于st‑mrf模型的电动自行车与汽车交通冲突检测方法 |
CN107221197A (zh) * | 2017-07-26 | 2017-09-29 | 维沃移动通信有限公司 | 一种交通信息处理方法及智能终端 |
CN108172025A (zh) * | 2018-01-30 | 2018-06-15 | 东软集团股份有限公司 | 一种辅助驾驶方法、装置、车载终端及车辆 |
CN109080629A (zh) * | 2017-06-14 | 2018-12-25 | 福特全球技术公司 | 车辆驶出的同时考虑交叉车流的方法和执行该方法的车辆 |
CN109671297A (zh) * | 2017-10-16 | 2019-04-23 | 大众汽车有限公司 | 避免碰撞方法、道路使用者车辆、其它车辆和计算机程序 |
-
2020
- 2020-01-20 CN CN202010064872.XA patent/CN111243274A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101604419A (zh) * | 2009-07-16 | 2009-12-16 | 浙江大学 | 一种建设项目拟选址自动提取的方法 |
GB2518187A (en) * | 2013-09-12 | 2015-03-18 | Ford Global Tech Llc | Collision warning for a driver controlled vehicle |
CN105374231A (zh) * | 2014-08-27 | 2016-03-02 | 中国移动通信集团公司 | 一种预警方法、装置及系统 |
CN104376154A (zh) * | 2014-10-31 | 2015-02-25 | 中国科学院苏州生物医学工程技术研究所 | 一种刚体碰撞轨迹预测显示装置 |
CN105206108A (zh) * | 2015-08-06 | 2015-12-30 | 同济大学 | 一种基于电子地图的车辆碰撞预警方法 |
CN106485735A (zh) * | 2015-09-01 | 2017-03-08 | 南京理工大学 | 基于立体视觉技术的人体目标识别与跟踪方法 |
CN105761547A (zh) * | 2016-03-28 | 2016-07-13 | 安徽云森物联网科技有限公司 | 一种基于图像的交通碰撞预警技术及系统 |
CN106530825A (zh) * | 2016-11-16 | 2017-03-22 | 淮阴工学院 | 基于st‑mrf模型的电动自行车与汽车交通冲突检测方法 |
CN109080629A (zh) * | 2017-06-14 | 2018-12-25 | 福特全球技术公司 | 车辆驶出的同时考虑交叉车流的方法和执行该方法的车辆 |
CN107221197A (zh) * | 2017-07-26 | 2017-09-29 | 维沃移动通信有限公司 | 一种交通信息处理方法及智能终端 |
CN109671297A (zh) * | 2017-10-16 | 2019-04-23 | 大众汽车有限公司 | 避免碰撞方法、道路使用者车辆、其它车辆和计算机程序 |
CN108172025A (zh) * | 2018-01-30 | 2018-06-15 | 东软集团股份有限公司 | 一种辅助驾驶方法、装置、车载终端及车辆 |
Non-Patent Citations (3)
Title |
---|
吴立烜: "公路交通流动态诱导信息系统建设研究", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》 * |
岳东杰: "地图扫描矢量化误差的最小二乘配置法处理研究", 《测绘科学》 * |
秦永: "遥感影像支持的实时导航应用研究", 《测绘科学》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111627252A (zh) * | 2020-06-10 | 2020-09-04 | 上海商汤智能科技有限公司 | 车辆预警方法、装置、电子设备及存储介质 |
CN112098969A (zh) * | 2020-11-18 | 2020-12-18 | 长沙莫之比智能科技有限公司 | 毫米波大车盲区雷达的目标检测与预警的优化方法 |
CN112098969B (zh) * | 2020-11-18 | 2021-02-02 | 长沙莫之比智能科技有限公司 | 毫米波大车盲区雷达的目标检测与预警的优化方法 |
CN112700470A (zh) * | 2020-12-30 | 2021-04-23 | 上海智能交通有限公司 | 一种基于交通视频流的目标检测和轨迹提取方法 |
CN112700470B (zh) * | 2020-12-30 | 2023-12-08 | 上海智能交通有限公司 | 一种基于交通视频流的目标检测和轨迹提取方法 |
CN113345267B (zh) * | 2021-06-03 | 2022-11-29 | 招商局检测车辆技术研究院有限公司 | 一种基于广义v2x的路口近信号区域预警方法和系统 |
CN113345267A (zh) * | 2021-06-03 | 2021-09-03 | 招商局检测车辆技术研究院有限公司 | 一种基于广义v2x的路口近信号区域预警方法和系统 |
CN113362601A (zh) * | 2021-06-15 | 2021-09-07 | 中山大学 | 一种基于智慧灯杆通讯技术的人车避撞控制方法及系统 |
CN113628444A (zh) * | 2021-08-12 | 2021-11-09 | 智道网联科技(北京)有限公司 | 提示交通风险的方法、装置和计算机可读存储介质 |
CN114038239A (zh) * | 2021-11-08 | 2022-02-11 | 青岛海信网络科技股份有限公司 | 一种车辆碰撞预警方法及装置 |
CN114038239B (zh) * | 2021-11-08 | 2022-11-25 | 青岛海信网络科技股份有限公司 | 一种车辆碰撞预警方法及装置 |
CN114187759A (zh) * | 2021-11-19 | 2022-03-15 | 东南大学 | 一种基于数据驱动模型的路侧单元驾驶辅助方法及装置 |
CN114530058A (zh) * | 2022-03-03 | 2022-05-24 | 恒大恒驰新能源汽车研究院(上海)有限公司 | 一种碰撞预警方法、装置和系统 |
WO2023221118A1 (zh) * | 2022-05-20 | 2023-11-23 | 北京小米移动软件有限公司 | 信息处理方法及装置、电子设备及存储介质 |
CN115188219A (zh) * | 2022-07-12 | 2022-10-14 | 陈升俊 | 一种基于rfid的事故黑点盲区提示系统 |
CN117710909A (zh) * | 2024-02-02 | 2024-03-15 | 多彩贵州数字科技股份有限公司 | 一种基于目标检测与实例分割的乡村道路智能监控系统 |
CN117710909B (zh) * | 2024-02-02 | 2024-04-12 | 多彩贵州数字科技股份有限公司 | 一种基于目标检测与实例分割的乡村道路智能监控系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111243274A (zh) | 面向非网联交通个体的道路碰撞预警系统及方法 | |
CN110264783B (zh) | 基于车路协同的车辆防碰撞预警系统及方法 | |
WO2021226776A1 (zh) | 一种车辆可行驶区域检测方法、系统以及采用该系统的自动驾驶车辆 | |
CN111223302B (zh) | 移动载具用外部坐标实时三维路况辅助装置及该系统 | |
CN107346612B (zh) | 一种基于车联网的车辆防碰撞方法和系统 | |
CN112700470B (zh) | 一种基于交通视频流的目标检测和轨迹提取方法 | |
US11912286B2 (en) | Driving risk identification model calibration method and system | |
CN113190921B (zh) | 用于智能汽车驾乘性能测试的自动评价方法及系统 | |
CN113147733B (zh) | 雨雾沙尘天气汽车智能限速系统及方法 | |
JP7072133B2 (ja) | 最小アクション量原理に基づく運転者制御動作定量化方法及び装置 | |
CN112365741B (zh) | 一种基于多车道车距检测的安全预警方法及系统 | |
CN114419874B (zh) | 基于路侧感知设备数据融合的目标行车安全风险预警方法 | |
CN113359709B (zh) | 一种基于数字孪生的无人驾驶运动规划方法 | |
CN112116031A (zh) | 基于路侧设备的目标融合方法、系统、车辆及存储介质 | |
CN113851017A (zh) | 一种基于路侧rsu的行人车辆识别预警多功能系统 | |
CN111055852B (zh) | 一种用于自动驾驶的感兴趣目标搜索区域确定方法 | |
CN112140995A (zh) | 一种基于网络云端的智能汽车安全驾驶系统 | |
CN111915916A (zh) | 一种高速公路全路段的提示方法及系统 | |
CN113178081B (zh) | 一种车辆汇入预警方法、装置及电子设备 | |
CN114299715A (zh) | 一种基于视频、激光雷达与dsrc的高速公路信息检测系统 | |
CN114872734A (zh) | 一种自动驾驶应急决策方法 | |
CN110910644A (zh) | 一种交叉口车辆识别及安全预警系统 | |
CN114394090B (zh) | 一种车路协同虚拟前障碍物感应系统 | |
WO2023220908A1 (zh) | 实境影像重建系统 | |
CN112927514B (zh) | 基于3d激光雷达的机动车闯黄灯行为预测方法和系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200605 |
|
RJ01 | Rejection of invention patent application after publication |