CN111354225A - 一种高速公路车辆事故风险评估及预警干预方法 - Google Patents
一种高速公路车辆事故风险评估及预警干预方法 Download PDFInfo
- Publication number
- CN111354225A CN111354225A CN202010137383.2A CN202010137383A CN111354225A CN 111354225 A CN111354225 A CN 111354225A CN 202010137383 A CN202010137383 A CN 202010137383A CN 111354225 A CN111354225 A CN 111354225A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- lane
- information
- road
- 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.)
- 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
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种高速公路车辆事故风险评估及预警干预方法,首先,获取某一路段的车辆信息和道路信息;确定该路段内每个车辆的运行状态;再确定每个车辆的周边邻近车辆信息;然后,根据每个车辆的周边邻近车辆信息,计算该路段内每个车辆的事故风险水平,对应得到该路段每个车辆的事故风险值,进而得到该路段的总风险值;最后,根据每个车辆的事故发生概率,对相应车辆进行预警;根据该路段的总风险值,对该路段进行交通干预。本发明采用不同的识别方法,实现了对自车事故风险的准确评估,据此得到整个路段的事故风险值;为管理者进行预警、干预提供技术支撑。
Description
技术领域
本发明属于交通安全技术领域,尤其涉及一种高速公路车辆事故风险评估及预警干预方法。
背景技术
交通安全是交通系统的底线也是交通系统的红线,然而这条红线却屡屡被触碰。如果能在事故发生前对事故发生的概率进行预测,判断事故可能造成的严重程度,并进行有效的预警、干预,就能够最大程度的减少交通事故的发生。
现阶段在车辆交通事故风险计算中,存在着以下方面的不足:(1)在研究的对象方面,主要以宏观交通流为主,对于个体车辆的事故风险考虑较少; (2)在计算方法方面,大部分方法仅考虑事故发生的概率,而对事故后果的严重性考虑较少;(3)在计算指标方面,主要考虑的是交通量以及速度标准差等宏观参数,对于每一辆车的运行安全状态考虑较少。因此,导致对事故风险的评估准确性差。
发明内容
为了解决上述问题,本发明的目的在于提供一种高速公路车辆事故风险评估及预警干预方法,本发明通过雷达、摄像头等设备,获得自车周围车辆的运动信息,对于自车的控制策略具有明显的积极意义;本发明采用不同的识别方法,实现了对自车事故风险的准确评估,据此得到整个路段的事故风险值;为管理者进行预警、干预提供技术支撑。
为了达到上述目的,本发明采用以下技术方案予以解决。
一种高速公路车辆事故风险评估及预警干预方法,包括以下步骤:
步骤1,获取某一路段的车辆信息和道路信息;确定该路段内每个车辆的运行状态;根据每个车辆的运行状态,确定每个车辆的周边邻近车辆信息;
其中,所述车辆信息为车辆的行驶轨迹、车辆的实时车速、车辆类型和车辆质量;所述道路信息为车道线的位置和道路摩擦系数;所述车辆的运行状态包含本车道行驶和换道行驶;
步骤2,根据每个车辆的周边邻近车辆信息,计算该路段内每个车辆的事故风险水平,对应得到该路段每个车辆的事故风险值,即事故发生概率与后果严重程度;进而得到该路段的总风险值;
步骤3,根据每个车辆的事故发生概率,对相应车辆进行预警;根据该路段的总风险值,对该路段进行交通干预,以提高该路段的车辆行驶安全性。
进一步地,所述获取某一路段的车辆信息和道路信息的方式为通过雷达、监控视频或者无人机等方式。
进一步地,所述确定该路段内每个车辆的运行状态,其具体步骤为:
1.1,根据当前车辆的行驶轨迹和当前道路的车道线方程,判断当前车辆是否满足本车道行驶条件,若是,则判断当前车辆为本车道行驶;否则转入 1.2;
1.2,判断当前车辆的车头是否跨越车道线,若是,则判断为换道行驶,否则,判断当前车辆轨迹是否发生持续偏移,若是,则判断为换道行驶,否则,判断为本车道行驶;
1.3,对于换道行驶的车辆,进一步判断车尾是否跨越车道线,若是,则判断车辆行驶轨迹是否平行于车道线,若是,则判断换道结束,否则,判断为换道行驶。
更进一步地,所述本车道行驶条件具体为:车辆没有发生换道行驶行为。
更进一步地,所述判断当前车辆轨迹是否发生持续偏移,具体步骤为:
(a)根据数据采集的频率f,拟合车辆在当前时刻的前2秒内的行驶轨迹方程,即滑动窗口的时间长度为2秒;
(b)建立与当前行驶轨迹对应的车道线方程;
(c)将当前时刻车辆行驶轨迹的横向坐标与对应的车道线方程的横向坐标相减,得到当前时刻的横向坐标差值ΔYc;同理,在下一时刻,得到对应的横向坐标差值ΔYc+1;如果相邻时刻的横向坐标差值(ΔYc+1-ΔYc)持续大于零或者持续小于零,则判定为车辆持续偏移,否则,持续偏移结束或者没有发生持续偏移;
其中,横向为与车辆行驶方向相垂直的方向。
进一步地,根据每个车辆的运行状态,确定每个车辆的周边邻近车辆信息,具体为:对于本车道行驶的车辆,其周边邻近车辆信息为前车的车辆信息,即自车前方车辆的车辆信息;对于换道行驶的车辆,其周边邻近车辆信息包含当前车道上自车的前方车辆信息、换道后目标车道上自车的前方车辆信息和后方车辆信息。
进一步地,所述根据每个车辆的周边邻近车辆信息,计算该路段内每个车辆的事故风险水平,其具体为:
2.1,建立碰撞概率模型,并据此计算每个车辆的碰撞概率;
其中,pi,j为车辆i与其周围邻近车辆j的碰撞概率,b、c分别为待标定系数,MTC为碰撞余量,vm为自车车速,vn1为前车车速,ΔS为后车车头与前车车尾之间的距离;an1为前车加速度;am为后车加速度,t为后车驾驶员反应时间;
其次,由碰撞余量MTC的定义可知,当MTC接近于0时,pi,j接近于1;当MTC接近于1时,pi,j接近于零,处于临界碰撞状态;基于此,建立二元一次方程:
则得到碰撞概率模型为:
进而计算每个车辆的碰撞概率,并判断每个车辆的碰撞概率是否处于(0-1) 之间,若是,则转入步骤2.2,否则返回步骤1;
2.2,确定碰撞严重程度,即碰撞动能损失;
碰撞动能损失的计算公式为:
其中,m为自车的总质量,v为自车当前车速。
2.3,计算事故风险值:Ri=Pi·Ei
其中,Ri为车辆i的事故风险值,Pi为车辆i的碰撞概率,Ei为车辆i的碰撞动能损失;
对于本车道行驶的车辆,其事故风险值为自车与前车的碰撞概率与自车的动能的乘积;
对于换道行驶的车辆,其事故风险值为:在本车道上的自车与前车的事故风险值、在换道时目标车道上的自车与前车的事故风险值和在换道时目标车道上的自车与后车的事故风险值的累加和;
其中,在本车道上的自车与前车的事故风险值为在本车道上的自车、前车的碰撞概率与自车在本车道上的动能之积;在换道时的目标车道上的自车与前车的事故风险值为在换道时目标车道上的自车、前车的碰撞概率与自车在换道时自车的动能之积;在换道时的目标车道上的自车与后车的事故风险值为在换道时目标车道上的自车、后车的碰撞概率与自车在换道时的动能之积。
更进一步地,所述前车加速度或后车加速度根据实时监测获得,或者根据当前路面摩擦系数f计算获得,其计算公式为:
mg×f=ma
则
a=g*f
其中,g为重力加速度(m/s2)。
进一步地,所述根据每个车辆的事故风险值,对相应车辆进行预警,具体为:当碰撞概率在(0%-50%]之间时,对后方车辆进行预警,当碰撞概率在(50%-100%)时,对周边相关车辆分别进行预警。
进一步地,所述交通干预为:设定交通干预阈值,当车辆的风险大于交通干预阈值时则启动干预策略;
其中,所述干预策略为流量管控或速度管控。
与现有技术相比,本发明的有益效果为:
(1)本发明综合考虑事故发生的概率以及后果的严重程度来进行事故风险评估;由于本发明综合考虑了两方面的因素,因此计算的风险结果更加符合实际情况,更加准确;对于不同道路环境均具有适用性。由于最终采用了能量损失来表示风险,所以对于不同道路的风险计算结果可以进行比较,进而获得不同道路的风险差异,为避免安全事故提供了理论基础。
(2)本发明采用指数衰减函数来表示事故发生的概率,有效的解决了传统方法中,指标临界值确定的争议问题。
(3)本发明打破了传统交通管理方式,将被动的交通安全管理转变为主动地交通安全管控。
附图说明
下面结合附图和具体实施例对本发明做进一步详细说明。
图1为本发明的实现流程图;
图2为本发明实施例的确定某路段内每个车辆的运行状态;
图3为本发明实施例的本车道行驶示意图;
图4为本发明实施例的换道行驶示意图;
图5为本发明实施例的车辆换道轨迹;
图6为本发明实施例的车辆行驶状态判别图;
图7为本发明实施例的MTC计算过程中相关参数的示意图;
图8为本发明实施例的目标车辆与其周边车辆的速度及相对距离图;
图9为本发明实施例的目标车辆的MTC计算结果图;
图10为本发明实施例的目标车辆的碰撞概率计算结果图;
图11为本发明实施例的目标车辆的动能计算结果图;
图12为本发明实施例的目标车辆的事故风险值。
具体实施方式
下面结合附图对本发明的实施例及效果作进一步详细描述。
参考图1,本发明的一种高速公路车辆事故风险评估及预警干预方法,包括以下步骤:
步骤1,获取某一路段的车辆信息和道路信息;确定该路段内每个车辆的运行状态;根据每个车辆的运行状态,确定每个车辆的周边邻近车辆信息;
其中,所述车辆信息为车辆的行驶轨迹(X、Y坐标)、车辆的实时车速、车辆类型(主要分为客车与货车两种),以及车辆类型对应的车辆质量;所述道路信息为车道线的位置和道路摩擦系数;所述车辆的运行状态包含本车道行驶和换道行驶;
具体地,通过雷达、监控视频或者无人机,获取某一路段的车辆信息和道路信息;上述车辆为自车及其周边邻近车辆信息。
车辆的行驶状态主要包括本车道行驶以及换道行驶,由于两者考虑的因素有所区别,所以首先需要对行驶状态进行判定。
参考图2,所述确定该路段内每个车辆的运行状态,其具体步骤为:
1.1,根据当前车辆的行驶轨迹和当前道路的车道线方程,判断当前车辆是否满足本车道行驶条件,即车辆没有发生换道行驶行为,且车辆行驶轨迹平行于车道线;若是,则判断当前车辆为本车道行驶;否则转入1.2;需要说明的是,一般采用6次多项式进行行驶轨迹的拟合。
1.2,判断当前车辆的车头是否跨越车道线,若是,则判断为开始进入换道状态,否则,判断当前车辆轨迹是否发生持续偏移,其具体步骤为:
(a)根据数据采集的频率f,拟合车辆在当前时刻的前2S内的行驶轨迹,即滑动窗口的时间长度为2S;
(b)建立与当前行驶轨迹对应的车道线方程;需要说明的是,车道线方程和车辆轨迹方程应当处于同一坐标系。
(c)将当前时刻车辆行驶轨迹的横向坐标与对应的车道线方程的横向坐标相减,得到当前时刻的横向坐标差值ΔYc;同理,在下一时刻,得到对应的横向坐标差值ΔYc+1;如果相邻时刻的横向坐标差值(ΔYc+1-ΔYc)持续大于零或者持续小于零,则判定为车辆持续偏移,否则,持续偏移结束或者没有发生持续偏移;
其中,横向为与车辆行驶方向相垂直的方向。
若是,则判断为换道行驶,否则,判断为本车道行驶;
1.3,对于换道行驶的车辆,进一步判断车尾是否跨越车道线,若是,则判断车辆行驶轨迹是否平行于车道线,若是,则判断换道结束,否则,判断为换道行驶。
需要说明的是,判定行驶轨迹与车道线方程是否平行,即判定曲线两个方程之间的夹角。根据大量的实际统计实验,对换道行为的轨迹进行分析,在本车道行驶状态下,车辆的轨迹与车道线之间的夹角一般小于5°,即实际情况下5°以内的夹角可以认为车辆与车道线平行。
以上过程中,本车道行驶主要是指车辆在本车道中行驶,未发生车道变换的行为。在交通量较大的情况下,表现为跟驰行驶,在交通量较小的情况下表现为自由行驶,即在本车道前方没有车辆,驾驶员可按照自己的期望速度进行车辆驾驶。在本车道行驶的状态下,相关车辆是本车道前方车辆,如图3 所示,图3中,m为行驶车辆,n1为前方的相关车辆,在这种状态下,计算车辆m的风险水平时,仅仅考虑前方车辆n1,即其周边邻近车辆为前方车辆。
换道行驶是车辆变换行驶车道的一种行为,一般在高速公路的出(入)口处,车辆要驶出(驶入)高速公路而进行强制变换车道。或者当前方车辆行驶速度较慢时,驾驶员变换车道以获取更好的驾驶环境。
与本车道行驶状态相比较,车辆换道状态的判定较为复杂,在换道的过程中,不仅要考虑本车道的前方车辆,还需要考虑目标车道前后方车辆的状态信息。主要是避免发生追尾事故,以及与目标车道后方车辆的侧碰事故。换道行驶状态下的相关车辆如图4所示。图中m为换道车辆,在换道的状态下,计算车辆事故风险时,考虑的周边邻近车辆包括n1、n2以及n3。
以上关于换道状态的判断在具体的实施过程中,涉及到车辆换道起点和终点的判定。
换道起点的判定主要分为两步:
第一步,车辆车头部分是否已经跨越车道线,如果跨越车道线则判定为开始换道,即进入换道状态。
第二步,如果车辆的车头位置还未跨越车道线,则进一步进行判定,换道车辆的行驶轨迹与车道线是否产生一定的角度,并且在两秒之内是否发生连续的偏移。这种情况一般适用于车辆缓慢换道的情况。
换道结束的判断需要同时满足以下三个条件:(1)车辆之前已经被判定为处于换道状态;(2)车辆尾部跨越车道线;(3)车辆的行驶轨迹平行于车道线,即在两秒之内,车辆行驶轨迹不再持续偏移。
车辆的行驶轨迹与车道线的距离逐渐减小或者增加,即呈现出递增或者递减的趋势,如图5所示,图中AB点之间为轨迹持续偏移的现象。
判定行驶轨迹与车道线方程是否平行,即判定曲线两个方程之间的夹角。根据大量的实际统计实验,对换道行为的轨迹进行分析,在本车道行驶状态下,车辆的轨迹与车道线之间的夹角一般小于5°,即实际情况下5°以内的夹角可以认为车辆与车道线平行。
步骤2,根据每个车辆的周边邻近车辆信息,计算该路段内每个车辆的事故风险水平,对应得到该路段每个车辆的事故风险值,即事故发生概率与后果严重程度;进而得到该路段的总风险值;
进一步地,根据每个车辆的运行状态,确定每个车辆的周边邻近车辆信息,具体为:对于本车道行驶的车辆,其周边邻近车辆信息为前车的车辆信息,即自车前方车辆的车辆信息;对于换道行驶的车辆,其周边邻近车辆信息包含当前车道上自车的前方车辆信息、换道后目标车道上自车的前方车辆信息和后方车辆信息。
以上过程中,所述根据每个车辆的周边邻近车辆信息,计算该路段内每个车辆的事故风险水平,其具体为:
2.1,建立碰撞概率模型,并据此计算每个车辆的碰撞概率;
其中,pi,j为车辆i与其周围邻近车辆j的碰撞概率,其值在0-1之间,值越大表示事故发生碰撞的概率越高。b、c分别为待标定系数,MTC为碰撞余量,
vm为自车车速,vn1为前车车速,ΔS为后车车头与前车车尾之间的距离;an1为前车加速度;am为后车加速度,t为后车驾驶员反应时间;MTC是碰撞余量,其表示当前车突然减速的情况下,后车在反应时间t之后也开始减速,将前车从开始减速到停止时所行驶的距离加上前后车的相对距离,以及前车车辆长度之和,与后车停止时所行驶的距离相比较。当MTC小于等于1,则代表两辆车发生碰撞的可能性大,如果该值大于1,则表示两辆车碰撞不存在碰撞的可能性。如图6所示,为MTC计算过程中相关参数的示意图。
其次,由碰撞余量MTC的定义可知,当MTC接近于0时,pi,j接近于1;当MTC接近于1时,pi,j接近于零,处于临界碰撞状态;基于此,建立二元一次方程:
则得到碰撞概率模型为:
进而计算每个车辆的碰撞概率,并判断每个车辆的碰撞概率是否处于(0-1) 之间,若是,则转入步骤2.2,否则返回步骤1。
2.2,确定碰撞严重程度,即碰撞动能损失;
车辆在发生碰撞的过程中,少部分能量被路面摩擦系数吸收,绝大部分动能被由汽车形变吸收能量,碰撞动能损失的计算公式为:
其中,m为自车的总质量,v为自车当前车速;可以看出,质量越大,速度越高,发生碰撞之后的动能损失越大。车辆碰撞时损失的能量越大,后果越严重。
需要特别说明的是,当计算结果为负值时,即MTC取值大于等于1,也就是说两辆车之间不存在碰撞概率。因此仅当碰撞概率取值范围在(0-1)之间时,才进行事故风险的计算,否则不进行事故风险的计算。
关于汽车质量的确定
第一步,如果知道实际质量的话,以实际质量为准。
第二步,如果无法获取汽车的实际质量,则按照以下方法进行确定:
对于小客车质量,采用整备质量进行计算。
对于客运车辆,按照空车质量与乘客质量之和进行计算。根据《GBT 12428-2005客车装载质量计算方法》,选择乘客质量为78kg/人进行计算。
对于货运车辆,按照空载或者满载两种的情况进行计算,根据中华人民共和国交通运输部令《超限运输车辆行驶公路管理规定》,对不同车辆的最大总质量进行了规定,具体内容如下:
二轴货车,其车货总质量不超过18000千克。
三轴货车,其车货总质量不超过25000千克;三轴汽车列车,其车货总质量不超过27000千克。
四轴货车,其车货总质量不超过31000千克;四轴汽车列车,其车货总质量不超过36000千克。
五轴汽车列车,其车货总质量不超过43000千克。
六轴及六轴以上汽车列车,其车货总质量不超过49000千克,其中牵引车驱动轴为单轴的,其车货总质量不超过46000千克。
2.3,计算事故风险值:
从两个方面出发计算车辆风险的结果,分别是碰撞概率与可能造成的损失能量,也就是后果的严重程度。之后将风险与严重程度相乘,得出最终的风险结果,计算公式为:Ri=Pi·Ei
其中,Ri为车辆i的事故风险值;Pi为车辆i的碰撞概率,Ei为车辆i的碰撞动能损失。
对于跟驰行为,计算与前车的碰撞概率以及后果的严重程度,得出事故风险值。
对于换道行为,分别计算与三个相关车辆的碰撞概率,进一步分别计算碰撞的严重程度,得出三个不同的风险结果,将三个风险结果相加,得出换道车辆最终的风险值。
对于某一时刻,在一定路段范围内,将所有车辆的碰撞风险相加,则得到该路段在该时刻的风险计算结果。
R为在某一时刻,一定路段范围内,n辆车的风险总和。
计算的风险结果可以用来对比同一条道路的不同路段的安全水平,或者不同道路之间的安全水平的对比。在缺少交通事故数据的条件下,该方法可以代替交通事故数据,对道路的安全水平进行分析、对比以及评价。为道路管理者决策提供数据支撑。
例如,在资金有限的情况下,可以先将道路按照一定长度进行划分,统计一段时间内,不同路段内的风险值,将计算的风险值按照从大到小的顺序进行排序,优先整改风险值高的路段。
对于本车道行驶的车辆,其事故风险值为自车与前车的碰撞概率与自车的动能的乘积;
对于换道行驶的车辆,其事故风险值为:在本车道上的自车与前车的事故风险值、在换道时目标车道上的自车与前车的事故风险值和在换道时目标车道上的自车与后车的事故风险值的累加和;
其中,在本车道上的自车与前车的事故风险值为在本车道上的自车、前车的碰撞概率与自车在本车道上的动能之积;在换道时的目标车道上的自车与前车的事故风险值为在换道时目标车道上的自车、前车的碰撞概率与自车在换道时自车的动能之积;在换道时的目标车道上的自车与后车的事故风险值为在换道时目标车道上的自车、后车的碰撞概率与自车在换道时的动能之积。
加速度根据道路情况以及天气状态来判定。如果是能够实时监测的话,就采用实时的路面摩擦系数来判定。如果不能采集实时数据的话,则根据实际情况,用路面摩擦系数的一般值来代替。
所述前车加速度或后车加速度根据实时监测获得,或者根据当前路面摩擦系数f计算获得,其计算公式为:
mg×f=ma
则
a=g*f
其中,g为重力加速度(m/s2);
路面摩擦系数可以查表得到,其如表1所示。
表1为不同道路的摩擦系数
需要说明的是,对于本车道行驶,仅计算与前车之间的碰撞概率。对于换道行驶,需要分别计算与三种不同的车辆的碰撞概率。
步骤3,根据每个车辆的事故发生概率,对相应车辆进行预警;根据该路段的总风险值,对该路段进行交通干预,以提高该路段的车辆行驶安全性。
根据每个车辆的事故风险值,通过车载驾驶辅助装置或者车路协同装置进行安全预警。
具体为:当碰撞概率在(0%-50%]之间时,对后方车辆进行预警,当碰撞概率在(50%-100%)时,对周边相关车辆分别进行预警。例如对于跟驰状态的车辆,则仅仅对后方车辆以及前方跟驰车辆进行预警。对于换道行为,则对周边相关车辆发出预警信息。
具体阈值的设定需要由管理者来确定,根据管理者对于事故的敏感度来综合确定。
干预策略主要分为以下类型:
流量管控,关闭上游匝道入口,减少交通流量,降低交通风险。
速度管控,严格执行速度控制标准,明确每条车道的具体限速值,对于超速行驶、低速行驶等车辆进行及时处罚,降低不良交通行为的发生频率,最终达到降低交通风险的目的。
具体应用实例:
采用无人机获取高速公路直线段交通运行状态数据,如图7所示,包括每辆车的车辆类型,速度,X、Y坐标,车道线坐标。视频拍摄的帧率为15HZ,在最终的数据中每秒产生15组数据。天气晴朗,沥青路面完好无损,采用的路面摩擦系数为0.63。计算得到加速度为,0.63*9.8=6.17m/s2。小客车质量为 1500kg。
采用本发明方法估计该路段某一小型车辆在本车道行驶状态下的事故风险水平,结果如图8-12所示,其中图8为目标车辆与其周边车辆的速度及相对距离图,图9为目标车辆的MTC计算结果图,图10为目标车辆的碰撞概率计算结果图,图11为目标车辆的动能计算结果图,图12为目标车辆的事故风险值。
从图9-12可以看出,车辆的碰撞概率、车辆动能和车辆的事故风险值的总体趋势相同,而与MTC的趋势相反。
本发明采用了指数衰减函数来表示事故发生的概率,有效的解决了传统方法中,指标临界值确定的问题。例如,在传统的危险度表达中,采用TTC 进行计算,但TTC的临界值确定一直存在着一定的争议,采用概率表达的方法,有效的避免了临界值确定的问题。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种高速公路车辆事故风险评估及预警干预方法,其特征在于,包括以下步骤:
步骤1,获取某一路段的车辆信息和道路信息;确定该路段内每个车辆的运行状态;根据每个车辆的运行状态,确定每个车辆的周边邻近车辆信息;
其中,所述车辆信息为车辆的行驶轨迹、车辆的实时车速、车辆类型和车辆质量;所述道路信息为车道线的位置和道路摩擦系数;所述车辆的运行状态包含本车道行驶和换道行驶;
步骤2,根据每个车辆的周边邻近车辆信息,计算该路段内每个车辆的事故风险水平,对应得到该路段每个车辆的事故风险值,即事故发生概率与后果严重程度;进而得到该路段的总风险值;
步骤3,根据每个车辆的事故发生概率,对相应车辆进行预警;根据该路段的总风险值,对该路段进行交通干预,以提高该路段的车辆行驶安全性。
2.根据权利要求1所述的高速公路车辆事故风险评估及预警干预方法,其特征在于,所述确定该路段内每个车辆的运行状态,其具体步骤为:
1.1,根据当前车辆的行驶轨迹和当前道路的车道线方程,判断当前车辆是否满足本车道行驶条件,若是,则判断当前车辆为本车道行驶;否则转入1.2;
1.2,判断当前车辆的车头是否跨越车道线,若是,则判断为换道行驶,否则,判断当前车辆轨迹是否发生持续偏移,若是,则判断为换道行驶,否则,判断为本车道行驶;
1.3,对于换道行驶的车辆,进一步判断车尾是否跨越车道线,若是,则判断车辆行驶轨迹是否平行于车道线,若是,则判断换道结束,否则,判断为换道行驶。
3.根据权利要求2所述的高速公路车辆事故风险评估及预警干预方法,其特征在于,所述本车道行驶条件具体为:车辆没有发生换道行驶行为。
4.根据权利要求2所述的高速公路车辆事故风险评估及预警干预方法,其特征在于,所述判断当前车辆轨迹是否发生持续偏移,具体步骤为:
(a)根据数据采集的频率f,拟合车辆在当前时刻的前2秒内的行驶轨迹方程,即滑动窗口的时间长度为2秒;
(b)建立与当前行驶轨迹对应的车道线方程;
(c)将当前时刻车辆行驶轨迹的横向坐标与对应的车道线方程的横向坐标相减,得到当前时刻的横向坐标差值ΔYc;同理,在下一时刻,得到对应的横向坐标差值ΔYc+1;如果相邻时刻的横向坐标差值(ΔYc+1-ΔYc)持续大于零或者持续小于零,则判定为车辆持续偏移,否则,持续偏移结束或者没有发生持续偏移;
其中,横向为与车辆行驶方向相垂直的方向。
5.根据权利要求1所述的高速公路车辆事故风险评估及预警干预方法,其特征在于,根据每个车辆的运行状态,确定每个车辆的周边邻近车辆信息,具体为:对于本车道行驶的车辆,其周边邻近车辆信息为前车的车辆信息,即自车前方车辆的车辆信息;对于换道行驶的车辆,其周边邻近车辆信息包含当前车道上自车的前方车辆信息、换道后目标车道上自车的前方车辆信息和后方车辆信息。
6.根据权利要求1所述的高速公路车辆事故风险评估及预警干预方法,其特征在于,所述根据每个车辆的周边邻近车辆信息,计算该路段内每个车辆的事故风险水平,其具体步骤为:
2.1,建立碰撞概率模型,并据此计算每个车辆的碰撞概率;
其中,pi,j为车辆i与其周围邻近车辆j的碰撞概率,b、c分别为待标定系数,MTC为碰撞余量,vm为自车车速,vn1为前车车速,ΔS为后车车头与前车车尾之间的距离;an1为前车加速度;am为后车加速度,t为后车驾驶员反应时间;
其次,由碰撞余量MTC的定义可知,当MTC接近于0时,pi,j接近于1;当MTC接近于1时,pi,j接近于零,处于临界碰撞状态;基于此,建立二元一次方程:
进而计算每个车辆的碰撞概率,并判断每个车辆的碰撞概率是否处于(0-1)之间,若是,则转入步骤2.2,否则返回步骤1;
2.2,确定碰撞严重程度,即碰撞动能损失;
碰撞动能损失的计算公式为:
其中,m为自车的总质量,v为自车当前车速;
2.3,计算事故风险值:Ri=Pi·Ei
其中,Ri为车辆i的事故风险值,Pi为车辆i的碰撞概率,Ei为车辆i的碰撞动能损失;
对于本车道行驶的车辆,其事故风险值为自车与前车的碰撞概率与自车的动能的乘积;
对于换道行驶的车辆,其事故风险值为;在本车道上的自车与前车的事故风险值、在换道时目标车道上的自车与前车的事故风险值和在换道时目标车道上的自车与后车的事故风险值的累加和;
其中,在本车道上的自车与前车的事故风险值为在本车道上的自车、前车的碰撞概率与自车在本车道上的动能之积;在换道时的目标车道上的自车与前车的事故风险值为在换道时目标车道上的自车、前车的碰撞概率与自车在换道时自车的动能之积;在换道时的目标车道上的自车与后车的事故风险值为在换道时目标车道上的自车、后车的碰撞概率与自车在换道时的动能之积。
7.根据权利要求6所述的高速公路车辆事故风险评估及预警干预方法,其特征在于,所述前车加速度或后车加速度根据实时监测获得,或者根据当前路面摩擦系数f计算获得,其计算公式为:
mg×f=ma
则
a=g*f
其中,g为重力加速度,单位为m/s2。
9.根据权利要求1所述的高速公路车辆事故风险评估及预警干预方法,其特征在于,所述根据每个车辆的事故风险值,对相应车辆进行预警,具体为:当碰撞概率在(0%-50%]之间时,对后方车辆进行预警,当碰撞概率在(50%-100%)时,对周边相关车辆分别进行预警。
10.根据权利要求1所述的高速公路车辆事故风险评估及预警干预方法,其特征在于,所述对该路段的交通干预为:根据前述计算结果,设定交通干预阈值,当车辆的风险总和大于交通干预阈值时则启动干预策略;
其中,所述干预策略为流量管控或速度管控。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010137383.2A CN111354225B (zh) | 2020-03-03 | 2020-03-03 | 一种高速公路车辆事故风险评估及预警干预方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010137383.2A CN111354225B (zh) | 2020-03-03 | 2020-03-03 | 一种高速公路车辆事故风险评估及预警干预方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111354225A true CN111354225A (zh) | 2020-06-30 |
CN111354225B CN111354225B (zh) | 2022-05-03 |
Family
ID=71195920
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010137383.2A Active CN111354225B (zh) | 2020-03-03 | 2020-03-03 | 一种高速公路车辆事故风险评估及预警干预方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111354225B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112435469A (zh) * | 2020-11-10 | 2021-03-02 | 腾讯科技(深圳)有限公司 | 车辆预警控制方法、装置、计算机可读介质及电子设备 |
CN112509341A (zh) * | 2020-12-11 | 2021-03-16 | 东南大学 | 一种基于高位视频分析交通冲突的信号控制装置及方法 |
CN112550284A (zh) * | 2020-11-16 | 2021-03-26 | 东南大学 | 一种车路耦合作用下的自适应巡航行驶风险评估方法 |
CN113034952A (zh) * | 2021-03-01 | 2021-06-25 | 长沙理工大学 | 一种基于车路协同的路段交通安全实时预警系统 |
CN113128847A (zh) * | 2021-03-30 | 2021-07-16 | 同济大学 | 一种基于激光雷达的出入口匝道实时风险预警系统及方法 |
CN113178081A (zh) * | 2021-05-17 | 2021-07-27 | 中移智行网络科技有限公司 | 一种车辆汇入预警方法、装置及电子设备 |
CN113920731A (zh) * | 2021-10-12 | 2022-01-11 | 长安大学 | 一种基于无人机的交通运行风险实时识别方法 |
CN114360080A (zh) * | 2022-01-13 | 2022-04-15 | 江苏柯创城市技术有限公司 | 一种基于bim的智能停车场管理系统 |
CN117601859A (zh) * | 2024-01-22 | 2024-02-27 | 北京云驰未来科技有限公司 | 一种用于防止车辆发生碰撞的预警系统及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6085151A (en) * | 1998-01-20 | 2000-07-04 | Automotive Systems Laboratory, Inc. | Predictive collision sensing system |
CN108154681A (zh) * | 2016-12-06 | 2018-06-12 | 杭州海康威视数字技术股份有限公司 | 发生交通事故的风险预测方法、装置及系统 |
CN109455183A (zh) * | 2018-11-14 | 2019-03-12 | 安徽江淮汽车集团股份有限公司 | 车辆碰撞预判方法及系统 |
CN110705388A (zh) * | 2019-09-16 | 2020-01-17 | 清华大学 | 一种基于预测反馈的辅助驾驶用目标车辆换道识别方法 |
-
2020
- 2020-03-03 CN CN202010137383.2A patent/CN111354225B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6085151A (en) * | 1998-01-20 | 2000-07-04 | Automotive Systems Laboratory, Inc. | Predictive collision sensing system |
CN108154681A (zh) * | 2016-12-06 | 2018-06-12 | 杭州海康威视数字技术股份有限公司 | 发生交通事故的风险预测方法、装置及系统 |
CN109455183A (zh) * | 2018-11-14 | 2019-03-12 | 安徽江淮汽车集团股份有限公司 | 车辆碰撞预判方法及系统 |
CN110705388A (zh) * | 2019-09-16 | 2020-01-17 | 清华大学 | 一种基于预测反馈的辅助驾驶用目标车辆换道识别方法 |
Non-Patent Citations (1)
Title |
---|
裴玉龙等: "基于碰撞动能原理的冲突特性危险度定量分析", 《哈尔滨理工大学学报》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112435469B (zh) * | 2020-11-10 | 2024-04-02 | 腾讯科技(深圳)有限公司 | 车辆预警控制方法、装置、计算机可读介质及电子设备 |
CN112435469A (zh) * | 2020-11-10 | 2021-03-02 | 腾讯科技(深圳)有限公司 | 车辆预警控制方法、装置、计算机可读介质及电子设备 |
CN112550284A (zh) * | 2020-11-16 | 2021-03-26 | 东南大学 | 一种车路耦合作用下的自适应巡航行驶风险评估方法 |
CN112550284B (zh) * | 2020-11-16 | 2022-03-22 | 东南大学 | 一种车路耦合作用下的自适应巡航行驶风险评估方法 |
CN112509341A (zh) * | 2020-12-11 | 2021-03-16 | 东南大学 | 一种基于高位视频分析交通冲突的信号控制装置及方法 |
CN113034952A (zh) * | 2021-03-01 | 2021-06-25 | 长沙理工大学 | 一种基于车路协同的路段交通安全实时预警系统 |
CN113034952B (zh) * | 2021-03-01 | 2022-02-22 | 长沙理工大学 | 一种基于车路协同的路段交通安全实时预警系统 |
CN113128847A (zh) * | 2021-03-30 | 2021-07-16 | 同济大学 | 一种基于激光雷达的出入口匝道实时风险预警系统及方法 |
CN113178081A (zh) * | 2021-05-17 | 2021-07-27 | 中移智行网络科技有限公司 | 一种车辆汇入预警方法、装置及电子设备 |
CN113920731A (zh) * | 2021-10-12 | 2022-01-11 | 长安大学 | 一种基于无人机的交通运行风险实时识别方法 |
CN114360080A (zh) * | 2022-01-13 | 2022-04-15 | 江苏柯创城市技术有限公司 | 一种基于bim的智能停车场管理系统 |
CN117601859A (zh) * | 2024-01-22 | 2024-02-27 | 北京云驰未来科技有限公司 | 一种用于防止车辆发生碰撞的预警系统及方法 |
CN117601859B (zh) * | 2024-01-22 | 2024-04-23 | 北京云驰未来科技有限公司 | 一种用于防止车辆发生碰撞的预警系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111354225B (zh) | 2022-05-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111354225B (zh) | 一种高速公路车辆事故风险评估及预警干预方法 | |
CN110085056B (zh) | 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 | |
CN105966396B (zh) | 一种基于驾驶员避撞行为的车辆避撞控制方法 | |
CN109318893B (zh) | 基于车牌像素高度变化的安全驾驶辅助方法和系统 | |
CN110155046A (zh) | 自动紧急制动分级控制方法与系统 | |
CN107161143A (zh) | 一种采用人工势场法的车辆主动避撞方法 | |
CN110077398B (zh) | 一种用于智能驾驶的危险处理方法 | |
CN103093636B (zh) | 一种快速道路转弯路段可变限速控制方法 | |
CN113313949B (zh) | 一种高速公路出口匝道客货车协同控制方法、装置和设备 | |
CN104192144A (zh) | 一种汽车主动防撞弯道虚警消除方法 | |
CN113192331B (zh) | 一种网联环境下面向骑行安全的智能预警系统及预警方法 | |
CN112896188B (zh) | 一种考虑前车遭遇的自动驾驶决策控制的系统 | |
CN114379540B (zh) | 考虑前方障碍物影响的大型营运车辆防侧翻驾驶决策方法 | |
CN111038502A (zh) | 一种安全车距预估、修正、预警、驾驶资质评估方法及系统 | |
CN113071482B (zh) | 一种基于通行时间区间的智能车辆防碰撞方法 | |
CN110766924A (zh) | 一种面向桥隧路段行车安全的智能监测与预警系统及方法 | |
CN108470448A (zh) | 一种黄灯两难区风险评估方法 | |
CN112298132A (zh) | 一种车辆自主紧急制动控制系统和控制方法 | |
CN109300301B (zh) | 一种用于收费站的限速系统及其控制方法 | |
CN111784873A (zh) | 基于机器学习原理的高速路安全车载智能系统及工作流程 | |
CN116923397A (zh) | 人车路耦合的行车风险预测系统及方法 | |
CN114464012B (zh) | 一种基于车联网的车辆行人碰撞预警方法及系统 | |
CN115892061A (zh) | 一种基于v2i的高风险路段纵向决策控制方法、车辆、计算机及存储介质 | |
CN113879211B (zh) | 预防渣土车右转过程与非机动车发生冲突的提醒方法及系统 | |
Petin et al. | Modeling the algorithm of the automatic emergency braking system with the prediction of the coefficient of tire grip |
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 | ||
CB03 | Change of inventor or designer information | ||
CB03 | Change of inventor or designer information |
Inventor after: Ma Xiaolong Inventor after: Liu Jianbei Inventor after: Wu Mingxian Inventor after: Ma Yuanyuan Inventor after: Wang Zuo Inventor before: Ma Xiaolong Inventor before: Liu Jianbei Inventor before: Ma Yuanyuan |