CN111523822A - 一种综合考虑人-车-路各因素的行车风险统一量化方法 - Google Patents
一种综合考虑人-车-路各因素的行车风险统一量化方法 Download PDFInfo
- Publication number
- CN111523822A CN111523822A CN202010372205.8A CN202010372205A CN111523822A CN 111523822 A CN111523822 A CN 111523822A CN 202010372205 A CN202010372205 A CN 202010372205A CN 111523822 A CN111523822 A CN 111523822A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- road
- formula
- driving
- traffic environment
- 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
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000011002 quantification Methods 0.000 title claims abstract description 19
- 238000012546 transfer Methods 0.000 claims abstract description 5
- 238000005381 potential energy Methods 0.000 claims description 23
- 230000007613 environmental effect Effects 0.000 claims description 16
- 230000001133 acceleration Effects 0.000 claims description 7
- 230000004438 eyesight Effects 0.000 claims description 3
- 239000004576 sand Substances 0.000 claims description 3
- XKJMBINCVNINCA-UHFFFAOYSA-N Alfalone Chemical compound CON(C)C(=O)NC1=CC=C(Cl)C(Cl)=C1 XKJMBINCVNINCA-UHFFFAOYSA-N 0.000 claims 1
- 230000003993 interaction Effects 0.000 abstract description 11
- 230000008569 process Effects 0.000 description 18
- 230000006399 behavior Effects 0.000 description 17
- 230000033001 locomotion Effects 0.000 description 13
- 230000000452 restraining effect Effects 0.000 description 7
- 238000012502 risk assessment Methods 0.000 description 7
- 238000011160 research Methods 0.000 description 6
- 230000000007 visual effect Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000005684 electric field Effects 0.000 description 5
- 206010039203 Road traffic accident Diseases 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000014509 gene expression Effects 0.000 description 4
- 239000002245 particle Substances 0.000 description 4
- 230000033228 biological regulation Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005290 field theory Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000035484 reaction time Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000016776 visual perception Effects 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本发明公开了一种综合考虑人‑车‑路各因素的行车风险统一量化方法,该方法包括:依据能量转移原理,获得行车风险的初始行车安全场模型;将所述初始行车安全场模型分解到纵向和横向,再根据车辆j的信息和交通环境信息,建立统一行车安全场模型;计算车辆j对其所处交通环境中任一位置点i造成的场力Fji;依据所述场力Fji,辨识点i在车辆j的影响下所受到的行车风险。本发明根据行车风险来源于影响行车安全的各因素间的综合交互作用,提出了一个统一的并能准确反映道路交通环境中各车辆之间的相互作用关系的行车安全场建模思路。
Description
技术领域
本发明涉及智能车应用技术领域,特别是关于一种综合考虑人-车-路各因素的行车风险统一量化方法。
背景技术
量化行车风险是开发驾驶安全辅助技术和无人驾驶技术的基础。现有研究通常用描述碰撞的参数对行车风险进行量化,主要有基于事故分析的风险评估方法、基于车辆运动学的评估方法和基于人工势能场的风险评估方法。对汽车智能安全技术的相关研究已经进入高速发展期。总体上看,可以将行车风险的评估可分为两类:1)对车辆行驶过程中纵向上风险的评估和横向上风险的一维行车风险评估;2)同时考虑车辆行驶过程中纵向和横向的二维行车风险评估。
国内外学者对于行车风险的评估已经开展了大量的研究,但是仍存在众多不足之处。通常,车辆行驶视角的行车风险评估方法一方面大多基于车辆状态信息和两车间相对运动关系信息,根据车辆运动学和动力学理论建立风险评估模型。另一方面则采用以人工势能场为代表的新兴方法。两类方法各具优势,但都存在一个共同的缺陷,即是考虑的风险因素不全面,适用场景单一,无法面对复杂多变的交通环境,导致同一辆智能汽车需要多个独立的风险评估模型;同时,还忽略了驾驶人本身生理心理特征,道路与交通环境因素等对行车风险的影响,对人-车-路三者间的风险产生机理研究得不够透彻,导致现有方法的实际应用受到较大限制。
针对上述问题,为了提高行车风险评估的科学性、时效性和准确性,有必要从交通事故是能量的不正常转移这一角度出发,基于车辆行驶过程中的动能构建车辆对外界产生风险的初始行车安全场模型,通过分析交通环境中各要素之间的相互影响的关系,提出一种基于场论的行车风险描述方法。该方法要求在考虑车辆行驶视角的前提下,从交通管理角度量化描述行车风险,然后分析交通环境各类属性、道路交通设施的建立以及驾驶人的行为对行车安全的影响,提出了形成同时考虑车辆自身属性和在交通流中的交互作用的综合行车风险统一形式,建立了反映人-车-路间相互作用关系的统一行车安全场模型。
发明内容
本发明的目的在于提供一种综合考虑人-车-路各因素的行车风险统一量化方法来克服或至少减轻现有技术的上述缺陷中的至少一个。
为实现上述目的,本发明提供一种综合考虑人-车-路各因素的行车风险统一量化方法,该方法包括:依据能量转移原理,获得由式(3)表示行车风险的初始行车安全场模型;将所述初始行车安全场模型分解到纵向和横向,再根据车辆j的信息和交通环境信息,建立由式(69)表示的第一统一行车安全场模型或由式(74)表示的第二统一行车安全场模型;计算车辆j对其所处交通环境中任一位置点i造成的场力Fji;依据所述场力Fji,辨识点i在车辆j的影响下所受到的行车风险;
式(69)和式(74)中:
Ej=∑Ej,fac (70)
kx=Пkx,fac (71)
ky=∏ky,fac (72)
上式中,xji表示车辆j纵向上与环境中任一点i的距离,yji表示车辆j横向上与点i的距离,r0表示车辆j的驾驶人的跟车距离,rmax表示自由流中车辆最大间距,rmin表示自由流中车辆最小间距;Ej为由车辆j的速度vj确定的动能Ej,0以及由多种交通环境因素确定的相对动能之和,Ej,fac表示动能Ej,0以及由交通环境因素确定的相对动能,所述交通环境因素包括路面附着系数、道路曲率、道路坡度、环境能见度、车道线和道路限速规则,当忽略车辆j的速度和交通环境因素中的任一因素时,该因素对应的动能取值为0;kx为车辆j的速度以及各所述交通环境因素的纵向梯度调整系数之积,kx,fac表示车辆j的速度以及各所述交通环境因素的纵向梯度调整系数,ky为车辆j的速度以及各所述交通环境因素的横向梯度调整系数之积,ky,fac表示车辆j的速度以及各所述交通环境因素的横向梯度调整系数,当忽略车辆j的速度和交通环境因素中的任一因素时,该因素对应的梯度调整系数取值为1。
本发明由于采取以上技术方案,其具有以下优点:1.本发明考虑了道路交通环境中的人、车、路各因素对行车风险的影响,提出了能准确反映道路交通环境中各车辆之间的相互作用关系的行车安全场建模方法,将车辆运行过程中的纵横向风险用场的形式有机地结合在一起,不仅使纵横向的风险从传统方法的离散形式变换为连续形式,而且还能直观地以风险分布图的形式展现出来。2.本发明在保证风险分布的连续性的同时,提高了描述车辆之间的相互关系的准确性。3.本发明提供了行车风险的量化方法,因此可以提前识别行车风险,作出相应的安全决策,预防交通事故发生。
附图说明
图1是交通环境中场力和势能之间的关系示意。
图2是椭圆约束原理图。
图3是车辆j在车道内正常行驶的状态示意图。
图4是车辆j在车道线3上骑线行驶的状态示意图。
具体实施方式
下面结合附图和实施例对本发明进行详细的描述。
本发明将依据下文提供的行车风险的场模型以及图1示出的交通环境中场力Fji和势能Uji之间的关系,分析道路交通环境中的人、车、路各因素对行车风险的影响,旨在探明行车风险的产生机理,并提供一种行车风险的量化方法,以提前识别行车风险,作出相应的安全决策,预防交通事故发生。
本领域普通技术人员可以知晓的是,通常情况下,行车风险不能独立存在,一般发生在车辆与车辆之间,或车辆本身与交通环境之间。为评估交通环境的安全状态,本发明实施例将该风险采用场进行表示,行车风险定义为各研究对象间场的相互作用,以描述人在交通环境中对风险的辨识,具体地,交通环境中两个对象间的风险用场表示为:
Uji=f(Mj,vj,rji) (1)
式(1)和式(2)中,j表示场源,i表示交通环境中某一点,Uji表示i点处受到场源产生的势能场,在交通环境中,Uji为场源j的自身属性Mj、速度vj和场源j与i点之间距离rji的函数;Fji为势能场Uji的梯度,即i点处受到的场力,负号代表沿场梯度下降的方向,当场源j的属性和运动状态一定时,越靠近场源j,则所受到的场力Fji越大。
本发明实施例将描述交通环境中风险的场称作为“行车安全场”,若用r表示交通环境中点i离车辆j的距离,则点i距离车辆j越远,受到的场力Fji越小,势能Uji也越小。通过类比电场的方法,对行车安全场进行建模,该模型能够在一定条件下量化行车风险。然而,物理学中的电场不完全适用于描述行车风险。例如,电场中无穷远处的势能为0,带电粒子A除无穷远处不受带电粒子B的作用以外,在非无穷远的任一位置都会受到带电粒子B的电场力作用;同时,若带电粒子A和B之间的距离无穷小时,它们之间的电场力为无穷大。显然,两种现象不能在交通过程中找到对应的场景。因此,就上述问题本发明实施例对行车安全场进行全新建模。
图1示意出了场力和势能的关系。图1中坐标系中的曲线表示车辆j对环境中任一位置点i造成的场力Fji,且造成的风险范围具有边界,当点i与车辆j之间的距离rji超过rmax,即rji≥rmax,则点i不受车辆j的作用,即Fji=0。而点i所处位置上的势能Uji也满足Uji=0,对应于交通环境中车辆间距离足够大,驾驶人行为不受到他车影响的场景(例如自由流场景),随着点i与车辆j之间的距离rji缩小(即rji<rmax),场力Fji和势能Uji开始增加,且rji越小,场力Fji和势能Uji越大。但是,当点i与车辆j之间的距离rji在rmin之内,即rji<rmin,场力Fji不再增加,此时对应于交通环境中的碰撞事故场景。由于本发明实施例中点i与车辆j的坐标都以其几何中心计算,而交通参与者具有固定的外形尺寸,所以点i和车辆j之间的距离永远不可能为0。为了便于分析,将rji在rmin之内的场力Fji设置为恒定的最大值Fmax。
本发明实施例提供的行车风险的量化方法包括如下几方面:
(1)对车辆本身的风险量化方法
(1.1)交通管理视角风险
本发明实施例根据图1对初始行车安全场模型进行简单的修正,作为新的初始行车安全场模型,即式(3):
式中,Ej,0表示车辆j的动能。rji∈[0,rmin)时,Fji在数值上与Ej,0相等。r0为驾驶人对风险的关注范围,与驾驶人的跟车距离有关。rmax为自由流车辆间距,用以表示风险最大影响范围。
驾驶人的跟车过程受制于交通环境的现状,根据交通流理论,跟车过程所对应的宏观交通流量与流速之间的关系可知,驾驶人的跟车距离r0表示为式(4):
式中,驾驶人的整体激进性γ,取γ∈[-0.03,0]s2/m,平均反应时间τ,取τ=1s,l为有效车长,取l=6m,v为交通流的流速。
根据道路交通手册可知,在自由流速度下,交通流量的最大值qmax满足下式(5):
qmax=3100-54vf (5)
式中,vf为自由流的流速,因此,自由流中的车辆间距rmax表示为式(6):
由图1和式(3)可知rmin与rmax和r0的取值有关,并服从于式(7):
由于Fji在rji∈[0,rmin)∪(rmax,+∞范围内取恒定值,只在rji∈[rmin,rmax]内与rji的变化有关,因此,本实施例主要针对rji∈[rmin,rmax]这一区间进行分析。
若车辆j在一个无边界的环境中以恒定速度自由运动,将其考虑为质点时,由于车辆可以选择任意方向行驶,因此该车辆j在环境中造成的行车风险满足平面上的各向同性。因此行车安全场场力Fji,0表示为式(8):
式中,xji表示车辆j纵向上与环境中任一点i的间距,yji表示车辆j横向上与点i的间距。
所产生的行车安全场场力Fji,0的梯度变化为式(9):
若车辆j的质量和速度已知,则其在道路交通环境中各个位置上产生的场力可以用式(9)计算得到。在空旷道路交通环境中的行车安全场只与距离有关,且距离成反函数关系,越靠近车辆,所受到的行车安全场力越大。
在真实道路交通环境中,由于车辆运动具有方向性,其对外界造成的风险不具备各向同性。通常情况下,无论是基于人的主观感受,还是基于客观的碰撞概率,车辆在运动过程中,其在运动方向的正方向上对外界造成的风险大于负方向,这种现象与波的多普勒频移效应相似。这样车辆j在运动方向的正方向上对外界造成的风险大于负方向的观点,可以描述为行车安全场场力的梯度下降程度与车辆的运动方向有关,即:车辆j接近点i时,行车安全场场力的梯度下降变缓,设置纵向梯度调整系数和横向梯度调整系数,则有式(10):
式中,kx,0表示车辆j的速度的纵向梯度调整系数,ky,0为车辆j的速度的横向梯度调整系数。显然,参数kx,0与ky,0直接影响了行车安全场的分布情况。文中的“纵向”对应x,“横向”对应y。“正方向”指的是车辆j沿着车道中心线指示方向行驶的方向。
若车辆j沿着x正方向行驶,结合多普勒频移原理,将kx,0和ky,0分别定义为下式:
ky,0=1 (12)
式中,xj为车辆j在x方向上的坐标,vj为车辆j在x方向上的速度;i点可以是其它车辆或其它,当其代表环境中的固定点时,xi为该点i在x方向上的固定坐标且vi=0;反之,i表示车辆时,xi为该车辆在x方向上的坐标,vi为其运动速度;vmax为风险的传播速度,通常运动物体对外界产生的风险与其自身属性有关。
(1.2)车辆行驶视角风险
车辆在交通环境中行驶时,交通扰动产生的根源在于:驾驶人受到外界交通环境变化的刺激后所做出了响应。因此,基于式(8),从驾驶人的角度将车辆i在交通环境中受到车辆j风险用行车安全场描述为式(15):
kx,p=kx,0 (17)
ky,p=ky,0 (18)
值得注意的是,式(17)虽然显示纵向梯度调整系数在交通管理视角和车辆行驶视角中的计算公式相同,但实际上,由于车辆行驶视角中的vi在不断变化,因此,其数值与交通管理视角中的梯度调整系数具有差异。
从式(19)可知,当车速时,车辆j对前方造成的风险大于其对后方的影响;反之当车速时,车辆j对后方造成的风险大于其对前方的影响;当车速时,车辆j对其所在的交通流不造成扰动;vj,max表示车辆j的最大速度。
(1.3)综合行车风险
根据(1.1)和(1.2)的分析可知,单独从交通管理的角度或者从车辆行驶视角对某一辆车进行观察,都存在一定的局限性。因此本发明实施例主要在考虑车辆行驶视角的前提下,从交通管理视角量化描述行车风险,形成同时考虑车辆自身属性和在交通流中的交互作用的综合行车风险的表达形式统一为式(20):
若令:
Ej=Ej,0+Ej,p (21)
kx=kx,0 (22)
ky=ky,0 (23)
则式(20)可以表示为式(24):
式中,Ej代表了车辆j在行驶过程中的风险源因素;kx表示车辆j在行驶过程中产生的风险纵向的变化趋势,ky表示车辆j在行驶过程中产生的风险横向的变化趋势。
值得强调的是,当i表示特定的目标(如车辆i、骑车人i、行人i、静止障碍物i等)时,Fji表示车辆j对i的风险所对应的安全场力,kx中的参数vi为目标i的实际速度。
(2)道路交通设施的风险约束与驾驶人行为的分析量化
为提高行车安全将道路交通设施与规则包括:采用强制一方停车的方式避免车辆行使轨迹产生交叉的设施;通过警示或增加另一方车辆路权的方式,使车辆降低通行速度从而降低行车风险的设施;通过分隔同向或异向行驶的交通流、指导车辆的运动方向来控制行车风险的设施。
(2.1)道路交通设施对交通风险的影响
(2.1.1)交通信号灯纵向约束
本发明实施例主要关注于信号灯在黄灯亮至红灯亮时间段内和红灯熄灭绿灯亮两种状态。中国标准GB 14886-2016规定,信号灯黄灯时长应为3s~5s,那么,若车辆在黄灯亮时距离路口足够远,则其至少有3s时间用于减速至停止线。那么对于有足够长时间减速至停车线的车辆,其将会受到交通信号灯的红灯对其造成的等效约束阻力Fsj:
Rsj=mjajb,max (26)
式(25)和式(26)中,ajb,max表示车辆j在制动过程中的最大减速度;为车辆j在行驶过程中的平均速度;xsj表示车辆j与交通信号灯之间的纵向距离;ksx为纵向梯度调整系数,与车辆的运动状态有关;负号代表其方向与速度vj的方向相反。
(2.1.2)人行横道纵向约束
网联道路交通环境,能够使车辆方便的获得交通环境的信息,因此在本发明实施例中,将人行横道线视为约束车辆的行驶速度来降低行车风险的设施。那么,对于行驶中的车辆,在通过人行横道线之前,越接近人行横道线面临的交通约束阻力越大,因此需要降低车速来提高行车安全。根据我国的交通法规,车辆在人行横道线上通行的速度不得超过30km/h,因此,定义车辆j在通过人行横道线前xcj将受到人行横道对其产生的等效约束阻力Fcj:
式中,mj为车辆j的质量;aja为车辆j的驾驶人起步时期望的最大加速度;vj为车辆j在行驶过程中的速度;vc=30km/h,为人行横道线上车辆的最高限速;xcj为车辆j与人行横道之间的纵向和横向距离;kcx是纵向梯度调整系数,与驾驶人的行为有关,其取值将在后续内容中详细讨论。表示车辆j的行驶时速度大于道路限速时的违规风险增量,当车辆的速度高于人行横道限速时,负号代表其方向与速度的方向相反;反之,当车辆的速度小于等于人行横道限速时,
(2.1.3)道路交通限速标志纵向约束
道路限速标志只在速度上对车辆的行驶具有约束作用,且驾驶人在进行该违规行为时,在短时间内对外界造成的风险小于闯红灯和在人行横道线前不减速行驶这两种违规行为。若用车道线的vl,m表示车道的最低限速,vl,h表示车道的最高限速,车辆的j受到道路交通限速标志产生的等效约束阻力Flj为:
式中,vj,der为车辆j的驾驶人的期望速度;vl为道路限速。
(2.1.4)道路交通标志线横向约束
道路交通标线对驾驶人起到了驾驶引导和行为约束的作用。交通标志线包括了车道线和人行横道线,车道线横向影响驾驶人的行为,进而影响车辆的行驶过程。车道线不直接影响车辆的行车风险,车辆不会因越过道路交通标线直接造成交通事故。通常,道路交通标线被视为能对在车辆的行驶过程中产生横向上的虚拟约束力(如车道保持)。因此,定义道路交通标线对车辆造成的约束力Fmj为式(32):
式中,km为常系数,可以用车辆在不同车速下的回正横向加速度标定;kmy为横向梯度调整系数,与驾驶人的行为有关;rmax,m表示道路交通标线的影响范围,取rmax,m=0.5lw,代表车辆在车道中心线上行驶时不受到交通标线的影响。
(2.2)驾驶人行为的风险量化方法
(2.2.1)驾驶人的正常驾驶行为
道路交通标线对车辆在道路交通环境中造成的行车风险起到了约束作用,并体现在约束驾驶人的行为上。不考虑驾驶人和交通环境因素时,将车辆对外界造成的风险视为具备各项同性,根据对驾驶人正常驾驶行为的分析,将车辆在交通环境中产生的风险分布用如图2所示的椭圆表示,A1A2和B1B2分别是椭圆的长轴和短轴,且A1A2=2A1j=2jA2=2Aj,B1B2=2B1j=2jB2=2Bj。同时,如图2所示的椭圆为车辆j在环境中造成风险场的一条等高线。
考虑驾驶人在驾驶过程中始终遵守规则且尽可能的保证安全驾驶,那么驾驶人在驾驶车辆的过程中通常保持一定的车头时距,另外,交通规则规定车辆不允许连续换道,同时结合车辆的几何尺寸,设置图2中的椭圆半长轴和半短轴的长度分别为:
Aj=rmax+l1 (33)
Bj=lw+l2+lcj (34)
式中,Aj为椭圆半长轴,l1为车辆长度的一半;Bj为椭圆半短轴,lw为一倍车道宽(通常取lw=3.5m),l2为车辆宽度的一半,lcj为车辆与车道中心线间的距离。值得注意的是,椭圆的长轴是与车速相关的函数,车速越小,长轴越小,因此,为了避免长轴的长度小于短轴,规定r0≥lw。
由于车道线的横向约束作用,车辆行驶过程中在纵横向上的风险分布出现了明显差异。如图2所示的椭圆,其实质是纵向考虑安全时距、车流速度等,横向上考虑车道约束的影响之后,各向同性的圆型分布被压缩为形成长短轴动态变化的椭圆风险分布,如图2所示。横向上受到压缩时,外圆等高线被压缩成内椭圆等高线,虽然B′1 B′2缩短变成B1B2,但两条场力等高线所代表的风险数值相同。因此车辆j产生的风险按照蓝色等高线分布时有:
式中,kx,d为车道线的纵向梯度调整系数,ky,d为车道线的横向梯度调整系数。根据图3所示的等高线变化特性,可得:
kx,d=1 (36)
式中,Aj和Bj分别为椭圆半长轴长和半短轴长。
根据椭圆的性质可知:
联立式(8)、(35)和(38),写为直角坐标系可得:
联立式(24)和式(40),综合考虑交通管理视角、车辆行驶视角和车道线对行车风险的影响的行车安全场场力可以表示为:
因此,若驾驶人严格遵守交通规则,在道路交通标线的约束下,纵横向的风险分布区别明显。
(2.2.2)驾驶人的违规行为
由于道路交通设施对行车安全的影响体现在对行车风险的约束上,驾驶人的违规行为则体现出驾驶人因某种原因有意或无意的打破了道路交通设施对行车风险施加的约束关系。因此,本发明实施例将分析在纵向速度限制与横向位置限制下车辆的运动状态,以判断驾驶人的行为是否存在违规倾向。
(2.2.2.1)纵向速度限制
车辆在交通环境中造成的扰动所引起的风险与车辆自身速度和车流平均速度有关,类似式(20),当车辆超过道路最高限速或低于道路最低限速时,车辆对道路交通环境造成的违规风险可以用式(41)表示:
其中,
kx,l=1 (43)
式中,vl,m和vl,h分别为道路的最低限速和最高限速;kxl和kyl分别为纵横向上的梯度调整系数,vj,max表示车辆j能行驶的最大速度。
对于纵向上的违规行为,根据式(22),行驶过程中的对外界造成的行车风险对应的行车安全场场力Fji即为:
(2.2.2.2)横向位置限制
道路交通标线的作用是通过约束车辆横向的运动从而约束和降低车辆对交通环境的影响。当车辆稳定行驶在车道线2和车道线3形成的车道内,如图3所示,车道线2和车道线3对车辆j产生的椭圆约束作用在纵横向上分别遵循式(33)和式(34)。但当车辆长时间骑行在某一道路标志线上时,如图4所示,车辆j骑行在车道线3上行驶,此时认为车道线3对车辆j不起约束作用,道路交通标线对车辆j的椭圆约束作用由车道线2和车道线4产生,纵向上椭圆半长轴依然遵循式(33),横向上椭圆半短轴则遵循于式(46)。
Bj=lw+l2+ljc (46)
式中,ljc为车辆j离中心线的距离。
(3)路交通环境因素的风险量化方法
(3.1)路面附着系数
(3.1.1)路面附着系数对制动距离的影响
由于中国政策规定的促进,前装ABS系统的车辆逐年增加已获得了良好的普及,能够通过调控前后轴的制动器制动力使得同步附着系数与路面附着系数相等,且理想情况下车辆的最小制动距离为:
车辆的前驱动轮对应的最大速度vmax,f、驱动轮对应的最大速度vmax,r分别表示为下式:
式中,m为车辆的质量,g为重力加速度,b为车辆的后轴距车辆质心的距离,a为车辆的前轴距车辆质心的距离,f为滚动阻力系数,Ψ为后驱动轴的转矩分配系数,若是前驱汽车,Ψ=0,反之对于后驱汽车,Ψ=1;L为车辆的轴距,A为车辆的迎风面积,ρ为空气的密度,通常ρ=1.2258Ns2m-4,CD为车辆的空气阻力系数,Clf和Clr分别为车辆的前、后空气升力系数。
同时考虑因路面附着条件变低后,车辆需要减速至路面限定的最高车速以下时,假设车辆j沿着x正方向行驶,车辆j对外界造成的综合行车风险为:
(3.2)道路曲率
在道路设计中,不可避免地会面临道路在平面上有转折,纵断面上存在起伏的情况,故存在大量的大曲率弯道。当车辆通过弯道时,当车速vj>vd时,道路曲率造成的风险产生,而vj>vj,lim时,由于道路不能再为车辆提供足够的侧向力,造成车辆侧滑。因此,当vj∈[vd,vj,lim]时,道路曲率造成行车风险的行车安全场场力Fjc表示为式(56),车辆行驶速度超过弯道设计车速后的风险源增量Ej,c表示为式(57):
在转向过程中,车辆始终具有远离转向中心的趋势,地面给轮胎受到的侧向力为车辆转向提供向心力,使得车辆稳定行驶。当车速过快或转向半径太小造成地面难以为车辆提供足够大的向心力时,车辆将出现侧滑等危险状况。因此,在转向时,车辆对离心力指向的一侧造成的风险大于另一侧。令车辆j的车轮转角δj逆时针为正,则定义所述道路曲率的纵向梯度调整系数kx,c示为式(58),所述道路曲率的横向梯度调整系数ky,c示为式(59),式中各参数获取方式从车辆动力学的理论中可以计算得到:
kx,c=1 (58)
在考虑车辆造成的直接风险和扰动风险的基础上,同时考虑车辆的转向过程时,车辆j对外界造成的综合行车风险表示为式(60):
(3.3)道路坡度
道路坡度造成的行车风险主要体现在:上坡时车辆间的交互过程中、以及下坡时因重力势能转化为动能造成的超速行驶和制动性能降低中。对于上坡路段,行驶过程中的对外界造成的行车风险对应的行车安全场场力Fji表示为式(61):
对于下坡路段,风险在于车辆携带的能量除了其本身的动能外还有重力势能,即,能量源携带的能量值增大造成了风险增大。假设坡道的坡度为ir,车辆j在下坡行驶过程中重力势能的转化量Ej,s表示为式(63),其中的参数具体数值可以根据车辆的属性和运动学确定:
因此由于坡度造成行车风险的行车安全场场力Fjs表示为式(64):
式中,表示车辆j的加速度,t1表示车辆j进入坡道的起始时刻,t2表示结束时刻,由于坡度本身没有对车辆行驶的纵横向造成风险的差异,因此定义道路坡度ir的纵向梯度调整系数kx,s和所述道路坡度ir的横向梯度调整系数ky,s均为1。
下坡行驶过程中车辆对外界造成的行车风险对应的行车安全场场力Fji为:
显然,式(65)同时适用于上坡和下坡场景,当车辆上坡时,Fj,s取值为0;车辆下坡时,Fjs按式(64)计算。
(3.4)环境能见度
当遇上强降雨、大雾、冰雪等恶劣天气时,除了道路的附着系数可能降低外,驾驶人的视距也会受到强烈影响(智能驾驶的感知传感器如工业相机依然会受到干扰和影响)。恶劣的天气会加剧驾驶人的紧张感,带来行车风险。雨天行车时,驾驶人的视线容易受到影响,例如:小雨天气中环境能见度低;强降雨时,驾驶人的视野受到雨刮器的运动干扰,同时受到雨刮器刮水范围的限制,风挡玻璃和后视镜上均会附着雨水,缩小了驾驶人的视距和视觉感知范围;雾天环境下,驾驶人的视距受到严重影响,难以保证与周围车辆的安全距离;冰雪天气下,飘雪影响驾驶人的视野,同时,积雪在阳光下容易产生炫光造成驾驶人视力下降。因此,天气对环境能见度的改变极大的影响行车安全,车辆在环境能见度一定的条件下行驶对交通环境造成的行车风险对应的行车安全场力场可以表示为式(66):
式中,所述环境能见度的纵向梯度调整系数kx,e和所述环境能见度的横向梯度调整系数ky,e与驾驶人的行为、车辆状态以及环境条件有关。当只考虑环境能见度的影响时,由于环境能见度对车辆横向上的影响较小,取:
ky,e=1 (67)
在车辆纵向上,考虑驾驶人在良好交通环境下的视距D0和当前环境能见度De。kx,e的取值满足式:
式中,kj,e为常数,与驾驶人的真实视力有关,取kj,e=1;另外,视力良好的驾驶人在良好交通环境下的视距通常取D0=500m;当前环境能见度De按照天气的状态实时调整取值。
(4)人-车-路综合风险量化方法
前述研究采用基于等效力的行车安全场力场来描述人-车-路之间的相互作用关系,即分别讨论了车辆对外界产生的直接风险、扰动风险,以及路面条件、道路曲率、道路坡度和环境能见度5种交通环境因素如何影响车辆对外界产生的风险,以及驾驶人在交通规则下正常驾驶行为和违规驾驶行为对车辆产生的风险的影响,影响车辆对外界造成的风险的因素如表1所示;并讨论了交通信号灯、人行横道线、道路交通限速标志和道路交通标线4类交通设施和道路边界所代表的交通环境因素对车辆运动的约束作用。
表1影响车辆对外风险的因素
(4.1)统一行车安全场模型
(4.1.1)场力
基于综合行车风险建模原始框架,形成车辆对外界造成的风险的总体框架所示:
其中,
Ej=∑Ej,fac (70)
kx=Пkx,fac (71)
ky=Пky,fac (72)
式中,Ej,fac包括:车辆自身的动能Ej,0、考虑了交通流、路面附着系数、道路曲率、坡度和道路限速规则的相对动能Ej,p、Ex,c、Ej,s和Ej,l,按前文中对应的公式计算,当忽略其中任一因素时,对应的相对动能取值为0;式(71)和(72)中,任一参数均对应某一具体的影响因素在纵向或横向对车辆产生的风险的影响,按前文中对应的公式计算,当忽略其中任一因素时,对应的参数取值为1。
(4.1.2)势能
直接用力来描述交通环境中某一点的受到多个车辆的影响具有一定的局限性。本实施例将建立完整的行车安全场体系,用以描述道路交通环境中人-车-路之间的相互作用关系,实现对行车风险的量化描述。
行车安全场中,P点(P∈[rmin,rmax])处车辆受到场源影响所获得的势能等于将单位质量物体me从某一点P移动到势能为0的地方,即rji≥rmax处所做的功。因此,P点处的势能Ujp为:
因此,车辆i受到场源j的势能Uji写为直角坐标系的形式,则有:
则势能的梯度变化为:
具体实施例如下:
根据牛顿第二定律求得的虚拟加速度来判断i车受到的风险程度,可以分级采取预警或主动制动等措施,例如:当ai>3m/s2时,车辆i发出预警警报声音;当ai>5m/s2时,车辆i采取轻微制动;当ai>8m/s2时,车辆i采取紧急制动。
行车风险的产生机理在于影响行车安全的各因素间综合交互作用,影响行车风险的因素远不止上述实施例所提到的各种因素,本发明实施例的研究目的在于提供一个统一的建模思路,在特定的场景中如果有新的影响行车风险的因素出现,可以在本发明实施例所提出的统一建模思路框架下建立相应的数学模型。
最后需要指出的是:以上实施例仅用以说明本发明的技术方案,而非对其限制。本领域的普通技术人员应当理解:可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (8)
1.一种综合考虑人-车-路各因素的行车风险统一量化方法,其特征在于,包括:
依据能量转移原理,获得由式(3)表示行车风险的初始行车安全场模型;
将所述初始行车安全场模型分解到纵向和横向,再根据车辆j的信息和交通环境信息,建立由式(69)表示的第一统一行车安全场模型;
计算车辆j对其所处交通环境中任一位置点i造成的场力Fji;
依据所述场力Fji,辨识点i在车辆j的影响下所受到的行车风险;
式(69)中:
Ej=∑Ej,fac (70)
kx=Πkx,fac (71)
ky=Πky,fac (72)
上式中,xji表示车辆j纵向上与环境中任一点i的距离,yji表示车辆j横向上与点i的距离,r0表示车辆j的驾驶人的跟车距离,rmax表示自由流中车辆最大间距,rmin表示自由流中车辆最小间距;Ej为由车辆j的速度vj确定的动能Ej,0以及由多种交通环境因素确定的相对动能之和,Ej,fac表示动能Ej,0以及由交通环境因素确定的相对动能,所述交通环境因素包括路面附着系数、道路曲率、道路坡度、环境能见度、车道线和道路限速规则,当忽略车辆j的速度和交通环境因素中的任一因素时,该因素对应的动能取值为0;kx为车辆j的速度以及各所述交通环境因素的纵向梯度调整系数之积,kx,fac表示车辆j的速度以及各所述交通环境因素的纵向梯度调整系数,ky为车辆j的速度以及各所述交通环境因素的横向梯度调整系数之积,ky,fac表示车辆j的速度以及各所述交通环境因素的横向梯度调整系数,当忽略车辆j的速度和交通环境因素中的任一因素时,该因素对应的梯度调整系数取值为1。
2.一种综合考虑人-车-路各因素的行车风险统一量化方法,其特征在于,包括:
依据能量转移原理,获得由式(3)表示行车风险的初始行车安全场模型;
将所述初始行车安全场模型分解到纵向和横向,再根据车辆j的信息和交通环境信息,建立由式(74)表示的第二统一行车安全场模型;
计算车辆j对其所处环境中任一位置点i的势能Uji;
依据所述势能Uji,辨识点i在车辆j的影响下所受到的行车风险;
式(74)中:
Ej=∑Ej,fac (70)
kx=Πkx,fac (71)
ky=Πky,fac (72)
上式中,xji表示车辆j纵向上与环境中任一点i的距离,yji表示车辆j横向上与点i的距离,r0表示车辆j的驾驶人的跟车距离,rmax表示自由流中车辆最大间距,rmin表示自由流中车辆最小间距;Ej为由车辆j的速度vj确定的动能Ej,0以及由多种交通环境因素确定的相对动能之和,Ej,fac表示动能Ej,0以及由交通环境因素确定的相对动能,所述交通环境因素包括路面附着系数、道路曲率、道路坡度、环境能见度、车道线和道路限速规则,当忽略车辆j的速度和交通环境因素中的任一因素时,该因素对应的动能取值为0;kx为车辆j的速度以及各所述交通环境因素的纵向梯度调整系数之积,kx,fac表示车辆j的速度以及各所述交通环境因素的纵向梯度调整系数,ky为车辆j的速度以及各所述交通环境因素的横向梯度调整系数之积,ky,fac表示车辆j的速度以及各所述交通环境因素的横向梯度调整系数,当忽略车辆j的速度和交通环境因素中的任一因素时,该因素对应的梯度调整系数取值为1。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010372205.8A CN111523822B (zh) | 2020-05-06 | 2020-05-06 | 一种综合考虑人-车-路各因素的行车风险统一量化方法 |
PCT/CN2020/142390 WO2021223458A1 (zh) | 2020-05-06 | 2020-12-31 | 一种综合考虑人-车-路各因素的行车风险统一量化方法 |
JP2022567559A JP2023524574A (ja) | 2020-05-06 | 2020-12-31 | 人-車-道路の各要素を総合的に考慮した運転リスクの統一的定量化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010372205.8A CN111523822B (zh) | 2020-05-06 | 2020-05-06 | 一种综合考虑人-车-路各因素的行车风险统一量化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111523822A true CN111523822A (zh) | 2020-08-11 |
CN111523822B CN111523822B (zh) | 2023-07-28 |
Family
ID=71908477
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010372205.8A Active CN111523822B (zh) | 2020-05-06 | 2020-05-06 | 一种综合考虑人-车-路各因素的行车风险统一量化方法 |
Country Status (3)
Country | Link |
---|---|
JP (1) | JP2023524574A (zh) |
CN (1) | CN111523822B (zh) |
WO (1) | WO2021223458A1 (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112488454A (zh) * | 2020-11-10 | 2021-03-12 | 淮阴工学院 | 一种基于能量转移模型的建筑工程风险分析及控制方法 |
CN112622932A (zh) * | 2020-12-23 | 2021-04-09 | 同济大学 | 一种基于势能场启发式搜索的自动驾驶换道轨迹规划算法 |
WO2021223458A1 (zh) * | 2020-05-06 | 2021-11-11 | 重庆文理学院 | 一种综合考虑人-车-路各因素的行车风险统一量化方法 |
CN113946943A (zh) * | 2021-09-26 | 2022-01-18 | 清华大学 | 人-车-路微观交通系统建模及风险辨识方法及装置 |
CN114973768A (zh) * | 2022-05-17 | 2022-08-30 | 重庆文理学院 | 基于行车安全场的道路交通风险预警方法及系统 |
CN115081822A (zh) * | 2022-05-30 | 2022-09-20 | 同济大学 | 一种基于心理和物理风险场的行车风险评估方法和系统 |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114169371B (zh) * | 2021-12-09 | 2024-05-14 | 合肥工业大学智能制造技术研究院 | 车辆换道工况下考虑风险势场分布的驾驶风格分类方法 |
CN114417592B (zh) * | 2022-01-13 | 2024-07-23 | 中国农业大学 | 一种换道场景智能汽车队列“人-车-路”系统建模方法 |
CN115063970A (zh) * | 2022-04-24 | 2022-09-16 | 长安大学 | 一种隧道与互通出入口小净距路段行车风险评价方法 |
CN115081756B (zh) * | 2022-08-19 | 2022-11-11 | 四川省公路规划勘察设计研究院有限公司 | 基于长大纵坡路段制动鼓温度预测及路段风险评估方法 |
CN116453345B (zh) * | 2023-06-13 | 2023-08-18 | 吉林大学 | 一种基于驾驶风险反馈的公交行车安全预警方法及系统 |
CN116620287B (zh) * | 2023-06-30 | 2024-03-19 | 南京项尚车联网技术有限公司 | 一种智能驾驶方法、系统 |
CN117373234A (zh) * | 2023-09-28 | 2024-01-09 | 合肥工业大学 | 一种安全场论下车辆与弱势道路使用者交互预测方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170256147A1 (en) * | 2016-03-02 | 2017-09-07 | Michael E. Shanahan | Systems and Methods for Intra-vehicle Pedestrian and Infrastructure Communication |
CN108573357A (zh) * | 2018-05-08 | 2018-09-25 | 清华大学 | 基于等效力的行车风险实时评估方法及其装置 |
CN108648447A (zh) * | 2018-05-08 | 2018-10-12 | 清华大学 | 基于行车安全场的车辆智能安全决策方法 |
CN109797611A (zh) * | 2019-01-22 | 2019-05-24 | 重庆文理学院 | 无砟轨道换轨机器人 |
CN110085028A (zh) * | 2019-05-05 | 2019-08-02 | 同济大学 | 一种团雾天气条件下的交通安全风险分级管控方法 |
CN111079834A (zh) * | 2019-12-16 | 2020-04-28 | 清华大学 | 一种考虑多车交互的智能车辆安全态势评估方法 |
WO2021223458A1 (zh) * | 2020-05-06 | 2021-11-11 | 重庆文理学院 | 一种综合考虑人-车-路各因素的行车风险统一量化方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104239741B (zh) * | 2014-09-28 | 2016-05-18 | 清华大学 | 基于行车风险场的汽车驾驶安全辅助方法 |
DE102016208675A1 (de) * | 2016-05-19 | 2017-11-23 | Lucas Automotive Gmbh | Verfahren zur Bestimmung einer sicheren Geschwindigkeit an einem zukünftigen Wegpunkt |
-
2020
- 2020-05-06 CN CN202010372205.8A patent/CN111523822B/zh active Active
- 2020-12-31 JP JP2022567559A patent/JP2023524574A/ja active Pending
- 2020-12-31 WO PCT/CN2020/142390 patent/WO2021223458A1/zh active Application Filing
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170256147A1 (en) * | 2016-03-02 | 2017-09-07 | Michael E. Shanahan | Systems and Methods for Intra-vehicle Pedestrian and Infrastructure Communication |
CN108573357A (zh) * | 2018-05-08 | 2018-09-25 | 清华大学 | 基于等效力的行车风险实时评估方法及其装置 |
CN108648447A (zh) * | 2018-05-08 | 2018-10-12 | 清华大学 | 基于行车安全场的车辆智能安全决策方法 |
WO2019213980A1 (zh) * | 2018-05-08 | 2019-11-14 | 清华大学 | 基于行车安全场的车辆智能安全决策方法 |
CN109797611A (zh) * | 2019-01-22 | 2019-05-24 | 重庆文理学院 | 无砟轨道换轨机器人 |
CN110085028A (zh) * | 2019-05-05 | 2019-08-02 | 同济大学 | 一种团雾天气条件下的交通安全风险分级管控方法 |
CN111079834A (zh) * | 2019-12-16 | 2020-04-28 | 清华大学 | 一种考虑多车交互的智能车辆安全态势评估方法 |
WO2021223458A1 (zh) * | 2020-05-06 | 2021-11-11 | 重庆文理学院 | 一种综合考虑人-车-路各因素的行车风险统一量化方法 |
Non-Patent Citations (3)
Title |
---|
MANJIANG HU等, COORDINATED COLLISION AVOIDANCE FOR CONNECTED VEHICLES USING RELATIVE KINETIC ENERGY DENSITY, pages 112 - 130 * |
彭理群;何书贤;贺宜;艾云飞;: "基于车联网V2P的行人碰撞风险辨识研究", no. 01, pages 33 - 39 * |
王建强;吴剑;李洋;: "基于人-车-路协同的行车风险场概念、原理及建模", no. 01, pages 23 - 33 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021223458A1 (zh) * | 2020-05-06 | 2021-11-11 | 重庆文理学院 | 一种综合考虑人-车-路各因素的行车风险统一量化方法 |
CN112488454A (zh) * | 2020-11-10 | 2021-03-12 | 淮阴工学院 | 一种基于能量转移模型的建筑工程风险分析及控制方法 |
CN112622932A (zh) * | 2020-12-23 | 2021-04-09 | 同济大学 | 一种基于势能场启发式搜索的自动驾驶换道轨迹规划算法 |
CN113946943A (zh) * | 2021-09-26 | 2022-01-18 | 清华大学 | 人-车-路微观交通系统建模及风险辨识方法及装置 |
CN113946943B (zh) * | 2021-09-26 | 2022-06-21 | 清华大学 | 人-车-路微观交通系统建模及风险辨识方法及装置 |
WO2023045265A1 (zh) * | 2021-09-26 | 2023-03-30 | 清华大学 | 人-车-路微观交通系统建模及风险辨识方法及装置 |
CN114973768A (zh) * | 2022-05-17 | 2022-08-30 | 重庆文理学院 | 基于行车安全场的道路交通风险预警方法及系统 |
CN115081822A (zh) * | 2022-05-30 | 2022-09-20 | 同济大学 | 一种基于心理和物理风险场的行车风险评估方法和系统 |
CN115081822B (zh) * | 2022-05-30 | 2023-09-26 | 同济大学 | 一种基于心理和物理风险场的行车风险评估方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111523822B (zh) | 2023-07-28 |
WO2021223458A1 (zh) | 2021-11-11 |
JP2023524574A (ja) | 2023-06-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111523822B (zh) | 一种综合考虑人-车-路各因素的行车风险统一量化方法 | |
US11720116B1 (en) | Collision mitigation static occupancy grid | |
CN111565990B (zh) | 用于自主车辆的软件验证 | |
CA3031728C (en) | Determining drivability of objects for autonomous vehicles | |
US11934193B2 (en) | Speed-dependent required lateral clearance for autonomous vehicle path planning | |
CN110989569B (zh) | 一种车辆行驶控制方法及相关设备 | |
US20190232957A1 (en) | Planning for unknown objects by an autonomous vehicle | |
CN107993453B (zh) | 一种基于车路协同的弯道安全车速计算方法 | |
CN110155046A (zh) | 自动紧急制动分级控制方法与系统 | |
JP6304384B2 (ja) | 車両の走行制御装置及び方法 | |
KR20200047740A (ko) | 자율 차량들을 위한 보행자 행동 예측들 | |
US11242040B2 (en) | Emergency braking for autonomous vehicles | |
US20180259967A1 (en) | Planning for unknown objects by an autonomous vehicle | |
CN111295628B (zh) | 在自主驾驶模式下控制车辆的方法和系统 | |
KR20140020230A (ko) | 검출된 물체의 행동을 예측하기 위한 시스템 및 방법 | |
JP2019130995A (ja) | 車両制御装置 | |
JP2018055296A (ja) | 情報処理装置、情報処理方法および情報処理プログラム | |
US20190375404A1 (en) | Automated cruise control system to automatically decrease an overall ground vehicle energy consumption | |
CN113723699A (zh) | 恶劣天气高速公路安全车速矫正把控预警方法及系统 | |
WO2021231355A1 (en) | Determining puddle severity for autonomous vehicles | |
CN113335293B (zh) | 一种线控底盘的高速公路路面探测系统 | |
CN116229762A (zh) | 一种基于智能发光标线的交叉口右转车碰撞预警方法 | |
Wang et al. | Killer Tailgating: recommendation of traveling intervals between consecutive motor vehicles for rear-end collision avoidance | |
CN113226878B (zh) | 铁路灯检测 | |
Agarwal et al. | Status of Safety and Security Issues in Indian Road Transport Sector and Roadmap |
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 |