CN111724628B - 基于v2x的无信号灯路口碰撞预警激活概率评估方法 - Google Patents

基于v2x的无信号灯路口碰撞预警激活概率评估方法 Download PDF

Info

Publication number
CN111724628B
CN111724628B CN202010603905.3A CN202010603905A CN111724628B CN 111724628 B CN111724628 B CN 111724628B CN 202010603905 A CN202010603905 A CN 202010603905A CN 111724628 B CN111724628 B CN 111724628B
Authority
CN
China
Prior art keywords
vehicle
probability
intersection
vehicles
node
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.)
Active
Application number
CN202010603905.3A
Other languages
English (en)
Other versions
CN111724628A (zh
Inventor
叶佳勇
谭国平
周思源
潘超
吴倩倩
任勇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhongrui Intelligent Transportation Technology Co ltd
Jiangsu Institute Of Intelligent Transportation And Intelligent Driving
Original Assignee
Zhongrui Intelligent Transportation Technology Co ltd
Jiangsu Institute Of Intelligent Transportation And Intelligent Driving
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhongrui Intelligent Transportation Technology Co ltd, Jiangsu Institute Of Intelligent Transportation And Intelligent Driving filed Critical Zhongrui Intelligent Transportation Technology Co ltd
Priority to CN202010603905.3A priority Critical patent/CN111724628B/zh
Publication of CN111724628A publication Critical patent/CN111724628A/zh
Priority to PCT/CN2020/131015 priority patent/WO2022000958A1/zh
Application granted granted Critical
Publication of CN111724628B publication Critical patent/CN111724628B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/161—Decentralised systems, e.g. inter-vehicle communication
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明基于泊松线过程的双重随机过程构建C‑V2X网络分析模型，提出了一种基于C‑V2X的无信号灯路口车辆碰撞预警效果评估方法，通过对C‑V2X场景下的路口会车碰撞问题建立模型，推导出车辆间(V2V)通信的中断概率，由车辆间通信的信号强度对车辆间距离进行估计，推导路口会车的碰撞预警概率的理论解析式，依据此理论解析式，对基于V2X的无信号灯路口碰撞预警功能激活概率进行评估。仿真结果验证了碰撞预警概率的表达式，并且表明碰撞预警概率随着车辆行驶速度的增大而增大，随着车辆节点密度的增大而增大，随着城市道路线密度的增大而小幅增大。

Description

基于V2X的无信号灯路口碰撞预警激活概率评估方法
技术领域：
本发明涉及车联网中无线通信技术领域，尤其涉及一种基于随机几何理论对车联网场景下的路口会车碰撞预警问题进行仿真建模的基于V2X的无信号灯路口碰撞预警激活概率评估方法。
背景技术：
车联网指的是通过装载在车辆上的电子标签、无线射频等识别技术，实现信息网络平台上所有车辆的属性信息和静、动态信息的提取和有效利用，并根据不同的功能需求对所有车辆的运行状态进行有效的监管和提供综合服务的系统。现如今，车联网被赋予了更多更广的功能，它是指通过车辆上的传感器、车载终端及电子标签提供车辆信息，采用各种通信技术手段实现车与车、车与人、车与路以及车与网之间的互联互通，并在信息网络平台对信息进行提取、共享等有效利用，对车辆进行有效的管控和提供综合服务。
C-V2X(Cellular-Vehicle to Everything)是基于蜂窝网技术的3GPP车联网通信技术，它提供了两种通信接口，其中一种是LTE蜂窝网的Uu接口，Uu通信接口可以实现基站与车辆、行人以及路侧单元(RSU)之间的通信，可以实现长距离、大范围的可靠通信，工作于运营商蜂窝网络频段；而另一种是LTE-D2D(点对点)的PC5接口，该接口被称为Sidelink(侧行链路或直通链路)，PC5通信接口可以实现车辆与车辆、车辆与行人以及车辆与路侧单元之间的短距离直接通信，工作于专用频段。
相较于固定的格点模型，随机几何理论在仿真建模的过程中保留了空间节点分布上的随机特性，因而随机几何工具可以更精确的对C-V2X的空间网络节点进行建模。随机几何理论最初的应用场景是移动自组织网络以及无线传感器网络，它们的空间节点分布具有随机特性，而随机几何理论可以在空间上平均地进行撒点，随机的生成任意可能的网络节点分布情况。
发明内容：
针对上述问题，本发明提出了一种基于V2X的无信号灯路口碰撞预警激活概率评估方法，能够提醒驾驶员注意安全，并且向附近其他车辆广播该车辆进入路口信息，提示附近车辆减速慢行，避免路口会车碰撞事故的发生。
本发明是通过如下技术方案实现的：
本发明提供一种基于V2X的无信号灯路口碰撞预警激活概率评估方法，包括如下步骤：
首先基于泊松线过程的双重随机过程，建立城市道路的仿真模型；
在随机生成的模拟道路上撒下服从一维泊松点过程的双向随机车辆节点以及路侧单元的空间节点位置，同时，在这一区域内通过二维泊松点过程生成基站的空间节点位置；
接着根据被研究车辆节点的信干噪比小于其阈值γ0的概率来定义车辆与车辆之间通信的中断概率，并对中断概率进行仿真分析其曲线走势，从而找到满足路口通信成功概率大于95％的信干噪比阈值γ0；
当车辆与车辆之间通信成功，并且不发生路口会车碰撞时，不会产生路口会车的碰撞预警信息，而如果一定范围内每一辆车的都能够与优先进入路口的车辆成功通信，并且都不与优先进入路口的车辆发生会车碰撞，车载终端将不会向驾驶员进行路口会车碰撞预警，无论以上哪一点不满足要求，车载终端都会向驾驶员发送路口会车碰撞预警信息，提醒驾驶员注意安全，并且向附近其他车辆广播该车辆进入路口信息，提示附近车辆减速慢行，避免路口会车碰撞事故的发生。
具体地，本发明首先对城市道路进行建模，利用泊松线过程，生成密度为λL的城市道路，于是就有了随机生成的一张城市道路的快照，然后在已经生成的城市道路上，利用一维泊松点过程，进行车辆以及路侧单元进行撒点，将每一条城市道路看成是两条反向的车道，然后分别在每一个车道上进行车辆以及路侧单元撒点，在此基础上，利用二维的泊松点过程随机地生成基站节点位置使其分布在已生成的城市道路图上，其中基站的密度为λ1，左车道的车辆以及路侧单元的密度为λl2，而右车道的车辆以及路侧单元的密度为λr2，两车道上车辆以及路侧单元的密度之和为λ2。
车辆C根据接收到的信号强度估计自身与A、B中车辆之间的距离。该方法源自于定位中的RSS算法，可以通过车辆收到其他车辆发送过来信号的能量来估计目标车辆节点与接收车辆节点之间的距离，接受信号的强度与传播的距离成反比。简单来说就是，如果信干噪比SINR的值越大，车辆节点与车辆节点之间的距离就越大，相反如果SINR的值越小，车辆节点与车辆节点之间的距离就越小。
车辆间通信中断概率：车辆节点i与车辆节点C通信是否成功取决于信干噪比的阈值γ0，当车辆节点i和车辆节点C之间的信干噪比高于阈值γ0时，车辆节点i与节点C通信成功，而当车辆节点i和节点C直接的信干噪比低于阈值γ0时，两车的通信连接失败，因而定义车辆节点i与节点C的通信中断概率
Figure GDA0003513042600000031
由以下公式表示：
Figure GDA0003513042600000032
式中，P2为发射功率，G为天线增益，N0为噪声信号的功率。
路口会车碰撞预警分析：车辆C预警路口发生碰撞的概率为相交道路上的所有车辆在成功通信的情况下，预警每一辆车是否将会与车辆C发生碰撞，如果每一辆车都与车辆C通信成功并且不发生碰撞，则它们的乘积的就是不发生碰撞的概率，其互补概率就是可能发生碰撞的概率，也就是路口会车碰撞预警概率，碰撞预警概率可以由以下公式表示：
Figure GDA0003513042600000033
其中PCA和PCB表示车辆C与交叉路两个不同方向上的车通信成功并且不发生碰撞的概率，
Figure GDA0003513042600000041
和
Figure GDA0003513042600000042
表示车辆C与交叉路两个不同方向上的车辆Ai以及车辆Bi不发生碰撞的概率。
本发明具有如下优点：本发明基于V2X的无信号灯路口碰撞预警激活概率评估方法，基于随机几何理论知识，利用提出以上的公式进行路口会车碰撞预警的测试，可以获得与蒙特卡洛仿真非常接近的数值解，为智能交通系统设计提供理论支撑。
附图说明：
图1为本发明的车联网下路口会车示意图；
图2为本发明车与车之间通信中断概率曲线图；
图3为本发明车辆节点速度-路口会车碰撞预警概率曲线图；
图4为本发明城市道路线密度-路口会车碰撞预警概率曲线图；
图5为本发明车辆节点密度-路口会车碰撞预警概率曲线图。
具体实施方式
下面结合附图对本发明的较佳实施例进行详细阐述，以使本发明的优点和特征能更易被本领域人员理解，从而对本发明的保护范围做出更为清楚明确的界定。
本发明在MATLAB仿真平台上，使用蒙特卡洛的方法进行该模型的仿真。
首先基于泊松线过程的双重随机过程，建立城市道路的仿真模型，将每一条城市道路看成是两条反向的车道，然后分别在每一个车道上进行车辆以及路侧单元撒点，利用二维的泊松点过程随机地生成基站节点位置使其分布在已生成的城市道路图上，如图1所示。
设定城市道路的线密度λL为15km/km2，基站节点分布的密度λ1为0.5nodes/km2，发射车辆节点以及路侧单元的密度之和λ2为40nodes/km，基站的发射功率P1为50dBm，车辆以及路侧单元的发射功率P2从13dBm取到43dBm，中间间隔10dBm，热噪声功率N0为-33dBm。定向天线的主瓣增益G为15，旁瓣增益g为1，仿真循环次数为10000次。
通过采用本发明中所述的方法，其仿真效果如下：
首先对车辆间通信中断概率进行仿真，如图2所示。信干噪比的阈值γ0取在-25dB到25dB之间，对于不同的阈值γ0来说，车辆与车辆之间通信的中断概率不相同，并且在-25dB到25dB的区间内呈上升趋势，并且信干噪比的阈值γ0越大，通信成功概率就越低，所以通信中断概率呈上升趋势符号预期的要求。
由于路口场景下车辆与车辆之间的通信成功概率要求至少在95％以上(P2取13dBm除外)，根据车辆与车辆之间的中断概率仿真图2所示，信干噪比的阈值γ0取值为-20dB。设定车辆C的速度为25m/s，调节Ai和Bi的车速为10m/s到40m/s,如图3所示，随着车速的增大，路口会车的碰撞预警概率也随之增大，因为与车辆C所在道路相交的其他道路上的车辆行驶速度越快，就越有可能与车辆C发生碰撞，因而路口会车预警碰撞概率也随之提高。
此外，设定车辆C的速度为25m/s，Ai和Bi的车速为30m/s,改变城市道路建模的线密度，使之由1km/km2变化到10km/km2,如图4所示，路口会车预警碰撞概率极小幅度提升，这是由于城市道路线密度的提高只会小幅提高车辆C进入的路口其他车道上车辆节点数的原因，而由于其他车道上车辆节点数对路口会车碰撞概率的影响较大，因而路口会车的碰撞预警概率增幅很小。
最后，设定车辆C的速度为25m/s，Ai和Bi的车速为30m/s,改变城市道路上的车辆节点密度由40nodes/km增加到100nodes/km，如图5所示，随着车辆节点密度的增加路口会车碰撞预警概率增大。总而言之，该系统模型能很好的描述C-V2X场景下路口会车的情况，可以为城市道路上车辆行驶方案提供参考，对路口碰撞进行预警，然后提示其他车道上的车辆减缓行驶速度，可以大大减小路口碰撞的发生，从而提高车辆行驶的安全。
最后应说明的是：以上实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：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，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，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权利要求的保护范围为准。

Claims (3)

1.一种基于V2X的无信号灯路口碰撞预警激活概率评估方法，其特征在于，包括如下步骤：
(1)首先基于泊松线过程的双重随机过程，建立城市道路的仿真模型；
(2)在随机生成的模拟道路上撒下服从一维泊松点过程的双向随机车辆节点以及路侧单元的空间节点位置，同时，在这一区域内通过二维泊松点过程生成基站的空间节点位置；
(3)接着根据被研究车辆节点的信干噪比小于其阈值的概率来定义车辆与车辆之间通信的中断概率，并对中断概率进行仿真分析其曲线走势，从而找到满足路口通信成功概率大于95％的信干噪比阈值；
通过车辆收到其他车辆发送过来信号的能量来估计目标车辆节点与接收车辆节点之间的距离，接受信号的强度与传播的距离成反比，如果信干噪比的值越大，车辆节点与车辆节点之间的距离就越大，如果信干噪比的值越小，车辆节点与车辆节点之间的距离就越小；
车辆节点i与车辆节点C通信是否成功取决于信干噪比的阈值γ0，当车辆节点i和车辆节点C之间的信干噪比高于阈值γ0时，车辆节点i与节点C通信成功，而当车辆节点i和节点C直接的信干噪比低于阈值γ0时，两车的通信连接失败，定义车辆节点i与节点C的通信中断概率
Figure FDA0003565698420000011
(4)当车辆与车辆之间通信成功，并且不发生路口会车碰撞时，不会产生路口会车的碰撞预警信息，而如果一定范围内每一辆车都能够与优先进入路口的车辆成功通信，并且都不与优先进入路口的车辆发生会车碰撞，车载终端将不会向驾驶员进行路口会车碰撞预警，无论以上哪一点不满足要求，车载终端都会向驾驶员发送路口会车碰撞预警信息，并且向附近其他车辆广播该车辆进入路口信息；
车辆C预警路口发生碰撞的概率为相交道路上的所有车辆在成功通信的情况下，预警每一辆车是否将会与车辆C发生碰撞，如果每一辆车都与车辆C通信成功并且不发生碰撞，则它们的乘积的就是不发生碰撞的概率，其互补概率就是可能发生碰撞的概率，也就是路口会车碰撞预警概率，碰撞预警概率可以由以下公式表示：
Figure FDA0003565698420000021
其中PCA和PCB表示车辆C与交叉路两个不同方向上的车通信成功并且不发生碰撞的概率，
Figure FDA0003565698420000022
和
Figure FDA0003565698420000023
表示车辆C与交叉路两个不同方向上的车辆Ai以及车辆Bi不发生碰撞的概率，
Figure FDA0003565698420000024
表示从车辆A到车辆C通信的中断概率，
Figure FDA0003565698420000025
表示从车辆B到车辆C通信的中断概率。
2.根据权利要求1所述的基于V2X的无信号灯路口碰撞预警激活概率评估方法，其特征在于，步骤(1)具体包括利用泊松线过程，生成密度为λL的城市道路以及一张随机城市道路分布的快照。
3.根据权利要求2所述的基于V2X的无信号灯路口碰撞预警激活概率评估方法，其特征在于，步骤(2)具体包括利用一维泊松点过程，将每一条城市道路看成是两条反向的车道，然后分别在每一个车道上进行车辆以及路侧单元撒点，利用二维的泊松点过程随机地生成基站节点位置使其分布在已生成的城市道路图上，其中基站的密度为λ1，左车道的车辆以及路侧单元的密度为λl2，而右车道的车辆以及路侧单元的密度为λr2，两车道上车辆以及路侧单元的密度之和为λ2。
CN202010603905.3A 2020-06-29 2020-06-29 基于v2x的无信号灯路口碰撞预警激活概率评估方法 Active CN111724628B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202010603905.3A CN111724628B (zh) 2020-06-29 2020-06-29 基于v2x的无信号灯路口碰撞预警激活概率评估方法
PCT/CN2020/131015 WO2022000958A1 (zh) 2020-06-29 2020-11-24 基于v2x的无信号灯路口碰撞预警激活概率评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010603905.3A CN111724628B (zh) 2020-06-29 2020-06-29 基于v2x的无信号灯路口碰撞预警激活概率评估方法

Publications (2)

Publication Number Publication Date
CN111724628A CN111724628A (zh) 2020-09-29
CN111724628B true CN111724628B (zh) 2022-05-10

Family

ID=72569815

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010603905.3A Active CN111724628B (zh) 2020-06-29 2020-06-29 基于v2x的无信号灯路口碰撞预警激活概率评估方法

Country Status (2)

Country Link
CN (1) CN111724628B (zh)
WO (1) WO2022000958A1 (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111726775B (zh) * 2020-06-29 2023-07-25 江苏智能交通及智能驾驶研究院 快速评估车联网网络拥塞状态的方法
CN111724628B (zh) * 2020-06-29 2022-05-10 江苏智能交通及智能驾驶研究院 基于v2x的无信号灯路口碰撞预警激活概率评估方法
CN113223325A (zh) * 2021-03-26 2021-08-06 南京市德赛西威汽车电子有限公司 一种安全通过无信号灯路口的方法
CN114973656A (zh) * 2022-05-10 2022-08-30 清华大学 交通交互性能的评估方法、装置、设备、介质和产品

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6269552B2 (ja) * 2015-03-31 2018-01-31 トヨタ自動車株式会社 車両走行制御装置
WO2017137987A1 (en) * 2016-02-11 2017-08-17 Ruf Amit A system and methods thereof using gnss signals and reflections thereof to alert of potential collision between moving objects
CN106059694B (zh) * 2016-05-06 2018-10-09 华东交通大学 一种vanet中利用多跳通信对双车道连通性进行分析建模的方法
CN106211339B (zh) * 2016-07-18 2019-11-29 中国科学院计算技术研究所 车联网系统中的资源分配的方法及设备
CN108112087B (zh) * 2016-11-23 2020-07-14 普天信息技术有限公司 一种v2x网络资源信息指示方法及基站
US20190306677A1 (en) * 2018-04-03 2019-10-03 Corning Research & Development Corporation Pathside communication relay (pcr) for collecting pathside data for a pcr network
CN108986461B (zh) * 2018-07-13 2021-09-10 西安理工大学 一种基于时间的交叉路口车辆碰撞概率分析方法
CN111328133B (zh) * 2018-12-17 2021-06-04 上海大学 基于深度神经网络的v2x资源分配方法
CN109801494A (zh) * 2019-01-25 2019-05-24 浙江众泰汽车制造有限公司 一种基于v2x的路口动态引导系统和方法
CN110213715B (zh) * 2019-05-17 2020-10-02 华中科技大学 一种基于车辆间最优估计距离的v2v通信模式切换方法
CN111724628B (zh) * 2020-06-29 2022-05-10 江苏智能交通及智能驾驶研究院 基于v2x的无信号灯路口碰撞预警激活概率评估方法

Also Published As

Publication number Publication date
CN111724628A (zh) 2020-09-29
WO2022000958A1 (zh) 2022-01-06

Similar Documents

Publication Publication Date Title
CN111724628B (zh) 基于v2x的无信号灯路口碰撞预警激活概率评估方法
Dhondge et al. WiFiHonk: smartphone-based beacon stuffed WiFi Car2X-communication system for vulnerable road user safety
Yan et al. Vehicle-to-vehicle connectivity analysis for vehicular ad-hoc networks
CN101727757B (zh) 基于ⅶ支持下的车辆主动避撞系统
Sepulcre et al. Experimental evaluation of cooperative active safety applications based on V2V communications
US20210250748A1 (en) Systems and methods for controlling vehicle-to-everything personal safety message transmission
Tchouankem et al. Impact of buildings on vehicle-to-vehicle communication at urban intersections
Samara et al. Intelligent emergency message broadcasting in VANET using PSO
Outay et al. Towards safer roads through cooperative hazard awareness and avoidance in connected vehicles
Nguyen et al. Cellular V2X communications in the presence of big vehicle shadowing: Performance analysis and mitigation
Rawat et al. Enhancing connectivity for spectrum-agile vehicular ad hoc networks in fading channels
Guha Cellular-assisted vehicular communications: A stochastic geometric approach
Schettler et al. The chosen one: Combating VLC interference in platooning using matrix headlights
Ali et al. Intelligent driver model-based vehicular ad hoc network communication in real-time using 5G new radio wireless networks
Ozpolat et al. Multi-lane urban mmWave V2V networks: A path loss behaviour dependent coverage analysis
Arteaga et al. Vehicular communications over TV white spaces in the presence of secondary users
de Almeida et al. Comparative analysis of a vehicular safety application in ns-3 and veins
Sharma et al. Vehicular connectivity algorithm for cooperative transportation systems
Ueki et al. Development of vehicular-collision avoidance support system by inter-vehicle communications-VCASS
Lin et al. Scooter-to-x communications: Antenna placement, human body shadowing, and channel modeling
Rakhshan et al. Packet success probability derivation in a vehicular ad hoc network for a highway scenario
Ni et al. Packet reception probability of VANETs in urban intersecton scenario
Granda et al. Integration of wireless sensor networks in intelligent transportation systems within smart city context
Mukhopadhyay et al. V2X based road safety improvement in blind intersections
Özgüner et al. A simulation study of an intersection collision warning system

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