CN112550284B - 一种车路耦合作用下的自适应巡航行驶风险评估方法 - Google Patents
一种车路耦合作用下的自适应巡航行驶风险评估方法 Download PDFInfo
- Publication number
- CN112550284B CN112550284B CN202011277121.2A CN202011277121A CN112550284B CN 112550284 B CN112550284 B CN 112550284B CN 202011277121 A CN202011277121 A CN 202011277121A CN 112550284 B CN112550284 B CN 112550284B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- adaptive cruise
- self
- road
- slope
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000012502 risk assessment Methods 0.000 title claims abstract description 14
- 230000001808 coupling effect Effects 0.000 title claims abstract description 8
- 230000008447 perception Effects 0.000 claims abstract description 25
- 238000013210 evaluation model Methods 0.000 claims abstract description 8
- 230000003044 adaptive effect Effects 0.000 claims description 34
- 238000003379 elimination reaction Methods 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 11
- 230000008030 elimination Effects 0.000 claims description 11
- 238000013461 design Methods 0.000 claims description 8
- 230000005484 gravity Effects 0.000 claims description 7
- 230000000630 rising effect Effects 0.000 claims description 7
- 230000001133 acceleration Effects 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 6
- 230000035484 reaction time Effects 0.000 claims description 6
- 230000001174 ascending effect Effects 0.000 claims description 5
- 230000009471 action Effects 0.000 claims description 4
- 230000008878 coupling Effects 0.000 claims description 4
- 238000010168 coupling process Methods 0.000 claims description 4
- 238000005859 coupling reaction Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 239000008186 active pharmaceutical agent Substances 0.000 claims description 2
- 230000006870 function Effects 0.000 abstract description 8
- 238000012360 testing method Methods 0.000 abstract description 7
- 238000011835 investigation Methods 0.000 abstract description 4
- 230000007613 environmental effect Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/14—Adaptive cruise control
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
- B60W40/06—Road conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
- B60W40/06—Road conditions
- B60W40/068—Road friction coefficient
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
- B60W40/06—Road conditions
- B60W40/072—Curvature of the road
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
- B60W40/06—Road conditions
- B60W40/076—Slope angle of the road
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本发明公开了一种车路耦合作用下的自适应巡航行驶风险评估方法,步骤如下:获取自适应巡航车辆行驶工况信息,包括自适应巡航车辆状态信息与感知信息、道路线形条件与路面摩阻系数;建立考虑不同道路条件的车辆停车视距模型;考虑自适应巡航车辆制动工况条件下车辆碰撞、车辆滑移与侧偏事故发生可能性,建立行驶风险判别模型;在此基础上,考虑行驶风险潜在严重程度,建立行驶风险评估模型,得到当前道路条件下的自适应巡航行驶风险指数;设定行驶风险阈值,对面向自适应巡航的道路潜在危险路段进行实时识别与提前预警。本发明能够有效识别不同道路环境条件下的自适应巡航车辆行驶风险,为车辆自适应巡航功能测试及实际运营进行道路安全隐患排查。
Description
技术领域
本发明涉及一种车路耦合作用下的自适应巡航行驶风险评估方法,属于车辆行驶风险评估技术领域。
背景技术
自适应巡航控制(Adaptive Cruise Control,ACC)系统是现代车辆典型先进驾驶辅助系统(Advanced Driver Assistance Systems,ADAS)之一,其功能特征属于我国汽车驾驶自动化等级规定1级,即“部分驾驶辅助”。ACC基本原理是利用车载传感器感知自车及前向车辆的行驶状态,根据控制算法对驱/制动系统进行自动控制,使车辆在功能设计域(Operational Design Domain)内保持驾驶员期望的纵向运动状态,实现定速巡航或跟车行驶等功能。现阶段,ACC系统发展已经较为成熟,正逐步进行商业化生产与推广。
现有针对ACC系统研究重点仍然聚焦于本身控制算法的安全性与舒适性,但较少考虑系统在现实复杂道路交通场景中的适用性,即一般是假设在简单良好道路条件(如平直路段与干燥路面条件)下对算法进行评价分析与优化,缺乏将复杂道路条件(如弯道、弯坡路段与潮湿路面条件)作为其功能适用场景的考虑。道路交通系统是人-车-路-交通环境相互耦合的复杂系统,现有ACC系统研究的局限性将显著影响其在真实道路环境中的功能优势,甚至造成风险事故,如追尾碰撞、侧滑与侧偏等。
发明内容
本发明所要解决的技术问题是:提供一种车路耦合作用下的自适应巡航行驶风险评估方法,有助于有效识别不同道路环境条件下的自适应巡航车辆行驶风险,为自适应巡航系统功能设计域优化提供理论参考与技术支持,并为车辆自适应巡航功能测试及实际运营进行道路安全隐患排查。
本发明为解决上述技术问题采用以下技术方案:
一种车路耦合作用下的自适应巡航行驶风险评估方法,包括如下步骤:
步骤1,获取自适应巡航车辆行驶工况信息,包括自适应巡航车辆状态信息、自适应巡航车辆感知信息、道路线形条件信息以及路面摩阻系数;
步骤2,建立考虑不同道路条件的车辆停车视距模型;
步骤3,考虑自适应巡航车辆制动工况条件下车辆碰撞、车辆滑移与车辆侧偏发生可能性,建立行驶风险判别模型;
步骤4,基于步骤3得到的行驶风险判别模型,考虑行驶风险潜在严重程度,建立行驶风险评估模型,从而得到当前道路条件下的自适应巡航行驶风险指数;
步骤5,设定行驶风险指数阈值,将步骤4得到的行驶风险指数与行驶风险指数阈值作比较,对面向自适应巡航的道路潜在危险路段进行实时识别与提前预警。
作为本发明的一种优选方案,步骤1所述自适应巡航车辆状态信息包括自适应巡航车辆的行驶速度;所述自适应巡航车辆感知信息包括自适应巡航车辆的车辆中心距道路最外侧车道右侧边线横向距离、自适应巡航车辆前方跟随目标车的车辆中心距道路最外侧车道右侧边线横向距离、自适应巡航车辆与前方跟随目标车的相对距离、自适应巡航车辆与前方跟随目标车的相对速度以及自适应巡航车辆前方跟随目标车的制动意图;所述道路线形条件信息包括车道数、车道宽度、横坡坡度、纵坡坡度、弯道半径以及设计速度。
作为本发明的一种优选方案,所述步骤2的具体过程如下:
步骤21,将车辆制动过程划分为四个阶段:驾驶员感知反应阶段、制动间隙消除阶段、制动力上升阶段与完全制动阶段;
步骤22,根据上述阶段划分,则车辆停车视距SD通用运动学公式为:
S1=V0×t1
S2=V0×t2
式中:S1-S4分别为驾驶员感知反应阶段、制动间隙消除阶段、制动力上升阶段、完全制动阶段中车辆行驶方向制动距离;t1为驾驶员感知-制动反应时间;t2为制动间隙消除时间;t3为制动协调时间;V0为制动初速度;a为制动目标减速度;
步骤23,将道路条件根据弯道半径R、纵坡iL、横坡iH取值关系分为四种路段:当R=0、iL=0、iH=0时为平直路段,当R=0、iL>0、iH=0时为直坡路段,当R>0、iL=0、iH>0时为平弯路段,当R>0、iL>0、iH>0时为弯坡路段;
步骤24,根据上述道路条件划分,则各道路条件下制动目标减速度a公式为:
平直路段a为:
a=g×f
直坡路段a为:
a=g×(f±iL)
平弯路段a为:
弯坡路段a为:
式中:g为重力加速度;f为路面摩阻系数;iL为纵坡,iL=tanθL;iH为横坡,iH=tanθH;θL为纵坡坡度;θH为横坡坡度;RD为车辆行驶轨迹半径,n为车道数;B为车道宽度;xH为车辆中心距道路最外侧车道右侧边线横向距离;直坡路段和弯坡路段中,上坡均取+,下坡均取-;
步骤25,将各道路条件下的a代入SD通用运动学公式中得到不同道路条件的车辆停车视距模型。
作为本发明的一种优选方案,所述步骤3的具体过程如下:
步骤31,自适应巡航车辆制动工况条件下,自适应巡航车辆利用感知传感器获取前方跟随目标车的制动意图进行制动,即前方跟随目标车刹车灯亮起时进行制动,该工况下前方跟随目标车对应的车辆停车视距模型不包括驾驶员感知反应阶段与制动间隙消除阶段,即驾驶员感知-制动反应时间t1、制动间隙消除时间t2均取0;
步骤32,以碰撞裕度MC衡量前方跟随目标车与自适应巡航车辆碰撞可能性,公式为:
MC=(-DR+SDF)/SDL
式中:SDL为前方跟随目标车停车视距;SDF为自适应巡航车辆停车视距;DR为两车沿自适应巡航车辆行驶方向相对距离,当自适应巡航车辆位于平弯、弯坡路段时RD为车辆行驶轨迹半径,当自适应巡航车辆位于平直、直坡路段时DR=Ds;DS为自适应巡航车辆感知传感器感知前方跟随目标车相对距离;
步骤33,当车辆位于平弯、弯坡路段时,以车辆滑移安全裕度MS衡量自适应巡航车辆发生滑移的可能性,公式为:
式中:V0为制动初速度;g为重力加速度;iH为横坡;fH为横向摩阻系数;当自适应巡航车辆位于平直、直坡路段时,MS取0;
步骤34,以车辆侧偏安全裕度MD衡量自适应巡航车辆发生侧偏的可能性,公式为:
式中:B为车道宽度;xH为车辆中心距道路最外侧车道右侧边线横向距离;[]为取整符号;
步骤35,利用事故树分析法建立考虑自适应巡航车辆制动工况条件下车辆碰撞、车辆滑移与车辆侧偏的行驶风险判别模型,公式为:
P=1-(1-MC)(1-MS)(1-MD)
式中:P为自适应巡航车辆事故发生可能性。
作为本发明的一种优选方案,所述步骤4的具体过程如下:
步骤41,以自适应巡航车辆制动初速度V0与该道路路段设计速度VD的比值C评价自适应巡航车辆行驶风险潜在严重程度,公式为:
步骤42,建立行驶风险评估模型,公式为:
K=C×P
式中:K为行驶风险指数;
步骤43,将步骤1获取的自适应巡航车辆状态信息、自适应巡航车辆感知信息、道路线形条件信息以及路面摩阻系数代入行驶风险评估模型的参数中,得到当前自适应巡航行驶工况条件下的行驶风险指数。
作为本发明的一种优选方案,所述步骤5的具体过程如下:
步骤51,设定行驶风险指数阈值K0;
步骤52,对根据当前自适应巡航行驶工况条件得到的行驶风险指数与行驶风险指数阈值作差比较,得到行驶风险评估结果W,公式为:
当W=1时,输出安全信号,表明当前自适应巡航行驶工况条件下自适应巡航车辆行驶无危险;当W=0时,输出预警信号,表明当前自适应巡航行驶工况条件下自适应巡航车辆行驶有风险,驾驶员应立即接管车辆驾驶行为。
本发明采用以上技术方案与现有技术相比,具有以下技术效果:
本发明全面考虑不同道路线形及路面性能条件下的车辆停车视距模型,并基于此构建综合考虑自适应巡航车辆行驶碰撞事故、侧滑事故与侧偏事故风险的行驶风险评估模型,有效识别ACC车辆在实际道路环境下的潜在行驶风险,为自适应巡航功能设计域优化提供理论参考与技术支持。同时,利用本发明公开的方法得到的风险评估结果,能够反馈为车辆自适应巡航功能测试及实际运营进行道路安全隐患排查。
附图说明
图1是本发明一种车路耦合作用下的自适应巡航行驶风险评估方法的流程图。
图2是本发明中车辆制动各阶段制动减速度与时间的关系示意图。
图3是本发明中车辆制动各阶段行驶速度与时间的关系示意图。
图4是本发明中车辆制动各阶段制动距离与时间的关系示意图。
图5是本发明中平直路段车辆受力示意图。
图6是本发明中直坡上坡路段车辆受力示意图。
图7是本发明中直坡下坡路段车辆受力示意图。
图8是本发明中平弯路段车辆受力示意图。
图9是本发明中弯坡上坡路段车辆受力示意图。
图10是本发明中弯坡下坡路段车辆受力示意图。
图11是实施例中自适应巡航行驶工况虚拟仿真试验案例行驶风险指数与事故情况。
具体实施方式
下面详细描述本发明的实施方式,所述实施方式的示例在附图中示出。下面通过参考附图描述的实施方式是示例性的,仅用于解释本发明,而不能解释为对本发明的限制。
如图1所示,为本发明提出的一种车路耦合作用下的自适应巡航行驶风险评估方法,具体步骤如下:
(1)获取自适应巡航车辆行驶工况信息,包括自适应巡航车辆状态信息与感知信息、道路线形条件信息与路面摩阻系数;
其中,自适应巡航车辆状态信息包括自适应巡航车辆(即自车)的行驶速度,能够利用自车传感器获取实时信息;自适应巡航车辆感知信息包括自适应巡航车辆的车辆中心距道路最外侧车道右侧边线横向距离、自适应巡航车辆前方跟随目标车(即前车)的车辆中心距道路最外侧车道右侧边线横向距离、自适应巡航车辆与前方跟随目标车的相对距离、自适应巡航车辆与前方跟随目标车的相对速度以及自适应巡航车辆前方跟随目标车的制动意图,能够利用自车感知传感器获取;道路线形条件信息包括车道数、车道宽度、横坡坡度、纵坡坡度、弯道半径以及设计速度,能够利用车载导航地图或高精地图获取;路面摩阻系数能够通过《公路工程技术标准》(JTG B01-2014)等相关规定设定。
(2)建立考虑不同道路条件的车辆停车视距模型;具体方法为:
1)将车辆制动过程划分为:①驾驶员感知反应阶段、②制动间隙消除阶段、③制动力上升阶段与④完全制动阶段;
2)根据上述阶段划分,则车辆停车视距SD通用运动学公式为:
S1=V0×t1
S2=V0×t2
式中:S1~S4分别为上述阶段①~④中车辆行驶方向制动距离;t1为驾驶员感知-制动反应时间;t2为制动间隙消除时间;t3为制动协调时间;V0为制动初速度;a为制动目标减速度;
上述各阶段对应的制动减速度、行驶速度与制动距离与时间的图像如图2、3、4所示。
3)将道路条件根据弯道半径R、纵坡iL、横坡iH取值关系分为四种路段:当R=0、iL=0、iH=0时为平直路段,当R=0、iL>0、iH=0时为直坡路段,当R>0、iL=0、iH>0时为平弯路段,当R>0、iL>0、iH>0时为弯坡路段;
4)根据上述道路条件划分,则各道路条件下a公式为:
平直路段a(车辆受力情况如图5所示)为:
直坡路段a为(车辆受力情况分别如图6、7所示):
平弯路段a(车辆受力情况分别如图8所示)为:
弯坡路段a为(车辆受力情况分别如图9、10所示):
式中:G为车辆重力;N为路面支持力;FH为离心力;g为重力加速度;m为车辆质量;f为路面摩阻系数;fL为纵向摩阻系数;θL为纵坡坡度;θH为横坡坡度;θC为合成坡度;iL为纵坡(iL=tanθL);iH为横坡(iH=tanθH);RD为车辆行驶轨迹半径,n为车道数;B为车道宽度;xH为车辆中心距道路最外侧车道右侧边线横向距离;直坡路段和弯坡路段中,上坡均取+,下坡均取-;
其中,因θL、θH、θC均较小,则cosθL、cosθH、cosθC约等于1,sinθL≈tanθL=iL、sinθH≈tanθH=iH、sinθC≈tanθC=iC,且FH×iH、FH×iC与G相比均较小,可略去不计,则各道路条件下a公式简化为:
平直路段a为:
a=g×f
直坡路段a为:
a=g×(f±iL)
平弯路段a为:
弯坡路段a为:
式中:直坡路段和弯坡路段中,上坡均取+,下坡均取-;
5)将各道路条件下的a代入SD通用运动学公式中得到不同道路条件的车辆停车视距模型。
(3)考虑自适应巡航车辆制动工况条件下车辆碰撞、车辆滑移与侧偏事故发生可能性,建立行驶风险判别模型;具体方法为:
1)自适应巡航车辆制动工况描述:自车利用感知传感器获取前车制动意图(前车刹车灯亮起)进行制动,该工况前车停车视距不包括驾驶员感知反应阶段与制动间隙消除阶段,即SD公式中t1、t2取0;
2)车辆碰撞可能性:
以碰撞裕度(Margin to Collision)MC衡量前车与自车碰撞可能性,公式为:
MC=(-DR+SDF)/SDL
3)车辆滑移可能性:
当车辆位于平弯、弯坡路段时,考虑以车辆滑移安全裕度MS衡量自车发生滑移的可能性,公式为:
式中:fH为横向摩阻系数;
当车辆位于平直、直坡路段时,MS取0;
4)车辆侧偏可能性:
以车辆侧偏安全裕度MD衡量自车发生侧偏的可能性,公式为:
式中:[]为取整符号,即计算结果取整数部分;
5)行驶风险判别模型:
利用事故树分析法建立考虑自适应巡航车辆制动工况条件下车辆碰撞、车辆滑移与侧偏事故的行驶风险判别模型,事故失效模式间为串联关系,公式为:
P=1-(1-MC)(1-MS)(1-MD)
式中,P为自车事故发生可能性。
(4)基于步骤(3)得到的行驶风险判别模型,考虑行驶风险潜在严重程度,建立行驶风险评估模型,得到当前道路条件下的自适应巡航行驶风险指数;具体方法为:
1)行驶风险潜在严重程度建模:
以自车制动初速度V0与该道路路段设计速度VD的比值C评价自车行驶风险潜在严重程度,公式为:
2)行驶风险评估模型:
K=C×P
式中:K为行驶风险指数;
3)行驶风险指数
将步骤(1)中获取的自适应巡航车辆状态信息与感知信息、道路线形条件与路面摩阻系数代入行驶风险评估模型中的对应参数中,得到当前自适应巡航行驶工况条件下的行驶风险指数。
(5)设定行驶风险指数阈值,将步骤(4)得到的行驶风险指数与指数阈值作比较,对面向自适应巡航的道路潜在危险路段进行实时识别与提前预警;具体方法为:
首先,根据多次自适应巡航虚拟仿真试验得到的行驶风险指数设定合理行驶风险阈值K0;其次,对根据当前自适应巡航行驶工况条件得到的行驶风险指数与行驶风险阈值作差比较,得到行驶风险评估结果W,公式为:
其中,当W=1时,系统输出“安全”信号,表明当前自适应巡航行驶工况条件下自车行驶无危险;当W=0时,系统输出“预警”信号,表明当前自适应巡航行驶工况条件下自车行驶有风险,驾驶员应立即接管车辆驾驶行为。
本实施例为对自适应巡航车辆三个时刻行驶工况进行行驶风险评估,主要包括以下步骤:
(1)获取自适应巡航车辆行驶工况信息,包括自适应巡航车辆状态信息与感知信息、道路线形条件与路面摩阻系数;
获取三个制动工况时刻的自适应巡航车辆行驶工况信息,如表1所示:
表1自适应巡航车辆关键行驶工况信息
注:*相对速度值为前车行驶速度减自车行驶速度。
(2)建立考虑不同道路条件的车辆停车视距模型;
1)将车辆制动过程划分为四个阶段:驾驶员感知反应阶段、制动间隙消除阶段、制动力上升阶段与完全制动阶段;
2)根据上述阶段划分,则车辆停车视距SD通用运动学公式为:
S1=V0×t1
S2=V0×t2
式中:S1-S4分别为驾驶员感知反应阶段、制动间隙消除阶段、制动力上升阶段、完全制动阶段中车辆行驶方向制动距离;t1为驾驶员感知-制动反应时间;t2为制动间隙消除时间;t3为制动协调时间;V0为制动初速度;a为制动目标减速度;
3)将道路条件根据弯道半径R、纵坡iL、横坡iH取值关系分为四种路段:当R=0、iL=0、iH=0时为平直路段,当R=0、iL>0、iH=0时为直坡路段,当R>0、iL=0、iH>0时为平弯路段,当R>0、iL>0、iH>0时为弯坡路段;
4)根据上述道路条件划分,则各道路条件下制动目标减速度a公式为:
平直路段a为:
a=g×f
直坡路段a为:
a=g×(f±iL)
平弯路段a为:
弯坡路段a为:
式中:g为重力加速度;f为路面摩阻系数;iL为纵坡,iL=tanθL;iH为横坡,iH=tanθH;θL为纵坡坡度;θH为横坡坡度;RD为车辆行驶轨迹半径,n为车道数;B为车道宽度;xH为车辆中心距道路最外侧车道右侧边线横向距离;直坡路段和弯坡路段中,上坡均取+,下坡均取-;
5)将各道路条件下的a代入SD通用运动学公式中得到不同道路条件的车辆停车视距模型。
(3)考虑自适应巡航车辆制动工况条件下车辆碰撞、车辆滑移与侧偏事故发生可能性,建立行驶风险判别模型;
1)自适应巡航车辆制动工况描述:自车利用感知传感器获取前车制动意图(前车刹车灯亮起)进行制动,该工况前车停车视距不包括驾驶员感知反应阶段与制动间隙消除阶段,即SD公式中t1、t2取0。
2)车辆碰撞可能性:
首先,将表1中自适应巡航车辆行驶工况信息代入对应道路条件下的车辆停车视距模型中,分别得到三个时刻自车与前车停车视距,结果如表2所示:
表2自车与前车停车视距
时刻 | 7:00a.m. | 11:28a.m. | 3:17p.m. |
自车停车视距(m) | 66.0 | 92.4 | 112.5 |
前车停车视距(m) | 48.3 | 47.9 | 51.1 |
其中,表1中自车行驶速度作为自车V0输入值,前车V0取自车行驶速度与相对速度之和;自车t1、t2取默认值1.5s、0.05s,自车与前车t3根据《机动车运行安全技术条件》(GB7258—2012)并考虑安全性与经济性取默认值0.6s。
其次,计算三个时刻自车的MC,结果如表3所示:
表3自车与前车碰撞裕度MC
时刻 | 7:00a.m. | 11:28a.m. | 3:17p.m. |
M<sub>C</sub> | 0.90 | 0.89 | 1.07 |
3)车辆滑移可能性:
计算三个时刻自车的MS,结果如表4所示:
表4自车侧偏安全裕度MS
时刻 | 7:00a.m. | 11:28a.m. | 3:17p.m. |
M<sub>S</sub> | 0 | 0 | 0.11 |
其中,fH根据《公路工程技术标准》(JTG B01-2014)取0.6f=0.42。
4)车辆侧偏可能性:
计算三个时刻自车的MD,结果如表5所示:
表5自车侧偏安全裕度MD
时刻 | 7:00a.m. | 11:28a.m. | 3:17p.m. |
M<sub>D</sub> | 0 | 0 | 0.47 |
5)行驶风险判别模型:
计算三个时刻自车的P,结果如表6所示:
表6自车事故发生可能性P
时刻 | 7:00a.m. | 11:28a.m. | 3:17p.m. |
P | 0.90 | 0.89 | 1.03 |
(4)基于步骤(3)得到的行驶风险判别模型,考虑行驶风险潜在严重程度,建立行驶风险评估模型,得到当前道路条件下的自适应巡航行驶风险指数;
计算三个时刻自车的C、K,结果如表7所示:
表7自车行驶风险潜在严重程度C与行驶风险指数K
时刻 | 7:00a.m. | 11:28a.m. | 3:17p.m. |
C | 0.90 | 1.04 | 1.04 |
K | 0.81 | 0.92 | 1.08 |
(5)设定行驶风险指数阈值,将步骤(4)得到的行驶风险指数与指数阈值作比较,对面向自适应巡航的道路潜在危险路段进行实时识别与提前预警。
利用Prescan与CarSim联合仿真,针对自适应巡航行驶工况进行虚拟仿真试验,获取200个案例的自适应巡航行驶车辆关键行驶工况信息,利用本发明提供方法得到对应时刻的风险指数,并匹配自车行驶风险状态(如图11所示),设定行驶风险指数阈值为1。
计算三个时刻自车的W,结果如表8所示:
表8自车行驶风险评估结果W与系统输出信号
时刻 | 7:00a.m. | 11:28a.m. | 3:17p.m. |
W | 1 | 1 | 0 |
系统输出信号 | 安全 | 安全 | 预警 |
综上所述,本发明较全面考虑不同道路线形及路面性能条件下的车辆停车视距模型,并基于此构建综合考虑自适应巡航车辆行驶碰撞事故、侧滑事故与侧偏事故风险的行驶风险评估模型,有效识别自适应巡航车辆在实际道路环境下的潜在行驶风险,为自适应巡航功能设计域优化提供理论参考与技术支持。同时,利用本发明公开的方法得到的风险评估结果,能够反馈为车辆自适应巡航功能测试及实际运营进行道路安全隐患排查。
以上实施例仅为说明本发明的技术思想,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明保护范围之内。
Claims (4)
1.一种车路耦合作用下的自适应巡航行驶风险评估方法,其特征在于,包括如下步骤:
步骤1,获取自适应巡航车辆行驶工况信息,包括自适应巡航车辆状态信息、自适应巡航车辆感知信息、道路线形条件信息以及路面摩阻系数;
步骤2,建立考虑不同道路条件的车辆停车视距模型;具体过程如下:
步骤21,将车辆制动过程划分为四个阶段:驾驶员感知反应阶段、制动间隙消除阶段、制动力上升阶段与完全制动阶段;
步骤22,根据上述阶段划分,则车辆停车视距SD通用运动学公式为:
S1=V0×t1
S2=V0×t2
式中:S1-S4分别为驾驶员感知反应阶段、制动间隙消除阶段、制动力上升阶段、完全制动阶段中车辆行驶方向制动距离;t1为驾驶员感知-制动反应时间;t2为制动间隙消除时间;t3为制动协调时间;V0为制动初速度;a为制动目标减速度;
步骤23,将道路条件根据弯道半径R、纵坡iL、横坡iH取值关系分为四种路段:当R=0、iL=0、iH=0时为平直路段,当R=0、iL>0、iH=0时为直坡路段,当R>0、iL=0、iH>0时为平弯路段,当R>0、iL>0、iH>0时为弯坡路段;
步骤24,根据上述道路条件划分,则各道路条件下制动目标减速度a公式为:
平直路段a为:
a=g×f
直坡路段a为:
a=g×(f±iL)
平弯路段a为:
弯坡路段a为:
式中:g为重力加速度;f为路面摩阻系数;iL为纵坡,iL=tanθL;iH为横坡,iH=tanθH;θL为纵坡坡度;θH为横坡坡度;RD为车辆行驶轨迹半径,n为车道数;B为车道宽度;xH为车辆中心距道路最外侧车道右侧边线横向距离;直坡路段和弯坡路段中,上坡均取+,下坡均取-;
步骤25,将各道路条件下的a代入SD通用运动学公式中得到不同道路条件的车辆停车视距模型;
步骤3,考虑自适应巡航车辆制动工况条件下车辆碰撞、车辆滑移与车辆侧偏发生可能性,建立行驶风险判别模型;具体过程如下:
步骤31,自适应巡航车辆制动工况条件下,自适应巡航车辆利用感知传感器获取前方跟随目标车的制动意图进行制动,即前方跟随目标车刹车灯亮起时进行制动,该工况下前方跟随目标车对应的车辆停车视距模型不包括驾驶员感知反应阶段与制动间隙消除阶段,即驾驶员感知-制动反应时间t1、制动间隙消除时间t2均取0;
步骤32,以碰撞裕度MC衡量前方跟随目标车与自适应巡航车辆碰撞可能性,公式为:
MC=(-DR+SDF)/SDL
式中:SDL为前方跟随目标车停车视距;SDF为自适应巡航车辆停车视距;DR为两车沿自适应巡航车辆行驶方向相对距离,当自适应巡航车辆位于平弯、弯坡路段时RD为车辆行驶轨迹半径,当自适应巡航车辆位于平直、直坡路段时DR=DS;DS为自适应巡航车辆感知传感器感知前方跟随目标车相对距离;
步骤33,当车辆位于平弯、弯坡路段时,以车辆滑移安全裕度MS衡量自适应巡航车辆发生滑移的可能性,公式为:
式中:V0为制动初速度;g为重力加速度;iH为横坡;fH为横向摩阻系数;当自适应巡航车辆位于平直、直坡路段时,MS取0;
步骤34,以车辆侧偏安全裕度MD衡量自适应巡航车辆发生侧偏的可能性,公式为:
式中:B为车道宽度;xH为车辆中心距道路最外侧车道右侧边线横向距离;[]为取整符号;
步骤35,利用事故树分析法建立考虑自适应巡航车辆制动工况条件下车辆碰撞、车辆滑移与车辆侧偏的行驶风险判别模型,公式为:
P=1-(1-MC)(1-MS)(1-MD)
式中:P为自适应巡航车辆事故发生可能性;
步骤4,基于步骤3得到的行驶风险判别模型,考虑行驶风险潜在严重程度,建立行驶风险评估模型,从而得到当前道路条件下的自适应巡航行驶风险指数;
步骤5,设定行驶风险指数阈值,将步骤4得到的行驶风险指数与行驶风险指数阈值作比较,对面向自适应巡航的道路潜在危险路段进行实时识别与提前预警。
2.根据权利要求1所述车路耦合作用下的自适应巡航行驶风险评估方法,其特征在于,步骤1所述自适应巡航车辆状态信息包括自适应巡航车辆的行驶速度;所述自适应巡航车辆感知信息包括自适应巡航车辆的车辆中心距道路最外侧车道右侧边线横向距离、自适应巡航车辆前方跟随目标车的车辆中心距道路最外侧车道右侧边线横向距离、自适应巡航车辆与前方跟随目标车的相对距离、自适应巡航车辆与前方跟随目标车的相对速度以及自适应巡航车辆前方跟随目标车的制动意图;所述道路线形条件信息包括车道数、车道宽度、横坡坡度、纵坡坡度、弯道半径以及设计速度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011277121.2A CN112550284B (zh) | 2020-11-16 | 2020-11-16 | 一种车路耦合作用下的自适应巡航行驶风险评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011277121.2A CN112550284B (zh) | 2020-11-16 | 2020-11-16 | 一种车路耦合作用下的自适应巡航行驶风险评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112550284A CN112550284A (zh) | 2021-03-26 |
CN112550284B true CN112550284B (zh) | 2022-03-22 |
Family
ID=75042406
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011277121.2A Active CN112550284B (zh) | 2020-11-16 | 2020-11-16 | 一种车路耦合作用下的自适应巡航行驶风险评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112550284B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113415283B (zh) * | 2021-06-30 | 2022-05-13 | 东南大学 | 一种面向有条件自动驾驶的道路行驶风险评估方法 |
CN114781791B (zh) * | 2022-03-11 | 2023-09-29 | 山东高速建设管理集团有限公司 | 一种基于全息感知数据的高速服务区风险识别方法 |
CN114781157B (zh) * | 2022-04-20 | 2024-06-28 | 东南大学 | 考虑车道标线外观的智能驾驶目标车辆行驶安全评估方法 |
CN115158274B (zh) * | 2022-08-31 | 2022-11-29 | 四川省公路规划勘察设计研究院有限公司 | 基于货车制动重刹特性的长大纵坡危险路段识别方法 |
CN116494974B (zh) * | 2023-06-26 | 2023-08-25 | 北京理工大学 | 基于道路风险评估的自适应巡航控制方法、系统及设备 |
CN116740941A (zh) * | 2023-06-30 | 2023-09-12 | 山东理工大学 | 基于车路智联的弯道线形引导装置自适应动态调控方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101716047B1 (ko) * | 2015-09-21 | 2017-03-14 | 울산대학교 산학협력단 | 차량 충돌 회피 장치 및 방법 |
CN106503398A (zh) * | 2016-11-18 | 2017-03-15 | 合肥工业大学 | 一种基于车辆动力学仿真和事故树的公路立体线形安全评价方法 |
CN110414831A (zh) * | 2019-07-24 | 2019-11-05 | 清华大学 | 基于驾驶人认知视角的人车路耦合风险评估方法及装置 |
CN110488802A (zh) * | 2019-08-21 | 2019-11-22 | 清华大学 | 一种网联环境下的自动驾驶车辆动态行为决策方法 |
CN110491154A (zh) * | 2019-07-23 | 2019-11-22 | 同济大学 | 基于安全风险和距离的建议车速制定方法 |
CN111354225A (zh) * | 2020-03-03 | 2020-06-30 | 中交第一公路勘察设计研究院有限公司 | 一种高速公路车辆事故风险评估及预警干预方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10766489B2 (en) * | 2017-09-05 | 2020-09-08 | Arizona Board Of Regents On Behalf Of Arizona State University | Model predictive adaptive cruise control for reducing rear-end collision risk with follower vehicles |
-
2020
- 2020-11-16 CN CN202011277121.2A patent/CN112550284B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101716047B1 (ko) * | 2015-09-21 | 2017-03-14 | 울산대학교 산학협력단 | 차량 충돌 회피 장치 및 방법 |
CN106503398A (zh) * | 2016-11-18 | 2017-03-15 | 合肥工业大学 | 一种基于车辆动力学仿真和事故树的公路立体线形安全评价方法 |
CN110491154A (zh) * | 2019-07-23 | 2019-11-22 | 同济大学 | 基于安全风险和距离的建议车速制定方法 |
CN110414831A (zh) * | 2019-07-24 | 2019-11-05 | 清华大学 | 基于驾驶人认知视角的人车路耦合风险评估方法及装置 |
CN110488802A (zh) * | 2019-08-21 | 2019-11-22 | 清华大学 | 一种网联环境下的自动驾驶车辆动态行为决策方法 |
CN111354225A (zh) * | 2020-03-03 | 2020-06-30 | 中交第一公路勘察设计研究院有限公司 | 一种高速公路车辆事故风险评估及预警干预方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112550284A (zh) | 2021-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112550284B (zh) | 一种车路耦合作用下的自适应巡航行驶风险评估方法 | |
CN110155046B (zh) | 自动紧急制动分级控制方法与系统 | |
CN107406077B (zh) | 控制车队中的车辆之间间隙的方法 | |
CN103927895B (zh) | 一种基于车路/车车通讯的车辆弯道通行辅助系统 | |
US9205843B2 (en) | Deceleration factor estimating device and drive assisting device | |
CN105172791A (zh) | 一种智能自适应巡航控制方法 | |
CN111994068B (zh) | 一种基于智能轮胎触觉感知的智能驾驶汽车控制系统 | |
CN108765942B (zh) | 一种智能网联汽车弯道危险预警系统及方法 | |
CN106503398B (zh) | 一种基于车辆动力学仿真和事故树的公路立体线形安全评价方法 | |
KR20120130212A (ko) | 수막현상 자동 예방 방법 | |
CN106004873A (zh) | 一种基于v2x车联网的汽车弯道避撞与稳定性系统协调控制方法 | |
CN112884288B (zh) | 一种高速公路雨雾场景行车安全评估系统 | |
CN109583081B (zh) | 一种车辆行驶速度预测模型构建方法 | |
CN106394524A (zh) | 基于vanet无线短程通信的主动刹车方法 | |
CN109774709B (zh) | 一种紧急变道工况下车辆线控制动辅助安全系统及其控制方法 | |
CN113415283B (zh) | 一种面向有条件自动驾驶的道路行驶风险评估方法 | |
EP2810840B1 (en) | Decelerating factor-estimating device | |
CN110949399B (zh) | 一种针对轿车在公路桥梁通行时的横风预警方法 | |
CN111276009B (zh) | 对长下坡路段失控货车前后车辆进行提醒的系统及方法 | |
WO2013191621A1 (en) | Method and system for velocity adaptation during forward travel of a motor vehicle | |
CN115817471A (zh) | 智能网联汽车自适应巡航控制系统的安全距离计算方法 | |
Mavromatis et al. | Passing sight distance assessment through the interaction of road—Vehicle parameters | |
Wang et al. | Safe travelling speed of commercial vehicles on curves based on vehicle-road collaboration | |
Voevodin et al. | Reduction of accidents on public roads by increasing informativeness of drivers | |
CN116186850B (zh) | 一种小客车专用高速公路圆曲线最小半径确定方法 |
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 | ||
CB03 | Change of inventor or designer information |
Inventor after: Wang Shuyi Inventor after: Yu Bin Inventor after: Ma Yang Inventor after: Zhou Wen Inventor after: Liu Jinzhou Inventor before: Yu Bin Inventor before: Wang Shuyi Inventor before: Ma Yang Inventor before: Zhou Wen Inventor before: Liu Jinzhou |
|
CB03 | Change of inventor or designer information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |