CN113362601A - 一种基于智慧灯杆通讯技术的人车避撞控制方法及系统 - Google Patents
一种基于智慧灯杆通讯技术的人车避撞控制方法及系统 Download PDFInfo
- Publication number
- CN113362601A CN113362601A CN202110662544.4A CN202110662544A CN113362601A CN 113362601 A CN113362601 A CN 113362601A CN 202110662544 A CN202110662544 A CN 202110662544A CN 113362601 A CN113362601 A CN 113362601A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- intelligent
- intelligent automobile
- collision avoidance
- pedestrian
- 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
- 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
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
- G08G1/096877—Systems involving transmission of navigation instructions to the vehicle where the input to the navigation device is provided by a suitable I/O arrangement
-
- 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)
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及车路协同和交通安全技术领域,更具体地,涉及一种基于智慧灯杆通讯技术的人车避撞控制方法及系统,通过智慧灯杆获取行人状态值和智能汽车状态量,计算人车碰撞风险,对智能汽车使用分层控制,采用精度较低的模型设计智能汽车局部规划层控制器,用精度较高的模型设计智能汽车全局跟踪层控制器,综合控制器的控制性能和计算量,且能对跟踪路径进行优化,若存在碰撞风险则规划出既能避开行人又能使路径跟踪偏差最小的局部避撞路径进行跟踪,若无碰撞风险则跟踪全局参考路径,最终将跟踪的局部避撞路径或全局参考路径传递给智能汽车完成避撞。本发明能通过智慧灯杆规划计算智能汽车的最优避撞路径,同时降低车载端的计算量。
Description
技术领域
本发明涉及车路协同和交通安全技术领域,更具体地,涉及一种基于智慧灯杆通讯技术的人车避撞控制方法及系统。
背景技术
随着汽车保有量持续增加,道路交通安全问题日渐凸显,我国每年因交通事故造成的伤亡超过30万人。智能化是汽车未来发展趋势,智能汽车相对传统汽车在行人感知和主动安全具有优势,研究智能汽车的主动避撞技术,能更好的保障道路交通安全。交叉口人车碰撞场景是交通事故中的典型场景,此场景下人车碰撞事故数量占事故总数的比例接近20%,特别在交叉口等经常存在视野遮挡的区域,驾驶员面对突然横穿交叉口的行人若无法快速做出反应,发生事故的风险极大。
中国专利CN201810162820.9公开了一种车辆安全通行系统及方法,包括:道路周围环境感知系统,用于实时获取道路周围环境的感知信息,对感知信息进行处理以得到车辆行驶辅助信息,并将车辆行驶辅助信息发送给车载终端;车载终端,用于接收车辆行驶辅助信息,并根据车辆行驶辅助信息和自车采集的信息规划行驶轨迹,此方案通过扫描获取道路中各种参与者的信息,为具有V2X接收装置的汽车充分提供附近道路环境信息,车载终端根据所述车辆行驶辅助信息和自车采集的信息规划行驶轨迹,车载终端计算量大,且规划的行使轨迹不能确定是否为最优行使轨迹。
发明内容
本发明的目的在于克服现有技术的不足,提供一种基于智慧灯杆通讯技术的人车避撞控制方法及系统,通过智慧灯杆规划计算智能汽车的最优避撞路径,同时降低车载端的计算量。
为解决上述技术问题,本发明采用的技术方案是:
提供一种基于智慧灯杆通讯技术的人车避撞控制方法,包括以下步骤:
S1:通过智慧灯杆获取行人状态值和智能汽车的状态量,并构建碰撞风险评价函数;
S2:建立智能汽车局部规划层动力学模型与智能汽车全局跟踪层动力学模型;
S3:基于智能汽车局部规划层动力学模型设计智能汽车局部规划层控制器,基于智能汽车全局跟踪层动力学模型设计智能汽车全局跟踪层控制器;
S4:评估人车碰撞风险,若存在碰撞风险则由所述智能汽车局部规划层控制器规划出局部避撞路径,并由所述智能汽车全局跟踪层控制器跟踪;,若无碰撞风险则由所述智能汽车全局跟踪层控制器跟踪全局参考路径,并将跟踪的局部避撞路径或全局参考路径传递给智能汽车,由智能汽车完成避撞。
本发明的基于智慧灯杆通讯技术的人车避撞控制方法,通过路侧的智慧灯杆获取行人状态值和智能汽车状态量,计算人车碰撞风险,处理碰撞风险信息过程中,对智能汽车使用分层控制策略,可采用精度较低的模型设计智能汽车局部规划层控制器,用精度较高的模型设计智能汽车全局跟踪层控制器,综合控制器的控制性能和计算量,且能对局部避撞路径进行优化,若存在碰撞风险则智能汽车局部规划层控制器规划出既能避开行人又能使路径跟踪偏差最小的局部避撞路径进行跟踪,若无碰撞风险则由智能汽车全局跟踪层控制器跟踪全局参考路径,最终将跟踪的局部避撞路径或全局参考路径传递给智能汽车,完成智能汽车避撞。本发明的基于智慧灯杆通讯技术的人车避撞控制方法能通过智慧灯杆规划计算智能汽车的最优避撞路径,同时降低车载端的计算量。
优选地,步骤S1中,行人状态值包括行人的位置与速度,行人状态值可用于预测行人的轨迹。
优选地,步骤S1中,智能汽车的状态量包括:智能汽车质心坐标系下的纵向位移x、横向位移y、纵向速度ux和横向速度uy,全局坐标系下智能汽车的横向位移Y、纵向位移X、纵向速度Ux、横向速度Uy、汽车横摆角θ1、汽车航向角θ2、前轮转向角θ3,智能汽车的状态量可用于预测智能汽车的轨迹。
优选地,步骤S1中,所述碰撞风险评价函数按以下步骤构建:
S11:假设通过交叉口的智能汽车的质心坐标为(x0,y0),横穿交叉口的行人的坐标为(xp,yp),假设行人为质点,在考虑车宽时,以碰撞剩余时间TTC为参考,可获得行人与智能汽车碰撞的时间条件为:
式中,s为智能汽车的宽度;
S12:考虑到除正常步行行人外,还有少量事故行人的运动状态为奔跑,此类事故行人相对于正常步行行人拥有更大的活动区域,故将行人由质点放大为矩形障碍物,碰撞条件可改写为:
式中,sp为放大后的行人矩形活动区域宽度,行人矩形活动区域各边界点坐标为(xN,yN),N=1,2,3,4,5,6;
S13:根据行人与智能汽车的运动轨迹特征与碰撞剩余时间TTC,汽车智能汽车质心坐标系下,将放大后的行人距离智能汽车质心最近点定义为(xi,yi),可构建碰撞风险评价函数Jr,i:
式中,Sr为安全系数,ur为智能汽车与行人的相对速度,Dst为安全距离函数,Dst的计算如下:
式中,ε为无穷小的正数,用以保证智能汽车质心和放大后的行人最近点的距离不为0。
优选地,步骤S2中,所述智能汽车局部规划层动力模型为点质量模型,表示为:
式中,x和y分别为智能汽车质心坐标系下汽车的纵向位移和横向位移,ux和uy分别为智能汽车质心坐标系下的纵向速度和横向速度,θ1和θ2分别为全局坐标系下的汽车横摆角和汽车航向角,Ux和Uy分别为全局坐标系下汽车的纵向速度和横向速度,ay为智能汽车的侧向加速度。
优选地,步骤S2中,所述智能汽车全局规划层动力模型为单轨模型,表示为:
式中,Y为智能汽车在全局坐标系下的横向位移,X为智能汽车在全局坐标系下的纵向位移,θ3为前轮转向角,和分别为前轮的纵向刚度和后轮的纵向刚度,Ca1和Ca2分别为线性化后的前轮的侧向刚度及线性化后的后轮的侧向刚度,l1为智能汽车质心到前轴的距离,l2为智能汽车质心到后轴的距离,s1为前轮轮胎的滑移率,s2为后轮轮胎的滑移率,Iz为智能汽车的转动惯量。
优选地,步骤S3中,存在人车碰撞风险时,以欧拉法对点质量模型公式作离散处理设计智能汽车局部规划层控制器:
式中,k为离散采样时刻,T为离散采样周期;
为保证侧向力不超过轮胎附着极限,加入附着系数μ对侧向加速度ay进行约束:
|ay|<μg
式中,g为重力加速度;
则存在人车碰撞风险时规划的局部避撞路径为:
式中,η为系统输出,ηref为系统参考输出,Q和R为权重矩阵,Np为预测时域。
优选地,步骤S3中,智能汽车全局跟踪层控制器按下述步骤进行设计:从单轨模型中选取智能汽车的状态量ξ=[uy,ux,θ2,θ2′,Y,X]T,控制量u=θ3,可得状态方程:
ξ′=f(ξ,u)
为保证智能汽车全局路径跟踪的实时性,对所述状态方程作线性化处理,再对线性化处理后的状态方程进行离散处理,得到以下路径进行跟踪:
式中,Δu为控制量增量。
优选地,步骤S3中:存在碰撞风险时,为使规划的局部避撞路径既能避开行人又能使路径跟踪偏差最小,智能汽车局部规划层控制器需要完成以下优化任务:
式中,Ut为控制时间;
优化后的局部避撞路径由离散的点组成,采用多项式拟合作为拟合曲线对局部避撞路径在全局坐标系下的纵向坐标进行拟合,得到最优避撞路径:
式中,c为多项式系数;
无碰撞风险时,跟踪以下路径:
minJ(η(k),u(k),Δu(k))。
本发明还提供一种基于智慧灯杆通讯技术的人车避撞控制系统,用于执行上述的基于智慧灯杆通讯技术的人车避撞控制方法,包括设于智慧灯杆的感知系统、数据系统、计算系统和灯杆通讯系统及设于智能汽车的车载通讯系统和车载控制系统,所述感知系统、灯杆通讯系统和计算系统均与所述数据系统连接,所述计算系统与所述灯杆通讯系统连接,所述车载控制系统和灯杆通讯系统均与所述车载通讯系统连接,所述感知系统用于获取行人状态值,所述灯杆通讯系统可用于接收车载通讯模块传输的智能汽车的状态量,所述数据系统用于处理智慧灯杆内部数据,所述计算系统用于计算碰撞风险和对智能汽车局部避撞路径和全局参考路径进行规划计算,所述车载通讯系统可用于接收灯杆通讯系统传输的指令,所述车载控制系统与所述车载通讯系统连接,用于根据所述指令控制智能汽车完成避撞。
本发明的基于智慧灯杆通讯技术的人车避撞控制系统,感知系统获取行人状态值及灯杆通讯系统从车载通讯系统获取的智能汽车状态量,在数据系统中进行传输、存储和转换后,在计算系统中进行计算碰撞风险并规划计算最优局部避撞路径和全局参考路径,通过灯杆通讯系统将跟踪路径指令发送至车载通讯系统,车载控制系统根据指令控制汽车完成避撞。本发明由设置在智慧灯杆的计算系统完成碰撞风险的计算和最优避撞路径的规划计算,降低了车载端的计算量。
本发明的基于智慧灯杆通讯技术的人车避撞控制方法及系统与背景技术相比,产生的有益效果为:
通过智慧灯杆规划计算智能汽车的最优避撞路径,同时降低车载端的计算量。
附图说明
图1为实施例一中基于智慧灯杆通讯技术的人车避撞控制方法的流程图;
图2为实施例一中局部避撞控制的逻辑图;
图3为实施例二中除交叉口场景外的的一般交通场景的避撞控制逻辑图;
图4为实施例三中基于智慧灯杆通讯技术的人车避撞控制系统的原理框图。
具体实施方式
下面结合具体实施方式对本发明作进一步的说明。
实施例一
如图1、图2所示所示,一种基于智慧灯杆通讯技术的人车避撞控制方法,包括以下步骤:
S1:通过智慧灯杆获取行人状态值并构建碰撞风险评价函数;
S2:建立智能汽车局部规划层动力学模型与智能汽车全局跟踪层动力学模型;
S3:基于智能汽车局部规划层动力学模型设计智能汽车局部规划层控制器,基于智能汽车全局跟踪层动力学模型设计智能汽车全局跟踪层控制器;
S4:评估人车碰撞风险,若存在碰撞风险,则智能汽车局部规划层控制器规划出局部避撞路径,并由智能汽车全局跟踪层控制器跟踪;若无碰撞风险则由智能汽车全局跟踪层控制器跟踪全局参考路径,并将跟踪的局部避撞路径或全局参考路径传递给智能汽车,由智能汽车完成避撞。
上述的基于智慧灯杆通讯技术的人车避撞控制方法,通过路侧的智慧灯杆获取行人状态值和智能汽车状态量,计算人车碰撞风险,处理碰撞风险信息过程中,对智能汽车使用分层控制策略,可采用精度较低的模型设计智能汽车局部规划层控制器,用精度较高的模型设计智能汽车全局跟踪层控制器,综合控制器的控制性能和计算量,且能对局部避撞路径进行优化,若存在碰撞风险则智能汽车局部规划层控制器规划出既能避开行人又能使路径跟踪偏差最小的局部避撞路径进行跟踪,若无碰撞风险则由智能汽车全局跟踪层控制器跟踪全局参考路径,最终将跟踪的局部避撞路径或全局参考路径传递给智能汽车,完成智能汽车避撞。本发明的基于智慧灯杆通讯技术的人车避撞控制方法能通过智慧灯杆规划计算智能汽车的最优避撞路径,同时降低车载端的计算量。
步骤S1中,行人状态值包括行人的位置与速度,行人状态值可用于预测行人的轨迹。
步骤S1中,智能汽车的状态量包括:智能汽车质心坐标系下的纵向位移x、横向位移y、纵向速度ux和横向速度uy,全局坐标系下智能汽车的横向位移Y、纵向位移X、纵向速度Ux、横向速度Uy、汽车横摆角θ1、汽车航向角θ2、前轮转向角θ3,智能汽车的状态量可用于预测智能汽车的轨迹。
步骤S1中,碰撞风险评价函数按以下步骤构建:
S11:假设通过交叉口的智能汽车的质心坐标为(x0,y0),横穿交叉口的行人的坐标为(xp,yp),假设行人为质点,在考虑车宽时,以碰撞剩余时间TTC为参考,可获得行人与智能汽车碰撞的时间条件为:
式中,s为智能汽车的宽度;
S12:考虑到除正常步行行人外,还有少量事故行人的运动状态为奔跑,此类事故行人相对于正常步行行人拥有更大的活动区域,故将行人由质点放大为矩形障碍物,碰撞条件可改写为:
式中,sp为放大后的行人矩形活动区域宽度,行人矩形活动区域各边界点坐标为(xN,yN),N=1,2,3,4,5,6;
S13:根据行人与智能汽车的运动轨迹特征与碰撞剩余时间TTC,汽车智能汽车质心坐标系下,将放大后的行人距离智能汽车质心最近点定义为(xi,yi),可构建碰撞风险评价函数Jr,i:
式中,Sr为安全系数,ur为智能汽车与行人的相对速度,Dst为安全距离函数,Dst的计算如下:
式中,ε为无穷小的正数,用以保证智能汽车质心和放大后的行人最近点的距离不为0。
结合步骤S11、S12和S13,智能汽车只需对存在碰撞风险的行人执行避撞,在行人存在碰撞风险的情况下,行人与智能汽车的距离越近、相对速度越大,碰撞的风险越大。
步骤S2中,智能汽车局部规划层动力模型为点质量模型,表示为:
式中,x和y分别为智能汽车质心坐标系下汽车的纵向位移和横向位移,ux和uy分别为智能汽车质心坐标系下的纵向速度和横向速度,θ1和θ2分别为全局坐标系下的汽车横摆角和汽车航向角,Ux和Uy分别为全局坐标系下汽车的纵向速度和横向速度,ay为智能汽车的侧向加速度。
智能汽车全局规划层动力模型为单轨模型,表示为:
式中,Y为智能汽车在全局坐标系下的横向位移,X为智能汽车在全局坐标系下的纵向位移,θ3为前轮转向角,和分别为前轮的纵向刚度和后轮的纵向刚度,Ca1和Ca2分别为线性化后的前轮的侧向刚度及线性化后的后轮的侧向刚度,l1为智能汽车质心到前轴的距离,l2为智能汽车质心到后轴的距离,s1为前轮轮胎的滑移率,s2为后轮轮胎的滑移率,Iz为智能汽车的转动惯量。
步骤S3中,存在人车碰撞风险时,在智能汽车局部规划层控制器设计中,通常需要对高自由度非线性汽车动力学模型作线性处理,以减少计算量,但点质量动力学模型自由度低,只以欧拉法对点质量模型公式作离散处理设计智能汽车局部规划层控制器:
式中,k为离散采样时刻,T为离散采样周期;
为保证侧向力不超过轮胎附着极限,加入附着系数μ对侧向加速度ay进行约束:
|ay|<μg
式中,g为重力加速度;
则存在人车碰撞风险时规划的局部避撞路径为:
式中,η为系统输出,ηref为系统参考输出,Q和R为权重矩阵,Np为预测时域。
为跟踪全局参考路径和局部避撞路径,智能汽车全局跟踪层控制器按下述步骤进行设计:
从单轨模型中选取智能汽车的状态量ξ=[uy,ux,θ2,θ2′,Y,X]T,控制量u=θ3,可得状态方程:
ξ′=f(ξ,u)
为保证智能汽车全局路径跟踪的实时性,对所述状态方程作线性化处理,智能汽车动力学模型是基于前轮小偏角和轮胎线性化假设建立,加上对舒适性和平稳性的考虑,设计智能汽车全局跟踪层控制器时需要针对附着条件、质心侧偏角和前轮侧偏角进行约束,附着条件约束和智能汽车局部规划层控制器相同,质心侧偏角约束小依据不同路况选择,在附着条件好时取±12°,附着条件差时取±2.5°;前轮侧偏角取±2.5°,再对线性化处理后的状态方程进行离散处理,得到以下路径进行跟踪:
式中,Δu为控制量增量。
存在碰撞风险时,为使规划的局部避撞路径既能避开行人又能使路径跟踪偏差最小,智能汽车局部规划层控制器需要完成以下优化任务:
式中,Ut为控制时间;
该优化任务为标准的二次型凸优化问题,可使用内点法进行快速求解,求解过程中定义最优序列中的首项为控制输入,迭代至下一周期;
优化后的局部避撞路径由离散的点组成,需要对离散的路径点进行拟合,采用多项式拟合作为拟合曲线对局部避撞路径在全局坐标系下的纵向坐标进行拟合,得到最优避撞路径:
式中,c为多项式系数;
无碰撞风险时,跟踪以下路径:
minJ(η(k),u(k),Δu(k))
本实施例能通过智慧灯杆获取智能汽车状态量及横穿交叉口的行人状态值,弥补智能汽车识别感应器对感知盲区主动避撞控制的不足;并对智能汽车进行分层控制,采用精度较低的模型设计智能汽车局部规划层控制器,采用精度较高的模型设计智能汽车全局规划层控制器,兼顾控制器的控制性能和计算量,计算人车碰撞风险并规划计算局部避撞路径和全局参考路径,且能在满足平稳性和舒适性的动力学约束时,将优化的最优局部避撞路径或最优全局参考路径传递至智能汽车进行跟踪,智能汽车根据跟踪路径完成避撞操作。
实施例二
本实施例与实施例一类似,所不同之处在于,为除交叉口场景外的一般交通场景的人车避撞控制方法,如图3所示,智慧灯杆获取行人状态值和智能汽车状态量以计算行人与智能汽车的纵向距离并判断是否小于安全距离,并将判断结果通过V2X模块传递至智能汽车,当行人与智能汽车的纵向距离小于安全距离时,由于此场景相对交叉口复杂度更低,因此无需使用主动紧急转向避撞方法,使用制动或减速即可规避可能到来的碰撞事故。
实施例三
一种基于智慧灯杆通讯技术的人车避撞控制系统,用于执行实施例一中基于智慧灯杆通讯技术的人车避撞控制方法,如图4所示,包括设于智慧灯杆的感知系统、数据系统、计算系统和灯杆通讯系统及设于智能汽车的车载通讯系统和车载控制系统,感知系统、灯杆通讯系统和计算系统均与数据系统连接,计算系统与灯杆通讯系统连接,车载控制系统和灯杆通讯系统均与车载通讯系统连接,感知系统用于获取行人状态值,灯杆通讯系统可用于接收车载通讯模块传输的智能汽车的状态量,数据系统用于处理智慧灯杆内部数据,计算系统用于计算碰撞风险和对智能汽车局部避撞路径和全局参考路径进行规划计算,车载通讯系统可用于接收灯杆通讯系统传输的指令,车载控制系统与车载通讯系统连接,用于根据指令控制智能汽车完成避撞。
上述的基于智慧灯杆通讯技术的人车避撞控制系统,感知系统获取行人状态值及灯杆通讯系统从车载通讯系统获取的智能汽车状态量,在数据系统中进行传输、存储和转换后,在计算系统中进行计算碰撞风险并规划计算最优局部避撞路径和全局参考路径,通过灯杆通讯系统将跟踪路径指令发送至车载通讯系统,车载控制系统根据指令控制汽车完成避撞。当行人在存在遮挡的情况下横穿马路,汽车视野内无行人,可通过智慧灯杆对行人状态值进行感知,弥补智能汽车识别感应器对感知盲区主动避撞控制的不足,本发明由设置在智慧灯杆的计算系统完成碰撞风险的计算和最优避撞路径的规划计算,降低了车载端的计算量。
感知系统可包括摄像头、激光雷达和毫米波雷达等其他感知设备及其组合,用于对道路周围环境进行感知获取行人状态值,灯杆通讯系统包括V2X无线传输模块,车载通讯系统包括车载通讯模块,V2X无线传输模块与车载通讯模块双向通信,V2X无线传输模块接收从车载通讯模块传输的智能汽车状态量,数据系统包括数据转换模块与中央处理器,计算系统包括数据计算模块,车载控制系统包括与车载通讯模块连接的电子控制模块,感知系统和通讯系统分别将行人状态值和智能汽车状态量传输至数据转换模块进行数据转换,通过中央处理器进行存储并传输至数据计算模块计算人车碰撞风险和规划计算局部避撞路径和全局参考路径,数据计算模块将计算结果通过V2X无线传输模块传输至车载通讯模块,进而传递至电子控制模块,电子控制模块控制智能汽车完成避撞。
在上述具体实施方式的具体内容中,各技术特征可以进行任意不矛盾的组合,为使描述简洁,未对上述各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (10)
1.一种基于智慧灯杆通讯技术的人车避撞控制方法,其特征在于,包括以下步骤:
S1:通过智慧灯杆获取行人状态值和智能汽车的状态量,并构建碰撞风险评价函数;
S2:建立智能汽车局部规划层动力学模型与智能汽车全局跟踪层动力学模型;
S3:基于智能汽车局部规划层动力学模型设计智能汽车局部规划层控制器,基于所述智能汽车全局跟踪层动力学模型设计智能汽车全局跟踪层控制器;
S4:评估人车碰撞风险,若存在碰撞风险,则智能汽车局部规划层控制器规划出局部避撞路径,并由智能汽车全局跟踪层控制器进行跟踪;若无碰撞风险则由智能汽车全局跟踪层控制器跟踪全局参考路径,并将跟踪的局部避撞路径或全局参考路径传递给智能汽车,由智能汽车完成避撞。
2.根据权利要求1所述的基于智慧灯杆通讯技术的人车避撞控制方法,其特征在于,步骤S1中,行人状态值包括行人的位置与速度,行人状态值可用于预测行人的轨迹。
3.根据权利要求2所述的基于智慧灯杆通讯技术的人车避撞控制方法,其特征在于,步骤S1中,智能汽车的状态量包括:智能汽车质心坐标系下的纵向位移x、横向位移y、纵向速度ux和横向速度uy,全局坐标系下智能汽车的横向位移Y、纵向位移X、纵向速度Ux、横向速度Uy、汽车横摆角θ1、汽车航向角θ2、前轮转向角θ3,智能汽车的状态量可用于预测智能汽车的轨迹。
4.根据权利要求3所述的基于智慧灯杆通讯技术的人车避撞控制方法,其特征在于,步骤S1中,所述碰撞风险评价函数按以下步骤构建:
S11:假设通过交叉口的智能汽车的质心坐标为(x0,y0),横穿交叉口的行人的坐标为(xp,yp),假设行人为质点,在考虑车宽时,以碰撞剩余时间TTC为参考,可获得行人与智能汽车碰撞的时间条件为:
式中,s为智能汽车的宽度;
S12:考虑到除正常步行行人外,还有少量事故行人的运动状态为奔跑,此类事故行人相对于正常步行行人拥有更大的活动区域,故将行人由质点放大为矩形障碍物,碰撞条件可改写为:
式中,sp为放大后的行人矩形活动区域宽度,行人矩形活动区域各边界点坐标为(xN,yN),N=1,2,3,4,5,6;
S13:根据行人与智能汽车的运动轨迹特征与碰撞剩余时间TTC,汽车智能汽车质心坐标系下,将放大后的行人距离智能汽车质心最近点定义为(xi,yi),可构建碰撞风险评价函数Jr,i:
式中,Sr为安全系数,ur为智能汽车与行人的相对速度,Dst为安全距离函数,Dst的计算如下:
式中,ε为无穷小的正数,用以保证智能汽车质心和放大后的行人最近点的距离不为0。
10.一种基于智慧灯杆通讯技术的人车避撞控制系统,用于执行权利要求1~9任一项所述的基于智慧灯杆通讯技术的人车避撞控制方法,其特征在于,包括设于智慧灯杆的感知系统、数据系统、计算系统和灯杆通讯系统及设于智能汽车的车载通讯系统和车载控制系统,所述感知系统、灯杆通讯系统和计算系统均与所述数据系统连接,所述计算系统与所述灯杆通讯系统连接,所述车载控制系统和灯杆通讯系统均与所述车载通讯系统连接,所述感知系统用于获取行人状态值,所述灯杆通讯系统可用于接收车载通讯模块传输的智能汽车的状态量,所述数据系统用于处理智慧灯杆内部数据,所述计算系统用于计算碰撞风险和对智能汽车局部避撞路径和全局参考路径进行规划计算,所述车载通讯系统可用于接收灯杆通讯系统传输的指令,所述车载控制系统与所述车载通讯系统连接,用于根据所述指令控制智能汽车完成避撞。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110662544.4A CN113362601A (zh) | 2021-06-15 | 2021-06-15 | 一种基于智慧灯杆通讯技术的人车避撞控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110662544.4A CN113362601A (zh) | 2021-06-15 | 2021-06-15 | 一种基于智慧灯杆通讯技术的人车避撞控制方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113362601A true CN113362601A (zh) | 2021-09-07 |
Family
ID=77534291
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110662544.4A Pending CN113362601A (zh) | 2021-06-15 | 2021-06-15 | 一种基于智慧灯杆通讯技术的人车避撞控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113362601A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104217615A (zh) * | 2014-09-16 | 2014-12-17 | 武汉理工大学 | 一种基于车路协同的行人防碰撞系统和方法 |
CN110322729A (zh) * | 2019-08-01 | 2019-10-11 | 公安部交通管理科学研究所 | 基于v2x交通安全动态信息实时发布方法及系统 |
CN111243274A (zh) * | 2020-01-20 | 2020-06-05 | 陈俊言 | 面向非网联交通个体的道路碰撞预警系统及方法 |
-
2021
- 2021-06-15 CN CN202110662544.4A patent/CN113362601A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104217615A (zh) * | 2014-09-16 | 2014-12-17 | 武汉理工大学 | 一种基于车路协同的行人防碰撞系统和方法 |
CN110322729A (zh) * | 2019-08-01 | 2019-10-11 | 公安部交通管理科学研究所 | 基于v2x交通安全动态信息实时发布方法及系统 |
CN111243274A (zh) * | 2020-01-20 | 2020-06-05 | 陈俊言 | 面向非网联交通个体的道路碰撞预警系统及方法 |
Non-Patent Citations (1)
Title |
---|
潘洺铭: "智能汽车对无信号交叉口行人的避撞控制", 《交通信息与安全》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113386795B (zh) | 一种自动驾驶车辆智能决策及局部轨迹规划方法及其决策系统 | |
CN110187639B (zh) | 一种基于参数决策框架的轨迹规划控制方法 | |
US11648946B2 (en) | Intelligent vehicle platoon lane change performance evaluation method | |
CN110471408B (zh) | 基于决策过程的无人驾驶车辆路径规划方法 | |
CN110703754B (zh) | 一种自动驾驶车辆路径与速度高度耦合的轨迹规划方法 | |
CN111361564B (zh) | 一种考虑效益最大化的车道变更系统及综合决策方法 | |
US20210325197A1 (en) | Vehicle control apparatus | |
EP3663153A1 (en) | Vehicle control device | |
CN111422197A (zh) | 一种考虑智能车群流量的智能驾驶车辆主动换道系统 | |
EP3663152A1 (en) | Vehicle control device | |
CN112896188B (zh) | 一种考虑前车遭遇的自动驾驶决策控制的系统 | |
CN102139696A (zh) | 疏堵 | |
EP3666612A1 (en) | Vehicle control device | |
CN111439261B (zh) | 一种用于智能车群主动换道功能的车流量计算系统 | |
CN114379583B (zh) | 一种基于神经网络动力学模型的自动驾驶车辆轨迹跟踪系统及方法 | |
CN114043984B (zh) | 一种基于车联网环境下的智能汽车换道控制系统和方法 | |
CN113954827B (zh) | 一种考虑定位误差和通信时延的交叉口车辆碰撞概率计算方法及系统 | |
Gupta et al. | Multi-sensor fusion in autonomous heavy vehicles | |
US11851092B1 (en) | Positional gaps for driver controllability | |
CN115140048B (zh) | 一种自动驾驶行为决策与轨迹规划模型与方法 | |
Zhang et al. | Automated braking decision and control for pedestrian collision avoidance based on risk assessment | |
CN113362601A (zh) | 一种基于智慧灯杆通讯技术的人车避撞控制方法及系统 | |
CN211995540U (zh) | 一种考虑效益最大化的车道变更系统 | |
CN114889589A (zh) | 一种智能汽车转向与制动协同避撞控制系统及方法 | |
Zhu et al. | Trajectory planning algorithm using Gauss pseudo-spectral method based on vehicle-infrastructure cooperative 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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210907 |
|
RJ01 | Rejection of invention patent application after publication |