CN113370980B - 极限工况下车辆失稳与碰撞综合风险评估方法及装置 - Google Patents
极限工况下车辆失稳与碰撞综合风险评估方法及装置 Download PDFInfo
- Publication number
- CN113370980B CN113370980B CN202110934200.4A CN202110934200A CN113370980B CN 113370980 B CN113370980 B CN 113370980B CN 202110934200 A CN202110934200 A CN 202110934200A CN 113370980 B CN113370980 B CN 113370980B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- risk
- instability
- collision
- comprehensive
- 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
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, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/095—Predicting travel path or likelihood of collision
- B60W30/0953—Predicting travel path or likelihood of collision the prediction being responsive to vehicle dynamic parameters
-
- 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, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/095—Predicting travel path or likelihood of collision
- B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
-
- 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
- B60W40/064—Degree of grip
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0043—Signal treatments, identification of variables or parameters, parameter estimation or state estimation
-
- 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请涉及智能车应用技术领域,特别涉及一种极限工况下车辆失稳与碰撞综合风险评估方法及装置,其中,方法包括:采集车辆操纵信息、道路信息和所在环境中多类道路使用者动静态信息;基于车辆操纵信息、道路信息以及动静态信息,确定车辆失稳风险等级和车辆碰撞风险等级;参照车辆失稳风险等级和车辆碰撞风险等级,评估极限工况下车辆于驾驶人和道路环境综合作用下的行车综合风险。本申请实施例可以基于车辆动力学失稳与碰撞两种不同时间尺度的行车风险对行车综合风险进行评估,突破了行车综合风险评估中的多尺度问题,实现极限工况下车辆失稳与碰撞综合风险态势感知,保证极限工况下车辆风险评估的准确性和可靠性,提升行车安全性。
Description
技术领域
本申请涉及智能车应用技术领域,特别涉及一种极限工况下车辆失稳与碰撞综合风险评估方法及装置。
背景技术
目前,造成重大伤亡的交通事故往往发生在极限工况,极限工况下车辆不仅面临自身失稳的风险,而且还面临与其他车辆或道路设施碰撞的风险。
相关技术中,关于车辆动力学失稳的研究通常集中在失稳边界的获取,通过实时的车辆状态参数感知获取车辆的失稳边界。如基于相平面的车辆稳定边界包络方法,将道路附着条件集成到车辆失稳边界的研究之中,关于碰撞风险的研究主要集中在距离碰撞时间、势能场等,但均不能给出极限工况下车辆失稳与碰撞综合风险态势感知方法,无法保证极限工况下车辆风险评估的准确性和可靠性,严重影响行车的安全性,亟待突破。
发明内容
本申请提供一种极限工况下车辆失稳与碰撞综合风险评估方法及装置,以解决相关技术中不能给出极限工况下车辆失稳与碰撞综合风险态势感知方法,无法保证极限工况下车辆风险评估的准确性和可靠性,严重影响行车的安全性的问题。
本申请第一方面实施例提供一种极限工况下车辆失稳与碰撞综合风险评估方法,包括以下步骤:采集车辆操纵信息、道路信息和所在环境中多类道路使用者动静态信息;基于所述车辆操纵信息、所述道路信息以及所述动静态信息,确定车辆失稳风险等级和车辆碰撞风险等级;参照所述车辆失稳风险等级和所述车辆碰撞风险等级,评估极限工况下所述车辆于驾驶人和道路环境综合作用下的行车综合风险。
本申请实施例的极限工况下车辆失稳与碰撞综合风险评估方法,根据车辆操纵信息、道路信息以及所在环境中多类道路使用者动静态信息,确定车辆失稳风险等级和车辆碰撞风险等级,从而实现两种不同时间尺度的行车风险的评估;之后,基于车辆失稳风险等级和车辆碰撞风险等级综合评估行车综合风险,实现不同时间尺度风险的综合评估,突破了行车综合风险评估中的多尺度问题。由此,实现极限工况下车辆失稳与碰撞综合风险态势感知,保证极限工况下车辆风险评估的准确性和可靠性,提升行车安全性。
另外,根据本申请上述实施例的极限工况下车辆失稳与碰撞综合风险评估方法还可以具有如下附加的技术特征:
在一些示例中,所述基于所述车辆操纵信息、所述道路信息以及所述动静态信息,确定车辆失稳风险等级和车辆碰撞风险等级,包括:根据所述车辆操纵信息,确定所述车辆的动力学失稳度;基于所述动力学失稳度和所述动力学失稳度的变化率,通过预设的第一层模糊机制中的第一模糊规则,确定所述车辆失稳风险等级;根据所述道路信息和所述动静态信息,确定车辆碰撞风险度;根据所述车辆碰撞风险度和所述车辆碰撞风险度的变化率,通过所述第一层模糊机制中的第二模糊规则,确定所述车辆碰撞风险等级。
在一些示例中,所述根据所述车辆操纵信息,确定所述车辆的动力学失稳度,包括:根据所述车辆操纵信息,确定所述车辆的质心侧偏角和横摆角速度;根据所述质心侧偏角和所述横摆角速度,基于非线性动力学理论确定系统鞍点位置;根据所述系统鞍点位置,结合所述道路信息中的路面附着系数对所述质心侧偏角和所述横摆角速度的约束作用,确定车辆动力学稳定区域;根据所述车辆动力学稳定区域、所述质心侧偏角以及所述横摆角速度,确定所述车辆的动力学失稳度。
本申请实施例的极限工况下车辆失稳与碰撞综合风险评估方法,基于车辆动力学稳定区域,由动力学失稳度结合第一层模糊机制中的第一模糊规则确定车辆失稳风险等级,克服极限工况下车辆动力学失稳边界及其态势难以准确判断的局限,实现第一层模糊机制中关于失稳风险的模糊规则的评估目的,有效保证评估的准确性和可靠性。
在一些示例中,所述根据所述道路信息和所述动静态信息,确定车辆碰撞风险度,包括:根据所述道路信息和所述动静态信息,利用行车风险场理论建立多风险因素构成的碰撞风险场强;获取与所述车辆的当前危险场景对应的临界行车风险场强;根据所述碰撞风险场强和所述临界行车风险场强,确定车辆碰撞风险度。
本申请实施例的极限工况下车辆失稳与碰撞综合风险评估方法,基于车辆碰撞风险度结合第一层模糊机制中的第二模糊规则确定车辆碰撞风险等级,准确描述静止及运动物体、交通规则约束等共同作用下的车辆碰撞风险等级,实现第一层模糊机制中关于碰撞风险的模糊规则的评估目的,有效保证评估的准确性和可靠性。
在一些示例中,所述参照所述车辆失稳风险等级和所述车辆碰撞风险等级,评估极限工况下所述车辆于驾驶人和道路环境综合作用下的行车综合风险,包括:根据所述车辆失稳风险等级和所述车辆碰撞风险等级,通过预设的第二层模糊机制,确定所述行车综合风险。
在一些示例中,所述车辆失稳风险等级和所述车辆碰撞风险等级均包括安全、低风险、中风险、中高风险、高风险。
在一些示例中,所述根据所述车辆失稳风险等级和所述车辆碰撞风险等级,通过预设的第二层模糊机制,确定所述行车综合风险,包括:若所述车辆失稳风险等级与所述车辆碰撞风险等级中任一等级为所述高风险,则判定所述行车综合风险为中高风险;若所述车辆失稳风险等级高于所述车辆碰撞风险等级,则判定所述行车综合风险不低于所述车辆失稳风险等级;若所述车辆失稳风险等级与所述车辆碰撞风险等级均为中高风险,则判定所述行车综合风险为高风险。
本申请实施例的极限工况下车辆失稳与碰撞综合风险评估方法,通过双层模糊机制(即第一层模糊机制和第二层模糊机制)对两种不同时间尺度的行车风险进行综合评估,其中,第一层模糊机制为基于动力学失稳度和碰撞风险度碰撞风险度的评估方式,以克服参数不确定的问题,第二层模糊机制为基于车辆失稳风险等级和车辆碰撞风险等级综合评估行车综合风险的评估方式,以实现不同时间尺度风险的综合评估,突破了行车综合风险评估中的多尺度问题,有效保证极限工况下车辆风险评估的准确性和可靠性,促进行车安全性能的提升。
本申请第二方面实施例提供一种极限工况下车辆失稳与碰撞综合风险评估装置,包括:采集模块,用于采集车辆操纵信息、道路信息和所在环境中多类道路使用者动静态信息;确定模块,用于基于所述车辆操纵信息、所述道路信息以及所述动静态信息,确定车辆失稳风险等级和车辆碰撞风险等级;评估模块,用于参照所述车辆失稳风险等级和所述车辆碰撞风险等级,评估极限工况下所述车辆于驾驶人和道路环境综合作用下的行车综合风险。
本申请实施例的极限工况下车辆失稳与碰撞综合风险评估装置,根据车辆操纵信息、道路信息以及所在环境中多类道路使用者动静态信息,确定车辆失稳风险等级和车辆碰撞风险等级,从而实现两种不同时间尺度的行车风险的评估;之后,基于车辆失稳风险等级和车辆碰撞风险等级综合评估行车综合风险,实现不同时间尺度风险的综合评估,突破了行车综合风险评估中的多尺度问题。由此,实现极限工况下车辆失稳与碰撞综合风险态势感知,保证极限工况下车辆风险评估的准确性和可靠性,提升行车安全性。
在一些示例中,所述确定模块具体用于根据所述车辆操纵信息,确定所述车辆的动力学失稳度;基于所述动力学失稳度和所述动力学失稳度的变化率,通过预设的第一层模糊机制中的第一模糊规则,确定所述车辆失稳风险等级;根据所述道路信息和所述动静态信息,确定车辆碰撞风险度;根据所述车辆碰撞风险度和所述车辆碰撞风险度的变化率,通过所述第一层模糊机制中的第二模糊规则,确定所述车辆碰撞风险等级。
在一些示例中,所述确定模块进一步用于根据所述车辆操纵信息,确定所述车辆的质心侧偏角和横摆角速度;根据所述质心侧偏角和所述横摆角速度,基于非线性动力学理论确定系统鞍点位置;根据所述系统鞍点位置,结合所述道路信息中的路面附着系数对所述质心侧偏角和所述横摆角速度的约束作用,确定车辆动力学稳定区域;根据所述车辆动力学稳定区域、所述质心侧偏角以及所述横摆角速度,确定所述车辆的动力学失稳度。
本申请实施例的极限工况下车辆失稳与碰撞综合风险评估装置,基于车辆动力学稳定区域,由动力学失稳度结合第一层模糊机制中的第一模糊规则确定车辆失稳风险等级,克服极限工况下车辆动力学失稳边界及其态势难以准确判断的局限,实现第一层模糊机制中关于失稳风险的模糊规则的评估目的,有效保证评估的准确性和可靠性。
在一些示例中,所述确定模块进一步用于根据所述道路信息和所述动静态信息,利用行车风险场理论建立多风险因素构成的碰撞风险场强;获取与所述车辆的当前危险场景对应的临界行车风险场强;根据所述碰撞风险场强和所述临界行车风险场强,确定车辆碰撞风险度。
本申请实施例的极限工况下车辆失稳与碰撞综合风险评估装置,基于车辆碰撞风险度结合第一层模糊机制中的第二模糊规则确定车辆碰撞风险等级,准确描述静止及运动物体、交通规则约束等共同作用下的车辆碰撞风险等级,实现第一层模糊机制中关于碰撞风险的模糊规则的评估目的,有效保证评估的准确性和可靠性。
在一些示例中,所述评估模块具体用于根据所述车辆失稳风险等级和所述车辆碰撞风险等级,通过预设的第二层模糊机制,确定所述行车综合风险。
在一些示例中,所述车辆失稳风险等级和所述车辆碰撞风险等级均包括安全、低风险、中风险、中高风险、高风险。
在一些示例中,所述评估模块进一步用于在所述车辆失稳风险等级与所述车辆碰撞风险等级中任一等级为所述高风险时,判定所述行车综合风险为中高风险;在所述车辆失稳风险等级高于所述车辆碰撞风险等级时,判定所述行车综合风险不低于所述车辆失稳风险等级;在所述车辆失稳风险等级与所述车辆碰撞风险等级均为中高风险时,判定所述行车综合风险为高风险。
本申请实施例的极限工况下车辆失稳与碰撞综合风险评估方法,通过双层模糊机制(即第一层模糊机制和第二层模糊机制)对两种不同时间尺度的行车风险进行综合评估,其中,第一层模糊机制为基于动力学失稳度和碰撞风险度碰撞风险度的评估方式,以克服参数不确定的问题,第二层模糊机制为基于车辆失稳风险等级和车辆碰撞风险等级综合评估行车综合风险的评估方式,以实现不同时间尺度风险的综合评估,突破了行车综合风险评估中的多尺度问题,有效保证极限工况下车辆风险评估的准确性和可靠性,促进行车安全性能的提升。
本申请第三方面实施例提供一种电子设备,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序,以实现如上述实施例所述的极限工况下车辆失稳与碰撞综合风险评估方法。
本申请第四方面实施例提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行,以用于实现如上述实施例所述的极限工况下车辆失稳与碰撞综合风险评估方法。
本申请附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1为根据本申请实施例提供的一种极限工况下车辆失稳与碰撞综合风险评估方法的流程图;
图2为根据本申请一个实施例的车辆失稳边界示意图;
图3为根据本申请一个实施例的车辆动力学失稳区域划分示意图;
图4为根据本申请一个实施例的双层模糊机制综合风险评估流程示意图;
图5为根据本申请实施例的极限工况下车辆失稳与碰撞综合风险评估装置的示例图;
图6为申请实施例提供的电子设备的结构示意图。
具体实施方式
下面详细描述本申请的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本申请,而不能理解为对本申请的限制。
下面在描述根据本发明实施例提出的极限工况下车辆失稳与碰撞综合风险评估方法及装置之前,先来简单描述一下准确评估行车综合风险的重要性。
车辆在实际运行中的失稳边界,不可避免地会受参数摄动、摩擦系数估计误差以及外界干扰等的影响,存在难以准确获取的局限,因此以失稳-稳定的判据对车辆实施控制具有较大的局限性。
并且,车辆在实际运行中的碰撞风险,不可避免地会受周围车辆运动状态、自车属性(即:车辆本身属性)和运动行为以及道路交通规则约束等的影响,存在难以统筹建模及准确判断的局限,因此传统以距离碰撞时间、碰撞概率及相对碰撞距离等指标的碰撞风险评估方法具有较大的局限性。
由上,本发明正是基于上述问题,而提出了一种极限工况下车辆失稳与碰撞综合风险评估方法与极限工况下车辆失稳与碰撞综合风险评估装置。
下面参照附图描述根据本发明实施例提出的极限工况下车辆失稳与碰撞综合风险评估方法及装置,首先将参照附图描述根据本发明实施例提出的极限工况下车辆失稳与碰撞综合风险评估方法。
图1为本申请实施例所提供的一种极限工况下车辆失稳与碰撞综合风险评估方法的流程示意图。
如图1所示,根据本发明一个实施例的极限工况下车辆失稳与碰撞综合风险评估方法,包括以下步骤:
S101,采集车辆操纵信息、道路信息和所在环境中多类道路使用者动静态信息。
车辆操纵信息包括但不限于转向信息(例如,前轮转角)、制动信息(例如,纵向速度)和加速信息中的一项或多项;道路信息包括但不限于路面附着系数和路形信息,其中,路形信息包括道路坡度或者曲率等;动静态信息指所在环境中多类道路使用者动态信息和所在环境中多类道路使用者静态信息,例如:包括但不限于周车信息(即:周围车辆信息)、行人信息和护栏信息中的一项或多项。
在具体应用中,车辆操纵信息可以通过车辆的CAN总线获得,例如:纵向速度、加速度,前轮转角以及车辆位姿等。动静态信息可以通过摄像头、雷达等获取,例如:物体属性及质量、位置、速度和加速度等动态物体信息(即所在环境中多类道路使用者动态信息),道路设施、交通标志(交通标志牌、车道线、路面标示等道路标志等)等静态物体信息(即所在环境中多类道路使用者静态信息)。道路信息(路面坡度、路形及路面附着条件等)可以通过GPS、惯性测量单元获取的数据进行融合计算得到。
S102,基于车辆操纵信息、道路信息以及动静态信息,确定车辆失稳风险等级和车辆碰撞风险等级。即:基于S101中采集到的车辆操纵信息、道路信息以及动静态信息,可以得到车辆失稳风险等级和车辆碰撞风险等级。
作为一个具体的示例,S102可以通过如下S1021-S1024实现,即:基于车辆操纵信息、道路信息以及动静态信息,确定车辆失稳风险等级和车辆碰撞风险等级,包括:
S1021,根据车辆操纵信息,确定车辆的动力学失稳度。
具体来说,可以根据车辆操纵信息,确定车辆的质心侧偏角和横摆角速度;根据质心侧偏角和横摆角速度,基于非线性动力学理论确定系统鞍点位置;根据系统鞍点位置,结合道路信息中的路面附着系数对质心侧偏角和横摆角速度的约束作用,确定车辆动力学稳定区域;根据车辆动力学稳定区域、质心侧偏角以及横摆角速度,确定车辆的动力学失稳度。
S1022,基于动力学失稳度和动力学失稳度的变化率,通过预设的第一层模糊机制中的第一模糊规则,确定车辆失稳风险等级。
S1023,根据道路信息和动静态信息,确定车辆碰撞风险度。
具体来说,可以根据道路信息和动静态信息,利用行车风险场理论建立多风险因素构成的碰撞风险场强;获取与车辆的当前危险场景对应的临界行车风险场强;根据碰撞风险场强和临界行车风险场强,确定车辆碰撞风险度。
S1024,根据车辆碰撞风险度和车辆碰撞风险度的变化率,通过第一层模糊机制中的第二模糊规则,确定车辆碰撞风险等级。
在实际应用中,S1021-S1024可以通过车载传感器计算单元实现,即:可以将步骤S101中采集的车辆操纵信息、道路信息和所在环境中多类道路使用者动静态信息输入车载传感器计算单元,从而利用车载传感器计算单元中预先设置的基于安全裕度的车辆失稳风险等级和碰撞风险等级模型进行计算,从而去确定出车辆失稳风险等级和车辆碰撞风险等级。
由于基于安全裕度的车辆失稳风险等级和碰撞风险等级模型可以基于车辆操纵信息、道路信息以及动静态信息确定出车辆失稳风险等级和车辆碰撞风险等级,因此,车辆失稳风险等级和碰撞风险等级模型可以细分为(1)基于安全裕度的动力学失稳风险等级评估模型和(2)基于安全裕度的运动学碰撞风险等级评估模型,其中,基于安全裕度的动力学失稳风险等级评估模型用于确定车辆失稳风险等级,基于安全裕度的运动学碰撞风险等级评估模型用于确定车辆碰撞风险等级。
以下分别对(1)基于安全裕度的动力学失稳风险等级评估模型确定车辆失稳风险等级和(2)基于安全裕度的运动学碰撞风险等级评估模型确定车辆碰撞风险等级进行描述,其中:
基于安全裕度的动力学失稳风险等级评估模型确定车辆失稳风险等级的详细过程如下:
动力学失稳风险等级评估模型可以对车辆动力学稳定区域进行划分,通过对车辆动力学安全裕度进行刻画,提出车辆动力学失稳度评价指标,即动力学失稳度,之后,结合失稳度的变化率,基于模糊理论对车辆动力学失稳风险等级进行表达。车辆在实际运行中的失稳边界,不可避免地会受参数摄动、摩擦系数估计误差以及外界干扰等的影响,存在难以准确获取的局限,因此以“失稳-稳定”的判据对车辆实施控制具有较大的局限性。为此,本发明的基于安全裕度的动力学失稳风险等级评估模型中,提出基于稳定裕度的车辆动力学失稳风险评价指标,即动力学失稳度。
在以上描述中,车辆动力学失稳度是指当前车辆状态在相平面中的位置距失稳边界的距离。通常用质心侧偏角和横摆角速度来描述车辆动力学稳定性。首先,根据车辆操纵信息,确定车辆的质心侧偏角和横摆角速度;然后,根据车辆质心侧偏角和横摆角速度,利用非线性动力学理论中的相平面法获取系统鞍点位置;最后,根据系统鞍点位置,结合路面附着系数对质心侧偏角和横摆角速度的约束作用,确定车辆动力学稳定区域。具体如下:
考虑极限工况下垂向载荷转移,因此,上述方程(2)可重写为:
其中,、为前、后轴轮胎侧偏刚度,sgn为符号函数。因此,可以绘制车辆质心侧偏角和横摆角速度的相平面,进而获得相平面中的平衡点(即图2中心位置处的原点)和鞍点位置(即图2中的左上和右下的两个点),结合路面附着系数对质心侧偏角和横摆角速度的约束作用,确定车辆动力学稳定区域(如图2中菱形区域所示),具体约束如下:
获得了如图2所示的车辆动力学稳定区域后,考虑车辆运动状态可将车辆稳定区域划分为失稳区域、强不稳定区域、弱不稳定区域和稳定区域,如图3所示。
在动力学失稳风险等级评估模型中,首先定义模糊第一层模糊机制中的第一模糊规则,具体来说,定义失稳度模糊集合:,定义失稳度变化率模糊集合:,结合如表1中定义的失稳风险等级模糊规则(即:第一模糊规则),可获得车辆动力学失稳风险等级(Instability Risk Level,IRL),其中,车辆失稳风险等级包括:安全SA、低风险LR、中风险MR、中高风险MHR、高风险HR。
表1:第一模糊规则
基于安全裕度的运动学碰撞风险等级评估模型确定车辆碰撞风险等级的详细过程如下:
对于运动学碰撞风险等级评估模型是对车辆运动学层面的碰撞风险等级进行划分,通过对车辆碰撞主动安全裕度进行刻画,提出车辆运动学碰撞风险度评价指标,即车辆碰撞风险度,之后,结合碰撞风险度的变化率,基于模糊理论对车辆碰撞风险等级进行表达。车辆在实际运行中的碰撞风险临界值,不可避免地会受周围车辆运动状态、自车属性和运动行为以及道路交通规则约束等的影响,存在难以统筹建模及准确判断的局限,因此传统以距离碰撞时间、碰撞概率及相对碰撞距离等指标的碰撞风险评估方法具有较大的局限性。为此,本发明的基于安全裕度的运动学碰撞风险等级评估模型,提出了基于安全裕度的碰撞风险评价指标,即车辆碰撞风险度。
在以上描述中,车辆碰撞风险度是指当前车辆所受到的风险场强与车辆将要发生碰撞时临界风险场强的比值,用于刻画车辆碰撞风险安全裕度。首先,根据道路信息和动静态信息,利用行车风险场理论建立多风险因素构成的碰撞风险场强:
其中,为交通单元在处产生的风险场强矢量,为基于距离的风险分布强度向量,为基于相对运动的风向分布强度系数,为道路交通规则修正系数,为交通单元属性影响因子,与交通单元的质量、运动速度及其危害程度有关。即:、、分别是基于距离、运动状态及交通规则约束形成的风险分布强度矢量。具体地:
其中,是极限行驶速度,受交通规则及车辆性能影响;是速度修正系数,为交通单元质量;是交通单元类型系数,受载运物特性及车辆外形等影响;为指向的距离向量,为待定常系数;是交通单元i和j的相对速度矢量,为相对速度与距离向量的夹角;表示车道线类型,表示车辆所处位置指向车道中心线的距离向量,w表示车道宽度。
由于参数众多,直接采用碰撞风险场强作为评价指标难以准确确定出碰撞风险预警阈值。因此,可基于安全裕度的车辆碰撞风险度评价指标,用于刻画其碰撞风险水平。示例地,可以根据碰撞风险场强和临界行车风险场强,通过以下等式来确定车辆碰撞风险度,其中,为:
在运动学碰撞风险等级评估模型中,首先定义模糊第一层模糊机制中的第二模糊规则,具体来说,定义失稳度模糊集合:,定义碰撞风险度变化率模糊集合:,结合表2定义的碰撞风险等级模糊规则(即:第二模糊规则),可获得车辆运动学碰撞风险等级(Collision Risk Level, CRL),车辆运动学碰撞风险等级同样可以包括:安全SA、低风险LR、中风险MR、中高风险MHR、高风险HR。
表2:第二模糊规则
该方法基于行车风险场理论的车辆碰撞风险评估,能够实现基于距离、基于运动状态和基于交通规则等的风险分布场强统一建模,且具有较好的延拓功能。同时,对标现有TTC碰撞风险指标完成临界碰撞模型的参数标定,通过建立基于安全裕度的车辆碰撞风险度指标,结合指标变化,以此来描述静止及运动物体、交通规则约束等共同作用下的车辆碰撞风险等级,具有统一性和普适性特征。
本申请实施例的极限工况下车辆失稳与碰撞综合风险评估方法,基于车辆动力学稳定区域,由动力学失稳度结合第一层模糊机制中的第一模糊规则确定车辆失稳风险等级,克服极限工况下车辆动力学失稳边界及其态势难以准确判断的局限,实现第一层模糊机制中关于失稳风险的模糊规则的评估目的,有效保证评估的准确性和可靠性,并且基于车辆碰撞风险度结合第一层模糊机制中的第二模糊规则确定车辆碰撞风险等级,准确描述静止及运动物体、交通规则约束等共同作用下的车辆碰撞风险等级,实现第一层模糊机制中关于碰撞风险的模糊规则的评估目的,有效保证评估的准确性和可靠性。
S103,参照车辆失稳风险等级和车辆碰撞风险等级,评估极限工况下车辆于驾驶人和道路环境综合作用下的行车综合风险。
在具体示例中,可以根据车辆失稳风险等级和车辆碰撞风险等级,通过预设的第二层模糊机制,确定行车综合风险,即:如表3所示,结合综合风险评估模糊规则确定行车综合风险。由于车辆失稳风险等级和车辆碰撞风险等级均包括安全、低风险、中风险、中高风险、高风险,因此,根据车辆失稳风险等级和车辆碰撞风险等级,通过预设的第二层模糊机制,确定行车综合风险,包括:
S1031,若车辆失稳风险等级与车辆碰撞风险等级中任一等级为高风险,则判定行车综合风险为中高风险;
S1032,若车辆失稳风险等级高于车辆碰撞风险等级,则判定行车综合风险不低于车辆失稳风险等级;
S1033,若车辆失稳风险等级与车辆碰撞风险等级均为中高风险,则判定行车综合风险为高风险。
在实际执行的过程中,通过基于安全裕度的车辆失稳风险等级和碰撞风险等级评估模型,输出车辆失稳与碰撞风险等级,将风险等级输入到综合风险评估模块,最终输出车辆于驾驶人和道路环境综合作用下的行车综合风险。针对车辆动力学失稳与碰撞两种不同时间尺度的行车风险。
在综合风险评估模糊规则中,两种风险均与自车的转向、驱动、制动等操纵输入有关,但由其造成的失稳风险和碰撞风险却在两个不同时间尺度上:车辆动力学失稳风险是毫秒级,而车辆碰撞风险是秒级,因此在设计综合风险模糊规则时统筹考虑安全裕度与时间尺度,模糊规则设计整体思想如下:当单一风险处于高风险时,车辆综合风险为中高风险;当车辆失稳风险较高时,车辆综合风险不低于车辆失稳风险等级;当失稳与碰撞处于中高风险时,车辆综合风险为高风险。综合风险模糊集输入IRL={SA, LR, MR, MHR, HR}和CRL={SA,LR, MR, MHR, HR},据此设计的综合风险模糊规则如表3所示,表3为综合风险评估模糊规则表。
表3:综合风险评估模糊规则
其中,定义系统输出模糊集Z={L1, L2, L3, L4, L5},L1/L2/L3/L4/L5分别代表:安全(L1)、低风险(L2)、中风险(L3)、中高风险(L4)、高风险(L5)。通过调研事故致因而制定的综合风险模糊规则,进而通过输入系统失稳风险等级和碰撞风险等级,经过综合风险模糊规则及推理,最终通过重心法反模糊化获得车辆综合风险等级。
在实际执行过程中,本申请实施例的综合风险评估包括自动驾驶车辆和有人驾驶车辆等的综合风险评估,极限工况可以理解为轮胎力接近饱和或在其附着极限时的工况。
最后采用基于重心法的反模糊化输出多风险因素交互耦合作用下的行车综合风险,基于双层模糊机制的车辆综合风险评估流程如图4所示。
通过道路交通事故致因机理分析,设计综合风险模糊规则及推理机制,最终通过反模糊化获得行车综合风险,能为自动驾驶车辆的决策规划及交管部门的安全管理提供理论与方法支撑。
本申请实施例的极限工况下车辆失稳与碰撞综合风险评估方法,根据车辆操纵信息、道路信息以及所在环境中多类道路使用者动静态信息,确定车辆失稳风险等级和车辆碰撞风险等级,从而实现两种不同时间尺度的行车风险的评估;之后,基于车辆失稳风险等级和车辆碰撞风险等级综合评估行车综合风险,实现不同时间尺度风险的综合评估,突破了行车综合风险评估中的多尺度问题。由此,实现极限工况下车辆失稳与碰撞综合风险态势感知,保证极限工况下车辆风险评估的准确性和可靠性,提升行车安全性。
综上,根据本申请实施例提出的极限工况下车辆失稳与碰撞综合风险评估方法,其具有以下有效以效果:
1、通过建立车辆动力学失稳度指标刻画其失稳程度,结合失稳度的变化态势,以此来描述道路附着、道路坡度、曲率等交互耦合作用下的车辆失稳风险等级,能够克服极限工况下车辆动力学失稳边界及其态势难以准确判断的局限,为多元风险要素交互耦合作用下的车辆综合风险评估提供支撑。
2、基于行车风险场理论的车辆碰撞风险评估,能够实现基于距离、基于运动状态和基于交通规则等的风险分布场强统一建模,且具有较好的延拓功能。同时,对标现有TTC碰撞风险指标完成临界碰撞模型的参数标定,通过建立基于安全裕度的车辆碰撞风险度指标,结合指标变化,以此来描述静止及运动物体、交通规则约束等共同作用下的车辆碰撞风险等级,具有统一性和普适性特征。
3、通过模糊机制对两种不同时间尺度的行车风险进行综合评估,突破了行车综合风险评估中的多尺度问题,通过道路交通事故致因机理分析,设计综合风险模糊规则及推理机制,最终通过反模糊化获得行车综合风险,能为自动驾驶车辆的决策规划及交管部门的安全管理提供理论与方法支撑。
其次,参照附图描述根据本申请实施例提出的极限工况下车辆失稳与碰撞综合风险评估装置。
图5是本申请实施例的极限工况下车辆失稳与碰撞综合风险评估装置的方框示意图。
如图5所示,该极限工况下车辆失稳与碰撞综合风险评估装置10包括:采集模块100、确定模块200和评估模块300。
具体地,采集模块100,用于采集车辆操纵信息、道路信息和所在环境中多类道路使用者动静态信息。
确定模块200,用于基于车辆操纵信息、道路信息以及动静态信息,确定车辆失稳风险等级和车辆碰撞风险等级。
评估模块300,用于参照车辆失稳风险等级和车辆碰撞风险等级,评估极限工况下车辆于驾驶人和道路环境综合作用下的行车综合风险。
本申请实施例的极限工况下车辆失稳与碰撞综合风险评估装置10,根据车辆操纵信息、道路信息以及所在环境中多类道路使用者动静态信息,确定车辆失稳风险等级和车辆碰撞风险等级,从而实现两种不同时间尺度的行车风险的评估;之后,基于车辆失稳风险等级和车辆碰撞风险等级综合评估行车综合风险,实现不同时间尺度风险的综合评估,突破了行车综合风险评估中的多尺度问题。由此,实现极限工况下车辆失稳与碰撞综合风险态势感知,保证极限工况下车辆风险评估的准确性和可靠性,提升行车安全性。
可选地,在本申请的一个实施例中,确定模块200具体用于根据车辆操纵信息,确定车辆的动力学失稳度;基于动力学失稳度和动力学失稳度的变化率,通过预设的第一层模糊机制中的第一模糊规则,确定车辆失稳风险等级;根据道路信息和动静态信息,确定车辆碰撞风险度;根据车辆碰撞风险度和车辆碰撞风险度的变化率,通过第一层模糊机制中的第二模糊规则,确定车辆碰撞风险等级。
可选地,在本申请的一个实施例中,确定模块200进一步用于根据车辆操纵信息,确定车辆的质心侧偏角和横摆角速度;根据质心侧偏角和横摆角速度,基于非线性动力学理论确定系统鞍点位置;根据系统鞍点位置,结合道路信息中的路面附着系数对质心侧偏角和横摆角速度的约束作用,确定车辆动力学稳定区域;根据车辆动力学稳定区域、质心侧偏角以及横摆角速度,确定车辆的动力学失稳度。
本申请实施例的极限工况下车辆失稳与碰撞综合风险评估装置,基于车辆动力学稳定区域,由动力学失稳度结合第一层模糊机制中的第一模糊规则确定车辆失稳风险等级,克服极限工况下车辆动力学失稳边界及其态势难以准确判断的局限,实现第一层模糊机制中关于失稳风险的模糊规则的评估目的,有效保证评估的准确性和可靠性。
可选地,在本申请的一个实施例中,确定模块200进一步用于根据道路信息和动静态信息,利用行车风险场理论建立多风险因素构成的碰撞风险场强;获取与车辆的当前危险场景对应的临界行车风险场强;根据碰撞风险场强和临界行车风险场强,确定车辆碰撞风险度。
本申请实施例的极限工况下车辆失稳与碰撞综合风险评估装置,基于车辆碰撞风险度结合第一层模糊机制中的第二模糊规则确定车辆碰撞风险等级,准确描述静止及运动物体、交通规则约束等共同作用下的车辆碰撞风险等级,实现第一层模糊机制中关于碰撞风险的模糊规则的评估目的,有效保证评估的准确性和可靠性。
可选地,在本申请的一个实施例中,评估模块300具体用于根据车辆失稳风险等级和车辆碰撞风险等级,通过预设的第二层模糊机制,确定行车综合风险。
可选地,在本申请的一个实施例中,车辆失稳风险等级和车辆碰撞风险等级均包括安全、低风险、中风险、中高风险、高风险。
可选地,在本申请的一个实施例中,评估模块300进一步用于在车辆失稳风险等级与车辆碰撞风险等级中任一等级为高风险时,判定行车综合风险为中高风险;在车辆失稳风险等级高于车辆碰撞风险等级时,判定行车综合风险不低于车辆失稳风险等级;在车辆失稳风险等级与车辆碰撞风险等级均为中高风险时,判定行车综合风险为高风险。
需要说明的是,前述对极限工况下车辆失稳与碰撞综合风险评估方法实施例的解释说明也适用于该实施例的极限工况下车辆失稳与碰撞综合风险评估装置,此处不再赘述。
根据本申请实施例提出的极限工况下车辆失稳与碰撞综合风险评估装置,其具有以下有效以效果:
1、通过建立车辆动力学失稳度指标刻画其失稳程度,结合失稳度的变化态势,以此来描述道路附着、道路坡度、曲率等交互耦合作用下的车辆失稳风险等级,能够克服极限工况下车辆动力学失稳边界及其态势难以准确判断的局限,为多元风险要素交互耦合作用下的车辆综合风险评估提供支撑。
2、基于行车风险场理论的车辆碰撞风险评估,能够实现基于距离、基于运动状态和基于交通规则等的风险分布场强统一建模,且具有较好的延拓功能。同时,对标现有TTC碰撞风险指标完成临界碰撞模型的参数标定,通过建立基于安全裕度的车辆碰撞风险度指标,结合指标变化,以此来描述静止及运动物体、交通规则约束等共同作用下的车辆碰撞风险等级,具有统一性和普适性特征。
3、通过模糊机制对两种不同时间尺度的行车风险进行综合评估,突破了行车综合风险评估中的多尺度问题,通过道路交通事故致因机理分析,设计综合风险模糊规则及推理机制,最终通过反模糊化获得行车综合风险,能为自动驾驶车辆的决策规划及交管部门的安全管理提供理论与方法支撑。
图6为本申请实施例提供的车辆的结构示意图。该电子设备可以包括:
存储器601、处理器602及存储在存储器601上并可在处理器602上运行的计算机程序。
处理器602执行程序时实现上述实施例中提供的极限工况下车辆失稳与碰撞综合风险评估方法。
进一步地,电子设备还包括:
通信接口603,用于存储器601和处理器602之间的通信。
存储器601,用于存放可在处理器602上运行的计算机程序。
存储器601可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
如果存储器601、处理器602和通信接口603独立实现,则通信接口603、存储器601和处理器602可以通过总线相互连接并完成相互间的通信。总线可以是工业标准体系结构(Industry Standard Architecture,简称为ISA)总线、外部设备互连(PeripheralComponent,简称为PCI)总线或扩展工业标准体系结构(Extended Industry StandardArchitecture,简称为EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,图6中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
可选的,在具体实现上,如果存储器601、处理器602及通信接口603,集成在一块芯片上实现,则存储器601、处理器602及通信接口603可以通过内部接口完成相互间的通信。
处理器602可能是一个中央处理器(Central Processing Unit,简称为CPU),或者是特定集成电路(Application Specific Integrated Circuit,简称为ASIC),或者是被配置成实施本申请实施例的一个或多个集成电路。
本实施例还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上的极限工况下车辆失稳与碰撞综合风险评估方法。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或N个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中,“N个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更N个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本申请的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本申请的实施例所属技术领域的技术人员所理解。
应当理解,本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,N个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如,如果用硬件来实现和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
Claims (9)
1.一种极限工况下车辆失稳与碰撞综合风险评估方法,其特征在于,包括以下步骤:
采集车辆操纵信息、道路信息和所在环境中多类道路使用者动静态信息;
根据所述车辆操纵信息,确定所述车辆的动力学失稳度,其中,所述动力学失稳度是指当前车辆状态在相平面中的位置距失稳边界的距离;
基于所述动力学失稳度和所述动力学失稳度的变化率,通过预设的第一层模糊机制中的第一模糊规则,确定车辆失稳风险等级;
根据所述道路信息和所述动静态信息,确定车辆碰撞风险度,其中,所述车辆碰撞风险度是指当前车辆所受到的风险场强与车辆将要发生碰撞时临界风险场强的比值;
根据所述车辆碰撞风险度和所述车辆碰撞风险度的变化率,通过所述第一层模糊机制中的第二模糊规则,确定车辆碰撞风险等级;以及
参照所述车辆失稳风险等级和所述车辆碰撞风险等级,评估极限工况下所述车辆于驾驶人和道路环境综合作用下的行车综合风险。
2.根据权利要求1所述的极限工况下车辆失稳与碰撞综合风险评估方法,其特征在于,所述根据所述车辆操纵信息,确定所述车辆的动力学失稳度,包括:
根据所述车辆操纵信息,确定所述车辆的质心侧偏角和横摆角速度;
根据所述质心侧偏角和所述横摆角速度,基于非线性动力学理论确定系统鞍点位置;
根据所述系统鞍点位置,结合所述道路信息中的路面附着系数对所述质心侧偏角和所述横摆角速度的约束作用,确定车辆动力学稳定区域;
根据所述车辆动力学稳定区域、所述质心侧偏角以及所述横摆角速度,确定所述车辆的动力学失稳度。
3.根据权利要求1所述的极限工况下车辆失稳与碰撞综合风险评估方法,其特征在于,所述根据所述道路信息和所述动静态信息,确定车辆碰撞风险度,包括:
根据所述道路信息和所述动静态信息,利用行车风险场理论建立多风险因素构成的碰撞风险场强;
获取与所述车辆的当前危险场景对应的临界行车风险场强;
根据所述碰撞风险场强和所述临界行车风险场强,确定车辆碰撞风险度。
4.根据权利要求1-3任一项所述的极限工况下车辆失稳与碰撞综合风险评估方法,其特征在于,所述参照所述车辆失稳风险等级和所述车辆碰撞风险等级,评估极限工况下所述车辆于驾驶人和道路环境综合作用下的行车综合风险,包括:
根据所述车辆失稳风险等级和所述车辆碰撞风险等级,通过预设的第二层模糊机制,确定所述行车综合风险。
5.根据权利要求4所述的极限工况下车辆失稳与碰撞综合风险评估方法,其特征在于,所述车辆失稳风险等级和所述车辆碰撞风险等级均包括安全、低风险、中风险、中高风险、高风险。
6.根据权利要求5所述的极限工况下车辆失稳与碰撞综合风险评估方法,其特征在于,所述根据所述车辆失稳风险等级和所述车辆碰撞风险等级,通过预设的第二层模糊机制,确定所述行车综合风险,包括:
若所述车辆失稳风险等级与所述车辆碰撞风险等级中任一等级为所述高风险,则判定所述行车综合风险为中高风险;
若所述车辆失稳风险等级高于所述车辆碰撞风险等级,则判定所述行车综合风险不低于所述车辆失稳风险等级;
若所述车辆失稳风险等级与所述车辆碰撞风险等级均为中高风险,则判定所述行车综合风险为高风险。
7.一种极限工况下车辆失稳与碰撞综合风险评估装置,其特征在于,包括:
采集模块,用于采集车辆操纵信息、道路信息和所在环境中多类道路使用者动静态信息;
确定模块,用于:
根据所述车辆操纵信息,确定所述车辆的动力学失稳度,其中,所述动力学失稳度是指当前车辆状态在相平面中的位置距失稳边界的距离;
基于所述动力学失稳度和所述动力学失稳度的变化率,通过预设的第一层模糊机制中的第一模糊规则,确定车辆失稳风险等级;
根据所述道路信息和所述动静态信息,确定车辆碰撞风险度,其中,所述车辆碰撞风险度是指当前车辆所受到的风险场强与车辆将要发生碰撞时临界风险场强的比值;
根据所述车辆碰撞风险度和所述车辆碰撞风险度的变化率,通过所述第一层模糊机制中的第二模糊规则,确定车辆碰撞风险等级;
评估模块,用于参照所述车辆失稳风险等级和所述车辆碰撞风险等级,评估极限工况下所述车辆于驾驶人和道路环境综合作用下的行车综合风险。
8.一种电子设备,其特征在于,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序,以实现如权利要求1-6任一项所述的极限工况下车辆失稳与碰撞综合风险评估方法。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行,以用于实现如权利要求1-6任一项所述的极限工况下车辆失稳与碰撞综合风险评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110934200.4A CN113370980B (zh) | 2021-08-16 | 2021-08-16 | 极限工况下车辆失稳与碰撞综合风险评估方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110934200.4A CN113370980B (zh) | 2021-08-16 | 2021-08-16 | 极限工况下车辆失稳与碰撞综合风险评估方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113370980A CN113370980A (zh) | 2021-09-10 |
CN113370980B true CN113370980B (zh) | 2021-11-02 |
Family
ID=77577183
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110934200.4A Active CN113370980B (zh) | 2021-08-16 | 2021-08-16 | 极限工况下车辆失稳与碰撞综合风险评估方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113370980B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117068138A (zh) * | 2023-09-13 | 2023-11-17 | 中国人民解放军32806部队 | 一种基于安全边界约束的整车稳态漂移控制方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108569288A (zh) * | 2018-04-12 | 2018-09-25 | 南京航空航天大学 | 一种汽车危险工况的界定与避撞控制方法 |
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 |
CN111976721A (zh) * | 2020-09-02 | 2020-11-24 | 湖北汽车工业学院 | 一种基于矩形聚类碰撞锥模型的主动避障控制方法 |
CN112644455A (zh) * | 2021-01-08 | 2021-04-13 | 福州大学 | 一种分布式驱动车辆行驶稳定性控制方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010101749A1 (en) * | 2009-03-05 | 2010-09-10 | Massachusetts Institute Of Technology | Predictive semi-autonomous vehicle navigation system |
-
2021
- 2021-08-16 CN CN202110934200.4A patent/CN113370980B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108569288A (zh) * | 2018-04-12 | 2018-09-25 | 南京航空航天大学 | 一种汽车危险工况的界定与避撞控制方法 |
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 |
CN111976721A (zh) * | 2020-09-02 | 2020-11-24 | 湖北汽车工业学院 | 一种基于矩形聚类碰撞锥模型的主动避障控制方法 |
CN112644455A (zh) * | 2021-01-08 | 2021-04-13 | 福州大学 | 一种分布式驱动车辆行驶稳定性控制方法 |
Non-Patent Citations (1)
Title |
---|
基于驾驶人风险响应机制的人机共驾模型;王建强等;《吉林大学学报(工学版)》;20210531;第51卷(第3期);799-808页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113370980A (zh) | 2021-09-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110794851B (zh) | 车辆远程控制安全防护方法、装置和无人驾驶车辆 | |
US11681296B2 (en) | Scenario-based behavior specification and validation | |
Dahmani et al. | Vehicle dynamic estimation with road bank angle consideration for rollover detection: theoretical and experimental studies | |
CN110660194A (zh) | 一种驾驶监控预警方法及系统 | |
CN113946943B (zh) | 人-车-路微观交通系统建模及风险辨识方法及装置 | |
US20220105963A1 (en) | Systems and methods for imminent collision avoidance | |
US20200180614A1 (en) | Vehicle control device | |
WO2023010854A1 (zh) | 路径跟踪方法、装置、车辆及存储介质 | |
US11167754B2 (en) | Systems and methods for trajectory based safekeeping of vehicles | |
US20220227391A1 (en) | Systems and methods for scenario dependent trajectory scoring | |
EP4099118A1 (en) | Vehicle control method and apparatus | |
CN111464972A (zh) | 经优先级排序的车辆消息传递 | |
Guo et al. | MPC-based shared steering control for automated driving systems | |
US20210316722A1 (en) | Systems and methods for trajectory based safekeeping of vehicles | |
Dahmani et al. | Detection of impending vehicle rollover with road bank angle consideration using a robust fuzzy observer | |
Morales et al. | Proactive driving modeling in blind intersections based on expert driver data | |
CN113370980B (zh) | 极限工况下车辆失稳与碰撞综合风险评估方法及装置 | |
US11511737B2 (en) | Apparatus and method for processing vehicle signals to compute a behavioral hazard measure | |
Alonso et al. | Toward a methodology to assess safety of a vehicle | |
CN114987539A (zh) | 一种基于风险场模型的自动驾驶汽车个性化碰撞分级预警方法及系统 | |
Yue et al. | Automated hazard escaping trajectory planning/tracking control framework for vehicles subject to tire blowout on expressway | |
Morsali et al. | Real-time velocity planning for heavy duty truck with obstacle avoidance | |
Kalra et al. | Driving Style Recognition System Using Smartphone Sensors Based on Fuzzy Logic. | |
TWI535601B (zh) | 滑動模式之行駛路徑投票策略模組及其駕駛控制系統與方法 | |
CN112230659A (zh) | 精准规划运动轨迹的方法、智能控制设备及自动驾驶车辆 |
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 |