CN113963575A - 一种防追尾智能预警控制方法、系统及可读存储介质 - Google Patents

一种防追尾智能预警控制方法、系统及可读存储介质 Download PDF

Info

Publication number
CN113963575A
CN113963575A CN202111221414.3A CN202111221414A CN113963575A CN 113963575 A CN113963575 A CN 113963575A CN 202111221414 A CN202111221414 A CN 202111221414A CN 113963575 A CN113963575 A CN 113963575A
Authority
CN
China
Prior art keywords
vehicle
time
collision
speed
specific target
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
Application number
CN202111221414.3A
Other languages
English (en)
Other versions
CN113963575B (zh
Inventor
翟玉江
余焱江
刘天乐
李晓霓
林冬
李荣发
林菁
丘裕文
陈铭健
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.)
Wuyi University
Original Assignee
Wuyi University
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 Wuyi University filed Critical Wuyi University
Priority to CN202111221414.3A priority Critical patent/CN113963575B/zh
Publication of CN113963575A publication Critical patent/CN113963575A/zh
Application granted granted Critical
Publication of CN113963575B publication Critical patent/CN113963575B/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
    • G08G1/164—Centralised systems, e.g. external to vehicles
    • 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
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
    • G08G1/096725—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control where the received information generates an automatic action on the vehicle control
    • 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)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种防追尾智能预警控制方法、系统及可读存储介质，应用于与多个车载终端通信连接的综合服务器，所述方法包括如下步骤：基于数据采集组件对车辆的行驶数据进行采集以获取车辆与特定目标之间的相对速度vr；基于所述相对速度，通过数据处理组件确定车辆与特定目标之间的碰撞时间Tc；基于所述碰撞时间，通过预警组件确定车辆的安全等级；基于所述安全等级，通过行车速度控制组件为车辆提供行车速度控制策略。

Description

一种防追尾智能预警控制方法、系统及可读存储介质
技术领域
本发明涉及预警控制技术领域，尤其涉及一种车联网环境下的交互式防追尾智能预警控制方法、系统及可读存储介质。
背景技术
汽车主动避障系统作为一项先进主动安全技术，对提高交通安全具有重要意义。当避障系统检测到潜在的碰撞危险，一种合适的报警方式将被触发；如果驾驶员没有对报警信号做出及时有效的操作，避障系统会自动接管车辆控制，通过主动制动以避免或减轻碰撞事故。
目前，汽车防追尾预警系统设计的主要思路是：首先，利用相关测距仪器，如测距雷达、测距传感器等测出自车与前车之间的相对距离；然后，驾驶员根据自车行驶环境选择路况模式；接着，中央控制单元会根据设定好的模型算法计算出两车的碰撞时间，当两车的碰撞时间小于预设值时，相关报警装置如警示灯闪烁、蜂鸣器滴滴滴响、液晶屏显示出安全信息、语音模块报警等，提醒驾驶员减速，防止追尾事故的发生。目前针对公路防追尾预警系统的研究主要分两个方向，第一个方向是自主式防追尾预警系统，另一个方向是车路协同系统。
本发明致力于解决车联网环境下两车相撞问题，实现行驶过程中自车与周围车辆之间的信息交互，进而提升行车安全性，减少由追尾引起的交通事故，提高道路利用率。针对汽车追尾事故带来的严重危害，设计一种汽车智能防追尾控制系统。该系统利用激光雷达对车辆周围环境进行测距测速，从两车碰撞时间入手，设计适用于基于激光雷达的改进布谷鸟搜索算法对汽车进行速度控制，从而有效地防止追尾的发生。
发明内容
本发明的目的在于克服现有技术的缺点，提供一种车联网环境下的交互式防追尾智能预警控制方法、系统及可读存储介质。
本发明的目的通过以下技术方案来实现：一种防追尾智能预警控制方法，应用于与多个车载终端通信连接的综合服务器，所述方法包括如下步骤：基于数据采集组件对车辆的行驶数据进行采集以获取车辆与特定目标之间的相对速度vr；基于所述相对速度，通过数据处理组件确定车辆与特定目标之间的碰撞时间Tc；基于所述碰撞时间，通过预警组件确定车辆的安全等级；基于所述安全等级，通过行车速度控制组件为车辆提供行车速度控制策略。
优选的，确定所述碰撞时间包括如下步骤：将车辆的制动过程划分为第一阶段P1、第二阶段P2、第三阶段P3和第四阶段P4，获取车辆制动前的初始速度v0、第一阶段P1的结束时刻t0、第二阶段P2的结束时刻t1、第三阶段P3的结束时刻t2、第四阶段P4的结束时刻t3以及车辆在制动过程中的最大减速度am；在特定目标处于静止状态的情况下，车辆与特定目标之间的第四相对距离D1表示为
Figure BDA0003312772210000021
其中，第二碰撞时间
Figure BDA0003312772210000022
在特定目标处于运动状态以使得车辆与特定目标之间的第五相对距离D2逐渐增大的情况下，第四相对距离D2表示为
Figure BDA0003312772210000023
Figure BDA0003312772210000024
其中，第三碰撞时间
Figure BDA0003312772210000025
在特定目标处于运动状态以使得车辆与特定目标之间的第六相对距离D3逐渐减小的情况下，第六相对距离D3表示为
Figure BDA0003312772210000031
其中，第四碰撞时间
Figure BDA0003312772210000032
优选的，确定所述碰撞时间还包括如下步骤：获取车辆与特定目标之间的第三相对距离Drc以及相对速度vr，第一碰撞时间
Figure BDA0003312772210000033
在设定时长Tr＝[ΔT，2ΔT，...，nΔT]内，获取车辆与特定目标之间的相对距离的变化状态Dr＝[Dr1，Dr2，...，Drn]，将设定时长Tr与变化状态Dr组合以获取数据集(Tr，Dr)，对数据集(Tr，Dr)进行多项式拟合以得到数据
Figure BDA0003312772210000034
其中，第五碰撞时间Tc5通过
Figure BDA0003312772210000035
确定；在特定目标处于静止状态的情况下，车辆与特定目标的碰撞时间Tc表示为
Tc＝min(Tc1，Tc2，Tc5)；
在特定目标处于运动状态以使得车辆与特定目标之间的第五相对距离D2逐渐增大的情况下，碰撞时间Tc表示为
Tc＝min(Tc1，Tc3，Tc5)；
在特定目标处于运动状态以使得车辆与特定目标之间的第六相对距离D3逐渐减小的情况下，碰撞时间Tc表示为
Tc＝min(Tc1，Tc4，Tc5)。
优选的，确定所述行车速度控制策略包括下步骤：S400，确定车辆行驶的若干个第一候选速度，第一候选速度
Figure BDA0003312772210000036
表示为：
Figure BDA0003312772210000037
S401，在随机生成发现概率pa的情况下，对候选速度进行迭代更新以获取若干个第二候选速度
Figure BDA0003312772210000038
第二候选速度
Figure BDA0003312772210000039
表示为：
Figure BDA00033127722100000310
式中：p为取值范围为[1，N]的随机正整数，q表示取值范围为[1，D]的随机正整数，D是待求解问题的搜索维度；S402，基于贪婪策略对第二候选速度
Figure BDA0003312772210000041
进行代以舍弃劣解以得到第三候选速度
Figure BDA0003312772210000042
其中，在第二候选速度
Figure BDA0003312772210000043
的迭代未满足迭代终止条件的情况下，判断第三候选速度
Figure BDA0003312772210000044
是否为局部最优解；S403，在第三候选速度
Figure BDA0003312772210000045
不是局部最优解的情况下，重复步骤S400、步骤S401和步骤S402，直至第三候选速度
Figure BDA0003312772210000046
满足迭代终止条件或者第三候选速度
Figure BDA0003312772210000047
为局部最优解。
优选的，确所述行车速度控制策还包括如下步骤：S404，在第三候选速度为最优解的情况下，生成随机数pr，其中，在随机数pr＞0.5的情况下，按照反向莱维飞行的方式对第三候选速度
Figure BDA0003312772210000048
进行更新代以获取第五候选速度
Figure BDA0003312772210000049
第五候选速度
Figure BDA00033127722100000410
表示为
Figure BDA00033127722100000411
Figure BDA00033127722100000412
重复执行步骤S401和步骤S402，直至随机数pr≤0.5，式中：up、lp分别代表搜索空间上限和下限；S405，在随机数pr≤0.5的情况下，对第三候选速度
Figure BDA00033127722100000413
进行初始化以得到第六候选速度
Figure BDA00033127722100000414
第六候选速度
Figure BDA00033127722100000415
重复执行步骤S401和步骤S402，直至第二候选速度
Figure BDA00033127722100000416
的迭代满足迭代终止条件。
优选的，确定所述相对速度包括如下步骤：在第一时刻，通过激光雷达测量车辆与特定目标之间的第一相对距离Dra；在第二时刻，再次通过激光雷达测量车辆与特定目标之间的第二相对距离Drb；相对速度
Figure BDA00033127722100000417
其中，ΔT为第二时刻与第一时刻之间的时间差。
优选的，确定所述安全等级包括如下步骤：对碰撞时间Tc取倒数以获得分级参数
Figure BDA00033127722100000418
基于分级参数
Figure BDA00033127722100000419
确定车辆的安全等级，其中，所述安全等级至少包括1级、2级和3级。
优选的，所述方法还包括根据所述安全等级为行车速度控制策略的确定过程提供适应度策略，其中，获取所述适应度策略至少包括如下步骤：在安全等级为2级时，适应度策略的适应度函数
Figure BDA0003312772210000051
其中，
Figure BDA0003312772210000052
在安全等级为3级时，适应度策略的适应度函数
Figure BDA0003312772210000053
其中，Tc＞0。
优选的，包括综合服务器和多个与所述综合服务器通信连接的车载终端，所述综合服务器用于执行权利要求1-8任一项所述的防追尾智能预警控制方法。
优选的，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被运行时以执行权利要求1-8中任一项所述的防追尾智能预警控制方法。
本发明具有以下优点：
(1)碰撞时间能够有效表征和反映避撞特性，采用三种方式计算碰撞时间，一方面，采用两种不同的运动学公式对碰撞时间进行预测；另一方面，凭借激光雷达的低延迟特点对测量的数据进行拟合以估算碰撞时间，将三种方式求得的碰撞时间取最小值作为最终的结果，在一定程度上提高了安全性。预警效应更及时稳妥，实时预测周围各车的行驶趋势和根据预测情况主动对车进行速度控制，相比于人为地在发生事故前短时间内做出反应并及时操纵调整车辆，可达到在防止追尾事故发生、提醒行人与前后车距离、驾驶方式的切换等方面更具有稳定性和安全性。
(2)为每种危险级别和驾驶风格分配了TC -1评价指标，根据驾驶员在紧急避障行为的差异性，做出报警和主动制动的时机上做出有效权衡。本发明将行车工况分为3个程度：“较安全”、“较危险”和“很危险”。针对不同的驾驶风格，驾驶员可预先在避撞系统的“保守”、“适中”、“激进”3组参数中作出选择。
(3)本发明的适应度函数根据分级结果而进行自适应调整，提高了车辆速度控制的准确性。
(4)本发明提高了布谷鸟搜索算法求解复杂函数的优化性能。考虑到传统CS算法具有较强的全局探索能力和较弱的局部开发能力的特性，在保留算法特点的前提下，对算法的搜索结构进行改进。一方面，将向最优解靠拢的搜索策略代替原来的莱维飞行方式，并引入反向学习方法的思想和莱维飞行方式相结合形成一种逃逸策略，在保留CS算法的全局探索能力的前提下，改善了该算法的局部开发能力；另一方面，在CS算法的偏好随机游走阶段，受到基因重组的启发，将布谷鸟舍弃鸟巢并随机生成新候选解的更新方式修改成鸟巢之间位置互换，提高种群间的信息交流，增加了所求解的多样性。
(5)为每种危险级别和驾驶风格分配Tc -1评价指标，根据驾驶员在紧急避障行为的差异性，做出报警和主动制动的时机上做出有效权衡。本发明将行车工况分为3个程度：“较安全”、“较危险”和“很危险”，同时针对不同的驾驶风格，驾驶员可预先在避撞系统的“保守”、“适中”、“激进”3组参数中作出选择。分级结果将作用在速度控制算法中的适应度函数设计上，该系统反馈的速度能够保证驾驶员的控制优先权，在避障系统启动报警或主动制动后的任何时刻，驾驶员都能接管对车辆的操作，从而保证了驾驶员的优先控制权。
(6)群智能优化算法在无法掌握所求解问题的全局信息前提下，仍能够有效搜索问题的可行解，对所求解问题的先验知识要求低，具有一定的通用性。但由于汽车防追尾是一种复杂的速度优化问题，传统的群智能优化算法难以有效求得满意解。本发明从激光雷达采集得到的数据出发，针对布谷鸟搜索算法的优缺点进行探讨分析，力争减少算法缺陷对寻优性能带来的负面影响，设计出基于激光雷达的改进布谷鸟搜索算法，并利用其对车辆速度进行调控。
附图说明
图1为本发明优选的防追尾智能预警方法的流程示意图；
图2为本发明优选的确定车辆的行驶速度的流程示意图；
图3为本发明优选的莱维飞行搜索路径的轨迹示意图；
图4为本发明优选的防追尾智能预警控制系统模块化结构示意图；
图5为本发明优选的确定是否陷入全局最优的流程示意图。
图中，1-数据采集组件、2-数据处理组件、3-预警组件、4-行车速度控制组件、100-综合服务器、200-车载终端。
具体实施方式
下面结合附图对本发明做进一步的描述，本发明的保护范围不局限于以下所述：
如图1至图5所示，本申请提供一种防追尾智能预警控制系统，至少包括综合服务器100和若干个车载终端200。综合服务器100至少包括数据采集组件1、数据处理组件2、预警组件3和行车速度控制组件4。数据采集组件1用于获取车辆与特定目标之间的相对距离数据。特定目标可以是静止的物体，例如是道路上出现的石头等。特定目标也可以是运动的物体，例如是车辆前方移动的车辆、行人等。数据采集组件1可以是激光雷达，通过激光雷达即可实时获取车辆与特定目标之间的相对距离数据。数据处理组件2能够接收数据采集组件1采集的相对距离数据，并对该相对距离数据进行处理以获取车辆与特定目标之间的相对速度数据。数据处理组件2能够对相对速度数据再次进行处理以获取车辆与特定目标的碰撞时间数据。数据处理组件2可以是具有数据处理功能的服务器。预警组件3用于根据数据处理组件2获取的碰撞时间数据，确定当前车辆的安全等级。例如，车辆的安全等级可以划分为1级、2级、3级。1级表示当前车辆处于安全行驶状态，发生行车事故的风险较低。2级表示当前车辆具有安全隐患，车辆有一定概率发生行车事故。3级表示当前车辆具有极大的安全隐患，车辆极易发生行车事故。行车速度控制组件4用于根据预警组件3划分的安全等级，为车辆生成行车速度控制策略以改变车辆的行驶状态。例如，行车控制策略可以是减速策略以降低车辆的行驶速度。
优选的，数据处理组件2按照如下方式获取车辆与特定目标之间的相对距离数据：
S101，在第一时刻，通过激光雷达测量车辆与特定目标之间的第一相对距离Dra；
S102，在第二时刻，再次通过激光雷达测量车辆与特定目标之间的第二相对距离Drb；
S103，相对速度
Figure BDA0003312772210000081
其中，ΔT为第二时刻与第一时刻之间的时间差，理论上ΔT应该接近无穷小，但由于数据传输耗时和现有技术的限制，一般取ΔT＝0.1s，并将vr视为该时刻的瞬时速度。
优选的，数据处理组件2按照如下方式获取车辆与特定目标的碰撞时间数据：
S201，获取车辆与特定目标之间的第三相对距离Drc以及相对速度vr，第一碰撞时间
Figure BDA0003312772210000082
具体的，在车辆处于匀速运动的状态时，第三相对距离Drc、第一相对距离Drl、第二相对距离Dr2彼此相等。
S202，将车辆的制动过程划分为第一阶段P1、第二阶段P2、第三阶段P3和第四阶段P4，获取车辆制动前的初始速度v0、第一阶段P1的结束时刻t0、第二阶段P2的结束时刻t1、第三阶段P3的结束时刻t2、第四阶段P4的结束时刻t3以及车辆在制动过程中的最大减速度am。
具体的，第一阶段P1，车辆匀速行驶，减速度为0。第二阶段P2，车辆实施制动，即正常行车过程中的刹车行为，此过程车辆的减速度逐渐增大并达到最大；第三阶段P3，车辆减速度达到最大后并保持的匀减速的过程；第四阶段P4，车辆速度减少到目标值后保持不变。数据采集组件1还可以包括速度传感器和加速度传感器，通过速度传感器即可获取初始速度v0，通过加速度传感器即可获取最大减速度am，即当车辆减速时，加速度传感器获取的加速度值为负值，该加速度值取绝对值得到正数即将其定义为减速度值，通过记录减速度的变化过程，即可确定第一阶段P1的结束时刻t0、第二阶段P2的结束时刻t1、第三阶段P3的结束时刻t2、第四阶段P4的结束时刻t3。
S203，在特定目标处于静止状态的情况下，车辆与特定目标之间的第四相对距离D1表示为
Figure BDA0003312772210000096
其中，第二碰撞时间
Figure BDA0003312772210000097
S204，在特定目标处于运动状态以使得车辆与特定目标之间的第五相对距离D2逐渐增大的情况下，第四相对距离D2表示为
Figure BDA0003312772210000091
Figure BDA0003312772210000092
其中，第三碰撞时间
Figure BDA0003312772210000093
S205，在特定目标处于运动状态以使得车辆与特定目标之间的第六相对距离D3逐渐减小的情况下，第六相对距离D3表示为
Figure BDA0003312772210000094
其中，第四碰撞时间
Figure BDA0003312772210000095
S206，在设定时长Tr＝[ΔT，2ΔT，...，nΔT]内，获取车辆与特定目标之间的相对距离的变化状态Dr＝[Dr1，Dr2，...，Drn]，将设定时长Tr与变化状态Dr组合以获取数据集(Tr，Dr)，对数据集(Tr，Dr)进行多项式拟合以得到数据
Figure BDA0003312772210000101
其中，第五碰撞时间Tc5可以通过
Figure BDA0003312772210000102
确定。
S207，在特定目标处于静止状态的情况下，车辆与特定目标的碰撞时间Tc表示为
Tc＝min(Tc1，Tc2，Tc5)；
在特定目标处于运动状态以使得车辆与特定目标之间的第五相对距离D2逐渐增大的情况下，碰撞时间Tc表示为
Tc＝min(Tc1，Tc3，Tc5)；
在特定目标处于运动状态以使得车辆与特定目标之间的第六相对距离D3逐渐减小的情况下，碰撞时间Tc表示为：
Tc＝min(Tc1，Tc4，Tc5)。
优选的，预警组件3按照如下方式确定当前车辆的安全等级：对碰撞时间Tc取倒数以获得分级参数
Figure BDA0003312772210000103
基于分级参数
Figure BDA0003312772210000104
确定车辆的安全等级。
具体的，如表1所示，安全等级的划分可以分为三种模式，分别为保守模式、适中模式和激进模式。
表1安全等级的划分方式
Figure BDA0003312772210000105
优选的，行车速度控制组件按照如下步骤为车辆生成行车速度控制策略：
S400，确定车辆行驶的若干个第一候选速度，第一候选速度
Figure BDA0003312772210000106
表示为：
Figure BDA0003312772210000107
具体的，如图2所示，本申请在布谷鸟搜索算法的基础上确定车辆的行驶速度。布谷鸟与其他鸟类不同，繁殖时不会筑巢，而是通过寄生在其他鸟类的巢穴来孵化后代。被寄生的宿主鸟有一定概率察觉到巢穴中有外来布谷鸟蛋从而舍弃该鸟巢。当寄生巢穴被放弃后，布谷鸟会重新随机选择一个鸟巢作为新的寄生巢。根据布谷鸟的繁殖过程提出了CS算法。该算法通过鸟巢位置来表示待求解问题的候选解，该候选解即为车辆行驶的候选速度。CS算法采用莱维飞行寻找寄生鸟巢的位置，即是候选解
Figure BDA0003312772210000111
的数学表达式：
Figure BDA0003312772210000112
式中：
Figure BDA0003312772210000113
表示算法进化至第t代时的第i个候选解的第j个维度；
Figure BDA0003312772210000114
为算法进化至第t代在j维度上搜索到的最优解；η代表算法初始搜索步长，与优化问题的维度及复杂性有关；
Figure BDA0003312772210000115
表示点对点乘法；L(λ)是莱维飞行搜索路径，图3为其飞行轨迹的示意图。CS算法采用莱维飞行寻找寄生鸟巢的位置，存在搜索精度不高的缺点。本申请提供一种基于种群最优位置的飞行方式，当布谷鸟搜寻到一个较优的位置后，其他鸟巢会随之转移到最优鸟巢的附近进行精细化搜索，从而使得每次搜索都向有利的方向进行，提高搜索精度。位置更新的方式通过公式
Figure BDA0003312772210000116
表示，式中：α表示取值范围为[-1，1]的随机数。
S401，在随机生成发现概率pa的情况下，对候选速度进行代更新以获取若干个第二候选速度
Figure BDA0003312772210000117
第二候选速度
Figure BDA0003312772210000118
表示为：
Figure BDA0003312772210000119
式中：p为取值范围为[1，N]的随机正整数；q表示取值范围为[1，D]的随机正整数；D是待求解问题的搜索维度。
具体的，传统的布谷鸟搜索算法在迭代过程中宿主鸟以一定概率pa发现布谷鸟幼雏后舍弃该巢，并生成相同数量的新巢穴。即算法采用偏好随机游走方式对可行解进行更新：
Figure BDA0003312772210000121
式中：pa表示算法舍弃候选解的概率，即发现概率；r，ε均为服从均匀分布的随机数；
Figure BDA0003312772210000122
代表算法进化到第t代的随机可行解；Heaviside(x)是跳跃函数，当x＞1时，x＝1，当x＜0时，x＝0。在上述偏好随机游走以获取第二候选速度的过程中，CS算法随机生成新解，缺乏种群间的信息交流。本申请受基因重组的启发，将第二候选速度
Figure BDA0003312772210000123
表示为：
Figure BDA0003312772210000124
本申请将布谷鸟舍弃鸟巢并随机生成新候选解的更新方式修改成鸟巢之间位置互换，提高种群间的信息交流，增加了所求解的多样性。
S402，基于贪婪策略对第二候选速度
Figure BDA0003312772210000125
进行代以舍弃劣解以得到第三候选速度
Figure BDA0003312772210000126
其中，在第二候选速度
Figure BDA0003312772210000127
的迭代未满足迭代终止条件的情况下，判断第三候选速度
Figure BDA0003312772210000128
是否为局部最优解。
S403，在第三候选速度
Figure BDA0003312772210000129
不是局部最优解的情况下，重复步骤S400、步骤S401和步骤S402，直至第三候选速度
Figure BDA00033127722100001210
满足迭代终止条件或者第三候选速度
Figure BDA00033127722100001211
为局部最优解。
具体的，目前判断算法陷入局部最优的方法比较多，但还没有统一的规定，本申请采用的是：当算法连续5次迭代而最优解没有发生变化时，视为算法陷入局部最优。原因是：优化算法是一个不断搜索的过程，理论上，每一次迭代都会搜索到不同的解。假设图5中的B点为全局最优解，C点为算法初始化的适应度值，随着算法的不断迭代，如果算法在A点附近不断地搜索，它不会搜索到比A点更好的解(因为A和B距离太远了)，所以适应度值不会变化，而在图5中，可以确定的是B点才是全局最优解，所以算法就在A点陷入了局部最优。对于实际问题而言，同城无法得到全局最优解的位置，因此可以将算法连续5次迭代而最优解没有发生变化时，均视为算法陷入局部最优的情况。由于算法的搜索是一种贪婪的搜索策略，每一次都会保存算法所搜索到的当前最优解，所以如果算法找到了全局最优解，无论执行什么操作都不会影响算法的搜索结果，如果算法找到的是局部最优解，本申请的改进便可以使算法跳出局部最优。
S404，在第三候选速度为最优解的情况下，生成随机数pr，其中，在随机数pr＞0.5的情况下，按照反向莱维飞行的方式对第三候选速度
Figure BDA0003312772210000131
差行更新代以获取第五候选速度
Figure BDA0003312772210000132
第五候选速度
Figure BDA0003312772210000133
表示为
Figure BDA0003312772210000134
Figure BDA0003312772210000135
重复执行步骤S401和步骤S402，直至随机数pr≤0.5，式中：up、lp分别代表搜索空间上限和下限。
具体的，在优化算法的进化过程中，若最优个体针对所求问题计算的适应度值经过一定的迭代而无明显差异，说明算法在搜索过程中要么无法跳出当前最优解，要么收敛到理论最优值，因在求解工程问题时，无法提前预知全局最优解的信息，因此将算法适应度值在一定进化代数保持不变的情况视为算法停滞，并利用反向的莱维飞行设计一种逃逸机制：
Figure BDA0003312772210000136
式中：up，lp分别代表搜索空间上限和下限。本申请基于上述逃逸机制确定第五候选速度
Figure BDA0003312772210000137
S405，在随机数pr≤0.5的情况下，对第三候选速度
Figure BDA0003312772210000138
进行初始化以得到第六候选速度
Figure BDA0003312772210000139
第六候选速度
Figure BDA00033127722100001310
重复执行步骤S401和步骤S402，直至第二候选速度
Figure BDA0003312772210000141
的迭代满足迭代终止条件。
具体的，迭代终止条件可以是人为设置的，在本申请中，迭代终止条件可以设置为：迭代次数t＞100或碰撞时间倒数
Figure BDA0003312772210000142
上述设置的目标是：(1)迭代次数太高会增大计算量，影响运行效率，所以不能取得过高，而迭代次数太低则会使得算法过早终止，没有发挥搜索到合适的速度的作用。(2)如果搜索到的速度能够使预警等级降低到1级，说明合适的速度已经被找到了，就不需要继续进行搜索了。
优选的，第三候选速度
Figure BDA0003312772210000143
进行初始化可以通过如下公式完成：
Figure BDA0003312772210000144
μ表示取值范围为[0，1]的随机数。
优选的，防追尾智能预警控制方法能够根据安全等级为行车速度控制策略的确定过程提供适应度策略，其中，获取所述适应度策略至少包括如下步骤：
S501，预警等级为1时，车辆行驶处于较为安全的状态，取消适应度策略的确定，使得车辆的行车速度不受本申请的防追尾智能预警控制方法的控制。
S502，预警等级为2时，适应度函数为
Figure BDA0003312772210000145
具体的，在车辆数据的采集阶段得到两车的相对速度vr，令va，vb分别表示自身车辆和前方车辆的速度，v′a，v′r分别表示改变后的自身车辆速度和改变后的两车相对速度，则有：vb＝va-vr；v′r＝v′a-vb。
S503，预警等级为3时，适应度函数为
Figure BDA0003312772210000146
具体的，如图2所示，适应度函数F在算法流程中以“贪婪策略舍弃劣解”的形式出现，布谷鸟搜索算法得到的每一个解，都会通过适应度函数计算出一个F，而贪婪策略的作用就是，在每一次迭代中判断每一个速度的适应度值F，根据F的大小进行速度的选择。如果在第一次迭代搜索到的最优速度为
Figure BDA0003312772210000151
计算出适应度值为f1，第二次迭代搜索的最优速度为
Figure BDA0003312772210000152
计算出的适应度值为f2，那么由于贪婪策略的存在，第二次迭代最后的最优速度为适应度值最小的速度，也就是说，如果f1＞f2，那么第二次迭代的最优速度确定为
Figure BDA0003312772210000153
因为它的适应度值更小。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然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。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种防追尾智能预警控制方法，其特征在于，应用于与多个车载终端通信连接的综合服务器，所述方法包括如下步骤：
基于数据采集组件(1)对车辆的行驶数据进行采集以获取车辆与特定目标之间的相对速度vr；
基于所述相对速度，通过数据处理组件(2)确定车辆与特定目标之间的碰撞时间Tc；
基于所述碰撞时间，通过预警组件(3)确定车辆的安全等级；
基于所述安全等级，通过行车速度控制组件(4)为车辆提供行车速度控制策略。
2.根据利要求1所述的防追尾智能预警控制方法，其特征在于，确定所述碰撞时间包括如下步骤：
将车辆的制动过程划分为第一阶段P1、第二阶段P2、第三阶段P3和第四阶段P4，获取车辆制动前的初始速度v0、第一阶段P1的结束时刻t0、第二阶段P2的结束时刻t1、第三阶段P3的结束时刻t2、第四阶段P4的结束时刻t3以及车辆在制动过程中的最大减速度am；
在特定目标处于静止状态的情况下，车辆与特定目标之间的第四相对距离D1表示为
Figure FDA0003312772200000011
其中，第二碰撞时间
Figure FDA0003312772200000012
在特定目标处于运动状态以使得车辆与特定目标之间的第五相对距离D2逐渐增大的情况下，第四相对距离D2表示为
Figure FDA0003312772200000013
Figure FDA0003312772200000014
其中，第三碰撞时间
Figure FDA0003312772200000015
在特定目标处于运动状态以使得车辆与特定目标之间的第六相对距离D3逐渐减小的情况下，第六相对距离D3表示为
Figure FDA0003312772200000016
其中，第四碰撞时间
Figure FDA0003312772200000021
3.根据权利要求2所述的防追尾智能预警控制方法，其特征在于，确定所述碰撞时间还包括如下步骤：
获取车辆与特定目标之间的第三相对距离Drc以及相对速度vr，第一碰撞时间
Figure FDA0003312772200000022
在设定时长Tr＝[ΔT，2ΔT，...，nΔT]内，获取车辆与特定目标之间的相对距离的变化状态Dr＝[Dr1，Dr2，...，Drn]，将设定时长Tr与变化状态Dr组合以获取数据集(Tr，Dr)，对数据集(Tr，Dr)进行多项式拟合以得到数据
Figure FDA0003312772200000023
其中，第五碰撞时间Tc5通过
Figure FDA0003312772200000024
确定；
在特定目标处于静止状态的情况下，车辆与特定目标的碰撞时间Tc表示为
Tc＝min(Tc1，Tc2，Tc5)；
在特定目标处于运动状态以使得车辆与特定目标之间的第五相对距离D2逐渐增大的情况下，碰撞时间Tc表示为：
Tc＝min(Tc1，Tc3，Tc5)；
在特定目标处于运动状态以使得车辆与特定目标之间的第六相对距离D3逐渐减小的情况下，碰撞时间Tc表示为：
Tc＝min(Tc1，Tc4，Tc5)。
4.根据权利要求1所述的防追尾智能预警控制方法，其特征在于，确定所述行车速度控制策略包括下步骤：
S400，确定车辆行驶的若干个第一候选速度，第一候选速度
Figure FDA0003312772200000025
表示为：
Figure FDA0003312772200000026
S401，在随机生成发现概率pa的情况下，对候选速度进行迭代更新以获取若干个第二候选速度
Figure FDA0003312772200000027
第二候选速度
Figure FDA0003312772200000028
表示为：
Figure FDA0003312772200000031
式中：p为取值范围为[1，N]的随机正整数，q表示取值范围为[1，D]的随机正整数，D是待求解问题的搜索维度；
S402，基于贪婪策略对第二候选速度
Figure FDA0003312772200000032
进行代以舍弃劣解以得到第三候选速度
Figure FDA0003312772200000033
其中，在第二候选速度
Figure FDA0003312772200000034
的迭代未满足迭代终止条件的情况下，判断第三候选速度
Figure FDA0003312772200000035
是否为局部最优解；
S403，在第三候选速度
Figure FDA0003312772200000036
不是局部最优解的情况下，重复步骤S400、步骤S401和步骤S402，直至第三候选速度
Figure FDA0003312772200000037
满足迭代终止条件或者第三候选速度
Figure FDA0003312772200000038
为局部最优解。
5.根据权利要求4所述的防追尾智能预警控制方法，其特征在于，确所述行车速度控制策还包括如下步骤：
S404，在第三候选速度为最优解的情况下，生成随机数pr，其中，在随机数pr＞0.5的情况下，按照反向莱维飞行的方式对第三候选速度
Figure FDA0003312772200000039
进行更新代以获取第五候选速度
Figure FDA00033127722000000310
第五候选速度
Figure FDA00033127722000000311
表示为
Figure FDA00033127722000000312
Figure FDA00033127722000000313
重复执行步骤S401和步骤S402，直至随机数pr≤0.5，式中：up、lp分别代表搜索空间上限和下限；
S405，在随机数pr≤0.5的情况下，对第三候选速度
Figure FDA00033127722000000314
进行初始化以得到第六候选速度
Figure FDA00033127722000000315
第六候选速度
Figure FDA00033127722000000316
重复执行步骤S401和步骤S402，直至第二候选速度
Figure FDA00033127722000000317
的迭代满足迭代终止条件。
6.根据权利要求1所述的防追尾智能预警控制方法，其特征在于，确定所述相对速度包括如下步骤：
在第一时刻，通过激光雷达测量车辆与特定目标之间的第一相对距离Dra；
在第二时刻，再次通过激光雷达测量车辆与特定目标之间的第二相对距离Drb；
相对速度
Figure FDA0003312772200000041
其中，ΔT为第二时刻与第一时刻之间的时间差。
7.根据权利要求1所述的防追尾智能预警控制方法，其特征在于，确定所述安全等级包括如下步骤：对碰撞时间Tc取倒数以获得分级参数
Figure FDA0003312772200000045
基于分级参数
Figure FDA0003312772200000046
确定车辆的安全等级，其中，所述安全等级至少包括1级、2级和3级。
8.根据权利要求1所述的防追尾智能预警控制方法，其特征在于，所述方法还包括根据所述安全等级为行车速度控制策略的确定过程提供适应度策略，其中，获取所述适应度策略至少包括如下步骤：
在安全等级为2级时，适应度策略的适应度函数
Figure FDA0003312772200000042
其中，
Figure FDA0003312772200000043
在安全等级为3级时，适应度策略的适应度函数
Figure FDA0003312772200000044
其中，Tc＞0。
9.一种防追尾智能预警控制系统，其特征在于，包括综合服务器和多个与所述综合服务器通信连接的车载终端，所述综合服务器用于执行权利要求1-8任一项所述的防追尾智能预警控制方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被运行时以执行权利要求1-8中任一项所述的防追尾智能预警控制方法。
CN202111221414.3A 2021-10-20 2021-10-20 一种防追尾智能预警控制方法、系统及可读存储介质 Active CN113963575B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111221414.3A CN113963575B (zh) 2021-10-20 2021-10-20 一种防追尾智能预警控制方法、系统及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111221414.3A CN113963575B (zh) 2021-10-20 2021-10-20 一种防追尾智能预警控制方法、系统及可读存储介质

Publications (2)

Publication Number Publication Date
CN113963575A true CN113963575A (zh) 2022-01-21
CN113963575B CN113963575B (zh) 2022-12-23

Family

ID=79465688

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111221414.3A Active CN113963575B (zh) 2021-10-20 2021-10-20 一种防追尾智能预警控制方法、系统及可读存储介质

Country Status (1)

Country Link
CN (1) CN113963575B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103760907A (zh) * 2013-12-30 2014-04-30 哈尔滨工程大学 一种基于布谷鸟搜索算法的水下潜器三维路径规划方法
CN107139919A (zh) * 2017-04-10 2017-09-08 浙江亚太机电股份有限公司 用于车辆防追尾预警的自保护方法、系统及车辆
CN108021899A (zh) * 2017-12-15 2018-05-11 郑州日产汽车有限公司 基于双目相机的车载智能前车防撞预警方法
CN108198461A (zh) * 2018-02-28 2018-06-22 奇瑞汽车股份有限公司 车辆追尾预警方法及装置
EP3616966A1 (en) * 2018-08-28 2020-03-04 Mazda Motor Corporation Vehicle stop support system
CN110992710A (zh) * 2019-12-13 2020-04-10 潍柴动力股份有限公司 弯道测速预警方法、装置、控制设备及可读存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103760907A (zh) * 2013-12-30 2014-04-30 哈尔滨工程大学 一种基于布谷鸟搜索算法的水下潜器三维路径规划方法
CN107139919A (zh) * 2017-04-10 2017-09-08 浙江亚太机电股份有限公司 用于车辆防追尾预警的自保护方法、系统及车辆
CN108021899A (zh) * 2017-12-15 2018-05-11 郑州日产汽车有限公司 基于双目相机的车载智能前车防撞预警方法
CN108198461A (zh) * 2018-02-28 2018-06-22 奇瑞汽车股份有限公司 车辆追尾预警方法及装置
EP3616966A1 (en) * 2018-08-28 2020-03-04 Mazda Motor Corporation Vehicle stop support system
CN110992710A (zh) * 2019-12-13 2020-04-10 潍柴动力股份有限公司 弯道测速预警方法、装置、控制设备及可读存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
YUCHUAN FU 等: "Graded Warning for Rear-end Collision: An Artificial Intelligence-aided Algorithm", 《IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS》 *
朱西产等: "基于自然驾驶数据的跟车场景潜在风险评估", 《中国公路学报》 *

Also Published As

Publication number Publication date
CN113963575B (zh) 2022-12-23

Similar Documents

Publication Publication Date Title
CN110488802B (zh) 一种网联环境下的自动驾驶车辆动态行为决策方法
US20210286360A1 (en) Agent prioritization for autonomous vehicles
CN107742193B (zh) 一种基于时变状态转移概率马尔可夫链的行车风险预测方法
CN107229973B (zh) 一种用于车辆自动驾驶的策略网络模型的生成方法及装置
CN107169567B (zh) 一种用于车辆自动驾驶的决策网络模型的生成方法及装置
CN111026127B (zh) 基于部分可观测迁移强化学习的自动驾驶决策方法及系统
US11673550B2 (en) Agent prioritization for autonomous vehicles
US20190025841A1 (en) Machine Learning for Predicting Locations of Objects Perceived by Autonomous Vehicles
EP3774476A1 (en) Method and system for adaptively controlling object spacing
WO2021178909A1 (en) Learning point cloud augmentation policies
CN110617829B (zh) 用于预测车辆的可能行驶路线的方法和装置
CN110232335A (zh) 驾驶场景分类方法及电子设备
CN110182217A (zh) 一种面向复杂超车场景的行驶任务复杂度量化评估方法
CN114919578B (zh) 智能车行为决策方法、规划方法、系统及存储介质
Menéndez-Romero et al. Courtesy behavior for highly automated vehicles on highway interchanges
JP2018085113A (ja) 車両制御装置及びその動作方法
JP2023523350A (ja) 乗り物に基づくデータ処理方法、データ処理装置、コンピュータ機器、及びコンピュータプログラム
US20230339502A1 (en) Safety measurement of autonomous vehicle driving
Khamis et al. Adaptive traffic control system based on Bayesian probability interpretation
CN113963575B (zh) 一种防追尾智能预警控制方法、系统及可读存储介质
Eichenlaub et al. Anticipatory Longitudinal Vehicle Control using a LSTM Prediction Model
Sato et al. Understanding driver car-following behavior using a fuzzy logic car-following model
WO2021258847A1 (zh) 一种驾驶决策方法、装置及芯片
US20230339519A1 (en) Safety measurement for a counterfactual risk in autonomous vehicle driving
Fekete et al. Methods for improving the flow of traffic

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