CN114103936A - 复杂风环境下车辆行驶安全预测方法及系统 - Google Patents
复杂风环境下车辆行驶安全预测方法及系统 Download PDFInfo
- Publication number
- CN114103936A CN114103936A CN202210082981.3A CN202210082981A CN114103936A CN 114103936 A CN114103936 A CN 114103936A CN 202210082981 A CN202210082981 A CN 202210082981A CN 114103936 A CN114103936 A CN 114103936A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- bridge
- accident
- module
- establishing
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 230000006399 behavior Effects 0.000 claims abstract description 45
- 230000008878 coupling Effects 0.000 claims abstract description 38
- 238000010168 coupling process Methods 0.000 claims abstract description 38
- 238000005859 coupling reaction Methods 0.000 claims abstract description 38
- 230000004044 response Effects 0.000 claims abstract description 32
- 230000009471 action Effects 0.000 claims description 18
- 238000004088 simulation Methods 0.000 claims description 7
- 238000010219 correlation analysis Methods 0.000 claims description 6
- 238000000491 multivariate analysis Methods 0.000 claims description 6
- 238000006073 displacement reaction Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 claims description 5
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 15
- 238000007726 management method Methods 0.000 description 10
- 230000003993 interaction Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 3
- 206010039203 Road traffic accident Diseases 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000000750 progressive effect Effects 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
- 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
- B60W50/0097—Predicting future 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
- 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
- B60W50/0098—Details of control systems ensuring comfort, safety or stability not otherwise provided for
-
- 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
- B60W2050/0019—Control system elements or transfer functions
- B60W2050/0028—Mathematical models, e.g. for simulation
-
- 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
- B60W2555/00—Input parameters relating to exterior conditions, not covered by groups B60W2552/00, B60W2554/00
- B60W2555/20—Ambient conditions, e.g. wind or rain
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本申请公开了一种复杂风环境下车辆行驶安全预测方法及系统,该系统包括:耦合振动分析模型建立模块,用于建立可获取桥上的车辆轨迹和气动力数据的风‑车‑桥耦合振动分析模型;统计回归模型建立模块,用于建立记录有侧风环境下在桥上行驶的车辆状态视频和驾驶员操控行为的统计回归模型;事故发生概率统计模块,用于统计车辆事故发生概率;事故准则确定模块,用于将统计的车辆事故发生概率与车辆响应信息进行结合,确定车辆事故准则;可靠度指标确定模块,用于根据车辆气动力数据和车辆事故准则,确定车辆行驶安全的可靠度指标;可靠度预测模块,用于预测桥上车辆行驶安全可靠度。这样考虑了驾驶员操控行为的影响,预测准确性高。
Description
技术领域
本发明涉及车辆行驶安全预测领域,特别是涉及一种复杂风环境下车辆行驶安全预测方法及系统。
背景技术
随着我国经济发展的需求和建设水平的提高,山区、沿海的高速公路不断出现,跨越深山峡谷和广阔海峡的大跨度桥梁越来越多。这些大跨度桥梁所处的地形往往复杂多变,风环境比较恶劣且风速较大,当车辆行驶在对风较敏感的大跨度桥梁上时,在侧向风和偏转力作用下为了保持车辆正常行驶,驾驶员需要不断调整方向盘以保持车辆的平衡,容易导致驾驶疲劳从而增加驾驶的不安全性,且复杂的风-车-桥相互作用严重影响驾驶员判断和操控,大大降低车辆行驶的稳定性,导致车辆的交通事故率增大。严重的交通事故将导致人员伤亡和直接/间接的经济损失,例如车辆损毁、交通中断、交通设施破坏、桥梁破损等。
因此,如何保障在复杂风环境下桥上车辆行驶的安全性,是本领域技术人员亟待解决的技术问题。
发明内容
有鉴于此,本发明的目的在于提供一种复杂风环境下车辆行驶安全预测方法及系统,考虑了驾驶员操控行为的影响,预测准确性高,为保障车辆在桥梁上安全行驶提供科学依据和强有力的技术支持。其具体方案如下:
一种复杂风环境下车辆行驶安全预测系统,包括:
耦合振动分析模型建立模块,用于建立可获取桥上的车辆轨迹和气动力数据的风-车-桥耦合振动分析模型;
统计回归模型建立模块,用于建立记录有侧风环境下在桥上行驶的车辆状态视频和驾驶员操控行为的统计回归模型;
事故发生概率统计模块,用于通过车辆轨迹、车辆状态视频和驾驶员操控行为鉴别车辆发生事故的瞬间,并统计车辆事故发生概率;
事故准则确定模块,用于将统计的所述车辆事故发生概率与车辆响应信息进行结合,确定车辆事故准则,以对车辆是否发生事故进行判断;
可靠度指标确定模块,用于根据所述耦合振动分析模型获取的车辆气动力数据和所述车辆事故准则,确定车辆行驶安全的可靠度指标;
可靠度预测模块,用于根据所述可靠度指标,预测桥上车辆在侧风作用和驾驶员操控下的行驶安全可靠度。
优选地,在本发明实施例提供的上述复杂风环境下车辆行驶安全预测系统中,所述耦合振动分析模型建立模块,具体用于根据不同风速和不同桥上位置对车辆和桥梁振动的影响因子,获得耦合状态下的桥梁振动响应;根据所述耦合状态下的桥梁振动响应,建立风-车-桥耦合振动分析模型。
优选地,在本发明实施例提供的上述复杂风环境下车辆行驶安全预测系统中,所述统计回归模型建立模块,包括:
驾驶模拟场景建立单元,用于通过驾驶模拟器建立同时考虑车辆气动力和桥梁振动作用的大跨度桥梁驾驶模拟场景,用于模拟车辆在桥上行驶时侧风和桥梁振动对驾驶员行为的影响;
操控行为特征统计单元,用于统计不同工况的驾驶员操控行为特征;
信息分析单元,用于对所述驾驶员操控行为特征、车辆的气动力和车辆响应进行相关性分析和多元方差分析;
统计回归模型建立单元,用于根据分析结果,建立侧风环境下在桥上行驶车辆的驾驶员操控行为对应的统计回归模型。
优选地,在本发明实施例提供的上述复杂风环境下车辆行驶安全预测系统中,所述信息分析单元,具体用于对方向盘转角、油门踏板和刹车踏板角度、侧向位移、侧偏速度、偏转角、侧倾角及侧倾速度进行相关性分析和多元方差分析。
优选地,在本发明实施例提供的上述复杂风环境下车辆行驶安全预测系统中,所述可靠度指标确定模块,具体包括:
分布模型建立单元,用于将车辆气动力作为随机变量,通过所述耦合振动分析模型获得的车辆气动力数据,建立车辆非定常气动力的分布模型;
极限值确定单元,用于根据所述车辆事故准则,确定车辆侧滑、偏移和侧翻的极限值;
近似功能函数确定单元,用于根据所述车辆侧滑、偏移和侧翻的极限值,得到近似功能函数;
响应面函数确定单元,用于在所述车辆非定常气动力的分布模型中,根据所述随机变量与所述近似功能函数在各试验点的值确定响应面函数;
可靠度指标确定单元,用于根据所述响应面函数,得到车辆行驶安全的可靠度指标。
优选地,在本发明实施例提供的上述复杂风环境下车辆行驶安全预测系统中,所述可靠度指标确定单元,具体用于通过验算点法或Monte Carlo法得到车辆行驶安全的可靠度指标。
优选地,在本发明实施例提供的上述复杂风环境下车辆行驶安全预测系统中,还包括:
应急管理模块,用于根据预测结果,对在灾害气候下的桥上车辆进行相应的应急管理,以对车速进行限制及对车辆进行管制。
本发明实施例还提供了一种本发明实施例提供的上述复杂风环境下车辆行驶安全预测系统的预测方法,包括:
利用耦合振动分析模型建立模块建立用于获取桥上的车辆轨迹和气动力数据的风-车-桥耦合振动分析模型;
利用统计回归模型建立模块建立记录有侧风环境下在桥上行驶的车辆状态视频和驾驶员操控行为的统计回归模型;
利用事故发生概率统计模块通过车辆轨迹、车辆状态视频和驾驶员操控行为鉴别车辆发生事故的瞬间,并统计车辆事故发生概率;
利用事故准则确定模块将统计的所述车辆事故发生概率与车辆响应信息进行结合,确定车辆事故准则,以对车辆是否发生事故进行判断;
根据所述耦合振动分析模型获取的车辆气动力数据和所述车辆事故准则,利用可靠度指标确定模块确定车辆行驶安全的可靠度指标;
根据所述可靠度指标,利用可靠度预测模块预测桥上车辆在侧风作用和驾驶员操控下的行驶安全可靠度。
优选地,在本发明实施例提供的上述复杂风环境下车辆行驶安全预测系统的预测方法中,还包括:
根据预测结果,利用应急管理模块对桥上车辆进行相应的应急管理,以对车速进行限制及对车辆进行管制。
从上述技术方案可以看出,本发明所提供的一种复杂风环境下车辆行驶安全预测系统,包括:耦合振动分析模型建立模块,用于建立可获取桥上的车辆轨迹和气动力数据的风-车-桥耦合振动分析模型;统计回归模型建立模块,用于建立记录有侧风环境下在桥上行驶的车辆状态视频和驾驶员操控行为的统计回归模型;事故发生概率统计模块,用于通过车辆轨迹、车辆状态视频和驾驶员操控行为鉴别车辆发生事故的瞬间,并统计车辆事故发生概率;事故准则确定模块,用于将统计的车辆事故发生概率与车辆响应信息进行结合,确定车辆事故准则,以对车辆是否发生事故进行判断;可靠度指标确定模块,用于根据耦合振动分析模型获取的车辆气动力数据和车辆事故准则,确定车辆行驶安全的可靠度指标;可靠度预测模块,用于根据可靠度指标,预测桥上车辆在侧风作用和驾驶员操控下的行驶安全可靠度。
本发明提供的上述复杂风环境下的桥上车辆行驶安全预测系统中,考虑了驾驶员操控行为的影响,通过上述六个模块的相互作用,可以有效预测出桥上车辆在侧风作用和驾驶员操控下的行驶安全可靠度,预测准确性高,为保障车辆在桥梁上安全行驶提供科学依据和强有力的技术支持。
此外,本发明还针对复杂风环境下车辆行驶安全预测系统提供了相应的方法,进一步使得上述系统更具有实用性,该方法具有相应的优点。
附图说明
为了更清楚地说明本发明实施例或相关技术中的技术方案,下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的复杂风环境下车辆行驶安全预测系统的结构示意图;
图2为本发明实施例提供的复杂风环境下车辆行驶安全预测系统的预测方法的流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明提供一种复杂风环境下车辆行驶安全预测系统,如图1所示,包括:
耦合振动分析模型建立模块11,用于建立可获取桥上的车辆轨迹和气动力数据的风-车-桥耦合振动分析模型;
统计回归模型建立模块12,用于建立记录有侧风环境下在桥上行驶的车辆状态视频和驾驶员操控行为的统计回归模型;
事故发生概率统计模块13,用于通过车辆轨迹、车辆状态视频和驾驶员操控行为鉴别车辆发生事故的瞬间,并统计车辆事故发生概率;
事故准则确定模块14,用于将统计的车辆事故发生概率与车辆响应信息进行结合,确定车辆事故准则,以对车辆是否发生事故进行判断;
可靠度指标确定模块15,用于根据耦合振动分析模型获取的车辆气动力数据和车辆事故准则,确定车辆行驶安全的可靠度指标;
可靠度预测模块16,用于根据可靠度指标,预测桥上车辆在侧风作用和驾驶员操控下的行驶安全可靠度。
需要说明的是,车辆在侧风作用下通常发生以下三类事故:侧滑、偏转和侧翻。在获得车辆的侧向位移、偏转角、车轮与路/桥面接触力大小等响应后,通常根据相应的事故准则对响应进行量化以对车辆是否发生事故进行判断。三类事故的相应评判准则:当车辆的侧滑位移超过0.5 m时认为发生侧滑事故,偏航角超过0.2rad时认为发生偏转事故,如果车辆单个轮胎的支反力为0,则认为发生侧翻事故。这种事故评判准则都比较粗略,缺乏足够的理论和实际依据。事故评判准则的确定应该基于实践操作, 制定更符合实际情况的评判准则才更具指导和参考价值。在本发明中,修正了侧风作用下车辆的侧滑、偏转和侧翻事故发生准则,通过事故准则确定模块14来将统计的车辆事故发生概率与车辆响应信息进行结合,确定车辆事故准则;也就是说,事故准则确定模块14确定的车辆事故准则可以认为是基于概率统计的车辆事故评判标准。
在本发明实施例提供的上述复杂风环境下车辆行驶安全预测系统中,考虑了驾驶员操控行为的影响,通过上述六个模块的相互作用,可以有效预测出桥上车辆在侧风作用和驾驶员操控下的行驶安全可靠度,预测准确性高,为保障车辆在桥梁上安全行驶提供科学依据和强有力的技术支持。
在具体实施时,在本发明实施例提供的上述复杂风环境下车辆行驶安全预测系统中,耦合振动分析模型建立模块11,具体可以用于根据不同风速和不同桥上位置对车辆和桥梁振动的影响因子,获得耦合状态下的桥梁振动响应;根据耦合状态下的桥梁振动响应,建立风-车-桥耦合振动分析模型。
具体地,在建立车辆和桥梁的风-车-桥耦合振动分析模型时,可研究不同风速和不同桥上位置对车辆和桥梁振动的影响,并获得耦合状态下的桥梁振动响应。
在具体实施时,在本发明实施例提供的上述复杂风环境下车辆行驶安全预测系统中,统计回归模型建立模块12,具体可以包括:
驾驶模拟场景建立单元,用于通过驾驶模拟器建立同时考虑车辆气动力和桥梁振动作用的大跨度桥梁驾驶模拟场景,用于模拟车辆在桥上行驶时侧风和桥梁振动对驾驶员行为的影响;这里的大跨度是指横向跨越30米以上空间的各类结构形式的建筑;
操控行为特征统计单元,用于统计不同工况的驾驶员操控行为特征;
信息分析单元,用于对驾驶员操控行为特征、车辆的气动力和车辆响应进行相关性分析和多元方差分析(MANOVA);
统计回归模型建立单元,用于根据分析结果,建立侧风环境下在桥上行驶车辆的驾驶员操控行为对应的统计回归模型。
具体地,通过驾驶模拟器设置软件SimVista和Java Script编程语言,建立同时考虑车辆气动力和桥梁振动作用的大跨度桥梁驾驶模拟实验场景,用于模拟车辆在桥上行驶时侧风和桥梁振动对驾驶员行为的影响。较佳地,可以创建实验调查问卷,如表一所示,包括一些基本的个人信息和驾驶体验等,用于统计分析不同人群(年龄、性别、驾龄等)的驾驶行为特征。
表一 驾驶模拟器实验工况
进一步地,在具体实施时,在本发明实施例提供的上述复杂风环境下车辆行驶安全预测系统中,上述信息分析单元,具体用于对方向盘转角、油门踏板和刹车踏板角度、侧向位移、侧偏速度、偏转角、侧倾角及侧倾速度进行相关性分析和多元方差分析。这样考察多个变量间的相互关系,明确风速和桥面位置对驾驶员行为的影响,来建立侧风环境下车辆在桥上行驶的驾驶员行为统计回归模型。
在具体实施时,在本发明实施例提供的上述复杂风环境下车辆行驶安全预测系统中,事故发生概率统计模块13,具体可以用于通过驾驶模拟器实验结合驾驶员调查问卷,得到的车辆轨迹、车辆状态视频、驾驶员操控行为以及驾驶员心理状态参数,鉴别车辆发生事故的瞬间,统计事故发生概率。具体地,事故发生概率统计模块13可以采用两种技术方法,第一种是虚拟现实的VR驾驶模拟器SimVista;第二种是驾驶员问卷调查。通过将这两种技术方法的融合,即通过驾驶模拟器实验结合驾驶员调查问卷,获取车辆发生事故情况下的车辆行驶轨迹、车辆状态视频、驾驶员操作行为以及心理状态等参数,进而能够更好地统计车辆在不同状态下的事故发生概率。
在具体实施时,在本发明实施例提供的上述复杂风环境下车辆行驶安全预测系统中,可靠度指标确定模块15,具体可以包括:
分布模型建立单元,用于将车辆气动力作为随机变量,通过耦合振动分析模型获得的车辆气动力数据(即真实气动力数据),建立车辆非定常气动力的分布模型;
极限值确定单元,用于根据车辆事故准则,确定车辆侧滑、偏移和侧翻的极限值;
近似功能函数确定单元,用于根据车辆侧滑、偏移和侧翻的极限值,得到近似功能函数;在实际应用中,建立随机变量与功能函数之间的非线性关系,可得到近似功能函数;该近似功能函数为与侧滑、偏移和侧翻临界风速相关的关系表达式,用于获取不同侧滑、偏移和侧翻临界风速条件下的对应值;
响应面函数确定单元,用于在车辆非定常气动力的分布模型中,根据随机变量与近似功能函数在各试验点的值确定响应面函数;
可靠度指标确定单元,用于根据响应面函数,得到车辆行驶安全的可靠度指标。
需要指出的是,本发明提供的上述可靠度指标确定模块15和可靠度预测模块16是结合车辆事故评判准则,采用响应面法来预测桥上车辆在侧风作用和驾驶员操控下的行驶安全可靠度。
进一步地,在具体实施时,在本发明实施例提供的上述复杂风环境下车辆行驶安全预测系统中,上述可靠度指标确定单元,具体可以用于通过验算点法或Monte Carlo法得到车辆行驶安全的可靠度指标。
在具体实施时,在本发明实施例提供的上述复杂风环境下车辆行驶安全预测系统中,可靠度预测模块16,具体可以用于将脉动风速、驾驶行为和桥面摩擦条件作为随机变量,计算车辆以不同速度在桥上行驶安全性的可靠度。基于可靠度理论可以计算车桥系统的失效概率,预测结果可为灾害情况下的应急规划提供建议。
进一步地,在具体实施时,在本发明实施例提供的上述复杂风环境下车辆行驶安全预测系统中,还可以包括:应急管理模块,用于根据预测结果,对在灾害气候下的桥上车辆进行相应的应急管理,以对车速进行限制及对车辆进行管制。这样针对恶劣大风等灾害气候环境下,可以利用桥上行车的应急管理模块根据预测结果,对桥上车辆进行相应的应急管理。
基于同一发明构思,本发明实施例还提供了一种复杂风环境下车辆行驶安全预测系统的预测方法,由于该方法解决问题的原理与前述一种复杂风环境下车辆行驶安全预测系统相似,因此该方法的实施可以参见复杂风环境下车辆行驶安全预测系统的实施,重复之处不再赘述。
在具体实施时,本发明实施例提供的复杂风环境下车辆行驶安全预测系统的预测方法,如图2所示,具体包括以下步骤:
S201、利用耦合振动分析模型建立模块建立用于获取桥上的车辆轨迹和气动力数据的风-车-桥耦合振动分析模型;
S202、利用统计回归模型建立模块建立记录有侧风环境下在桥上行驶的车辆状态视频和驾驶员操控行为的统计回归模型;
S203、利用事故发生概率统计模块通过车辆轨迹、车辆状态视频和驾驶员操控行为鉴别车辆发生事故的瞬间,并统计车辆事故发生概率;
S204、利用事故准则确定模块将统计的车辆事故发生概率与车辆响应信息进行结合,确定车辆事故准则,以对车辆是否发生事故进行判断;
S205、根据耦合振动分析模型获取的车辆气动力数据和车辆事故准则,利用可靠度指标确定模块确定车辆行驶安全的可靠度指标;
S206、根据可靠度指标,利用可靠度预测模块预测桥上车辆在侧风作用和驾驶员操控下的行驶安全可靠度。
在本发明实施例提供的上述复杂风环境下车辆行驶安全预测系统的预测方法中,考虑了驾驶员操控行为的影响,可以有效预测出桥上车辆在侧风作用和驾驶员操控下的行驶安全可靠度,预测准确性高,为保障车辆在桥梁上安全行驶提供科学依据和强有力的技术支持。
进一步地,在具体实施时,在本发明实施例提供的上述复杂风环境下车辆行驶安全预测系统的预测方法中,还可以包括以下步骤:
根据预测结果,利用应急管理模块对在灾害气候下的桥上车辆进行相应的应急管理,以对车速进行限制及对车辆进行管制。
关于上述各步骤更加具体的工作过程可以参考前述实施例公开的相应内容,在此不再进行赘述。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。对于实施例公开的方法而言,由于其与实施例公开的系统相对应,所以描述的比较简单,相关之处参见系统部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
综上,本发明实施例提供的一种复杂风环境下车辆行驶安全预测系统,包括:耦合振动分析模型建立模块,用于建立可获取桥上的车辆轨迹和气动力数据的风-车-桥耦合振动分析模型;统计回归模型建立模块,用于建立记录有侧风环境下在桥上行驶的车辆状态视频和驾驶员操控行为的统计回归模型;事故发生概率统计模块,用于通过车辆轨迹、车辆状态视频和驾驶员操控行为鉴别车辆发生事故的瞬间,并统计车辆事故发生概率;事故准则确定模块,用于将统计的车辆事故发生概率与车辆响应信息进行结合,确定车辆事故准则,以对车辆是否发生事故进行判断;可靠度指标确定模块,用于根据耦合振动分析模型获取的车辆气动力数据和车辆事故准则,确定车辆行驶安全的可靠度指标;可靠度预测模块,用于根据可靠度指标,预测桥上车辆在侧风作用和驾驶员操控下的行驶安全可靠度。这样考虑了驾驶员操控行为的影响,通过上述六个模块的相互作用,可以有效预测出桥上车辆在侧风作用和驾驶员操控下的行驶安全可靠度,预测准确性高,为保障车辆在桥梁上安全行驶提供科学依据和强有力的技术支持。此外,本发明还针对复杂风环境下车辆行驶安全预测系统提供了相应的方法,进一步使得上述系统更具有实用性,该方法具有相应的优点。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本发明所提供的复杂风环境下车辆行驶安全预测方法及系统进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (9)
1.一种复杂风环境下车辆行驶安全预测系统,其特征在于,包括:
耦合振动分析模型建立模块,用于建立可获取桥上的车辆轨迹和气动力数据的风-车-桥耦合振动分析模型;
统计回归模型建立模块,用于建立记录有侧风环境下在桥上行驶的车辆状态视频和驾驶员操控行为的统计回归模型;
事故发生概率统计模块,用于通过车辆轨迹、车辆状态视频和驾驶员操控行为鉴别车辆发生事故的瞬间,并统计车辆事故发生概率;
事故准则确定模块,用于将统计的所述车辆事故发生概率与车辆响应信息进行结合,确定车辆事故准则,以对车辆是否发生事故进行判断;
可靠度指标确定模块,用于根据所述耦合振动分析模型获取的车辆气动力数据和所述车辆事故准则,确定车辆行驶安全的可靠度指标;
可靠度预测模块,用于根据所述可靠度指标,预测桥上车辆在侧风作用和驾驶员操控下的行驶安全可靠度。
2.根据权利要求1所述的复杂风环境下车辆行驶安全预测系统,其特征在于,所述耦合振动分析模型建立模块,具体用于根据不同风速和不同桥上位置对车辆和桥梁振动的影响因子,获得耦合状态下的桥梁振动响应;根据所述耦合状态下的桥梁振动响应,建立风-车-桥耦合振动分析模型。
3.根据权利要求2所述的复杂风环境下车辆行驶安全预测系统,其特征在于,所述统计回归模型建立模块,包括:
驾驶模拟场景建立单元,用于通过驾驶模拟器建立同时考虑车辆气动力和桥梁振动作用的大跨度桥梁驾驶模拟场景,用于模拟车辆在桥上行驶时侧风和桥梁振动对驾驶员行为的影响;
操控行为特征统计单元,用于统计不同工况的驾驶员操控行为特征;
信息分析单元,用于对所述驾驶员操控行为特征、车辆的气动力和车辆响应进行相关性分析和多元方差分析;
统计回归模型建立单元,用于根据分析结果,建立侧风环境下在桥上行驶车辆的驾驶员操控行为对应的统计回归模型。
4.根据权利要求3所述的复杂风环境下车辆行驶安全预测系统,其特征在于,所述信息分析单元,具体用于对方向盘转角、油门踏板和刹车踏板角度、侧向位移、侧偏速度、偏转角、侧倾角及侧倾速度进行相关性分析和多元方差分析。
5.根据权利要求4所述的复杂风环境下车辆行驶安全预测系统,其特征在于,所述可靠度指标确定模块,具体包括:
分布模型建立单元,用于将车辆气动力作为随机变量,通过所述耦合振动分析模型获得的车辆气动力数据,建立车辆非定常气动力的分布模型;
极限值确定单元,用于根据所述车辆事故准则,确定车辆侧滑、偏移和侧翻的极限值;
近似功能函数确定单元,用于根据所述车辆侧滑、偏移和侧翻的极限值,得到近似功能函数;
响应面函数确定单元,用于在所述车辆非定常气动力的分布模型中,根据所述随机变量与所述近似功能函数在各试验点的值确定响应面函数;
可靠度指标确定单元,用于根据所述响应面函数,得到车辆行驶安全的可靠度指标。
6.根据权利要求5所述的复杂风环境下车辆行驶安全预测系统,其特征在于,所述可靠度指标确定单元,具体用于通过验算点法或Monte Carlo法得到车辆行驶安全的可靠度指标。
7.根据权利要求1所述的复杂风环境下车辆行驶安全预测系统,其特征在于,还包括:
应急管理模块,用于根据预测结果,对在灾害气候下的桥上车辆进行相应的应急管理,以对车速进行限制及对车辆进行管制。
8.一种如权利要求1至7任一项所述复杂风环境下车辆行驶安全预测系统的预测方法,其特征在于,包括:
利用耦合振动分析模型建立模块建立用于获取桥上的车辆轨迹和气动力数据的风-车-桥耦合振动分析模型;
利用统计回归模型建立模块建立记录有侧风环境下在桥上行驶的车辆状态视频和驾驶员操控行为的统计回归模型;
利用事故发生概率统计模块通过车辆轨迹、车辆状态视频和驾驶员操控行为鉴别车辆发生事故的瞬间,并统计车辆事故发生概率;
利用事故准则确定模块将统计的所述车辆事故发生概率与车辆响应信息进行结合,确定车辆事故准则,以对车辆是否发生事故进行判断;
根据所述耦合振动分析模型获取的车辆气动力数据和所述车辆事故准则,利用可靠度指标确定模块确定车辆行驶安全的可靠度指标;
根据所述可靠度指标,利用可靠度预测模块预测桥上车辆在侧风作用和驾驶员操控下的行驶安全可靠度。
9.根据权利要求8所述的复杂风环境下车辆行驶安全预测系统的预测方法,其特征在于,还包括:
根据预测结果,利用应急管理模块对在灾害气候下的桥上车辆进行相应的应急管理,以对车速进行限制及对车辆进行管制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210082981.3A CN114103936B (zh) | 2022-01-25 | 2022-01-25 | 复杂风环境下车辆行驶安全预测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210082981.3A CN114103936B (zh) | 2022-01-25 | 2022-01-25 | 复杂风环境下车辆行驶安全预测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114103936A true CN114103936A (zh) | 2022-03-01 |
CN114103936B CN114103936B (zh) | 2022-05-06 |
Family
ID=80360918
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210082981.3A Active CN114103936B (zh) | 2022-01-25 | 2022-01-25 | 复杂风环境下车辆行驶安全预测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114103936B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105389458A (zh) * | 2015-10-14 | 2016-03-09 | 长安大学 | 一种公路随机车流风车桥耦合计算方法 |
US20170137023A1 (en) * | 2014-04-02 | 2017-05-18 | Levant Power Corporation | Active safety suspension system |
CN110949399A (zh) * | 2019-12-11 | 2020-04-03 | 长安大学 | 一种针对轿车在公路桥梁通行时的横风预警方法 |
CN111324982A (zh) * | 2020-02-26 | 2020-06-23 | 西南交通大学 | 一种风雨环境下桥上列车运行安全的判别方法 |
CN111898304A (zh) * | 2020-08-06 | 2020-11-06 | 西南交通大学 | 风车流桥耦合振动分析方法及系统 |
CN113723699A (zh) * | 2021-09-07 | 2021-11-30 | 南京安通气象数据有限公司 | 恶劣天气高速公路安全车速矫正把控预警方法及系统 |
-
2022
- 2022-01-25 CN CN202210082981.3A patent/CN114103936B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170137023A1 (en) * | 2014-04-02 | 2017-05-18 | Levant Power Corporation | Active safety suspension system |
CN105389458A (zh) * | 2015-10-14 | 2016-03-09 | 长安大学 | 一种公路随机车流风车桥耦合计算方法 |
CN110949399A (zh) * | 2019-12-11 | 2020-04-03 | 长安大学 | 一种针对轿车在公路桥梁通行时的横风预警方法 |
CN111324982A (zh) * | 2020-02-26 | 2020-06-23 | 西南交通大学 | 一种风雨环境下桥上列车运行安全的判别方法 |
CN111898304A (zh) * | 2020-08-06 | 2020-11-06 | 西南交通大学 | 风车流桥耦合振动分析方法及系统 |
CN113723699A (zh) * | 2021-09-07 | 2021-11-30 | 南京安通气象数据有限公司 | 恶劣天气高速公路安全车速矫正把控预警方法及系统 |
Non-Patent Citations (2)
Title |
---|
陈丰等: "侧风作用下货车驾驶员反应行为模型", 《同济大学学报(自然科学版)》 * |
韩万水等: "引入驾驶员行为的风-汽车-桥系统耦合振动研究", 《中国公路学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN114103936B (zh) | 2022-05-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen et al. | A graphical modeling method for individual driving behavior and its application in driving safety analysis using GPS data | |
Huang et al. | Identifying if VISSIM simulation model and SSAM provide reasonable estimates for field measured traffic conflicts at signalized intersections | |
CN111565990B (zh) | 用于自主车辆的软件验证 | |
Castignani et al. | Driver behavior profiling using smartphones: A low-cost platform for driver monitoring | |
Wijnands et al. | Identifying behavioural change among drivers using Long Short-Term Memory recurrent neural networks | |
US11385991B1 (en) | Collision evaluation for log-based simulations | |
Bagdadi | Estimation of the severity of safety critical events | |
CN114077541A (zh) | 验证用于自动驾驶车辆的自动控制软件的方法和系统 | |
Kovaceva et al. | Identification of aggressive driving from naturalistic data in car-following situations | |
CN115195713A (zh) | 用于确定至少部分受辅助地运行的机动车辆的轨迹的方法 | |
Wang et al. | Causation analysis of crashes and near crashes using naturalistic driving data | |
Khoo et al. | Modeling of passengers’ safety perception for buses on mountainous roads | |
Shen et al. | Test scenarios development and data collection methods for the evaluation of vehicle road departure prevention systems | |
Ali et al. | Normal and risky driving patterns identification in clear and rainy weather on freeway segments using vehicle kinematics trajectories and time series cluster analysis | |
Alrejjal et al. | Impact of crosswinds and truck weight on rollover propensity when negotiating combined curves | |
KR102095884B1 (ko) | 차량의 거동 정보 기반 도로위험지표 산출 방법 및 그 장치 | |
Alonso et al. | Toward a methodology to assess safety of a vehicle | |
Xu et al. | Assessing bicycle-vehicle conflicts at urban intersections utilizing a VR integrated simulation approach | |
CN114103936B (zh) | 复杂风环境下车辆行驶安全预测方法及系统 | |
Ramezani-Khansari et al. | [Retracted] Estimating Lane Change Duration for Overtaking in Nonlane‐Based Driving Behavior by Local Linear Model Trees (LOLIMOT) | |
Spena et al. | Virtual testing of advanced driving assistance systems | |
Akamatsu et al. | Modeling of driving behavior when approaching an intersection based on measured behavioral data on an actual road | |
Orfila et al. | Modeling of dynamic vehicle–road interactions for safety-related road evaluation | |
Königshof et al. | A parameter analysis on RSS in overtaking situations on german highways | |
CN111709665A (zh) | 车辆安全性的评估方法和装置 |
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 | ||
CB03 | Change of inventor or designer information |
Inventor after: Hu Jiexuan Inventor after: Li Jinzhao Inventor after: Kong Hui Inventor after: Deng Lu Inventor before: Hu Jiexuan Inventor before: Li Jinzhao Inventor before: Kong Hui Inventor before: Deng Lu |
|
CB03 | Change of inventor or designer information |