CN114241750A - 基于智能道路交通风险预警方法的车路协同信息交互系统及方法 - Google Patents
基于智能道路交通风险预警方法的车路协同信息交互系统及方法 Download PDFInfo
- Publication number
- CN114241750A CN114241750A CN202111434182.XA CN202111434182A CN114241750A CN 114241750 A CN114241750 A CN 114241750A CN 202111434182 A CN202111434182 A CN 202111434182A CN 114241750 A CN114241750 A CN 114241750A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- driving
- road
- driver
- representing
- 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
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
- G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
-
- 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
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/80—Technologies aiming to reduce greenhouse gasses emissions common to all road transportation technologies
- Y02T10/84—Data processing systems or methods, management, administration
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于智能道路交通风险预警方法的车路协同信息交互系统及方法,本申请通过道路环境感知模块采集并上传路网环境内实时交通环境信息至云端数据中心,通过车辆行驶感知模块采集并上传路网环境内的车辆行驶数据至云端数据中心,然后通过云端数据中心将根据交通环境信息和车辆行驶数据得到行车风险情况周围车辆驾驶人的驾驶特性发送给即将通过该路段汽车的移动端,提前对驾驶人进行预警,通过车路协同信息交互,提高了交通资源利用率,能够延长驾驶人应对道路突发事件的反应时间,减少由于驾驶人性格激进而产生的碰撞,可有效降低道路交通事故率,提高道路交通安全性,使道路交通环境得到明显改善。
Description
技术领域
本发明涉及一种基于智能道路交通风险预警方法的车路协同信息交互系统及方法。
背景技术
随着经济的发展、社会的进步,我国机动车保有量不断增加,交通事故情况十分严峻。2019年全年,全国涉及人员伤亡的道路交通事故450254起,造成108738人死亡、469911人受伤,直接财产损失108.8亿元中国每年交通事故50万起,因交通事故死亡人数均超过10万人,相当于一个小型县,居世界第一。据统计数据表明,每5分钟就有一人丧身车轮,每1分钟都会有一人因为交通事故而伤残。智能交通系统(ITS,Intelligent transportationsystem)可以通过人、车、路的密切配合减少交通事故、提高交通安全程度。
然而,交通安全受到包括各类道路使用者和道路交通环境在内的许多交通因素的影响,并且这些因素间的相互作用非常复杂。因此现有技术多仅考虑有限因素(主要是周围车辆)的影响,如先进驾驶辅助系统(ADAS,Advanced driver assistant system),通常应用于直行、换道等简单场景,以减少追尾、侧面碰撞等事故,这类技术多基于汽车动力学和运动学,无法适应越来越复杂的道路交通环境。车路协同系统方面只能提供实时的弯道限速预警、易发事故预警、前向碰撞预警、盲区预警、信号机状态预警以及行人闯入预警的场景,不能实时更新并显示道路交通环境当前的安全状态,如山坡岩石滚落到路上、卡车货物掉落,路段抢修等。更不能及时对即将通过风险路段的车辆进行前瞻性预警提示。每个驾驶人的驾驶特性也不同(激进,正常,保守)如今社会节奏快,驾驶人的压力也随之变大,激进型的驾驶人对于道路中遇到的不顺表现会格外强烈,近些年来由于驾驶人路怒激进而产生的交通事故比比皆是。
因此有必要开发一种基于智能道路交通风险预警方法的车路协同信息交互系统。能够实现对一定区域内道路交通环境的安全状态实时监测、评估,预警并将道路实时情况上传到云端数据中心,云端数据中心将实时道路情况发送给即将经过风险路段的车辆,驾驶人在驾驶过程中能获得上帝视角的行车风险预警信息。同时提示驾驶人周围的驾驶员的驾驶特性,对于激进型的驾驶人主动避让,进而指导交通管理、道路规划及建设,提高道路交通安全性,降低道路交通事故率,改善道路交通环境。
发明内容
本发明的目的是提供一种基于智能道路交通风险预警方法的车路协同信息交互系统,以解决现有车路协同系统不能实时对道路交通环境当前的安全状态进行及时预警的问题。
为解决上述技术问题,本发明提供一种基于智能道路交通风险预警方法的车路协同信息交互系统,包括道路环境感知模块、车辆行驶感知模块、行车风险评估模块、驾驶特性识别模块、云端数据中心和道路信息交互模块。
道路环境感知模块,用于采集路网环境内任一道路交通环境使用对象的状态信息,并根据所述状态信息得到交通环境信息;
车辆行驶感知模块,用于采集车辆j在行驶过程中的行驶数据;
行车风险评估模块,用于根据车辆j的信息、交通环境信息以及车辆行驶过程中的动能构建车辆j对外界产生风险的行车安全场模型,并根据所述行车安全场模型计算车辆j的行车风险;
驾驶特性识别模块,用于根据所述车辆j的行驶数据计算车辆j的在行驶过程中的行驶特性,并根据所述行驶特性判断驾驶车辆j的驾驶员的驾驶特性;
云端数据中心,用于实时获取所述车辆j的行车风险和驾驶车辆j的驾驶员的驾驶特性,并将获取到的所述车辆j的行车风险和驾驶车辆j的驾驶员的驾驶特性与预设数据进行分析比较,得到实时的交通风险分布情况;当有车辆经过风险路段时,云端数据中心向该路段的关联车辆发出预警信号;
道路信息交互模块,用于实时将行车风险评估模块计算得到的所述车辆j的行车风险和驾驶特性识别模块计算得到所述驾驶车辆j的驾驶员的驾驶特性发送至云端数据中心;将云端数据中心发出预警信号和实时的交通风险分布情况发送到相关联的车辆的车载预警终端。
进一步地,所述车载预警终端包括分别与所述道路信息交互模块连接的报警器和显示器;所述显示器用于通过道路信息交互模块获取云端数据中心实时的交通风险分布情况,并根据实时交通风险分布情况形成交通风险分布图予以显示;所述报警器用于根据云端数据中心发出预警信号向驾驶员进行提前预警。
进一步地,所述道路环境感知模块包括北斗高精度定位器以及路测单/双目摄像头或/和毫米波雷达或/和额中距离雷达或/和后中距离雷达。
进一步地,所述车辆行驶感知模块包括行车电脑控制器以及分别与所述行车电脑控制器连接的车载摄像头和传感单元;所述传感单元包括车速传感器或/和加速度传感器或/和车轮转角传感器或/和油门踏板开度传感器或/和刹车开度传感器。车载摄像头主要作用是识别驾驶人身份信息,驾驶特性识别模块通过车载摄像头得到的驾驶人身份信息与计算分析得到的驾驶特性进行匹配。
此外,本发明还提供了一种基于上述智能道路交通风险预警方法的车路协同信息交互系统进行车路协同信息交互方法,该方法包括:
S1:采集路网环境内任一道路交通环境使用对象的状态信息,并根据所述状态信息得到交通环境信息;
S2:采集车辆j在行驶过程中的行驶数据,
S3:根据车辆j的信息、交通环境信息以及车辆行驶过程中的动能构建车辆j对外界产生风险的行车安全场模型,并根据所述行车安全场模型计算车辆j的行车风险;
S4:根据所述车辆j的行驶数据计算车辆j的在行驶过程中的行驶特性,并根据所述行驶特性判断驾驶车辆j的驾驶员的驾驶特性;
S5:用于实时获取所述车辆j的行车风险和驾驶车辆j的驾驶员的驾驶特性,并将获取到的所述车辆j的行车风险和驾驶车辆j的驾驶员的驾驶特性与预设数据进行分析比较,得到实时的交通风险分布情况;当有车辆经过风险路段时,云端数据中心向该路段的关联车辆发出预警信号。
进一步地,所述车辆j在行驶过程中的行驶数据包括车辆j在行驶过程中的实时车速数据;此时,步骤3采用如下计算模型具体计算车辆j的在行驶过程中的行驶特性:
ΔvN=Vt-V0
SjΔv≤SpΔv
其中,表示驾驶人j在驾驶过程中的速度变化方差,越大表示驾驶人驾驶性格越激进;SpΔv表示通过速度变化衡量驾驶员性格特征的标准方差;ΔvN表示单位时间汽车速度的变化量;V0表示单位时间内速度变化的初始值,Vt表示单位时间内速度变化的末态值,V0与Vt均不为零,当V0或Vt等于0时,ΔaN记为无效数据;ΔVp表示车速传感器测得车速的平均值,ΔVj表示车速传感器测得各个车速与ΔVp差值的平方的和。
进一步地,所述车辆j在行驶过程中的行驶数据包括车辆j在行驶过程中的实时加速度数据;此时,步骤3采用如下计算模型具体计算车辆j的在行驶过程中的行驶特性:
ΔaN=At-A0
SjΔa≤SpΔa
其中,表示驾驶人j在驾驶过程中的加速度变化方差,越大驾驶人驾驶性格越激进;SpΔa表示通过加速度变化衡量驾驶员性格特征的标准方差;ΔAN表示单位时间汽车加速度的变化量,A0表示单位时间内加速度变化的初始值,At表示单位时间内加速度变化的末态值,A0与At都不等于零,当A0或At等于0时,ΔaN记为无效数据;ΔAp表示加速度传感器测得汽车加速度的平均值,ΔAj表示加速度传感器测得各个加速度与ΔAp差值的平方的和。
进一步地,所述车辆j在行驶过程中的行驶数据包括车辆j在行驶过程中的实时车轮转角数据;此时,步骤3采用如下计算模型具体计算车辆j的在行驶过程中的行驶特性:
ΔawN=Wt-W0
SjΔw≤SpΔw
其中,表示驾驶人j在驾驶过程中的车轮转角变化方差,越大驾驶人驾驶性格越激进;SpΔw表示通过车轮转角变化衡量驾驶员性格特征的标准方差;ΔWN表示单位时间汽车车轮转角的变化量,W0表示单位时间内车轮转角变化的初始值,Wt表示单位时间内车轮转角变化的末态值,W0与Wt都不等于零,当W0或WAt等于0时,ΔwN记为无效数据;ΔWp表示车轮转角传感器测得汽车车轮转角的平均值,ΔWj表示车轮转角传感器测得各个车轮转角与ΔWp差值的平方的和。
进一步地,所述车辆j在行驶过程中的行驶数据包括车辆j在行驶过程中的实时油门踏板开度数据;此时,步骤3采用如下计算模型具体计算车辆j的在行驶过程中的行驶特性:
ΔoN=Ot-O0
SjΔo≤SpΔo
其中,表示驾驶人j在驾驶过程中的油门踏板开度变化方差,越大驾驶人驾驶性格越激进;SpΔo表示通过油门踏板开度变化衡量驾驶员性格特征的标准方差;ΔON表示单位时间油门踏板开度的变化量,O0表示单位时间内油门踏板开度变化的初始值,Ot表示单位时间内油门踏板开度变化的末态值,O0与Ot都不等于零,当O0或Ot等于0时,ΔoN记为无效数据;ΔOp表示汽车油门踏板开度传感器测得油门踏板开度的平均值,ΔOj表示油门踏板开度传感器测得各个油门踏板开度与ΔOp差值的平方的和。
进一步地,所述车辆j在行驶过程中的行驶数据包括车辆j在行驶过程中的实时刹车开度数据;此时,步骤3采用如下计算模型具体计算车辆j的在行驶过程中的行驶特性:
ΔbN=Bt-B0
SjΔb≤SpΔb
其中,表示驾驶人j在驾驶过程中的刹车开度变化方差;越大驾驶人驾驶性格越激进,SpΔb表示通过刹车开度变化衡量驾驶员性格特征的标准方差。ΔBN表示单位时间刹车开度的变化量,B0表示单位时间内刹车开度变化的初始值,Bt表示单位时间内刹车开度变化的末态值,B0与Bt都不等于零,当B0或Bt等于0时,ΔbN记为无效数据;ΔBp表示刹车开度传感器测得汽车刹车开度的平均值,ΔBj表示刹车开度传感器测得各个刹车开度与ΔBp差值的平方的和。
本发明的有益效果为:通过道路环境感知模块采集并上传路网环境内实时交通环境信息至云端数据中心,通过车辆行驶感知模块采集并上传路网环境内的车辆行驶数据至云端数据中心,然后通过云端数据中心将根据交通环境信息和车辆行驶数据得到行车风险情况周围车辆驾驶人的驾驶特性发送给即将通过该路段汽车的移动端,提前对驾驶人进行预警,通过车路协同信息交互,提高了交通资源利用率,能够延长驾驶人应对道路突发事件的反应时间,减少由于驾驶人性格激进而产生的碰撞,可有效降低道路交通事故率,提高道路交通安全性,使道路交通环境得到明显改善。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,在这些附图中使用相同的参考标号来表示相同或相似的部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本发明一个实施例的原理框图;
图2为本发明一个实施例的部分车载设备的安装结构示意图;
图3为本发明另一实施例的部分车载设备的安装结构示意图;
图4为本发明一个实施例的显示器显示界面示意图。
其中:1、毫米波雷达;2、车载摄像头;3、北斗高精度定位器3;4、激光雷达;5、速度传感器;6、加速度传感器;7、后中距离雷达;8、额中距离雷达;9、车轮转角传感器。
具体实施方式
如图1所示的基于智能道路交通风险预警方法的车路协同信息交互系统,该系统包括道路环境感知模块、车辆行驶感知模块、行车风险评估模块、驾驶特性识别模块、云端数据中心、道路信息交互模块和车载预警终端。
下面分别对各个模块进行详细描述:
上述道路环境感知模块用于采集路网环境内任一道路交通环境使用对象的状态信息,并根据所述状态信息得到交通环境信息;其中,所述道路环境感知模块包括北斗高精度定位器3以及路测单/双目摄像头、毫米波雷达1、额中距离雷达8和后中距离雷达7中的一种或多种感知设备,测单/双目摄像头、毫米波雷达1、额中距离雷达8和后中距离雷达7通过车路网联通讯设备将采集到数据上传到行车风险评估模块;路网环境内任一道路交通环境使用对象包括的行人、骑车人、车辆、障碍物、固定交通标志及设施等,所述障碍物为非其他对象类别的路面静止物体,包括可移动的护栏和锥形筒等;所述固定交通标志及设施包括交通信号灯、静态交通标牌(限速牌、警示标牌)等;所述状态信息包括对象的速度、速度方向、几何尺寸、类别和质量等信息。
上述行车风险评估模块用于通过车路网联通讯设备获取道路环境感知模块采集到的交通环境信息,然后根据车辆j的信息、交通环境信息以及车辆行驶过程中的动能构建车辆j对外界产生风险的行车安全场模型,并根据所述行车安全场模型计算车辆j的行车风险。本申请从交通事故是能量的不正常转移这一角度出发,基于车辆行驶过程中的动能构建车辆对外界产生风险的初始行车安全场模型,在分析交通行驶视角的前提下,从交通管理角度量化描述行车风险。
本申请采用的行车安全场模型为:
Ej=∑Ej,fac
kx=∏kx,fac
ky=∏ky,fac
其中,Fji表示车辆j对其所处道路交通环境中任一位置点i造成的场力,依据场力Fji计算出车辆在i点的行车风险;∑Ej,fac为由车辆j的速度vj计算出的动能,Ej以表示由多种道路交通环境因素确定的相对动能之和;kx,fac表示车辆j的速度以及各所述道路交通环境因素的纵向梯度调整系数,kx表示车辆j的速度以及各所述道路交通环境因素的纵向梯度调整系数之积;ky,fac表示车辆j的速度以及各所述道路交通环境因素的横向梯度调整系数,ky表示车辆j的速度以及各所述道路交通环境因素的横向梯度调整系数之积;xji表示车辆j纵向上与道路交通环境中任一点i的距离,yji表示车辆j横向上与道路交通环境中任一点i的距离,r0表示车辆j与道路交通环境中任一点的距离,r_max表示自由流中车辆最小距离。当行车风险最小值Fji,min值高于衡量是否需要报警的标准风险值Fji,p时,立即报警提醒驾驶人。
该行车安全场模型分析的场景包括:山体岩石滚上公路、车辆装载的货物掉落、道路抢修、新增静态交通标牌(限速牌、警示标牌)等静态不易察觉的忽然出现的物体,以及车辆超车、行人闯入、车辆变道等。
上述车辆行驶感知模块用于采集车辆j在行驶过程中的行驶数据;所述车辆行驶感知模块包括行车电脑控制器以及分别与所述行车电脑控制器连接的车载摄像头和传感单元;车载摄像头主要作用是识别驾驶人身份信息,驾驶特性识别模块通过车载摄像头得到的驾驶人身份信息与计算分析得到的驾驶特性进行匹配;所述传感单元包括分别与所述行车电脑控制器连接的车速传感器或/和加速度传感器6或/和车轮转角传感器9或/和油门踏板开度传感器或/和刹车开度传感器等;所述行驶数据包括车速数据、加速度数据、车轮转角数据、油门踏板开度数据、刹车开度数据和驾驶员行为数据;驾驶特性识别模块用于根据所述车辆j的行驶数据计算车辆j的在行驶过程中的行驶特性,并根据所述行驶特性判断驾驶车辆j的驾驶员的驾驶特性后,将得到的驾驶员的驾驶特性建立驾驶员驾驶特性数据库。
下面对驾驶特性识别模块的工作原理进行详细说明:
当车辆j在行驶过程中的行驶数据包括车辆j在行驶过程中的实时车速时,采用如下计算模型具体计算车辆j的在行驶过程中的行驶特性:
ΔvN=Vt-V0
SjΔv≤SpΔv
其中,表示驾驶人j在驾驶过程中的速度变化方差,越大表示驾驶人驾驶性格越激进;SpΔv表示通过速度变化衡量驾驶员性格特征的标准方差;ΔvN表示单位时间汽车速度的变化量;V0表示单位时间内速度变化的初始值,Vt表示单位时间内速度变化的末态值,V0与Vt均不为零,当V0或Vt等于0时,ΔaN记为无效数据;ΔVp表示车速传感器测得车速的平均值,ΔVj表示车速传感器测得各个车速与ΔVp差值的平方的和。
当车辆j在行驶过程中的行驶数据包括车辆j在行驶过程中的实时加速度时,采用如下计算模型具体计算车辆j的在行驶过程中的行驶特性:
ΔaN=At-A0
SjΔa≤SpΔa
其中,表示驾驶人j在驾驶过程中的加速度变化方差,越大驾驶人驾驶性格越激进;SpΔa表示通过加速度变化衡量驾驶员性格特征的标准方差;ΔAN表示单位时间汽车加速度的变化量,A0表示单位时间内加速度变化的初始值,At表示单位时间内加速度变化的末态值,A0与At都不等于零,当A0或At等于0时,ΔaN记为无效数据;ΔAp表示加速度传感器6测得汽车加速度的平均值,ΔAj表示加速度传感器6测得各个加速度与ΔAp差值的平方的和。
当车辆j在行驶过程中的行驶数据包括车辆j在行驶过程中的实时车轮转角时,采用如下计算模型具体计算车辆j的在行驶过程中的行驶特性:
ΔawN=Wt-W0
SjΔw≤SpΔw
其中,表示驾驶人j在驾驶过程中的车轮转角变化方差,越大驾驶人驾驶性格越激进;SpΔw表示通过车轮转角变化衡量驾驶员性格特征的标准方差;ΔWN表示单位时间汽车车轮转角的变化量,W0表示单位时间内车轮转角变化的初始值,Wt表示单位时间内车轮转角变化的末态值,W0与Wt都不等于零,当W0或WAt等于0时,ΔwN记为无效数据;ΔWp表示车轮转角传感器9测得汽车车轮转角的平均值,ΔWj表示车轮转角传感器9测得各个车轮转角与ΔWp差值的平方的和。
当车辆j在行驶过程中的行驶数据包括车辆j在行驶过程中的实时油门踏板开度时,采用如下计算模型具体计算车辆j的在行驶过程中的行驶特性:
ΔoN=Ot-O0
SjΔo≤SpΔo
其中,表示驾驶人j在驾驶过程中的油门踏板开度变化方差,越大驾驶人驾驶性格越激进;SpΔo表示通过油门踏板开度变化衡量驾驶员性格特征的标准方差;ΔON表示单位时间油门踏板开度的变化量,O0表示单位时间内油门踏板开度变化的初始值,Ot表示单位时间内油门踏板开度变化的末态值,O0与Ot都不等于零,当O0或Ot等于0时,ΔoN记为无效数据;ΔOp表示汽车油门踏板开度传感器测得油门踏板开度的平均值,ΔOj表示油门踏板开度传感器测得各个油门踏板开度与ΔOp差值的平方的和。
当车辆j在行驶过程中的行驶数据包括车辆j在行驶过程中的实时刹车开度时,采用如下计算模型具体计算车辆j的在行驶过程中的行驶特性:
ΔbN=Bt-B0
SjΔb≤SpΔb
其中,表示驾驶人j在驾驶过程中的刹车开度变化方差;越大驾驶人驾驶性格越激进,SpΔb表示通过刹车开度变化衡量驾驶员性格特征的标准方差。ΔBN表示单位时间刹车开度的变化量,B0表示单位时间内刹车开度变化的初始值,Bt表示单位时间内刹车开度变化的末态值,B0与Bt都不等于零,当B0或Bt等于0时,ΔbN记为无效数据;ΔBp表示刹车开度传感器测得汽车刹车开度的平均值,ΔBj表示刹车开度传感器测得各个刹车开度与ΔBp差值的平方的和。
当根据上述计算模型分别计算出所述速度变化方差加速度变化方差刹车开度变化方差油门踏板开度变化方差车轮转角变化方差后,再将得到的方差数据的均值当方差均值高于预设方差均值时,则判定驾驶人的驾驶特性为激进型。
云端数据中心用于实时获取所述车辆j的行车风险和驾驶车辆j的驾驶员的驾驶特性,并将获取到的所述车辆j的行车风险和驾驶车辆j的驾驶员的驾驶特性与预设数据进行分析比较,得到实时的交通风险分布情况;当有车辆经过风险路段时,云端数据中心向该路段的关联车辆发出预警信号;当车辆即将通过风险路段时,即当行车风险指标高于一个值(Fji,p)时,立即向驾驶人报警,以便于驾驶人提前做出反应,减少交通事故,使驾驶员坐在车中即可以“上帝视角”直观地看到车辆所处的位置以及车辆周边的障碍物,从容操纵汽车入位或通过复杂路面,有效减少刮蹭、碰撞等事故的发生当;当发现有驾驶性格激进的驾驶人驾驶车辆时,云端数据中心及时将信息发送给周围的车辆驾驶人,使其主动避让,减少由于驾驶人性格激进而产生的碰撞,可有效降低道路交通事故率,提高道路交通安全性,改善道路交通环境。
道路信息交互模块用于实时将行车风险评估模块计算得到的所述车辆j的行车风险和驾驶特性识别模块计算得到所述驾驶车辆j的驾驶员的驾驶特性发送至云端数据中心;将云端数据中心发出预警信号和实时的交通风险分布情况发送到相关联的车辆的车载预警终端。本申请中道路信息交互模块包括DSRC、LTE-V、4G、5G、WLAN以及蓝牙中的上述任意一种通信协议实现。
所述车载预警终端包括分别与所述道路信息交互模块连接的报警器和显示器;所述显示器用于通过道路信息交互模块获取云端数据中心实时的交通风险分布情况,并根据实时交通风险分布情况形成交通风险分布图(如图4所示)予以显示,是驾驶员能够在车内就可以直观地获取到交通风险分布情况;所述报警器用于根据云端数据中心发出预警信号向驾驶员进行提前预警。
此外,本发明还公开了一种基于上智能道路交通风险预警方法的车路协同信息交互系统进行车路协同信息交互方法,该方法包括:
S1:采集路网环境内任一道路交通环境使用对象的状态信息,并根据所述状态信息得到交通环境信息;通过采用北斗高精度定位器以及路测单/双目摄像头、毫米波雷达、额中距离雷达和后中距离雷达结合现有监测算法可对网环境内任一道路交通环境使用对象的速度、速度方向、几何尺寸、类别和质量等信息。
S2:采集车辆j在行驶过程中的行驶数据;所述行驶数据包括车速数据、加速度数据、车轮转角数据、油门踏板开度数据、刹车开度数据和驾驶员行为数据等;
S3:根据车辆j的信息、交通环境信息以及车辆行驶过程中的动能构建车辆j对外界产生风险的行车安全场模型,并根据所述行车安全场模型计算车辆j的行车风险;该步骤具体实现原理可参见行车风险评估模块;
S4:根据所述车辆j的行驶数据计算车辆j的在行驶过程中的行驶特性,并根据所述行驶特性判断驾驶车辆j的驾驶员的驾驶特性;该步骤具体实现原理可参见驾驶特性识别模块;
S5:用于实时获取所述车辆j的行车风险和驾驶车辆j的驾驶员的驾驶特性,并将获取到的所述车辆j的行车风险和驾驶车辆j的驾驶员的驾驶特性与预设数据进行分析比较,得到实时的交通风险分布情况;当有车辆经过风险路段时,云端数据中心向该路段的关联车辆发出预警信号。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (10)
1.一种基于智能道路交通风险预警方法的车路协同信息交互系统,其特征在于,包括
道路环境感知模块,用于采集路网环境内任一道路交通环境使用对象的状态信息,并根据所述状态信息得到交通环境信息;
车辆行驶感知模块,用于采集车辆j在行驶过程中的行驶数据;
行车风险评估模块,用于根据车辆j的信息、交通环境信息以及车辆行驶过程中的动能构建车辆j对外界产生风险的行车安全场模型,并根据所述行车安全场模型计算车辆j的行车风险;
驾驶特性识别模块,用于根据所述车辆j的行驶数据计算车辆j的在行驶过程中的行驶特性,并根据所述行驶特性判断驾驶车辆j的驾驶员的驾驶特性;
云端数据中心,用于实时获取所述车辆j的行车风险和驾驶车辆j的驾驶员的驾驶特性,并将获取到的所述车辆j的行车风险和驾驶车辆j的驾驶员的驾驶特性与预设数据进行分析比较,得到实时的交通风险分布情况;当有车辆经过风险路段时,云端数据中心向该路段的关联车辆发出预警信号;
道路信息交互模块,用于实时将行车风险评估模块计算得到的所述车辆j的行车风险和驾驶特性识别模块计算得到所述驾驶车辆j的驾驶员的驾驶特性发送至云端数据中心;将云端数据中心发出预警信号和实时的交通风险分布情况发送到相关联的车辆的车载预警终端。
2.根据权利要求1所述的基于智能道路交通风险预警方法的车路协同信息交互系统,其特征在于,所述车载预警终端包括分别与所述道路信息交互模块连接的报警器和显示器;所述显示器用于通过道路信息交互模块获取云端数据中心实时的交通风险分布情况,并根据实时交通风险分布情况形成交通风险分布图予以显示;所述报警器用于根据云端数据中心发出预警信号向驾驶员进行提前预警。
3.根据权利要求1所述的基于智能道路交通风险预警方法的车路协同信息交互系统,其特征在于,所述道路环境感知模块包括北斗高精度定位器以及路测单/双目摄像头或/和毫米波雷达或/和额中距离雷达或/和后中距离雷达。
4.根据权利要求1所述的基于智能道路交通风险预警方法的车路协同信息交互系统,其特征在于,所述车辆行驶感知模块包括行车电脑控制器以及分别与所述行车电脑控制器连接的车载摄像头和传感单元;所述传感单元包括车速传感器或/和加速度传感器或/和车轮转角传感器或/和油门踏板开度传感器或/和刹车开度传感器。
5.一种基于权利要求1-4任一所述智能道路交通风险预警方法的车路协同信息交互系统进行车路协同信息交互方法,其特征在于,包括:
S1:采集路网环境内任一道路交通环境使用对象的状态信息,并根据所述状态信息得到交通环境信息;
S2:采集车辆j在行驶过程中的行驶数据,
S3:根据车辆j的信息、交通环境信息以及车辆行驶过程中的动能构建车辆j对外界产生风险的行车安全场模型,并根据所述行车安全场模型计算车辆j的行车风险;
S4:根据所述车辆j的行驶数据计算车辆j的在行驶过程中的行驶特性,并根据所述行驶特性判断驾驶车辆j的驾驶员的驾驶特性;
S5:用于实时获取所述车辆j的行车风险和驾驶车辆j的驾驶员的驾驶特性,并将获取到的所述车辆j的行车风险和驾驶车辆j的驾驶员的驾驶特性与预设数据进行分析比较,得到实时的交通风险分布情况;当有车辆经过风险路段时,云端数据中心向该路段的关联车辆发出预警信号。
6.根据权利要求5所述的基于智能道路交通风险预警方法的车路协同信息交互方法,其特征在于,所述车辆j在行驶过程中的行驶数据包括车辆j在行驶过程中的实时车速数据;此时,步骤3采用如下计算模型具体计算车辆j的在行驶过程中的行驶特性:
ΔvN=Vt-V0
SjΔv≤SpΔv
7.根据权利要求5所述的基于智能道路交通风险预警方法的车路协同信息交互方法,其特征在于,所述车辆j在行驶过程中的行驶数据包括车辆j在行驶过程中的实时加速度数据;此时,步骤3采用如下计算模型具体计算车辆j的在行驶过程中的行驶特性:
ΔaN=At-A0
SjΔa≤SpΔa
8.根据权利要求5所述的基于智能道路交通风险预警方法的车路协同信息交互方法,其特征在于,所述车辆j在行驶过程中的行驶数据包括车辆j在行驶过程中的实时车轮转角数据;此时,步骤3采用如下计算模型具体计算车辆j的在行驶过程中的行驶特性:
ΔawN=Wt-W0
SjΔw≤SpΔw
9.根据权利要求5所述的基于智能道路交通风险预警方法的车路协同信息交互方法,其特征在于,所述车辆j在行驶过程中的行驶数据包括车辆j在行驶过程中的实时油门踏板开度数据;此时,步骤3采用如下计算模型具体计算车辆j的在行驶过程中的行驶特性:
ΔoN=Ot-O0
SjΔo≤SpΔo
10.根据权利要求5所述的基于智能道路交通风险预警方法的车路协同信息交互方法,其特征在于,所述车辆j在行驶过程中的行驶数据包括车辆j在行驶过程中的实时刹车开度数据;此时,步骤3采用如下计算模型具体计算车辆j的在行驶过程中的行驶特性:
ΔbN=Bt-B0
SjΔb≤SpΔb
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111434182.XA CN114241750B (zh) | 2021-11-29 | 2021-11-29 | 基于智能道路交通风险预警方法的车路协同信息交互系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111434182.XA CN114241750B (zh) | 2021-11-29 | 2021-11-29 | 基于智能道路交通风险预警方法的车路协同信息交互系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114241750A true CN114241750A (zh) | 2022-03-25 |
CN114241750B CN114241750B (zh) | 2023-04-07 |
Family
ID=80751848
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111434182.XA Active CN114241750B (zh) | 2021-11-29 | 2021-11-29 | 基于智能道路交通风险预警方法的车路协同信息交互系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114241750B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114973768A (zh) * | 2022-05-17 | 2022-08-30 | 重庆文理学院 | 基于行车安全场的道路交通风险预警方法及系统 |
CN116129641A (zh) * | 2023-02-13 | 2023-05-16 | 中南大学 | 一种基于多端协同辨识的车辆安全态势计算方法及系统 |
CN117037545A (zh) * | 2023-10-09 | 2023-11-10 | 济南卓伦智能交通技术有限公司 | 一种多车超视距协同感知方法 |
CN117727183A (zh) * | 2024-02-18 | 2024-03-19 | 南京淼瀛科技有限公司 | 结合车路协同的自动驾驶安全预警方法及系统 |
CN116129641B (zh) * | 2023-02-13 | 2024-06-04 | 中南大学 | 一种基于多端协同辨识的车辆安全态势计算方法及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102431556A (zh) * | 2011-11-15 | 2012-05-02 | 武汉理工大学 | 基于车路协同的驾驶员一体化预警装置 |
CN108417091A (zh) * | 2018-05-10 | 2018-08-17 | 武汉理工大学 | 基于网联车的行车风险路段辨识与预警系统与方法 |
CN110389577A (zh) * | 2018-04-17 | 2019-10-29 | 北京三快在线科技有限公司 | 一种确定驾驶风格的方法及装置 |
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 |
CN111461185A (zh) * | 2020-03-19 | 2020-07-28 | 哈尔滨工程大学 | 一种基于改进K-means的驾驶行为分析方法 |
CN112441019A (zh) * | 2020-11-12 | 2021-03-05 | 深圳慧拓无限科技有限公司 | 一种面向车路协同的智能网联汽车行驶监控系统及方法 |
CN113112796A (zh) * | 2021-04-07 | 2021-07-13 | 吉林大学 | 一种驾驶行为特征的构造方法、系统和驾驶行为分析方法 |
CN113487863A (zh) * | 2021-06-30 | 2021-10-08 | 中国科学技术大学先进技术研究院 | 一种多因素交通风险实时定量评估系统及方法 |
-
2021
- 2021-11-29 CN CN202111434182.XA patent/CN114241750B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102431556A (zh) * | 2011-11-15 | 2012-05-02 | 武汉理工大学 | 基于车路协同的驾驶员一体化预警装置 |
CN110389577A (zh) * | 2018-04-17 | 2019-10-29 | 北京三快在线科技有限公司 | 一种确定驾驶风格的方法及装置 |
CN108417091A (zh) * | 2018-05-10 | 2018-08-17 | 武汉理工大学 | 基于网联车的行车风险路段辨识与预警系统与方法 |
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 |
CN111461185A (zh) * | 2020-03-19 | 2020-07-28 | 哈尔滨工程大学 | 一种基于改进K-means的驾驶行为分析方法 |
CN112441019A (zh) * | 2020-11-12 | 2021-03-05 | 深圳慧拓无限科技有限公司 | 一种面向车路协同的智能网联汽车行驶监控系统及方法 |
CN113112796A (zh) * | 2021-04-07 | 2021-07-13 | 吉林大学 | 一种驾驶行为特征的构造方法、系统和驾驶行为分析方法 |
CN113487863A (zh) * | 2021-06-30 | 2021-10-08 | 中国科学技术大学先进技术研究院 | 一种多因素交通风险实时定量评估系统及方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114973768A (zh) * | 2022-05-17 | 2022-08-30 | 重庆文理学院 | 基于行车安全场的道路交通风险预警方法及系统 |
CN116129641A (zh) * | 2023-02-13 | 2023-05-16 | 中南大学 | 一种基于多端协同辨识的车辆安全态势计算方法及系统 |
CN116129641B (zh) * | 2023-02-13 | 2024-06-04 | 中南大学 | 一种基于多端协同辨识的车辆安全态势计算方法及系统 |
CN117037545A (zh) * | 2023-10-09 | 2023-11-10 | 济南卓伦智能交通技术有限公司 | 一种多车超视距协同感知方法 |
CN117037545B (zh) * | 2023-10-09 | 2024-01-12 | 济南卓伦智能交通技术有限公司 | 一种多车超视距协同感知方法 |
CN117727183A (zh) * | 2024-02-18 | 2024-03-19 | 南京淼瀛科技有限公司 | 结合车路协同的自动驾驶安全预警方法及系统 |
CN117727183B (zh) * | 2024-02-18 | 2024-05-17 | 南京淼瀛科技有限公司 | 结合车路协同的自动驾驶安全预警方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114241750B (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110264783B (zh) | 基于车路协同的车辆防碰撞预警系统及方法 | |
CN114241750B (zh) | 基于智能道路交通风险预警方法的车路协同信息交互系统及方法 | |
US11990036B2 (en) | Driver behavior monitoring | |
CN107346612B (zh) | 一种基于车联网的车辆防碰撞方法和系统 | |
CN106240458B (zh) | 一种基于车载双目相机的车辆前方碰撞预警方法 | |
CN107798916B (zh) | 车-路-人协同的高速公路行车安全智能预警系统及方法 | |
EP3426521A1 (en) | Running vehicle alerting system and method | |
CN111210662A (zh) | 一种基于机器视觉与dsrc的交叉口安全预警系统及其预警方法 | |
CN110316198A (zh) | 一种用于高速公路提速的安全保障系统及运行方法 | |
EP3403219A1 (en) | Driver behavior monitoring | |
CN111243274A (zh) | 面向非网联交通个体的道路碰撞预警系统及方法 | |
CN113147733B (zh) | 雨雾沙尘天气汽车智能限速系统及方法 | |
CN112289054A (zh) | 道路安全预警方法、obu、rsu、mec设备及系统 | |
WO2019213982A1 (zh) | 基于最小作用量原理的驾驶人操控行为量化方法及装置 | |
CN112180605A (zh) | 一种基于增强现实的辅助驾驶系统 | |
CN112140995A (zh) | 一种基于网络云端的智能汽车安全驾驶系统 | |
CN112991685A (zh) | 考虑驾驶人疲劳状态影响的交通系统风险评估及预警方法 | |
CN114379611A (zh) | 一种货运列车行车障碍预警方法及系统 | |
CN111722617B (zh) | 一种基于大数据的自动驾驶汽车性能判定系统及方法 | |
CN111243291B (zh) | 一种对高速公路急弯路段交通异常点后方车辆进行预警的方法 | |
CN116142178A (zh) | 一种车辆辅助驾驶方法、系统、介质及电子设备 | |
CN217157480U (zh) | 一种基于人车行为分析的公路隧道风险监测系统 | |
CN114464012B (zh) | 一种基于车联网的车辆行人碰撞预警方法及系统 | |
CN115966100B (zh) | 一种行车安全控制方法及系统 | |
CN116665154B (zh) | 针对夜间道路行人交通事件的感知及预警方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |