CN115731699A - 高速公路碰撞护栏事故检测与主动诱导方法与系统 - Google Patents
高速公路碰撞护栏事故检测与主动诱导方法与系统 Download PDFInfo
- Publication number
- CN115731699A CN115731699A CN202211087068.9A CN202211087068A CN115731699A CN 115731699 A CN115731699 A CN 115731699A CN 202211087068 A CN202211087068 A CN 202211087068A CN 115731699 A CN115731699 A CN 115731699A
- Authority
- CN
- China
- Prior art keywords
- accident
- guardrail
- collision
- formula
- acceleration
- 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
- 238000000034 method Methods 0.000 title claims abstract description 28
- 230000001939 inductive effect Effects 0.000 title claims abstract description 14
- 230000006698 induction Effects 0.000 claims abstract description 23
- 238000001514 detection method Methods 0.000 claims abstract description 10
- 238000007781 pre-processing Methods 0.000 claims abstract description 4
- 230000001133 acceleration Effects 0.000 claims description 68
- 230000004888 barrier function Effects 0.000 claims description 39
- 208000027418 Wounds and injury Diseases 0.000 claims description 24
- 230000006378 damage Effects 0.000 claims description 24
- 208000014674 injury Diseases 0.000 claims description 24
- 238000004364 calculation method Methods 0.000 claims description 21
- 238000011156 evaluation Methods 0.000 claims description 15
- 238000013461 design Methods 0.000 claims description 13
- 238000005259 measurement Methods 0.000 claims description 11
- 238000011144 upstream manufacturing Methods 0.000 claims description 9
- 238000009499 grossing Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 6
- 230000002265 prevention Effects 0.000 claims description 5
- 230000034994 death Effects 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000009526 moderate injury Effects 0.000 claims description 3
- 230000007704 transition Effects 0.000 claims description 3
- 208000037974 severe injury Diseases 0.000 claims description 2
- 230000009528 severe injury Effects 0.000 claims description 2
- 206010039203 Road traffic accident Diseases 0.000 abstract description 4
- 230000007613 environmental effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种高速公路碰撞护栏事故检测与主动诱导方法,包括如下步骤:步骤一、采集高速公路高风险路段的护栏应力数据和车辆行驶速度数据;步骤二、对采集的数据进行预处理;步骤三、识别高速公路高风险路段是否有碰撞护栏事故发生;步骤四、定位碰撞护栏事故发生点。本发明通过采用速度检测器获取车辆行驶速度,判定事故严重程度,实现对高速公路高风险路段碰撞护栏交通事故的精确检测。同时,基于车路协同技术将事故信息传输至路段内智慧设施、其他车辆以及管理部门,开启智慧诱导设施子系统主动诱导模式,保障其他车辆行车安全,避免二次事故发生,提高应急救援和管理效率。
Description
技术领域
本发明属于智能交通管理与控制技术领域,具体涉及一种高速公路碰撞护栏事故检测与主动诱导方法与系统。
背景技术
碰撞护栏事故是高速公路经常出现的一种常见的路侧事故类型,与其他事故类型相比,碰撞护栏事故具有较高的致死率,且极易诱发二次事故。交通事故统计结果显示,碰撞护栏事故约占总事故数的17%,却造成了约40%的死亡率。因此开展高速公路碰撞护栏事故检测与主动诱导方法研究,对于提高高速公路高风险路段行车安全意义重大。
综上,当前主要采用成本较高且受天气等环境因素影响较大的视频处理技术,或基于交通状态数据对交通事故进行识别,对碰撞护栏事故的检测与预警尚需提高,缺乏针对事故发生路段其他车辆的主动诱导方法。因此,采用成本较低且受环境因素影响较小的检测器精确识别高速公路高风险路段的碰撞护栏事故,对其他车辆进行主动诱导,可减少二次事故的发生几率,有效提高救援与应急管理效率。
发明内容
本发明为解决上述技术问题,进而提供一种高速公路碰撞护栏事故检测与主动诱导方法与系统。
本发明涉及一种高速公路碰撞护栏事故检测与主动诱导方法,包括如下步骤:
步骤一、采集高速公路高风险路段的护栏应力数据和车辆行驶速度数据;
步骤二、对采集的数据进行预处理;
步骤三、识别高速公路高风险路段是否有碰撞护栏事故发生;
步骤四、定位碰撞护栏事故发生点;
步骤五、判定碰撞护栏事故严重程度;
步骤六、开启主动诱导方案的控制指令以及设施主动诱导模式;
步骤七、将碰撞护栏事故信息传输至管理终端设备,进行应急管理。
步骤一中,在高速公路高风险路段将加速度检测器布设于防撞护栏上,实时采集护栏各点位的加速度数据;将车速检测器平行于加速度检测器布设于路侧和中央分隔带,实时采集车辆经过时的行驶速度。
步骤二中,采用卡尔曼滤波算法对护栏应力数据进行平滑处理,过程如下:
①构建系统的状态方程
②节点测量方程
Zi(k)=Hi(k)Xi(k)+Vi(k) (2)
式中:Zi(k)是第i个节点在第k时刻的局部卡尔曼滤波器的输入值;代表了每个节点布设检测器的测量结果;Hi(k)表示真实值和测量值的映射关系;Vi(k)表示测量噪声,设其方差为Ri(k)。
③k时刻预测值计算
Xi(k)=Xi(k|k+1)+Ki(k)[Zi(k)-Hi(k)Xi(k|k+1)] (3)
式中:Xi(k|k+1)为k时刻的预测状态值,计算方法见式(4);Ki(k)为卡尔曼增益,
其目的是均衡测量值Zi(k)和估计值Xi(k|k+1)的误差,计算方法见式(5)。
式中:Pi(k|k-1)为对应于Xi(k-1)的协方差,计算方法见式(6)。
式中:Pi(k-1)为对应于Xi(k-1)的协方差,计算公式见式(7)
得出每一节点在第k时刻的预测值Xi(k),完成对护栏应力数据的平滑处理。
步骤三中,当无碰撞护栏事故发生时,护栏不会产生形变,此时加速度检测器采集的加速度值为0;当有车辆碰撞护栏时,此时加速度检测器采集的加速度值不为0且变化幅度较大。基于上述原理,当至少1个点位的采集的加速度值满足式(8)时,即认为有碰撞护栏事故发生;
ai≥K (8)
式中:ai为点位i的加速度值,K为阈值。
步骤四中,截取事故发生时各点位加速度值满足式(8)的时段,提取各点位加速度值。采用加速度均方根值作为事故碰撞位置计算指标,它可以表征信号幅值大小,计算公式如下:
式中:RMS为均方根值;n为某一点位采集得到的加速度值的数量;ain为点位i第n个平滑处理后的加速度值。
建立高风险路段平面坐标系,基于各点位的加速度均方根值,采用三次样条插值法在空间上拟合形成一条连续曲线,则曲线方程为:
Si(x)=c1+c2x+c3x2+c4x3 (10)
式中:x为空间位置坐标;c1,c2,c3,c4为未知参数。
根据各点位坐标加速度均方根值和自然边界条件(S,,(x0)=S,,(xn)=0),即可求得各段曲线中未知参数取值,构成三次样条插值函数。随后,在拟合曲线上求得到均方根值依空间分布的最大极值点,该点所对应的位置即为发生碰撞护栏事故的点位。
步骤五中,事故严重程度基于乘员伤害评价指标确定,提取碰撞点位上游最近的速度传感器在碰撞事故发生时刻前采集的碰撞车辆行驶速度,同时从云数据库中提取路段设计参数,计算乘员伤害评价指标。
直线路段乘员伤害评价指标计算公式如下:
Ds=0.76×(0.01v+0.127h+0.008e0.121α+0.16) (11)
式中:v为行驶车速;h为路基高度;α为边坡坡角。
曲线路段乘员伤害评价指标计算公式如下:
Dc=0.72×(0.01v+0.076h+0.029e0.087α+0.763R-0.247+0.35) (12)
式中:R为圆曲线半径。
基于计算所得的乘员伤害评价指标值,判定事故严重程度。
云服务子系统将碰撞护栏事故信息(包含事故发生时刻、事故点位和严重程度)经路侧单元传输至高风险路段上游500m至事故发生点范围内其他正常运行车辆的车载终端设备,提醒驾驶员注意路况,减速慢行。
步骤六中,路侧可变信息版发布高风险路段碰撞护栏事故信息,提醒将要进入高风险路段的其他车辆注意路况,减速慢行;电子线形诱导标在碰撞护栏事故发生时开启碰撞侧的防追尾预警模式。
本发明还涉及一种用于所述高速公路碰撞护栏事故检测与主动诱导方法的系统,所述系统包括信息采集子系统、云服务子系统、智慧设施子系统和用户子系统;
所述信息采集子系统基于加速度检测器和速度检测器采集护栏应力数据和车辆行驶速度数据,并将护栏应力数据和速度数据通过路侧单元传输至云服务子系统;
所述云服务子系统包括云数据库和云服务器,用于护栏应力数据、车辆行驶速度数据和道路线形设计数据的存储、碰撞护栏事故识别、事故发生点定位和事故严重程度判定;
所述智慧设施子系统包括布设于高速公路高风险路段上游的路侧可变信息板以及以一定间距布设于高风险路段的电子线形诱导标和路侧单元;
所述用户子系统包括车载终端和管理终端设备,用于接收高风险路段碰撞护栏事故信息。
所述云服务器基于护栏应力数据识别高风险路段是否发生碰撞护栏事故,当有碰撞护栏事故发生则进一步计算碰撞点位;基于车辆行驶速度数据和道路线形设计数据计算乘员伤害指标,判定事故严重程度。若有碰撞护栏事故发生则将事故信息传输至智慧设施子系统,调整路侧可变信息板及电子线形诱导标的工作模式,同时将碰撞护栏事故信息传递至用户子系统;
所述道路线形设计数据包括高风险路段长度、圆曲线半径、路基高度和边坡坡度;所述事故信息包括事故发生时刻、事故点位和严重程度;所述事故严重程度分为四个等级,对应于乘员轻度受伤、中度受伤、重度受伤和死亡;所述路侧可变信息板用于发布高风险路段碰撞护栏事故信息;所述电子线形诱导标在碰撞护栏事故发生时开启防追尾预警模式。;所述路侧单元用于接收信息采集子系统发送的护栏应力数据和速度数据并传输至云服务子系统,以及接收来自云服务子系统的碰撞护栏事故信息和控制指令并发送给高风险路段上游500m至事故发生点范围内其他车辆的车载终端设备和智慧设施子系统。
所述车载终端设备服务于高风险路段上游500m至事故发生点范围内其他车辆,接收来自智慧设施子系统中路侧单元的碰撞护栏事故信息,以及时采取避让和减速等措施避免二次事故发生;所述管理终端设备服务于高速公路管理部门和救援部门,用于接收高风险路段碰撞护栏事故信息,使相关部门能够快速了解事故相关情况,及时执行救援和开展应急管理。
有益效果
本发明通过采用加速度检测器,能够获取高速公路高风险路段的护栏应力数据,识别是否有碰撞护栏事故发生,若有碰撞事故发生,可进一步定位碰撞点位。通过采用速度检测器获取车辆行驶速度,判定事故严重程度,实现对高速公路高风险路段碰撞护栏交通事故的精确检测。同时,基于车路协同技术将事故信息传输至路段内智慧设施、其他车辆以及管理部门,开启智慧诱导设施子系统主动诱导模式,保障其他车辆行车安全,避免二次事故发生,提高应急救援和管理效率。
附图说明
图1为本发明高速公路碰撞护栏事故检测与主动诱导系统结构图;
图2为本发明高速公路碰撞护栏事故检测与主动诱导方法运行流程图。
具体实施方式
以下结合图1至2对本实施方式进行具体说明。
本发明涉及一种高速公路碰撞护栏事故检测与主动诱导系统,包括信息采集子系统、云服务子系统、智慧设施子系统和用户子系统。
信息采集子系统基于加速度检测器和速度检测器采集护栏应力数据和车辆行驶速度数据,并将护栏应力数据和速度数据通过路侧单元传输至云服务子系统;护栏应力数据为护栏的加速度数据。
云服务子系统包括云数据库和云服务器,用于护栏应力数据、车辆行驶速度数据和道路线形设计数据的存储、碰撞护栏事故识别、事故发生点定位和事故严重程度判定;云数据库用于存储由加速度检测器和速度检测器采集的实时护栏应力数据、车辆行驶速度数据以及道路线形设计数据;道路线形设计数据包括高风险路段长度、圆曲线半径、路基高度和边坡坡度;
云服务器基于护栏应力数据识别高风险路段是否发生碰撞护栏事故,当有碰撞护栏事故发生则进一步计算碰撞点位;基于车辆行驶速度数据和道路线形设计数据计算乘员伤害指标,判定事故严重程度。若有碰撞护栏事故发生则将事故信息传输至智慧设施子系统,调整路侧可变信息板及电子线形诱导标的工作模式,同时将碰撞护栏事故信息传递至用户子系统;
事故信息包括事故发生时刻、事故点位和严重程度;事故严重程度分为四个等级,对应于乘员轻度受伤、中度受伤、重度受伤和死亡。
智慧设施子系统包括布设于高速公路高风险路段上游的路侧可变信息板以及以一定间距布设于高风险路段的电子线形诱导标和路侧单元;路侧可变信息板用于发布高风险路段碰撞护栏事故信息。电子线形诱导标在碰撞护栏事故发生时开启防追尾预警模式。路侧单元用于接收信息采集子系统发送的护栏应力数据和速度数据并传输至云服务子系统,以及接收来自云服务子系统的碰撞护栏事故信息和控制指令并发送给高风险路段上游500m至事故发生点范围内其他车辆的车载终端设备和智慧设施子系统。
用户子系统包括车载终端和管理终端设备,用于接收高风险路段碰撞护栏事故信息;车载终端设备服务于高风险路段上游500m至事故发生点范围内其他车辆,接收来自智慧设施子系统中路侧单元的碰撞护栏事故信息,以及时采取避让和减速等措施避免二次事故发生。管理终端设备服务于高速公路管理部门和救援部门,用于接收高风险路段碰撞护栏事故信息,使相关部门能够快速了解事故相关情况,及时执行救援和开展应急管理。
本发明还涉及一种高速公路碰撞护栏事故检测与主动诱导方法,包括如下步骤:
步骤一、信息采集子系统采集高速公路高风险路段的护栏应力数据和车辆行驶速度数据。
在高速公路高风险路段以50m的间距将加速度检测器布设于防撞护栏上,实时采集护栏各点位的加速度数据,并将各点位加速度数据经路侧单元传输至云服务子系统;
将车速检测器平行于加速度检测器布设于路侧和中央分隔带,实时采集车辆经过时的行驶速度,并将各点位采集的行驶速度数据经路侧单元传输至云服务子系统。
步骤二、信息采集子系统将护栏应力数据和行驶车速通过路侧单元传输至云服务子系统。
步骤三、云服务子系统对护栏应力数据进行预处理。
由于道路环境多变,且不同车辆类型对检测器所产生的影响不同。此外,加速度检测器受测量精度及环境因素的影响可能会产生计算误差。针对上述情况,采用卡尔曼滤波算法对护栏应力数据进行平滑处理,过程如下:
①构建系统的状态方程
②节点测量方程
Zi(k)=Hi(k)Xi(k)+Vi(k) (2)
式中:Zi(k)是第i个节点在第k时刻的局部卡尔曼滤波器的输入值;代表了每个节点布设检测器的测量结果;Hi(k)表示真实值和测量值的映射关系;Vi(k)表示测量噪声,设其方差为Ri(k)。
③k时刻预测值计算
Xi(k)=Xi(k|k+1)+Ki(k)[Zi(k)-Hi(k)Xi(k|k+1)] (3)
式中:Xi(k)|k+1)为k时刻的预测状态值,计算方法见式(4);Ki(k)为卡尔曼增益,
其目的是均衡测量值Zi(k)和估计值Xi(k|k+1)的误差,计算方法见式(5)。
式中:Pi(k|k-1)为对应于Xi(k-1)的协方差,计算方法见式(6)。
式中:Pi(k-1)为对应于Xi(k-1)的协方差,计算公式见式(7)
基于上述过程,得出每一节点在第k时刻的预测值Xi(k),完成对护栏应力数据的平滑处理。
步骤四、云服务子系统识别高速公路高风险路段是否有碰撞护栏事故发生。
当无碰撞护栏事故发生时,护栏不会产生形变,此时加速度检测器采集的加速度值为0;当有车辆碰撞护栏时,此时加速度检测器采集的加速度值不为0且变化幅度较大。基于上述原理,当至少1个点位的采集的加速度值满足式(8)时,即认为有碰撞护栏事故发生。
ai≥K (8)
式中:ai为点位i的加速度值,K为阈值。
步骤五、云服务子系统定位碰撞护栏事故发生点。
截取事故发生时各点位加速度值满足式(8)的时段,提取各点位加速度值。采用加速度均方根值作为事故碰撞位置计算指标,它可以表征信号幅值大小,计算公式如下:
式中:RMS为均方根值;n为某一点位采集得到的加速度值的数量;ain为点位i第n个平滑处理后的加速度值。
建立高风险路段平面坐标系,基于各点位的加速度均方根值,采用三次样条插值法在空间上拟合形成一条连续曲线,则曲线方程为:
Si(x)=c1+c2x+c3x2+c4x3 (10)
式中:x为空间位置坐标;c1,c2,c3,c4为未知参数。
根据各点位坐标加速度均方根值和自然边界条件(S,,(x0)=S,,(xn)=0),即可求得各段曲线中未知参数取值,构成三次样条插值函数。随后,在拟合曲线上求得到均方根值依空间分布的最大极值点,该点所对应的位置即为发生碰撞护栏事故的点位。
步骤六、云服务子系统判定碰撞护栏事故严重程度。
事故严重程度基于乘员伤害评价指标确定。提取碰撞点位上游最近的速度传感器在碰撞事故发生时刻前采集的碰撞车辆行驶速度,同时从云数据库中提取路段设计参数,计算乘员伤害评价指标。
直线路段乘员伤害评价指标计算公式如下:
Ds=0.76×(0.01v+0.127h+0.008e0.121α+0.16) (11)
式中:v为行驶车速;h为路基高度;α为边坡坡角。
曲线路段乘员伤害评价指标计算公式如下:
Dc=0.72×(0.01v+0.076h+0.029e0.087α+0.763R-0.247+0.35) (12)
式中:R为圆曲线半径。
基于计算所得的乘员伤害评价指标值,判定事故严重程度,事故严重程度分级标准及对应的乘员损伤等级见表1。
表1事故严重程度分级标准
步骤七、云服务子系统将碰撞护栏事故信息(包含事故发生时刻、事故点位和严重程度)经路侧单元传输至高风险路段上游500m至事故发生点范围内其他正常运行车辆的车载终端设备,提醒驾驶员注意路况,减速慢行。
步骤八、云服务子系统下达开启主动诱导方案的控制指令,经路侧单元传输至智慧设施子系统,开启设施主动诱导模式。
(1)路侧可变信息版发布高风险路段碰撞护栏事故信息,提醒将要进入高风险路段的其他车辆注意路况,减速慢行。
(2)电子线形诱导标在碰撞护栏事故发生时开启碰撞侧的防追尾预警模式,不同事故严重程度的预警模式见表2。
表2不同事故严重程度的预警模式
步骤九、云服务子系统将碰撞护栏事故信息(包括事故发生信息、碰撞点位信息和事故严重程度等)传输至管理终端设备,使高速公路管理和救援部门快速了解事故相关情况,及时执行救援,进行应急管理。
实施例
选取某双向四车道高速公路高风险路段为研究对象,该路段为直线路段,长度为200m,路基高度为2m,边坡坡度为1:2,选用本发明的一种高速公路碰撞护栏事故检测与主动诱导方法对该路段进行事故识别和主动诱导。
通过在该高风险路段内以50m间距布设加速度检测器和速度检测器,实时采集该路段护栏加速度数据和车辆行驶速度数据。随后,信息采集子系统将护栏应力数据和行驶速度数据通过路侧单元传输至云服务子系统,云服务子系统对护栏应力数据进行预处理,得到如表3所示的路侧护栏加速度数据。
表3路段交通状态数据与护栏加速度数据
云服务子系统识别高速公路高风险路段是否有碰撞护栏事故是否发生,将表1数据代入式(8),设K为0.05,则
a1,a2,a3,a4,a5≥K=0.05 (13)
即点位1-5的加速度检测器采集的加速度值均满足式(8),故认为有碰撞护栏事故发生。
进一步计算碰撞点位,首先截取事故发生时各点位加速度值不为0的时段,计算各点位加速度均方根值分别为:
随后以路段起点为原点建立高风险路段平面坐标系,基于式(14)中各点位的加速度均方根值,采用三次样条插值法在空间上拟合形成一条加速度均方根值依空间分布的连续曲线,曲线方程为:
S(x)=0.11+0.0011x-0.86×10-5x2-0.29×10-22x3 (15)
基于式(15),求得到均方根值依空间分布的最大极值点对应位置为100m。
进一步判定事故严重程度,碰撞点位上游最近的速度传感器在事故发生时刻前采集的碰撞车辆行驶速度为80km/h,该路段路基高度为2m,边坡坡度为1:2,由于该路段为直线路段,故将上述数据代入式(11):
Ds=0.76×(0.01×80+0.127×2+0.008e0.121×30+0.16)=1.15 (16)
基于计算所得的乘员伤害评价指标值和表2规定的事故严重程度分级标准,判定本次事故严重程度为二级,乘员伤害等级位中度受伤。
随后,云服务子系统将碰撞护栏事故信息经路侧单元传输至高风险路段上游500m至事故发生点范围内其他正常运行车辆的车载终端设备,提醒驾驶员前方道路路侧有车辆碰撞护栏,注意路况,减速慢行。同时下达开启主动诱导方案的控制指令,经路侧单元传输至智慧设施子系统,路侧可变信息版发布该路段护栏碰撞事故信息,电子线形诱导标调整为黄色闪烁模式。
最后,云服务子系统将事故信息传输至管理终端设备,使高速公路管理和救援部门快速了解事故相关情况,及时执行救援,进行应急管理。
本发明的上述内容仅为本发明的较佳实施例,并非用于限制本发明的实施方案,本领域普通技术人员根据本发明的主要构思和精神,可以十分方便地进行相应的变通或修改,故本发明的保护范围应以权利要求书所要求的保护范围为准。
Claims (10)
1.一种高速公路碰撞护栏事故检测与主动诱导方法,其特征在于,包括如下步骤:
步骤一、采集高速公路高风险路段的护栏应力数据和车辆行驶速度数据;
步骤二、对采集的数据进行预处理;
步骤三、识别高速公路高风险路段是否有碰撞护栏事故发生;
步骤四、定位碰撞护栏事故发生点;
步骤五、判定碰撞护栏事故严重程度;
步骤六、开启主动诱导方案的控制指令以及设施主动诱导模式;
步骤七、将碰撞护栏事故信息传输至管理终端设备,进行应急管理。
2.根据权利要求1所述的高速公路碰撞护栏事故检测与主动诱导方法,其特征在于,步骤一中,将加速度检测器布设于防撞护栏上,实时采集护栏各点位的加速度数据;将车速检测器布设于路侧和中央分隔带,实时采集车辆经过时的行驶速度。
3.根据权利要求1所述的高速公路碰撞护栏事故检测与主动诱导方法,其特征在于,步骤二中,采用卡尔曼滤波算法对护栏应力数据进行平滑处理,过程如下:
①构建系统的状态方程
②节点测量方程
Zi(k)=Hi(k)Xi(k)+Vi(k) (2)
式中:Zi(k)是第i个节点在第k时刻的局部卡尔曼滤波器的输入值;代表了每个节点布设检测器的测量结果;Hi(k)表示真实值和测量值的映射关系;Vi(k)表示测量噪声,设其方差为Ri(k)。
③k时刻预测值计算
Xi(k)=Xi(k|k+1)+Ki(k)[Zi(k)-Hi(k)Xi(k|k+1)] (3)
式中:Xi(k|k+1)为k时刻的预测状态值,计算方法见式(4);Ki(k)为卡尔曼增益,均衡测量值Zi(k)和估计值Xi(k|k+1)的误差,计算方法见式(5);
式中:Pi(k|k-1)为对应于Xi(k-1)的协方差,计算方法见式(6);
式中:Pi(k-1)为对应于Xi(k-1)的协方差,计算公式见式(7)
得出每一节点在第k时刻的预测值Xi(k),完成对护栏应力数据的平滑处理。
4.根据权利要求1所述的高速公路碰撞护栏事故检测与主动诱导方法,其特征在于,步骤三中,当无碰撞护栏事故发生时,护栏不会产生形变,此时加速度检测器采集的加速度值为0;当有车辆碰撞护栏时,此时加速度检测器采集的加速度值不为0且变化幅度较大,当至少1个点位的采集的加速度值满足式(8)时,即认为有碰撞护栏事故发生;
ai≥K (8)
式中:ai为点位i的加速度值,K为阈值。
5.根据权利要求1所述的高速公路碰撞护栏事故检测与主动诱导方法,其特征在于,步骤四中,截取事故发生时各点位加速度值满足式(8)的时段,提取各点位加速度值,采用加速度均方根值作为事故碰撞位置计算指标,表征信号幅值大小,计算公式如下:
式中:RMS为均方根值;n为某一点位采集得到的加速度值的数量;ain为点位i第n个平滑处理后的加速度值;
建立高风险路段平面坐标系,基于各点位的加速度均方根值,采用三次样条插值法在空间上拟合形成一条连续曲线,则曲线方程为:
Si(x)=c1+c2x+c3x2+c4x3 (10)
式中:x为空间位置坐标;c1,c2,c3,c4为未知参数;
根据各点位坐标加速度均方根值和自然边界条件(S”(x0)=S”(xn)=0),即可求得各段曲线中未知参数取值,构成三次样条插值函数;在拟合曲线上求得到均方根值依空间分布的最大极值点,该点所对应的位置即为发生碰撞护栏事故的点位。
6.根据权利要求1所述的高速公路碰撞护栏事故检测与主动诱导方法,其特征在于,步骤五中,事故严重程度基于乘员伤害评价指标确定,提取碰撞点位上游最近的速度传感器在碰撞事故发生时刻前采集的碰撞车辆行驶速度,同时从云数据库中提取路段设计参数,计算乘员伤害评价指标:
直线路段乘员伤害评价指标计算公式如下:
Ds=0.76×(0.01v+0.127h+0.008e0.121α+0.16) (11)
式中:v为行驶车速;h为路基高度;α为边坡坡角;
曲线路段乘员伤害评价指标计算公式如下:
Dc=0.72×(0.01v+0.076h+0.029e0.087α+0.763R-0.247+0.35) (12)
式中:R为圆曲线半径;
基于计算所得的乘员伤害评价指标值,判定事故严重程度。
7.一种用于实施权利要求1至6任一项所述高速公路碰撞护栏事故检测与主动诱导方法的系统,其特征在于,所述系统包括信息采集子系统、云服务子系统、智慧设施子系统和用户子系统;
所述信息采集子系统基于加速度检测器和速度检测器采集护栏应力数据和车辆行驶速度数据,并将护栏应力数据和速度数据通过路侧单元传输至云服务子系统;
所述云服务子系统包括云数据库和云服务器,用于护栏应力数据、车辆行驶速度数据和道路线形设计数据的存储、碰撞护栏事故识别、事故发生点定位和事故严重程度判定;
所述智慧设施子系统包括布设于高速公路高风险路段上游的路侧可变信息板以及布设于高风险路段的电子线形诱导标和路侧单元;
所述用户子系统包括车载终端和管理终端设备,用于接收高风险路段碰撞护栏事故信息。
8.根据权利要求7所述的高速公路碰撞护栏事故检测与主动诱导系统,其特征在于,所述云服务器基于护栏应力数据识别高风险路段是否发生碰撞护栏事故,当有碰撞护栏事故发生则进一步计算碰撞点位;基于车辆行驶速度数据和道路线形设计数据计算乘员伤害指标,判定事故严重程度。若有碰撞护栏事故发生则将事故信息传输至智慧设施子系统,调整路侧可变信息板及电子线形诱导标的工作模式,同时将碰撞护栏事故信息传递至用户子系统。
9.根据权利要求7所述的高速公路碰撞护栏事故检测与主动诱导系统,其特征在于,所述道路线形设计数据包括高风险路段长度、圆曲线半径、路基高度和边坡坡度;所述事故信息包括事故发生时刻、事故点位和严重程度;所述事故严重程度分为四个等级,对应于乘员轻度受伤、中度受伤、重度受伤和死亡;所述路侧可变信息板用于发布高风险路段碰撞护栏事故信息;所述电子线形诱导标在碰撞护栏事故发生时开启防追尾预警模式;所述路侧单元用于接收信息采集子系统发送的护栏应力数据和速度数据并传输至云服务子系统,以及接收来自云服务子系统的碰撞护栏事故信息和控制指令并发送给高风险路段上游500m至事故发生点范围内其他车辆的车载终端设备和智慧设施子系统。
10.根据权利要求7所述的高速公路碰撞护栏事故检测与主动诱导系统,其特征在于,所述车载终端设备服务于高风险路段上游500m至事故发生点范围内其他车辆,接收来自智慧设施子系统中路侧单元的碰撞护栏事故信息,以及时采取避让和减速等措施避免二次事故发生;所述管理终端设备服务于高速公路管理部门和救援部门,用于接收高风险路段碰撞护栏事故信息,使相关部门能够快速了解事故相关情况,及时执行救援和开展应急管理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211087068.9A CN115731699A (zh) | 2022-09-07 | 2022-09-07 | 高速公路碰撞护栏事故检测与主动诱导方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211087068.9A CN115731699A (zh) | 2022-09-07 | 2022-09-07 | 高速公路碰撞护栏事故检测与主动诱导方法与系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115731699A true CN115731699A (zh) | 2023-03-03 |
Family
ID=85293046
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211087068.9A Pending CN115731699A (zh) | 2022-09-07 | 2022-09-07 | 高速公路碰撞护栏事故检测与主动诱导方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115731699A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116824865A (zh) * | 2023-08-29 | 2023-09-29 | 天津光电比特信息技术有限公司 | 护栏智能预警方法、装置、设备及介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN203242166U (zh) * | 2013-05-27 | 2013-10-16 | 重庆工业职业技术学院 | 护栏碰撞检测装置 |
CN113204038A (zh) * | 2021-04-16 | 2021-08-03 | 北方工业大学 | 基于时域与频域的卡尔曼平滑滤波方法及平滑滤波器 |
-
2022
- 2022-09-07 CN CN202211087068.9A patent/CN115731699A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN203242166U (zh) * | 2013-05-27 | 2013-10-16 | 重庆工业职业技术学院 | 护栏碰撞检测装置 |
CN113204038A (zh) * | 2021-04-16 | 2021-08-03 | 北方工业大学 | 基于时域与频域的卡尔曼平滑滤波方法及平滑滤波器 |
Non-Patent Citations (6)
Title |
---|
刘福军;: "高速公路长陡下坡路段护栏等级设置方法研究", 北方交通, no. 05, 28 May 2015 (2015-05-28) * |
张晓云;金先龙;申杰;郭磊;陈忆九;陈建国;: "多信息融合的交通事故数值再现方法", 上海交通大学学报, no. 09, 28 September 2007 (2007-09-28) * |
杜江梅;贺志昂;史明梅;毕煜婕;: "高速公路护栏特性指标的风险分级技术研究", 公路交通科技(应用技术版), no. 11, 15 November 2019 (2019-11-15) * |
武和全;曹立波;苗润路;: "基于可靠性优化设计的客车碰撞安全性研究", 公路交通科技, no. 10, 15 October 2016 (2016-10-15) * |
王勤;: "高速公路防护栏碰撞仿真和智能自报警系统设计", 上海建设科技, no. 04, 21 August 2020 (2020-08-21), pages 42 - 46 * |
程国柱;程瑞;徐亮;: "基于路侧事故判别的公路平曲线车速限制研究", 交通运输系统工程与信息, no. 01, 15 February 2020 (2020-02-15), pages 226 - 231 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116824865A (zh) * | 2023-08-29 | 2023-09-29 | 天津光电比特信息技术有限公司 | 护栏智能预警方法、装置、设备及介质 |
CN116824865B (zh) * | 2023-08-29 | 2023-12-05 | 天津光电比特信息技术有限公司 | 护栏智能预警方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109559532B (zh) | 高速公路出口分流区车路协同安全预警控制方法 | |
CN106240458B (zh) | 一种基于车载双目相机的车辆前方碰撞预警方法 | |
CN104157156B (zh) | 一种高速公路危险路段车速动态管理预警方法 | |
CN105799512B (zh) | 车辆超速提醒方法及系统 | |
JP4710896B2 (ja) | 運転評価装置、運転評価システム、コンピュータプログラム及び運転評価方法 | |
CN107346612A (zh) | 一种基于车联网的车辆防碰撞方法和系统 | |
CN102779420B (zh) | 基于实时车载gps数据的道路交通事件自动检测方法 | |
CN107161097A (zh) | 基于北斗导航系统的车辆行驶智能安全系统 | |
CN108622105A (zh) | 基于多元回归分析的车辆弯道安全车速预测及预警系统 | |
CN109102696A (zh) | 基于主动安全的交叉频密路段冲突预警方法 | |
CN110544377A (zh) | 基于车路协同的交叉口行人避撞方法 | |
KR101102819B1 (ko) | 도로노면 마찰계수와 전방 도로 상황 정보를 이용한 도로교통위험등급 제공방법 및 장치와 그 시스템 | |
WO2023131095A1 (zh) | 交通环境风险评估方法、风险评估方法及装置 | |
CN112289054A (zh) | 道路安全预警方法、obu、rsu、mec设备及系统 | |
CN113635897B (zh) | 一种基于风险场的安全驾驶预警方法 | |
CN106548630A (zh) | 一种驾驶行为的检测方法及装置 | |
CN109872505B (zh) | 一种基于光纤微振动的高速公路护栏报警系统及方法 | |
CN106960572B (zh) | 一种基于延迟时间系数的高速公路行程时间可靠性计算方法 | |
CN103093635A (zh) | 一种快速道路凸形竖曲线路段可变限速控制方法 | |
CN115731699A (zh) | 高速公路碰撞护栏事故检测与主动诱导方法与系统 | |
CN107886739A (zh) | 交通人流量自动采集分析系统 | |
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 | |
Sisiopiku | Variable speed control: technologies and practice | |
JP2022532941A (ja) | 車両信号を処理して挙動危険性の測度を計算するための装置及び方法 | |
CN113870580B (zh) | 用于货车的超速检测方法、装置、货车车辆及货车系统 |
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 |