CN115862382A - 一种高速入口匝道车辆协同避撞系统与方法 - Google Patents

Abstract

本发明公开了一种高速入口匝道车辆协同避撞系统与方法，云端数据中心接收路侧系统发送的车辆行驶轨迹数据，对主路侧和匝道侧的车辆行驶轨迹进行预测，并根据匝道侧的预测行驶轨迹计算出虚拟碰撞点的位置坐标，进而计算出主路侧车辆和匝道侧车辆的位置距离，通过比对响应阈值来确定系统响应级别，并发出协同避撞指令，车载智能系统根据所述协同避撞指令控制车辆进行协同避撞。本发明有效降低高速入口匝道汇车碰撞事故率，保证高速道路交通行车安全。

Description

一种高速入口匝道车辆协同避撞系统与方法

技术领域

本发明属于车辆协同技术领域，具体涉及一种高速入口匝道车辆协同避撞系统与方法。

背景技术

高速公路入口和出口处一直是交通事故高发地。即使目前很多车辆已经安装具有辅助驾驶功能的主动避撞系统，但是由于传感器盲区限制和避撞场景限制等问题，并不能辅助车辆汇入主车道时避免与后方车辆发生碰撞。当前高速公路路侧监测和通信设备(即路侧单元)正在大规模建设，能否利用路侧单元辅助车辆进行环境感知和行车参数提取与处理，通过V2X通信设备协同后方车辆对匝道入口车辆汇入主车道进行协同避撞和预警，降低交通安全隐患，提高交通效率是一个亟待解决的问题。目前针对高速匝道入口的合流控制研究主要有东南大学庄伟超团队提出的一种用于高速匝道入口的多智能网联车辆协同合流控制方法以及高速匝道入口合流的控制方法，该研究的交通流主体是智能网联车辆，通过所提出的车辆最优轨迹算法对匝道车辆汇入主道的轨迹进行最优化控制，减少高速入口匝道对主道交通流产生负面影响，该研究没能充分利用路侧单元进行交通流数据采集以及不能对现有的混合交通流(包括智能网联车辆和人工驾驶车辆)进行合流控制和车辆间的协同避撞预警与控制。

发明内容

针对现有技术中存在不足，本发明提供了一种高速入口匝道车辆协同避撞系统与方法，可有效避免匝道入口车辆汇入高速道路主车道时与高速道路主车道后方车辆发生碰撞追尾事故，降低高速入口匝道汇车碰撞事故率，保证高速道路交通行车安全。

本发明是通过以下技术手段实现上述技术目的的。

一种高速入口匝道车辆协同避撞方法：

云端数据中心接收路侧系统发送的车辆行驶轨迹数据，对主路侧和匝道侧的车辆行驶轨迹进行预测，并根据匝道侧的预测行驶轨迹计算出虚拟碰撞点的位置坐标，进而计算出主路侧车辆和匝道侧车辆的位置距离D₀，通过比对响应阈值来确定系统响应级别，并发出协同避撞指令，车载智能系统根据所述协同避撞指令控制车辆进行协同避撞，人工驾驶车辆车载智能系统根据所述协同避撞指令通过人机交互终端提醒驾驶员控制车辆进行协同避撞，智能网联车辆车载智能系统根据所述协同避撞指令通过自动驾驶终端控制车辆进行协同避撞。

进一步地，所述位置距离D₀通过以下公式计算：

其中Y_C为虚拟碰撞点的位置纵坐标，/>

为主路侧车辆经T₀时间所处的纵向位移坐标，且/>

其中Y_j0为检测初始时刻主路侧车辆的纵向位置，L₀(t)为主路侧车辆在T₀时间内的运动距离，且

速度v_j和加速度a_j为主路侧车辆预测行驶轨迹序列中的数据。

进一步地，所述响应阈值包括预碰撞安全距离L_f、预制动安全距离L_b和最小制动安全距离L_min，具体的系统响应级别为：

当D₀>L_f，安全等级为一级，系统协同响应为正常行驶；

当L_b<D₀≤L_f，安全等级为二级，系统协同响应为碰撞预警；

当L_min<D₀≤L_b，安全等级为三级，系统协同响应为制动预警；

当D₀≤L_min，安全等级为四级，系统协同响应为制动预碰撞。

进一步地，设

当ΔY>0，主路侧车辆为前车，匝道侧车为后车，ΔY≤0，则匝道车为前车，主车道侧车为后车；

安全等级为一级时，前后车按当前车速正常行驶；

安全等级为二级时，前车以超过自车最大加速度30％的加速度进行加速行驶，后车以超过自车最大减速度30％的减速度降低车速；

安全等级为三级时，前车以超过自车最大加速度50％的加速度进行急加速，后车以超过自车最大减速度50％的减速度进行急减速或者转向避撞；

安全等级为四级时，前车进行紧急加速，后车进行紧急减速。

进一步地：

其中：τ₁为制动系统协调时间，τ₂为制动减速度增长时间，v_front为前车速度，v_rear为后车的速度，a_front为前车加速度，a_rear为后车加速度，a_{rear_min}为车辆开始采取制动时的最小减速度，a_{rear_max}为车辆开始采取制动时的最大减速度，t_driver为驾驶员反应时间，D_safe为驾驶员认知的最小安全距离。

进一步地，路侧系统发送的车辆行驶轨迹数据是当车辆通过虚拟预警线时，路侧单元采集的。

进一步地，所述虚拟预警线分别设置在匝道侧和主路侧，具体的预设距离为：

主路侧虚拟预警线的预设距离d_L＝(d_Lmin+d_Lmax)/2，其中d_Lmin＝max{d_{L_min}，d′_{L_min}}，d_Lmax＝min{d_{L_max}，d′_{L_max}}，d′_{L_min}为主路侧路侧系统前方的可视区间与汇入区间起点的距离最小值，d′_{L_max}为主路侧路侧系统前方的可视区间与汇入区间起点的距离最大值，主路侧虚拟预警线设置的最小距离d_{L_min}＝v_{L_min}×(t_{L_pre_need}+t_{L_com_need})，主路侧虚拟预警线设置的最大距离d_{L_max}＝v_{L_max}×(t_{L_pre_need}+t_{L_com_need})，v_{L_min}、v_{L_max}分别为交通信息数据库允许的速度最小值和最大值，t_{L_pre_need}为云端数据中心所需预测主路侧车辆未来轨迹的最小历史轨迹时间序列的时长，t_{L_com_need}为主路侧路侧系统和云端数据中心所需的通信时间和数据计算时间；

匝道侧虚拟预警线的预设距离d_Z＝(d_Zmin+d_Zmax)/2，其中d_Zmin＝max{d_{Z_min}，d′_{Z_min}，d″_{Z_min}}，d_Zmax＝min{d_{Z_max}，d′_{Z_max}，d″_{Z_max}}，匝道侧虚拟预警线设置的最小距离d_{Z_min}＝v_{Z_min}×(t_{Z_pre_need}+t_{Z_com_need})，匝道侧虚拟预警线设置的最大距离d_{Z_max}＝v_{Z_max}×(t_{Z_pre_need}+t_{Z_com_need})，v_{Z_min}、v_{Z_max}分别为当前匝道的最小值和最大值，t_{Z_pre_need}为云端数据中心所需预测匝道侧车辆轨迹的最小历史轨迹时间序列的时长，t_{Z_com_need}为匝道侧路侧系统和云端数据中心所需的通信时间和数据计算时间，d′_{Z_min}为匝道侧路侧系统前方的可视区间与汇入区间起点的距离最小值，d′_{Z_max}为匝道侧路侧系统前方的可视区间与汇入区间起点的距离最大值，(d″_{Z_min}，d″_{Z_max})为匝道长度区间。

进一步地，所述虚拟碰撞点定义为车辆质心在匝道经加速车道跨过加速车道左侧车道线的位置。

一种高速入口匝道车辆协同避撞系统，包括：

高速公路云端数据中心，包括数据处理模块、5G通信模块和交通信息数据库，交通信息数据库中存储有速度数据和响应阈值，数据处理模块用于处理接收路侧系统发送的车辆行驶轨迹数据；

路侧系统，包括路侧单元、路侧数据处理中心和路侧通信模块，路侧单元包括主路侧路侧单元和匝道侧路侧单元，路侧数据处理中心对路侧单元采集的数据进行预处理；

车载智能系统，用于接收协同避撞指令，提醒或控制车辆进行协同避撞；

所述车载智能系统包括人工驾驶车辆车载智能系统和智能网联车辆车载智能系统，其中人工驾驶车辆车载智能系统包括车载通信模块、人机交互终端和车载信息处理中心，智能网联车辆车载智能系统包括车载通信模块、自动驾驶终端和车载信息处理中心，所述车载信息处理中心对协同避撞指令进行解码，分别发送给人机交互终端和自动驾驶终端，控制车辆进行协同避撞。

本发明的有益效果为：

(1)本发明可充分利用现有路侧设备和云端数据处理中心，不需要架设专门的路侧设备和云端数据处理中心，使设备资源进一步得到利用，降低高速公路设施的修建成本；

(2)本发明采用5G通信技术，实现车辆与路侧系统、车辆与云端数据中心、路侧系统与云端数据中心的多维通讯，加强了对匝道入口待汇入车辆和主车道后方车辆的预警和协同避撞的快速性与精确性；

(3)本发明利用现有路侧系统来采集车辆行驶数据与通信，以及通过云端数据中心对主路车辆和匝道待汇入车辆进行协同避撞控制，可弥补单车协同避撞系统的盲区限制和避撞场景限制，进一步增强单车行车安全；

(4)本发明可同时对人工驾驶车辆和智能网联车辆进行管理和控制，云端数据中心根据路侧单元的数据分析结果，可将预警信息(包括建议的车速等信息)发送至车载智能终端，从而提高了混合交通流的行车安全性和匝道入口处的通行效率；

(5)本发明基于路侧系统设置的虚拟预警线，可根据天气条件和车速限制进行自主调节，保证对车辆历史行驶轨迹数据的充分提取和整个协同避撞系统对数据处理的实时性。

附图说明

图1为本发明所述高速入口匝道车辆协同避撞系统框图；

图2为本发明所述可视区间设置预警线示意图。

具体实施方式

下面结合附图以及具体实施例对本发明作进一步的说明，但本发明的保护范围并不限于此。

如图1所示，本发明一种高速入口匝道车辆协同避撞系统，包括高速公路云端数据中心、路侧系统和车载智能系统。

高速公路云端数据中心包括数据处理模块、5G通信模块和交通信息数据库，交通信息数据库中存储有速度数据；5G通信模块和数据处理模块进行数据通信，数据处理模块和交通信息数据库进行数据通信。

路侧系统包括路侧单元、路侧数据处理中心和路侧通信模块，路侧单元采集的数据发送给路侧数据处理中心，路侧数据处理中心与路侧通信模块进行数据通信；路侧单元包括主路侧路侧单元和匝道侧路侧单元，在实际使用时，主路路侧单元和匝道路侧单元均采用高清视觉摄像头，并在高清视觉摄像头的可视区域内设置一条虚拟预警线；路侧通信模块采用5G通信模块；路侧数据处理中心具体采用数据处理算法对采集的数据进行预处理，如去噪。

车载智能系统包括人工驾驶车辆车载智能系统和智能网联车辆车载智能系统，其中人工驾驶车辆车载智能系统包括车载通信模块(采用5G通信模块)、人机交互终端和车载信息处理中心，车载通信模块与人机交互终端进行数据通信，人机交互终端与车载信息处理中心进行通信；智能网联车辆车载智能系统包括车载通信模块、自动驾驶终端、车载信息处理中心，自动驾驶终端分别与车载通信模块、车载信息处理中心进行数据通信。

车载智能系统与路侧系统之间、车载智能系统与云端数据中心之间、路侧系统与云端数据中心之间通过采用5G通信技术进行通信。

在路侧系统前方的可视区间(即高清视觉摄像头的探测距离)内设置一条虚拟预警线，如图2所示，该虚拟预警线的作用等同于车辆检测器，用以检测匝道侧和主路侧是否有车辆通行，以便进一步触发路侧单元采集该车辆的行驶数据，经路侧数据处理中心处理后作为历史轨迹数据发送给云端数据中心预测车辆的未来轨迹。虚拟预警线设置距离(即虚拟预警线预设位置与汇入区间起点之间的距离d)会根据天气情况(如雾天会限速)和不同车道行驶速度的不同而进行动态调整；具体的虚拟预警线预设距离如下：

(1)主路侧虚拟预警线预设距离

设当前车道的车速在云端数据中心的交通信息数据库所允许的速度区间(v_{L_min}，v_{L_max})，云端数据中心所需预测主路侧车辆未来轨迹的最小历史轨迹时间序列的时长为t_{L_pre_need}，同时主路侧路侧系统和云端数据中心所需的通信时间和数据计算时间为t_{L_com_need}；

则虚拟预警线设置的最小距离d_{L_min}＝v_{L_min}×(t_{L_pre_need}+t_{L_com_need})，虚拟预警线设置的最大距离d_{L_max}＝v_{L_max}×(t_{L_pre_need}+t_{L_com_need})；又因为主路侧路侧系统前方的可视区间与汇入区间起点的距离范围为(d′_{L_min}，d′_{L_max})，则要保证d_{L_min}≥d′_{L_min}，d_{L_max}≤d′_{L_max}；

若计算所得d′_{L_min}＜d′_{L_min}，则取d_Lmin＝max{d′_{L_min}，d′_{L_min}}；若计算所得d_{L_max}＞d′_{L_max}，则取d_Lmax＝min{d_{L_max}，d′_{L_max}}；

最终的主路侧路侧系统前方的可视区间与汇入区间起点的距离范围为(d_Lmin，d_Lmax)，取d_L＝(d_Lmin+d_Lmax)/2为主路侧虚拟预警线的预设距离。

(2)匝道侧虚拟预警线预设距离

设当前匝道的限速区间(v_{Z_min}，v_{Z_max})，云端数据中心所需预测匝道侧车辆轨迹的最小历史轨迹时间序列的时长为t_{Z_pre_need}，同时匝道侧路侧系统和云端数据中心所需的通信时间和数据计算时间为t_{Z_com_need}；

考虑到匝道的曲率和长度一定，设匝道长度区间为(d″_{Z_min}，d″_{Z_max})，则虚拟预警线设置的最小距离d_{Z_min}＝v_{Z_min}×(t_{Z_pre_need}+t_{Z_com_need})，虚拟预警线设置的最大距离d_{Z_max}＝v_{Z_max}×(t_{Z_pre_need}+t_{Z_com_need})，又因为匝道侧路侧系统前方的可视区间与汇入区间起点的距离为(d′_{Z_min}，d′_{Z_max})，则取d_Zmin＝max{d_{Z_min}，d′_{Z_min}，d″_{Z_min}}，取d_Zmax＝min{d_{Z_max}，d′_{Z_max}，d″_{Z_max}}；

最终的匝道侧路侧系统前方的可视区间与汇入区间起点的距离为(d_Zmin，d_Zmax)，取d_Z＝(d_Zmin+d_Zmax)/2为匝道侧虚拟预警线的预设距离。

当匝道侧路侧单元检测到有车辆通过虚拟预警线，若车辆为人工驾驶车辆，则通过高清视觉摄像头测定车辆的行驶轨迹数据，包括位置

速度/>

加速度/>

经路侧数据处理中心处理后，通过路侧系统的通信模块将采集到的数据发送至云端数据中心；若车辆为智能网联车辆，路侧系统可通过路侧通信模块和智能网联车的车载通信模块进行数据传输，路侧单元无需进行数据采集，智能网联车辆可将自车在匝道规划的行驶轨迹数据直接传输给路侧数据处理中心，处理后发送给云端数据中心；

当主路侧路侧单元检测到有车辆通过虚拟预警线下游(即车辆已经通过了主路侧虚拟预警线)，若车辆为人工驾驶车辆，则检测车辆的行驶轨迹数据(包括车辆ID(Vel ID)、车辆所处的车道编号ID(Line ID)、位置

速度/>

和加速度/>

经路侧数据处理中心处理后，通过路侧系统的通信模块将采集到的以上数据发送至云端数据中心；若车辆为智能网联车辆，路侧系统可通过路侧通信模块和智能网联车的车载通信模块进行数据传输，路侧单元无需进行数据采集，智能网联车辆可将自车在匝道规划的行驶轨迹数据直接传输给路侧数据处理中心，处理后发送给云端数据中心。

所述云端数据中心的数据处理模块在接收路侧系统发来的车辆行驶轨迹数据(包括车辆ID(Vel ID)、车辆所处的车道编号ID(Line ID)、位置P、速度v和加速度a)，运用长短期记忆(LSTM)神经网络算法对主路侧和匝道侧的车辆行驶轨迹进行预测，并根据匝道侧的预测行驶轨迹计算出虚拟碰撞点的位置坐标，进而计算出主路侧车辆和匝道侧车辆的位置距离，并通过比对响应阈值来确定系统协同响应级别；具体步骤如下：

步骤一：将匝道侧路侧单元的历史行驶轨迹数据定义为历史行驶轨迹特征向量X＝{X₁，X₂，...，X_i}，数据处理模块将车辆行驶轨迹序列X_i拆分成不同的轨迹段，如将行驶轨迹序列X_i拆分为X_i＝{x₁，x₂，...，x_k}，接着通过LSTM计算得到行驶轨迹序列的隐藏向量数据H＝{h₁，h₂，...，h_j}，然后通过Sigmoid激活函数进行隐藏向量数据的归一化处理，作为一种门控状态；最后通过Tanh激活函数进行隐藏向量数据转换，继而得到输出的预测行驶轨迹序列y＝{y₁，y₂，...，y_k}；

步骤二：将主路侧路侧单元的历史行驶轨迹数据定义为行驶轨迹特征向量S₁(t)＝{X′₁，X′₂，...，X′_i}，将主路侧车辆所处的车道信息(包括车道编号LineID和车辆所处车道距离道路左侧车道线的距离dy)定义为S₂(t)＝{Lane ID，dy}，LSTM神经网络的输入则为X(t)＝{S₁(t)，S₂(t)}，数据处理模块首先将车辆行驶轨迹序列切分成不同的轨迹段，如将行驶轨迹序列X′_i拆分为X′_i＝{x′₁，x′₂，...，x′_m}，接着通过LSTM计算得到序列的隐藏向量数据H′＝{h₁，h₂，...，h_n}，然后通过Sigmoid激活函数进行隐藏向量数据的归一化处理，作为一种门控状态；最后通过Tanh激活函数进行隐藏向量数据转换，继而得到输出的预测行驶轨迹序列y′＝{y₁，y₂，...，y_p}；

步骤三：云端数据中心的数据处理模块由预测到的匝道侧车辆行驶轨迹y＝{y₁，y₂，...，y_k}包含的时间序列计算出车辆到达虚拟碰撞点的时间T₀，并根据预测的匝道侧车辆行驶轨迹数据确定虚拟碰撞点的坐标位置C，设C的位置坐标为(X_C，Y_C)；其中计算时间T₀和确定坐标位置C的过程均为现有技术；其中虚拟碰撞点定义为：车辆质心在匝道经加速车道跨过加速车道左侧车道线的位置。

步骤四：云端数据中心根据速度v_j和加速度a_j计算出主路侧车辆在T₀时间内的运动距离，计算公式为

速度v_j和加速度a_j为预测行驶轨迹序列中的数据；进一步求取主路侧车辆经T₀时间所处的纵向位移坐标

其中Y_j0为检测初始时刻主路侧车辆的纵向位置，此时主路侧车辆距离前方匝道侧切入车辆产生的虚拟碰撞点C的距离为D₀，/>

设/>

若ΔY＞0，则主路侧车辆为前车(可设车辆编号(Vel ID)：Front_L001)，匝道侧车为后车(Vel ID：Rear_Z001)；若ΔY≤0，则匝道车为前车(Vel ID：Front_Z001)，主车道侧车为后车(Vel ID：Rear_L001)；

步骤五：数据处理模块比对D₀与交通信息数据库里的协同避撞系统响应阈值，确定主路侧车辆与匝道侧切入车辆即将采取的避撞措施；协同避撞系统响应阈值包括预碰撞安全距离L_f、预制动安全距离L_b和最小制动安全距离L_min；

根据车辆紧急制动对加速度的变化情况将汽车制动过程分为四个阶段，分别为：

阶段一：制动系统协调时间τ₁，在此阶段车辆制动距离为

v为当前车速；

阶段二：制动减速度增长时间τ₂，此阶段包括制动器元件消除间隙时间τ′₂和制动器增长时间τ″₂，在此阶段车辆制动距离为

a为自车减速度；

阶段三：制动持续时间τ₃，在此阶段车辆制动距离为

v_end为车辆制动结束时的速度；

阶段四：制动器放松时间τ₄，由于此阶段为车辆完成制动达到制动预期速度以后所采取的行动，故对此阶段的运动距离不做计算。

设L_front为前车的制动距离，L_rear为后车的制动距离，D_safe为驾驶员认知的最小安全距离；则两车之间的安全距离为：

L＝L_rear-L_front+D_safe

一般情况下匝道汇入车辆在汇入主车道之后会保持匀速或者加速状态，则后车减速至前车速度时的制动距离为：

前车的制动距离为：

代入安全距离公式得：

式中：v_front为前车速度，v_rear为后车的速度，a_front为前车加速度，a_rear为后车加速度；

根据安全距离确认协同避撞系统响应阈值预碰撞安全距离L_f、预制动安全距离L_b和最小制动安全距离L_min：

式中：t_driver为驾驶员反应时间，一般取1.5s，a_{rear_min}为车辆开始采取制动时的最小减速度，a_{rear_max}为车辆开始采取制动时的最大减速度；根据实验数据和交通数据分析，确定制动最小减速度为：a_{rear_min}＝min(4m/s²，μg)；制动最大减速度为：a_{rear_max}＝max(7m/s²，μg)。

通过判断D₀与预碰撞安全距离L_f、预制动安全距离L_b和最小制动安全距离L_min，协同避撞系统做出不用级别的系统响应，具体系统响应如下：

系统响应等级分级标准

步骤六：云端数据中心根据系统协同响应等级发出协同避撞指令

(1)若ΔY＞0，即匝道车汇入主车道后，主路侧车辆为前车(Vel ID：Front_L001)，匝道侧车为后车(Vel ID：Rear_Z001)；

情况一：D₀＞L_f时，安全等级为：一级，系统协同响应为：正常行驶，两车无碰撞风险，云端数据中心通过5G通信模块发送给两车((Vel ID：Front_L001)、(Vel ID：Rear_Z001))提示信息，提示两车按当前车速正常行驶；

情况二：L_b＜D₀≤L_f时，安全等级为：二级，系统协同响应为：碰撞预警，此时云端数据中心通过5G通信模块向两车((Vel ID：Front_L001)、(Vel ID：Rear_Z001))发出碰撞预警指令，提醒主路侧车辆(Vel ID：Front_L001)以超过自车最大加速度30％的加速度进行加速行驶，匝道侧车辆(Vel ID：Rear_Z001)以超过自车最大减速度30％的减速度降低车速，以增大安全距离；

情况三：L_min＜D₀≤L_b时，安全等级为：三级，系统协同响应为：制动预警，云端数据中心通过5G通信模块发送给两车((Vel ID：Front_L001)、(Vel ID：Rear_Z001))制动预警指令，提醒主路侧车辆(Vel ID：Front_L001)以超过自车最大加速度50％的加速度进行急加速，匝道侧车辆(Vel ID：Rear_Z001)以超过自车最大减速度50％的减速度进行急减速或者紧急转向避撞，以增大安全距离；

情况四：D₀≤L_min时，安全等级为：四级，系统协同响应为：制动预碰撞，云端数据中心通过5G通信模块发送给两车((Vel ID：Front_L001)、(Vel ID：Rear_Z001))发出制动预碰撞指令，提醒两车有碰撞危险，提醒主路侧车辆(Vel ID：Front_L001)进行紧急加速行驶(加速度最大)，匝道侧车辆(Vel ID：Rear_Z001)进行紧急减速(减速度最大)，进一步减轻碰撞程度。

(2)若ΔY≤0，即匝道车汇入主车道后，匝道侧车辆为前车(Vel ID：Front_Z001)，主路侧车辆为后车(Vel ID：Rear_L001)；

情况一：D₀＞L_f时，安全等级为：一级，系统协同响应为：正常行驶，两车无碰撞风险，云端数据中心通过5G通信模块发送给两车((Vel ID：Front_Z001)、(Vel ID：Rear_L001))提示信息，提示两车按当前车速正常行驶；

情况二：L_b＜D₀≤L_f时，安全等级为：二级，系统协同响应为：碰撞预警，此时云端数据中心通过5G通信模块发送给两车((Vel ID：Front_Z001)、(Vel ID：Rear_L001))发出碰撞预警指令，提醒匝道待车辆(Vel ID：Front_Z001)以超过自车最大加速度30％的加速度进行加速行驶，主路侧车辆(Vel ID：Rear_L001)以超过自车最大减速度30％的减速度降低车速，以增大安全距离；

情况三：L_min＜D₀≤L_b时，安全等级为：三级，系统协同响应为：制动预警，云端数据中心通过5G通信模块发送给两车((Vel ID：Front_Z001)、(Vel ID：Rear_L001))发出制动预警指令，提醒匝道侧车辆(Vel ID：Front_Z001)以超过自车最大加速度50％的加速度进行急加速，主路侧车辆(Vel ID：Rear_L001)以超过自车最大减速度50％的减速度进行急减速或者紧急转向避撞，以增大安全距离；

情况四：D₀≤L_min时，安全等级为：四级，系统协同响应为：制动预碰撞，云端数据中心通过5G通信模块发送给两车((Vel ID：Front_Z001)、(Vel ID：Rear_L001)))发出制动预碰撞指令，提醒两车有碰撞危险，提醒匝道侧车辆(Vel ID：Front_Z001)紧急加速行驶(加速度最大)，主路侧车辆(Vel ID：Rear_L001))进行紧急减速(减速度最大)，进一步减轻碰撞程度。

人工驾驶车辆的车载智能系统为主动式服务系统，在保持网络状态良好的情况下，通过自身的5G通信模块接收来自云端数据中心发送的协同避撞指令和预警信息，通过车载信息处理中心解码，并发送给人机交互终端提醒驾驶员及时对车辆进行协同避撞动作；智能网联车辆车载智能系统可将自车越过虚拟预警线的行驶数据发送给云端数据中心，同时实时接收云端数据中心发送过来的协同避撞指令，通过车载信息处理中心解码，并发送给自动驾驶终端，自动驾驶根据协同避撞指令对车辆进行控制，进而使车辆做出协同避撞动作。

所述实施例为本发明的优选的实施方式，但本发明并不限于上述实施方式，在不背离本发明的实质内容的情况下，本领域技术人员能够做出的任何显而易见的改进、替换或变型均属于本发明的保护范围。

Claims (10)

1.一种高速入口匝道车辆协同避撞方法，其特征在于：

云端数据中心接收路侧系统发送的车辆行驶轨迹数据，对主路侧和匝道侧的车辆行驶轨迹进行预测，并根据匝道侧的预测行驶轨迹计算出虚拟碰撞点的位置坐标，进而计算出主路侧车辆和匝道侧车辆的位置距离D₀，通过比对响应阈值来确定系统响应级别，并发出协同避撞指令，车载智能系统根据所述协同避撞指令控制车辆进行协同避撞。

2.根据权利要求1所述的高速入口匝道车辆协同避撞方法，其特征在于，所述位置距离D₀通过以下公式计算：

其中Y_C为虚拟碰撞点的位置纵坐标，/>

为主路侧车辆经T₀时间所处的纵向位移坐标，且/>

其中Y_j0为检测初始时刻主路侧车辆的纵向位置，L₀(t)为主路侧车辆在T₀时间内的运动距离，且

速度v_j和加速度a_j为主路侧车辆预测行驶轨迹序列中的数据。

3.根据权利要求2所述的高速入口匝道车辆协同避撞方法，其特征在于，所述响应阈值包括预碰撞安全距离L_f、预制动安全距离L_b和最小制动安全距离L_min，具体的系统响应级别为：

当D₀＞L_f，安全等级为一级，系统协同响应为正常行驶；

当L_b＜D₀≤L_f，安全等级为二级，系统协同响应为碰撞预警；

当L_min＜D₀≤L_b，安全等级为三级，系统协同响应为制动预警；

当D₀≤L_min，安全等级为四级，系统协同响应为制动预碰撞。

4.根据权利要求3所述的高速入口匝道车辆协同避撞方法，其特征在于，设

当ΔY＞0，主路侧车辆为前车，匝道侧车为后车，ΔY≤0，则匝道车为前车，主车道侧车为后车；

安全等级为一级时，前后车按当前车速正常行驶；

安全等级为二级时，前车以超过自车最大加速度30％的加速度进行加速行驶，后车以超过自车最大减速度30％的减速度降低车速；

安全等级为三级时，前车以超过自车最大加速度50％的加速度进行急加速，后车以超过自车最大减速度50％的减速度进行急减速或者转向避撞；

安全等级为四级时，前车进行紧急加速，后车进行紧急减速。

5.根据权利要求3所述的高速入口匝道车辆协同避撞方法，其特征在于：

其中：τ₁为制动系统协调时间，τ₂为制动减速度增长时间，v_front为前车速度，v_rear为后车的速度，a_front为前车加速度，a_rear为后车加速度，a_{rear_min}为车辆开始采取制动时的最小减速度，a_{rear_max}为车辆开始采取制动时的最大减速度，t_driver为驾驶员反应时间，D_safe为驾驶员认知的最小安全距离。

6.根据权利要求1所述的高速入口匝道车辆协同避撞方法，其特征在于，路侧系统发送的车辆行驶轨迹数据是当车辆通过虚拟预警线时，路侧单元采集的。

7.根据权利要求6所述的高速入口匝道车辆协同避撞方法，其特征在于，所述虚拟预警线分别设置在匝道侧和主路侧，具体的预设距离为：

主路侧虚拟预警线的预设距离d_L＝(d_Lmin+d_Lmax)/2，其中d_Lmin＝max{d_{L_min}，d′_{L_min}}，d_Lmax＝min{d_{L_max}，d′_{L_max}}，d′_{L_min}为主路侧路侧系统前方的可视区间与汇入区间起点的距离最小值，d′_{L_max}为主路侧路侧系统前方的可视区间与汇入区间起点的距离最大值，主路侧虚拟预警线设置的最小距离d_{L_min}＝v_{L_min}×(t_{L_pre_need}+t_{L_com_need})，主路侧虚拟预警线设置的最大距离d_{L_max}＝v_{L_max}×(t_{L_pre_need}+t_{L_com_need})，v_{L_min}、v_{L_max}分别为交通信息数据库允许的速度最小值和最大值，t_{L_pre_need}为云端数据中心所需预测主路侧车辆未来轨迹的最小历史轨迹时间序列的时长，t_{L_com_need}为主路侧路侧系统和云端数据中心所需的通信时间和数据计算时间；

匝道侧虚拟预警线的预设距离d_Z＝(d_Zmin+d_Zmax)/2，其中d_Zmin＝max{d_{Z_min}，d′_{Z_min}，d″_{Z_min}}，d_Zmax＝min{d_{Z_max}，d′_{Z_max}，d″_{Z_max}}，匝道侧虚拟预警线设置的最小距离d_{Z_min}＝v_{Z_min}×(t_{Z_pre_need}+t_{Z_com_need})，匝道侧虚拟预警线设置的最大距离d_{Z_max}＝v_{Z_max}×(t_{Z_pre_need}+t_{Z_com_need})，v_{Z_min}、v_{Z_max}分别为当前匝道的最小值和最大值，t_{Z_pre_need}为云端数据中心所需预测匝道侧车辆轨迹的最小历史轨迹时间序列的时长，t_{Z_com_need}为匝道侧路侧系统和云端数据中心所需的通信时间和数据计算时间，d′_{Z_min}为匝道侧路侧系统前方的可视区间与汇入区间起点的距离最小值，d′_{Z_max}为匝道侧路侧系统前方的可视区间与汇入区间起点的距离最大值，(d″_{Z_min}，d″_{Z_max})为匝道长度区间。

8.根据权利要求1所述的高速入口匝道车辆协同避撞方法，其特征在于，所述虚拟碰撞点定义为车辆质心在匝道经加速车道跨过加速车道左侧车道线的位置。

9.一种实现权利要求1-8任一项所述的高速入口匝道车辆协同避撞方法的系统，其特征在于，包括：

高速公路云端数据中心，包括数据处理模块、5G通信模块和交通信息数据库，交通信息数据库中存储有速度数据和响应阈值，数据处理模块用于处理接收路侧系统发送的车辆行驶轨迹数据；

路侧系统，包括路侧单元、路侧数据处理中心和路侧通信模块，路侧单元包括主路侧路侧单元和匝道侧路侧单元，路侧数据处理中心对路侧单元采集的数据进行预处理；

车载智能系统，用于接收协同避撞指令，提醒或控制车辆进行协同避撞。

10.根据权利要求9所述的系统，其特征在于，所述车载智能系统包括人工驾驶车辆车载智能系统和智能网联车辆车载智能系统，其中人工驾驶车辆车载智能系统包括车载通信模块、人机交互终端和车载信息处理中心，智能网联车辆车载智能系统包括车载通信模块、自动驾驶终端和车载信息处理中心，所述车载信息处理中心对协同避撞指令进行解码，分别发送给人机交互终端和自动驾驶终端，控制车辆进行协同避撞。

Images