CN116189477A - 一种智能网联汽车数据异常环境的安全控制方法及设备 - Google Patents

一种智能网联汽车数据异常环境的安全控制方法及设备 Download PDF

Info

Publication number
CN116189477A
CN116189477A CN202310128245.1A CN202310128245A CN116189477A CN 116189477 A CN116189477 A CN 116189477A CN 202310128245 A CN202310128245 A CN 202310128245A CN 116189477 A CN116189477 A CN 116189477A
Authority
CN
China
Prior art keywords
vehicle
data
safety control
abnormal
vehicles
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
CN202310128245.1A
Other languages
English (en)
Other versions
CN116189477B (zh
Inventor
华雪东
赵扬震
王炜
雷惠莹
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.)
Southeast University
Original Assignee
Southeast 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 Southeast University filed Critical Southeast University
Priority to CN202310128245.1A priority Critical patent/CN116189477B/zh
Publication of CN116189477A publication Critical patent/CN116189477A/zh
Application granted granted Critical
Publication of CN116189477B publication Critical patent/CN116189477B/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
    • G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
    • 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
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
    • 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
    • G08G1/0125—Traffic data processing
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供了一种智能网联汽车数据异常环境的安全控制方法及设备，通过实时采集车辆状态数据，利用车辆状态数据进行行车间距推算，依据不同的实际情况进行数据异常风险判定，当判断存在数据异常风险车辆时，立即利用vehicle‑to‑cloud技术完成数据异常风险车辆的相关信息传输，最后路段内各车依据所接收到的信息和自身车辆状态数据进行安全控制策略的确定。本发明采用的方法可以实现在数据异常环境出现时，对智能网联汽车是否处于安全风险状态进行实时、精准判定，并为各车提供合适的安全控制策略，有效保障了驾乘人员与汽车的安全，提升整个交通系统的运行效率，具有较高的推广应用价值。

Description

一种智能网联汽车数据异常环境的安全控制方法及设备
技术领域
本发明涉及智能交通技术领域，具体涉及一种智能网联汽车数据异常环境的安全控制方法及设备。
背景技术
近年来，各国的政府、科研机构、汽车企业都极力重视智能网联汽车产业的发展。智能网联汽车是智能交通系统的重要组成部分，其搭载各类先进的车载传感器、控制器、执行器等装置，并且融入了现代通信网络技术，能实现交通系统内部各元素的数据信息共享，使得交通系统变得更加智能高效、绿色环保、安全畅通。
智能网联汽车是智能汽车和车联网的有机结合，车辆的智能化与网联化的不断改善提升给用户带来了丰富的驾乘体验。但是，由于其功能性的不断拓展延伸，会提高智能网联汽车系统的脆弱性。与此同时，车辆网具备开放性、共享性、交互性等特征，这会导致智能网联汽车的安全风险漏洞增加，使得车辆在进行数据交互的过程中，更易受到外界的网络攻击。恶意攻击者可利用智能连接设备、恶意程序软件、蓝牙和蜂窝网络接口等对本车实施无线远程攻击，一旦其成功入侵车辆内部网络后，恶意攻击者便可以很容易地改变本车的状态，比如紧急制动、恶意变道、发动机熄火等，这不仅仅会损害有关汽车制造商的品牌声誉，还会危及驾乘人员的用户隐私和生命安全，甚至严重影响整个交通系统的平稳安全运行。除此之外，不良天气、信号干扰源、传感器的老化等因素，也会进一步增大汽车处于数据异常环境的可能性。
在智能网联汽车不断推广普及的背景下，数据异常环境已成为制约其快速发展的重要瓶颈。因此，亟需一种安全控制方法及设备来保障智能网络汽车处于数据异常环境下的行车安全，以期大力推动智能网联汽车行业的变革与发展。
发明内容
发明目的：针对现有技术中存在的问题，本发明提出了一种智能网联汽车数据异常环境的安全控制方法及设备，通过实时采集车辆的状态数据，利用车辆状态数据进行行车间距推算，依据不同的实际情况进行数据异常风险判定，当判断存在数据异常风险车辆时，立即利用vehicle-to-cloud技术完成数据异常风险车辆的相关信息传输，路段内各车依据所接收到的信息和自身车辆状态数据进行安全控制策略的确定。
技术方案：本发明的一种智能网联汽车数据异常环境的安全控制方法，包括如下步骤：
步骤A.车辆状态数据采集：每隔一定的时间间隔G，本车实时获取前车与本车的车辆状态数据，所述车辆状态数据至少包括数据采集时刻t、前车的速度
Figure BDA0004082847140000021
前车的纵向位置
Figure BDA0004082847140000022
前车的长度lp、本车的速度
Figure BDA0004082847140000023
本车的纵向位置
Figure BDA0004082847140000024
本车的长度lc、两车的车道编号dt、两车之间的距离Lt；
步骤B.行车间距推算：在本车利用步骤A中得到的车辆状态数据，进行t时刻行车间距推算值
Figure BDA0004082847140000025
的计算；
步骤C.数据异常风险判定：
当
Figure BDA0004082847140000026
或
Figure BDA0004082847140000027
Figure BDA0004082847140000028
时，判定这一组前车与本车存在数据异常风险，为一组数据异常风险车辆，其中，K为截至当前数据采集时刻发生数据异常风险的次数，ti为发生数据异常风险的时刻，α为两车间距累计相对偏差容许值，s*为IDM模型的本车期望间距，γ为安全间距容许值；所述IDM模型的本车期望间距
Figure BDA0004082847140000029
其中smin为静止安全距离，T为安全时间间隔，
Figure BDA00040828471400000210
为本车和前车的速度差，a为起步加速度，b为舒适减速度；
步骤D.数据异常风险信息传输：当这一组前车与本车被判定为存在数据异常风险时，其中的本车采用vehicle-to-cloud技术每隔一定的时间间隔G将这一组数据异常风险车辆的车辆状态数据传输至云平台，再由云平台将这一组数据异常风险车辆的车辆状态数据传输至所处路段内的所有车辆；
步骤E.确定安全控制策略：路段内的所有车辆在接收到云平台的数据异常风险车辆的车辆状态数据后，依据所接收到的数据和自身车辆状态数据采取不同安全控制策略。
优选地，步骤A中，时间间隔G的单位为毫秒，且G∈{10,20,50,100}，两车的车道编号dt由道路内侧向外依次用从1开始的正整数标记，两车之间的距离Lt通过本车的车载激光雷达采集获得，为本车的车头至前车的车尾之间的距离。
优选地，步骤B中，所述t时刻行车间距推算值为
Figure BDA00040828471400000211
Figure BDA00040828471400000212
其中
Figure BDA00040828471400000213
为t-G时刻对应的前车的速度，
Figure BDA00040828471400000214
为t-G时刻对应的本车的速度，
Figure BDA00040828471400000215
为t-G时刻对应的前车的纵向位置，
Figure BDA00040828471400000216
为t-G时刻对应的本车的纵向位置。
优选地，步骤C中，截至当前数据采集时刻发生数据异常风险的次数K与发生数据异常风险的时刻ti的确定：
初始化K与i，即令：K＝0，i＝0；
当
Figure BDA0004082847140000031
即令：K＝K+1，i＝i+1，并将此时的数据采集时刻t记录为ti，其中β为两车间距相对偏差容许值。
优选地，步骤E中，确定安全控制策略，具体包括如下步骤：
E1.划分安全控制策略等级，按等级从高到底依次为，自动靠边停车/人工接管(Ⅰ级)、紧急制动(Ⅱ级)、变更车道(Ⅲ级)、调整行驶速度(Ⅳ级)、注意相邻异常车道的车辆变道且重新规划行车路线(Ⅴ级)、重新规划行车路线(Ⅵ级)；
E2.安全控制策略的划定，具体分为以下情况：
①当
Figure BDA0004082847140000032
时，其中n为路段内的车辆编号，
Figure BDA0004082847140000033
为路段内的车辆n在t时刻的车道编号，安全控制策略的划分为：
当
Figure BDA0004082847140000034
时，车辆n在变道行为不受阻的情况下采取Ⅲ级安全控制策略，在变道行为受阻的情况下采取Ⅳ级安全控制策略，实现车辆的加速，增加其与数据异常风险车辆的间距；
当
Figure BDA0004082847140000035
或
Figure BDA0004082847140000036
时，车辆n采取Ⅰ级安全控制策略，在保证交通安全的前提下实现自动靠边停车策略，若无法实现自动靠边停车则采取人工接管策略，其中
Figure BDA0004082847140000037
为车辆n在t时刻的纵向位置；
当
Figure BDA0004082847140000038
时，车辆n在变道行为受阻的情况下采取Ⅱ级安全控制策略，在变道行为不受阻的情况下采取Ⅲ级安全控制策略，其中y1为数据异常风险车辆影响范围一级阈值；
当
Figure BDA0004082847140000039
时，车辆n采取Ⅳ级安全控制策略，实现车辆的减速，增加其与数据异常风险车辆的间距，其中y2为数据异常风险车辆影响范围二级阈值；
当
Figure BDA00040828471400000310
时，车辆n采取Ⅵ级安全控制策略，避免与数据异常风险车辆产生路线冲突；
②当
Figure BDA00040828471400000311
时，车辆n采取的安全控制策略为Ⅴ级安全控制策略；
③当
Figure BDA00040828471400000312
时，车辆n采取的安全控制策略为Ⅵ级安全控制策略。
优选地，步骤E中，当路段内的车辆存在超过一个安全控制策略时，车辆最终采用最高等级的安全控制策略。
本发明还公开一种智能网联汽车数据异常环境的安全控制设备，包括：
车辆数据读取单元：每隔一定的时间间隔G，读取车辆的CAN总线数据，得到所需的本车的车辆状态数据；
数据通信共享单元：用于前后车辆之间的车辆状态数据的通信共享；
异常风险检测单元：依据特征值进行前车与本车是否处在数据异常风险中的判定；
异常情况通信单元：用于与云平台的通信，接收来自云平台的数据异常风险车辆的车辆状态数据，且当前车与本车处于数据异常风险中时，将前车与本车的车辆状态数据信息传输至云平台；
车辆行为决策单元：依据来自云平台的数据异常风险车辆的车辆状态数据和自身车辆状态数据，进行安全控制策略的确定，并给本车发送对应的行为决策命令。
本发明采用上述技术方案，具有以下有益效果：
本发明提出一种智能网联汽车数据异常环境的安全控制方法及设备，实时、精准判定在数据异常环境下智能网联汽车是否处于安全风险状态，并且通过剔除误差范围内的误差，设计一定的延迟和多次判断，保障了车辆状态判断的准确性。面对数据异常风险车辆的出现，设计了其所处路段内各车的安全控制策略，有效保障了驾乘人员与汽车的安全，降低交通事故发生的概率，提升整个交通系统的运行效率。此外，智能网联汽车搭载车载激光雷达，可以有效解决前车传输的速度数据和位置数据同时出错而检测不出的问题，并改善在复杂通讯拓扑结构下智能网联交通流运行的稳定性和安全性。在智能网联汽车处于数据异常环境已成为一种常态的背景下，本发明具备很强的现实意义。
附图说明
图1是本发明一种智能网联汽车数据异常环境的安全控制方法的流程图；
图2是实施例中路段内各车的安全控制策略的示意图。
具体实施方式
为了进一步理解本发明，下面结合实施例对本发明优选实施方案进行描述，但是应当理解，这些描述只是为进一步说明本发明的特征和优点，而不是对本发明权利要求的限制。
该部分的描述只针对典型的实施例，本发明并不仅局限于实施例描述的范围。不同实施例的组合、不同实施例中的一些技术特征进行相互替换，相同或相近的现有技术手段与实施例中的一些技术特征进行相互替换也在本发明描述和保护的范围内。
本实施例提供了一种智能网联汽车数据异常环境的安全控制方法，参考图1所示，包括如下步骤：
A.车辆状态数据采集：每隔一定的时间间隔G，本车实时获取前车与本车的车辆状态数据，所述车辆状态数据至少包括数据采集时刻t、前车的速度
Figure BDA0004082847140000041
前车的纵向位置
Figure BDA0004082847140000042
前车的长度lp、本车的速度
Figure BDA0004082847140000051
本车的纵向位置
Figure BDA0004082847140000052
本车的长度lc、两车的车道编号dt、两车之间的距离Lt，如表1所示；
其中，时间间隔G＝100ms，两车的车道编号dt由道路内侧向外依次用从1开始的正整数标记，两车之间的距离Lt通过本车的车载激光雷达采集获得，为本车的车头至前车的车尾之间的距离；
本实施例中，路段内所有车辆的长度均为5m，表1中的两辆车均处于3号车道。
表1前车与本车的车辆状态数据
Figure BDA0004082847140000053
Figure BDA0004082847140000061
B.行车间距推算：在本车利用步骤A中得到的车辆状态数据，进行t时刻行车间距推算值
Figure BDA00040828471400000611
的计算；行车间距推算值为
Figure BDA0004082847140000062
其中
Figure BDA0004082847140000063
为t-G时刻对应的前车的速度，
Figure BDA0004082847140000064
为t-G时刻对应的本车的速度，
Figure BDA0004082847140000065
为t-G时刻对应的前车的纵向位置，
Figure BDA0004082847140000066
为t-G时刻对应的本车的纵向位置。
C.数据异常风险判定：
当
Figure BDA0004082847140000067
或
Figure BDA0004082847140000068
Figure BDA0004082847140000069
时，判定这一组前车与本车存在数据异常风险，为一组数据异常风险车辆，其中，K为截至当前数据采集时刻发生数据异常风险的次数，ti为发生数据异常风险的时刻，α为两车间距累计相对偏差容许值，s*为IDM模型的本车期望间距，γ为安全间距容许值；优选地，参数α的取值为5％，参数γ的取值为8％；其中两车间距累计相对偏差统计表如表2所示，两车安全间距统计表如表4所示；
该步骤中，截至当前数据采集时刻发生数据异常风险的次数K与发生数据异常风险的时刻ti的确定：初始化K与i，即令：K＝0，i＝0；当
Figure BDA00040828471400000610
即令：K＝K+1，i＝i+1，并将此时的数据采集时刻t记录为ti，其中β为两车间距相对偏差容许值，优选地，参数β的取值为2％；
表2两车间距累计相对偏差统计表
Figure BDA0004082847140000071
路段内所有车辆均符合智能驾驶员模型(IDM)，所用IDM模型的参数取值如下表3所示，其中smin为静止安全距离，T为安全时间间隔，a为起步加速度，b为舒适减速度，v0为自由流速度，δ为速度幂系数；
表3 IDM模型参数取值
参数 数值
smin(m) 2
T(s) 1.5
a(m/s2) 1.4
b(m/s2) 2
v0(km/h) 120
δ 4
所述IDM模型的本车期望间距
Figure BDA0004082847140000072
其中
Figure BDA0004082847140000073
为本车和前车的速度差；
表4两车安全间距统计表
Figure BDA0004082847140000081
由表2与表4可得在数据采集时刻t＝1.0s时，判定这一组前车与本车存在数据异常风险，为一组数据异常风险车辆，原因：
Figure BDA0004082847140000082
7.48％>5％且
Figure BDA0004082847140000083
D.数据异常风险信息传输：当这一组前车与本车被判定为存在数据异常风险时，即在t＝1.0s时，其中的本车采用vehicle-to-cloud技术每隔一定的时间间隔G将这一组数据异常风险车辆的车辆状态数据传输至云平台，再由云平台将这一组数据异常风险车辆的车辆状态数据传输至所处路段内的所有车辆。
E.确定安全控制策略：路段内的所有车辆在接收到云平台的数据异常风险车辆的车辆状态数据后，依据所接收到的数据和自身车辆状态数据采取不同安全控制策略；
本实施例中，路段内各车的具体安全控制策略可见图2，所选路段为四车道，数据异常风险车辆位于3号车道。
确定安全控制策略，具体包括如下步骤：
E1.划分安全控制策略等级，按等级从高到底依次为，自动靠边停车/人工接管(Ⅰ级)、紧急制动(Ⅱ级)、变更车道(Ⅲ级)、调整行驶速度(Ⅳ级)、注意相邻异常车道的车辆变道且重新规划行车路线(Ⅴ级)、重新规划行车路线(Ⅵ级)；
E2.安全控制策略的划定，具体分为以下情况：
①当
Figure BDA0004082847140000091
时，其中n为路段内的车辆编号，
Figure BDA00040828471400000911
为路段内的车辆n在t时刻的车道编号，安全控制策略的划分为：
当
Figure BDA0004082847140000092
时，车辆n在变道行为不受阻的情况下采取Ⅲ级安全控制策略，在变道行为受阻的情况下采取Ⅳ级安全控制策略，实现车辆的加速，增加其与数据异常风险车辆的间距；
当
Figure BDA0004082847140000093
或
Figure BDA0004082847140000094
时，车辆n采取Ⅰ级安全控制策略，在保证交通安全的前提下实现自动靠边停车策略，若无法实现自动靠边停车则采取人工接管策略，其中
Figure BDA0004082847140000095
为车辆n在t时刻的纵向位置；
当
Figure BDA0004082847140000096
时，车辆n在变道行为受阻的情况下采取Ⅱ级安全控制策略，在变道行为不受阻的情况下采取Ⅲ级安全控制策略，其中y1为数据异常风险车辆影响范围一级阈值；
当
Figure BDA0004082847140000097
时，车辆n采取Ⅳ级安全控制策略，实现车辆的减速，增加其与数据异常风险车辆的间距，其中y2为数据异常风险车辆影响范围二级阈值；
当
Figure BDA0004082847140000098
时，车辆n采取Ⅵ级安全控制策略，避免与数据异常风险车辆产生路线冲突；
②当
Figure BDA0004082847140000099
时，车辆n采取的安全控制策略为Ⅴ级安全控制策略；
③当
Figure BDA00040828471400000910
时，车辆n采取的安全控制策略为Ⅵ级安全控制策略。
当路段内出现多组数据异常风险车辆时，即车辆可能存在超过一个安全控制策略，在这种情况下车辆最终采用最高等级的安全控制策略。
本发明还提供了一种智能网联汽车数据异常环境的安全控制设备，包括：
车辆数据读取单元：每隔一定的时间间隔G，读取车辆的CAN总线数据，得到所需的本车的车辆状态数据；
数据通信共享单元：用于前后车辆之间的车辆状态数据的通信共享；
异常风险检测单元：依据特征值进行前车与本车是否处在数据异常风险中的判定；
异常情况通信单元：用于与云平台的通信，接收来自云平台的数据异常风险车辆的车辆状态数据，且当前车与本车处于数据异常风险中时，将前车与本车的车辆状态数据信息传输至云平台；
车辆行为决策单元：依据来自云平台的数据异常风险车辆的车辆状态数据和自身车辆状态数据，进行安全控制策略的确定，并给本车发送对应的行为决策命令。
这里本发明的描述和应用是说明性的，并非想将本发明的范围限制在上述实施例中。说明书中所涉及的效果或优点等相关描述可因具体条件参数的不确定或其它因素影响而可能在实际实验例中不能体现，效果或优点等相关描述不用于对发明范围进行限制。这里所披露的实施例的变形和改变是可能的，对于那些本领域的普通技术人员来说实施例的替换和等效的各种部件是公知的。本领域技术人员应该清楚的是，在不脱离本发明的精神或本质特征的情况下，本发明可以以其它形式、结构、布置、比例，以及用其它组件、材料和部件来实现。在不脱离本发明范围和精神的情况下，可以对这里所披露的实施例进行其它变形和改变。

Claims (8)

1.一种智能网联汽车数据异常环境的安全控制方法，其特征在于，分别针对目标路段中各车道上各组前后相邻位置的本车与前车，基于本车与前车的车辆状态数据，按预设时间间隔G，周期执行如下步骤，
步骤A：分别采集本车与前车的车辆状态数据，获得采集时刻t下本车与前车的车辆状态数据组；
步骤B：基于本车与前车的车辆状态数据组，计算采集时刻t下本车与前车的行车间距推算值
Figure FDA00040828471300000113
步骤C：当
Figure FDA00040828471300000114
超过预设容许值，则判定采集时刻t下本车与前车车辆状态数据组存在数据异常风险，为一组数据异常风险车辆的车辆状态数据，进入步骤D；否则判定采集时刻t下本车与前车车辆状态数据组正常，结束步骤；
步骤D：通过vehicle-to-cloud技术将一组数据异常风险车辆的车辆状态数据传输至云平台，再由云平台将这一组数据异常风险车辆的车辆状态数据传输至目标路段中各车道上的所有车辆；
步骤E：目标路段中各车道上的所有车辆在接收到云平台的数据异常风险车辆的车辆状态数据后，依据所接收到的数据和自身车辆状态数据采取不同安全控制策略。
2.根据权利要求1所述一种智能网联汽车数据异常环境的安全控制方法，其特征在于，步骤A中，所述车辆状态数据包括数据采集时刻t、前车的速度
Figure FDA0004082847130000011
前车的纵向位置
Figure FDA0004082847130000012
前车的长度lp、本车的速度
Figure FDA0004082847130000013
本车的纵向位置
Figure FDA0004082847130000014
本车的长度lc、两车的车道编号dt、两车之间的距离Lt；所述时间间隔G的单位为毫秒，且G∈{10,20,50,100}，两车的车道编号dt由道路内侧向外依次用从1开始的正整数标记，两车之间的距离Lt通过本车的车载激光雷达采集获得，为本车的车头至前车的车尾之间的距离。
3.根据权利要求2所述一种智能网联汽车数据异常环境的安全控制方法，其特征在于，步骤B中，所述t时刻行车间距推算值为
Figure FDA0004082847130000015
其中
Figure FDA0004082847130000016
为t-G时刻对应的前车的速度，
Figure FDA0004082847130000017
为t-G时刻对应的本车的速度，
Figure FDA0004082847130000018
为t-G时刻对应的前车的纵向位置，
Figure FDA0004082847130000019
为t-G时刻对应的本车的纵向位置。
4.根据权利要求3所述一种智能网联汽车数据异常环境的安全控制方法，其特征在于，步骤C具体为：数据异常风险判定：
当
Figure FDA00040828471300000110
或
Figure FDA00040828471300000111
Figure FDA00040828471300000112
时，判定这一组前车与本车存在数据异常风险，为一组数据异常风险车辆，其中，K为截至当前数据采集时刻发生数据异常风险的次数，ti为发生数据异常风险的时刻，α为两车间距累计相对偏差容许值，s*为IDM模型的本车期望间距，γ为安全间距容许值；所述IDM模型的本车期望间距
Figure FDA0004082847130000021
其中smin为静止安全距离，T为安全时间间隔，
Figure FDA0004082847130000022
为本车和前车的速度差，a为起步加速度，b为舒适减速度。
5.根据权利要求4所述一种智能网联汽车数据异常环境的安全控制方法，其特征在于，截至当前数据采集时刻发生数据异常风险的次数K与发生数据异常风险的时刻ti的确定：
初始化K与i，即令：K＝0，i＝0；
当
Figure FDA0004082847130000023
即令：K＝K+1，i＝i+1，并将此时的数据采集时刻t记录为ti，其中β为两车间距相对偏差容许值。
6.根据权利要求1所述一种智能网联汽车数据异常环境的安全控制方法，其特征在于，步骤E中，确定安全控制策略，具体包括如下步骤：
E1.划分安全控制策略等级，按等级从高到底依次为，自动靠边停车/人工接管Ⅰ级、紧急制动Ⅱ级、变更车道Ⅲ级、调整行驶速度Ⅳ级、注意相邻异常车道的车辆变道且重新规划行车路线Ⅴ级、重新规划行车路线Ⅵ级；
E2.安全控制策略的划定，具体分为以下情况：
①当
Figure FDA0004082847130000024
时，其中n为路段内的车辆编号，
Figure FDA0004082847130000025
为路段内的车辆n在t时刻的车道编号，安全控制策略的划分为：
当
Figure FDA0004082847130000026
时，车辆n在变道行为不受阻的情况下采取Ⅲ级安全控制策略，在变道行为受阻的情况下采取Ⅳ级安全控制策略，实现车辆的加速，增加其与数据异常风险车辆的间距；
当
Figure FDA0004082847130000027
或
Figure FDA0004082847130000028
时，车辆n采取Ⅰ级安全控制策略，在保证交通安全的前提下实现自动靠边停车策略，若无法实现自动靠边停车则采取人工接管策略，其中
Figure FDA0004082847130000029
为车辆n在t时刻的纵向位置；
当
Figure FDA00040828471300000210
时，车辆n在变道行为受阻的情况下采取Ⅱ级安全控制策略，在变道行为不受阻的情况下采取Ⅲ级安全控制策略，其中y1为数据异常风险车辆影响范围一级阈值；
当
Figure FDA00040828471300000211
时，车辆n采取Ⅳ级安全控制策略，实现车辆的减速，增加其与数据异常风险车辆的间距，其中y2为数据异常风险车辆影响范围二级阈值；
当
Figure FDA0004082847130000031
时，车辆n采取Ⅵ级安全控制策略，避免与数据异常风险车辆产生路线冲突；
②当
Figure FDA0004082847130000032
时，车辆n采取的安全控制策略为Ⅴ级安全控制策略；
③当
Figure FDA0004082847130000033
时，车辆n采取的安全控制策略为Ⅵ级安全控制策略。
7.根据权利要求6所述一种智能网联汽车数据异常环境的安全控制方法，其特征在于，步骤E中，当路段内的车辆存在超过一个安全控制策略时，车辆最终采用最高等级的安全控制策略。
8.一种智能网联汽车数据异常环境的安全控制设备，其特征在于，包括：
车辆数据读取单元：每隔一定的时间间隔G，读取车辆的CAN总线数据，得到所需的本车的车辆状态数据；
数据通信共享单元：用于前后车辆之间的车辆状态数据的通信共享；
异常风险检测单元：依据特征值进行前车与本车是否处在数据异常风险中的判定；
异常情况通信单元：用于与云平台的通信，接收来自云平台的数据异常风险车辆的车辆状态数据，且当前车与本车处于数据异常风险中时，将前车与本车的车辆状态数据信息传输至云平台；
车辆行为决策单元：依据来自云平台的数据异常风险车辆的车辆状态数据和自身车辆状态数据，进行安全控制策略的确定，并给本车发送对应的行为决策命令。
CN202310128245.1A 2023-02-17 2023-02-17 一种智能网联汽车数据异常环境的安全控制方法及设备 Active CN116189477B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310128245.1A CN116189477B (zh) 2023-02-17 2023-02-17 一种智能网联汽车数据异常环境的安全控制方法及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310128245.1A CN116189477B (zh) 2023-02-17 2023-02-17 一种智能网联汽车数据异常环境的安全控制方法及设备

Publications (2)

Publication Number Publication Date
CN116189477A true CN116189477A (zh) 2023-05-30
CN116189477B CN116189477B (zh) 2023-11-21

Family

ID=86436135

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310128245.1A Active CN116189477B (zh) 2023-02-17 2023-02-17 一种智能网联汽车数据异常环境的安全控制方法及设备

Country Status (1)

Country Link
CN (1) CN116189477B (zh)

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102622516A (zh) * 2012-02-22 2012-08-01 天津港(集团)有限公司 面向道路安全评价的微观交通流仿真方法
CN104064054A (zh) * 2013-03-23 2014-09-24 通用汽车环球科技运作有限责任公司 泊车辅助系统及其运行方法
US9349285B1 (en) * 2014-12-01 2016-05-24 Here Global B.V. Traffic classification based on spatial neighbor model
CN107554524A (zh) * 2017-09-12 2018-01-09 北京航空航天大学 一种基于主观危险感知的跟驰模型稳定性控制方法
US20180033309A1 (en) * 2016-07-29 2018-02-01 Ford Global Technologies Llc Systems and methods of an overtaking lane control
CN107826118A (zh) * 2017-11-01 2018-03-23 南京阿尔特交通科技有限公司 一种判别异常驾驶行为的方法及装置
CN111477005A (zh) * 2020-04-20 2020-07-31 北京中交华安科技有限公司 一种基于车辆状态及行车环境的智能感知预警方法及系统
CN112233418A (zh) * 2020-09-27 2021-01-15 东南大学 一种智能网联混合交通流环境下二次交通事故预防控制方法
CN112508392A (zh) * 2020-12-02 2021-03-16 云南省交通规划设计研究院有限公司 一种山区双车道公路隐患路段交通冲突风险动态评估方法
CN112673406A (zh) * 2020-05-29 2021-04-16 华为技术有限公司 一种辨识车辆列队中异常车辆参数的方法和终端设备
CN114067559A (zh) * 2021-09-27 2022-02-18 北京交通大学 一种自动车专用道并入普通车道的合流优化控制方法
US20220130239A1 (en) * 2020-10-26 2022-04-28 Hyundai Motor Company Device and method for predicting traffic information
CN115476876A (zh) * 2022-07-29 2022-12-16 山东省科学院自动化研究所 一种适用速度广的自动驾驶车辆跟驰方法及系统

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102622516A (zh) * 2012-02-22 2012-08-01 天津港(集团)有限公司 面向道路安全评价的微观交通流仿真方法
CN104064054A (zh) * 2013-03-23 2014-09-24 通用汽车环球科技运作有限责任公司 泊车辅助系统及其运行方法
US9349285B1 (en) * 2014-12-01 2016-05-24 Here Global B.V. Traffic classification based on spatial neighbor model
US20180033309A1 (en) * 2016-07-29 2018-02-01 Ford Global Technologies Llc Systems and methods of an overtaking lane control
CN107554524A (zh) * 2017-09-12 2018-01-09 北京航空航天大学 一种基于主观危险感知的跟驰模型稳定性控制方法
CN107826118A (zh) * 2017-11-01 2018-03-23 南京阿尔特交通科技有限公司 一种判别异常驾驶行为的方法及装置
CN111477005A (zh) * 2020-04-20 2020-07-31 北京中交华安科技有限公司 一种基于车辆状态及行车环境的智能感知预警方法及系统
CN112673406A (zh) * 2020-05-29 2021-04-16 华为技术有限公司 一种辨识车辆列队中异常车辆参数的方法和终端设备
CN112233418A (zh) * 2020-09-27 2021-01-15 东南大学 一种智能网联混合交通流环境下二次交通事故预防控制方法
US20220130239A1 (en) * 2020-10-26 2022-04-28 Hyundai Motor Company Device and method for predicting traffic information
CN112508392A (zh) * 2020-12-02 2021-03-16 云南省交通规划设计研究院有限公司 一种山区双车道公路隐患路段交通冲突风险动态评估方法
CN114067559A (zh) * 2021-09-27 2022-02-18 北京交通大学 一种自动车专用道并入普通车道的合流优化控制方法
CN115476876A (zh) * 2022-07-29 2022-12-16 山东省科学院自动化研究所 一种适用速度广的自动驾驶车辆跟驰方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张梦歌;蔡晓禹;杜蕊;: "驾驶行为数据驱动的城市道路交通安全风险辨识方法探讨", 交通与运输, no. 02 *

Also Published As

Publication number Publication date
CN116189477B (zh) 2023-11-21

Similar Documents

Publication Publication Date Title
CN109727470B (zh) 一种分布式智能网联汽车交叉路口复杂场景通行决策方法
CN102320280B (zh) 一种防止弯道车辆前撞的自动报警方法
CN112967514B (zh) 一种无信号灯交叉口下智能车辆高效行驶的分布式控制方法及系统
CN107010064B (zh) 一种车队编队驾驶方法及系统
EP2460706B1 (en) Vehicle control device, vehicle control method, and vehicle control system
CN113192331B (zh) 一种网联环境下面向骑行安全的智能预警系统及预警方法
CN105667509A (zh) 一种用于汽车自适应巡航控制系统的弯道控制系统及方法
CN113689692B (zh) 智能网联混合交通流信号交叉口车辆到达预测修正方法
EP2461303A1 (en) Vehicle control device, vehicle control method, and vehicle control system
CN105549587A (zh) 一种用于雨雪天的列车自动驾驶控制方法和系统
CN103500503A (zh) 一种基于众包模式的精准路况分析方法及系统
CN108536148A (zh) 一种新的车辆自动驾驶方法
CN111210647B (zh) 一种基于智慧灯杆的行进控制方法及系统
CN105128858A (zh) 车辆避障超车方法及装置
CN103065502A (zh) 具有闯红灯紧急避撞预警功能的车路协同系统及方法
CN111489577A (zh) 一种高速公路灾害天气自适应智能预警实时限速系统
CN116189477B (zh) 一种智能网联汽车数据异常环境的安全控制方法及设备
CN117240888A (zh) 一种车辆控制系统
CN111199641A (zh) 一种基于智慧灯杆的车队行驶方法及系统
US10532748B2 (en) Method and apparatus for adaptive vehicular control
CN116564084A (zh) 一种基于纯路端感知的网联式辅助驾驶控制方法及系统
CN114038223A (zh) 一种道路限速信息的车辆众包获取方法及系统
CN102542844A (zh) 基于gps定位与车车多跳通讯的主动安全避撞系统及其方法
CN105416230A (zh) 一种基于车联网的非法车辆捕获控制系统与方法
CN115914024B (zh) 一种智能网联汽车数据异常环境的检测方法

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