CN116564110A - 一种基于多无人机协作的交通故障预警装置及方法 - Google Patents
一种基于多无人机协作的交通故障预警装置及方法 Download PDFInfo
- Publication number
- CN116564110A CN116564110A CN202310542812.8A CN202310542812A CN116564110A CN 116564110 A CN116564110 A CN 116564110A CN 202310542812 A CN202310542812 A CN 202310542812A CN 116564110 A CN116564110 A CN 116564110A
- Authority
- CN
- China
- Prior art keywords
- road
- vehicle
- unmanned aerial
- traffic
- aerial vehicle
- 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 36
- 238000004364 calculation method Methods 0.000 claims abstract description 18
- 206010039203 Road traffic accident Diseases 0.000 claims abstract description 11
- 238000012937 correction Methods 0.000 claims description 32
- 230000008859 change Effects 0.000 claims description 9
- 239000007787 solid Substances 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 7
- 230000008520 organization Effects 0.000 claims description 7
- 238000010586 diagram Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000006073 displacement reaction Methods 0.000 claims description 4
- 230000035484 reaction time Effects 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 238000013461 design Methods 0.000 claims description 3
- 238000013178 mathematical model Methods 0.000 claims description 3
- 238000007726 management method Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 3
- 230000000903 blocking effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
-
- E—FIXED CONSTRUCTIONS
- E01—CONSTRUCTION OF ROADS, RAILWAYS, OR BRIDGES
- E01F—ADDITIONAL WORK, SUCH AS EQUIPPING ROADS OR THE CONSTRUCTION OF PLATFORMS, HELICOPTER LANDING STAGES, SIGNS, SNOW FENCES, OR THE LIKE
- E01F9/00—Arrangement of road signs or traffic signals; Arrangements for enforcing caution
- E01F9/30—Arrangements interacting with transmitters or receivers otherwise than by visible means, e.g. using radar reflectors or radio transmitters
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/101—Collaborative creation, e.g. joint development of products or services
-
- G06Q50/40—
-
- 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
- G08G1/012—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from other sources than vehicle or roadside beacons, e.g. mobile networks
-
- 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
- G08G1/0133—Traffic data processing for classifying traffic situation
Abstract
本发明公开了一种基于多无人机协作的交通故障预警装置及方法,预警装置包括机身、机体、机臂、GPS定位器、摄像头、语音系统、红外测距仪、单片机控制器、主警示灯、副警示灯、方向指示灯和电池板;本发明在预警时,当在城市道路发生故障时,第一架无人机采集事故路段的路况及车辆信息,其余无人机获取整个交通区域的数据,并进行路径的信号交叉口延误Tij、路段车辆实际速度Qij、道路的实时路况Lij的计算;当在高速公路发生交通事故时,无人机群起飞并计算出最大交通量,根据计算结果对后方车辆分流。本发明实时监控道路交通,并识别和预警交通故障,进行应急处理,确保了道路交通安全和畅通。
Description
技术领域
本发明涉及交通故障预警装置,尤其涉及一种基于多无人机协作的交通故障预警装置及方法。
背景技术
随着汽车保有量的不断增加,导致汽车在城市道路或在高速公路上的交通故障发生率呈现上升趋势。车辆在行驶过程中需要紧急停车进行事故处理时,必须尽快在事故车辆后方的安全距离处放置三角警示牌,以避免事故现场中二次、三次事故的发生,在城市道路上要保证救助组织的及时到达,在高速公路上保证后方车辆的分流。
由于事故现场的实际道路环境不同,三角架所需放置的安全位置也不同,对于常规的三角架警示牌放置存在着很大隐患,即需要人工将三角架警示牌放置在事故车辆后方50米至100米处。而在高速公路上,则在车后150米外的地方设置警示标志。若遇上雨雾天气,则将距离提升到200米,而事故中三角架警示牌的放置距离很难把控,因城市道路车辆行驶速度不高,而对于高速公路后方行驶来车,则务必放置三角架警示牌。
目前的自动预警算法在人流量大、交通密集的区域存在误报情况,如何将无人机与预警算法结合应用在交通故障预警中,使得警示装置自行移动,帮助疏散车流,指引救助路线,是值得探讨的技术问题。
发明内容
发明目的:针对现有技术中存在的不足之处,本发明提出一种基于多无人机协作的交通故障预警装置及方法,通过采用多台无人机进行协同监控,以Dijkstra算法、高速公路流量分配算法(Expressway Traffic Distribution Algorithm)为基础,对城市道路及高速公路上的事故进行实施分析和处理,提高了故障识别的准确性和速度;实现了对道路交通情况的全方位监控,避免监控盲区和死角,提高监控覆盖范围和准确性,进而有效地对事故现场的交通进行预警并提供交通疏散和路线指引。
技术方案:本发明基于多无人机协作的交通故障预警装置包括机身、机体、机臂、GPS定位器、摄像头、语音系统、红外测距仪、单片机控制器、主警示灯、副警示灯、方向指示灯和电池板;
摄像头和红外测距仪位于机身下方,语音系统位于机体上;GPS定位器与单片机控制器位于机体内部,主警示灯位于机体的上方,副警示灯位于机臂下方,方向指示灯位于主警示灯上方。
GPS定位器包括定位系统和通信系统,定位系统接收天空卫星的信号进而计算定位器的地理坐标;通信系统将定位系统计算出的坐标信息传输至服务器。
本发明基于多无人机协作的交通故障预警方法包括以下步骤:
(1)当在城市道路中发生事故,启用多个无人机,第一架无人机启动后,在故障车辆后方放置警示牌;
(2)关闭红外测距仪,开启语音系统,警示后方来车;
(3)摄像头采集路况信息,若车辆在道路左边,亮起右行驶灯;车辆在道路中间,同时亮起左右方向行驶灯;车辆在道路右边,亮起左行驶灯;
(4)第一架无人机采集事故路段的路况及车辆信息,其余无人机获取整个交通区域的数据;
(5)无人机采集数据完毕后,将数据传输至单片机进行对路径的信号交叉口延误Tij、路段车辆实际速度Qij、道路的实时路况Lij三个数据的计算;
(6)将三个数据的计算结果代入路径通行难易度Zij=w1Tij+w2Qij+w3Lij计算每条路径的路径通行难易度;
(7)将Zij代入Dijkstra算法计算出最优路径,将通往事故现场的最优路径发送至救助组织。
步骤(5)的计算公式如下:
Lij=α1U1+α2(U2+U3+U4) (2)
式中,d为绿灯时间;t为信号周期时长;λ为绿信比;c为每小时出道口的通行辆;q为每小时进口道的交通量;t1为一辆车行驶时间;x为时间t1内的车头或车尾位移距离;v0为该路段道路上无车时,路段允许的最大车速;U1为特殊天气造成的路面异样,U2为路面施工,U3为路面损坏尚未修理路段,U4为高峰路段,α1为天气影响路况因子,α2为路面状态因子。
步骤(5)中,α1+α2=1。
绿信比为绿灯时间与信号周期时长的比率。
本发明基于多无人机协作的交通故障预警方法,包括以下步骤:
(1)当在高速公路发生交通事故时,无人机群起飞,在事故现场后方每隔一段距离悬停一架无人机,同时第一架无人机红外测距仪开启,当后方车辆距第一架无人机若干米时,警示灯开启,每一架无人机检测自身道路内车辆出入与换道频率;
(2)在t1小时内,设所有车辆换道n次,换道频率期间共有a辆车离开无人机群监测的道路,b辆车进入无人机群监测的区域,则离开频率/>进入频率/>
(3)将步骤(2)的数据上传至单片机,按照以下公式计算出交通组成修正系数fHV和坡度修正系数fLG:
理论多车道的通行能力计算公式如下:
N多=Ni·∑Kn
高速公路最左侧为设计速度120km/h的车道,故
fSW=1
fW=1
由此得出下述三式:
计算得出最大交通量,其中,fHV代表存在交通组成的修正系数,代表高速公路最左侧道路的实际通行能力,/>代表高速公路中间道路的实际通行能力,/>代表高速公路最右侧道路的实际通行能力;
式中,pi是各车型占比;Ei是小额换算系数;PT为货车与公共汽车所占比重;PR为货车与旅游汽车所占比重;Ei为货车与公共汽车换算为小客车的当量值;ER为货车与旅游汽车换算为小客车的当量值;fLG为纵坡度修正系数;fSW为硬路肩宽修正系数;fW为车道宽度修正系数;Ni为高速公路最左侧车道通行能力;Kn为相应于车道的减系数;t1为时间;n为所有车辆共计换道次数;a为无人机群监测的道路离开的车辆数;b为进入无人机群监测的区域车辆数;
(4)根据计算结果对后方车辆分流。
步骤(1)中,第一架无人机启动后,在故障车辆后方50至100米放置警示牌。
步骤(1)中,无人机获取路网平面图,并且建立标号数学模型,将规划路径用路网结构图表示:
G=(Vij,Eij,Zij)
其中节点uij的集合表示为Vij,Eij为权重集路径集合,Zij为路径通行难易度。
工作原理:本发明在当交通事故发生时无人机自动启动,若仅是车辆故障问题导致的抛锚,则一键启动无人机。无人机启动后位于机体内部的GPS定位器2对车辆所在的位置进行判断,一方面为交管部门提供交通事故的准确位置,另一方面若车辆位于城市道路,则开启预警装置的语音系统,同时红外测距仪关闭,交通预警装置警示灯全程开启,城市道路人口与车辆密集,车速慢,警示灯全程开启,摄像头开启采集地面信息进行路段判断,通过无人机的指向灯指引车辆驶离事故车道。同时其它无人机采集周围路况信息,经过算法运算,计算出最优路径提供给救助组织。
若车辆位于高速公路则预警装置的语音系统关闭,因为高速公路车辆速度快,语音警示效果不显著,因此第一架无人机,通过红外测距仪,检测后方车辆距无人机500米时,警示灯开启,此时语音系统的关闭,与后方车辆距第一架无人机500米时再开启警示灯都是为了增加该系统的续航能力。摄像头开启采集地面信息进行道路路段判断,并采集车流信息,通过对道路的通行能力的计算,多个无人机分路段指引方向,进行阶段疏散,保证路段的通畅。本发明的具体构思如下:
在城市道路中,多无人机协作时,通过收集三个数据:信号交叉口延误、路段车辆实际速度和道路的实时路况,进而计算出最优路径,并通过三个定义式,在实际应用场景中,计算出不同的值,再经过定义计算的影响系数w1,w2,w3计算出道路通行的难易度。经过迪克斯特拉算法进行最优路径的计算,计算最短路径并发送路线给救助组织,以便救援车辆尽快到达事故现场。
无人机首先获取路网平面图,并且建立标号数学模型,将规划路径用路网结构图表示:
G=(Vij,Eij,Zij)
其中,Vij为路网结构中uij的节点集,权重集路径集合表示为Eij,路径eij表示节点vi到节点vj的可选择路径,当且仅当两个节点直接相连时才建立可选择路径。路径eij的属性定义为(Tij,Qij,Lij)。Zij为路径通行难易度。
然后对Tij信号交叉口延误处理:
信号交叉口延误处理时,本发明采用了指数函数形式的延误公式:
d为有效绿灯时间(秒);t为信号周期时长(秒);λ为绿信比,即有效绿灯时间与信号周期时长的比率;c为出口道的通行能力(辆/小时);q为进口道的交通量(辆/小时);
对Qij路段车辆实际速度处理:
车辆实际速度分为两个部分,一部分是道路跟车车速,跟车速度的数据由无人机采集,一辆车在一段时间t1内的车头(或者车尾)位移距离x,另一部分是道路上存在无车的路段,实行该路段允许的最大车速v0。
道路实时路况涵盖有Lij:特殊天气造成的路面异样U1、路面施工U2、路面损坏尚未修理U3和高峰路段U4。
Lij=α1U1+α2(U2+U3+U4)
以上的四种情况只要出现对应的Ui(i=1,2,3,4),对应的值为1,其它情况没有出现,则值为0,影响因素α1+α2=1。当出现特殊天气时,根据天气情况确定影响因素α1,因此,将α1分为四个层面:0.25、0.50、0.75、1.00,对应天气的剧烈程度为:轻度、中度、较严重、严重。α2由α1+α2=1计算得出。
其中,En为路网结构中eij的边集,Zij是路径e(i,j)的路径通行难易度;Tij是经过极差标准化处理后的路径的信号交叉口停车延误,Qij是车辆实际速度大小,Lij是道路实时路况;w1,w2,w3分别是三个参数的影响系数,根据影响力的大小,三个参数w1,w2,w3分别赋值0.5,0.3,0.2,而且w1+w2+w3=1,根据路径的属性综合评价每条路径的路径通行难易度公式为:
Zij=w1Tij+w2Qij+w3Lij
本发明所采用的Dijkstra算法通过广度的优先搜索进而对有向图路径之间的最短距离进行计算,即指定一个源点到其余各个顶点的最短路径。思路是对图G=(Vij,Eij,zij),指定源点V0,然后找到该顶点到图中所有其它结点的最短路径,产生一个最短路径树。
在高速公路上通过车道的实际通行能力与无人机路道指引的结合,定义此算法为高速公路流量分配算法(Expressway Traffic Distribution Algorithm):
在高速公路上采用多无人机多段指引,获取单车道的最大交通量(通行能力)和交通的理想条件,主要是车辆组成为单一的标准型汽车,在一条车道上以相同的速度连续不断地行驶,车辆之间保持与车速相适应的最小车头间隔,且无任何方向的干扰。在这样的理想条件下,建立的车流计算模式所得出的最大交通通过量,即基本通行能力c,其公式推导如下,进而得出最大交通量N:
l0最小车头间距(m),l车为车辆平均长度(m);l安为车辆间的安全距离(m)高速行车,即车速在100km/h以上时,安全车距在100米以上;快速行车,即车速在60km/h以上时,安全车距在数字上等于车速);v0表示故障车辆所在车道上距离故障警示牌最近的车辆速度;L表示故障车辆与故障车辆所在车道上距离故障警示牌最近的车辆的距离;w1表示驾驶员直觉反应时间,w2表示驾驶员反应时间,w3表示驾驶员实际操作时间;jmax表示汽车动量性能。式子中的参数根据无人机识别的车型进行调整。
对于实际交通量的确定,参照存在交通组成的修正系数fHV。fHV的表达式如下:
pi是各车型占比(%);Ei是小额换算系数。对于其中fHV的确定还含有对于硬路肩宽修正系数fSW和车道宽度修正系数fW的修正系数的影响。如表1:
表1
由于此处为高速公路道路通行能力计算,故最左侧车道的相关修正系数采用表格中的修正系数fSW=1,fW=1。
纵坡度修正系数fLG:
PT为货车与公共汽车所占比重;PR为货车与旅游汽车所占比重;Ei为货车与公共汽车换算为小客车的当量值;ER为货车与旅游汽车换算为小客车的当量值。此部分由于每隔200米设置一台无人机来监测路段内各种车辆的占比,其变化是一个动态的过程,数据需由无人机群在互相监测区域内的统一上传至一架终端机,来得出这一瞬间的纵坡度修正系数fLG。
单车道实际通行能力为C实,由最大交通量乘上各种修正系数:
C实=C·fSW·fW·fLG
fLG为纵坡度修正系数;fSW为硬路肩宽修正系数;fW为车道宽度修正系数。对于多车道的通行能力计算N多为下式:
N多=Ni·ΣKn
Ni为第一条车道的通行能力(辆/h),即高速公路最左侧车道通行能力;Kn为相应于车道的减系数。(Ni=2200)
对于Kn,通过街道性质,车辆的出入与转移车道的频率,两边慢行车辆的影响状况来进行优化。
车辆的出入与转移车道频率由无人机群检测得出,无人机每间隔200米设置一台悬停在高速公路车道中间,由此组成高速公路无人机群,各自检测每200米道路内车辆出入与换道频率。在t1小时内,所有车辆共计换道n次,其换道频率期间共有a辆车离开无人机群监测的道路,b辆车进入无人机群监测的区域,则离开频率/>进入频率/>
fHV代表存在交通组成的修正系数,C实1代表高速公路最左侧道路的理论通行能力,C实2代表高速公路中间道路的理论通行能力,C实3代表高速公路最右侧道路的理论通行能力。
有益效果:与现有技术相比,本发明具有以下优点:
(1)本发明将无人机与交通故障预警装置结合起来,无人机具有机动性强、响应速度快的特点,在第一时间到达现场,提供快速、准确的故障识别和定位,为交通管理部门提供更加准确、及时的交通状况报告;不仅及时高效地对通过事故现场的车辆进行快速有效的预警,还有效避免和减少交通事故的二次发生。
(2)本发明预警装置功能齐全,响应速度快。利用GPS定位器,来快速准确地将当前事故现场的位置坐标发送给交通管理部门,以便配合交通管理部门及时应对事故。多个无人机协作,工作效率高,应变速度高。
(3)本发明中的摄像头为交管部门以及道路救援部门提供实时的事故现场画面,同时将现场的实时照片传输给单片机控制器从而进行画面分析。单片机控制器对摄像头采集到的画面进行处理与分析判断车辆所处车道。
(4)城市道路最优路径计算考虑到范围较广,使所计算的数据具有适用性。
(5)本发明以Dijkstra算法、高速公路流量分配算法(Expressway TrafficDistribution Algorithm)为基础,引入车辆出入频率作为系数进行修正,对城市道路及高速公路上的事故进行实施分析和处理,提高了故障识别的准确性和速度;并自动识别交通事故、道路障碍、交通拥堵故障情况,进行快速处理和分析,向监管部门提供详尽的交通状况报告,为交通管理和应急处理提供准确的决策依据,具有监控范围广、响应速度快、预警准确、操作简便的优点。
附图说明
图1为本发明基于多无人机协作的交通故障预警方法流程图;
图2为本发明基于多无人机协作的交通故障预警装置的结构示意图;
图3为本发明基于多无人机协作的交通故障预警装置的俯视结构示意图。
具体实施方式
如图2和图3所示,本发明交通故障预警装置包括无人机机身1、GPS定位器2、摄像头3、语音系统4、红外测距仪5、单片机控制器6、主警示灯7、副警示灯8、方向指示灯9和太阳能电池板10;无人机机身上配备电池组;太阳能电池板10为电池组供电;摄像头3和红外测距仪5位于无人机机身的下方;语音系统4位于无人机的机体上;GPS定位器2与单片机控制器6位于无人机机体内部;主警示灯7位于无人机机体上方;副警示灯8位于无人机的四个机臂下方;方向指示灯9位于主警示灯7上方;太阳能电池板10位于方向指示灯9上方。
太阳能电池板10位于方向指示灯9的上方,将太阳辐射能的光电效应转化为电能为整套预警系统提供能源,确保预警系统的续航能力。
GPS定位器2通过磁性块安装在无人机机身1下方。GPS定位器由两部分组成。第一部分是定位系统,它通过接收来自天空卫星的信号来计算定位器的地理坐标。第二部分是通信系统,将定位系统计算出的坐标信息传输到服务器或司机的手机。当GPS定位器2确认位置信息时,GPS定位器内置的通信模块通过短信发送或GPRS连接互联网将数据传输给交通管理部门,并把最优路径的计算结果一并传输,使交通管理部门能够快速、及时地到达事故处理现场,提高事故处理率。
单片机控制器6采集车流数据,地面路况数据,为计算出路道的通行和路径的最优提供数据并为方向指示灯9做出判断提供依据。
红外测距仪5在GPS定位系统判断车辆位于高速公路时才会开启,若后方500米处出现移动目标时则预警系统的指示灯开启。
当事故发生时,GPS定位器2接收到信号和运行故障的地理坐标,然后通过GPS定位器2将定位系统在通信系统中运行的信息直接传输给交通管理部门,无人机携带的监控装置监控交通事故的现场。
当交通事故发生时无人机自动启动,当仅是车辆故障问题导致的抛锚,驾驶员一键启动无人机。无人机启动后位于机体内部的GPS定位器2对车辆所在的位置进行判断,为交管部门提供交通事故的准确位置。若车辆位于城市道路,则开启预警装置的语音系统4。同时红外测距仪关闭,城市道路人口与车辆密集,车速慢,警示灯全程开启,摄像头开启采集地面信息进行路段判断。若车辆位于道路的最左侧则亮起无人机的右转指向灯;若车辆位于道路的最右侧则亮起无人机的左转指向灯;若车辆位于道路的中央则同时亮起左右转向指示灯。同时其它无人机采集周围路况信息,经过算法运算,计算出最优路径提供给救助组织。
若车辆位于高速公路,由于高速公路中车辆速度高,则预警装置的语音系统关闭,红外测距仪开启。当后方车辆距无人机500米时警示灯开启,此时语音系统关闭,与后方车辆距无人机500米时再开启警示灯均为了增加该系统的续航能力。摄像头开启采集地面信息进行道路路段判断,并采集车流信息,通过对道路的通行能力的计算,多个无人机分路段指引方向,进行阶段疏散,保证路段的通畅。
如图1所示,当在城市道路中发生事故时,本发明基于多无人机协作的交通故障预警方法包括以下步骤:
(1)启动无人机并于故障车辆后方50—100米的位置放置警示牌并悬停无人机;
(2)红外测距仪关闭,语音系统开启,警示后方来车;
(3)摄像头采集路况信息,当车辆在道路左边,亮起向右方向行驶灯;车辆在道路中间,同时亮起左右方向行驶灯;车辆在道路右边,亮起向左方向行驶灯;
(4)故障车辆正常运行时,无人机自动回收警示牌,回到故障车辆内。
当在城市道路中发生事故时,本发明基于多无人机协作的交通故障预警方法包括以下步骤:
(1)启用多个无人机,第一架无人机启动后,在故障车辆后方50—100米的位置放置警示牌;
(2)关闭红外测距仪,开启语音系统,警示后方来车;
(3)摄像头采集路况信息,若车辆在道路左边,亮起向右方向行驶灯;车辆在道路中间,同时亮起左右方向行驶灯;车辆在道路右边,亮起向左行驶灯。
(4)第一架无人机采集事故路段的路况及车辆信息,其余无人机负责获取整个交通区域的数据情况;
(5)无人机采集数据完毕后,将数据传输至单片机进行对Tij路径的信号交叉口延误,Qij路段车辆实际速度,Lij道路的实时路况三个数据的计算,公式如下:
Lij=α1U1+α2(U2+U3+U4) (2)
上式中,d为绿灯时间(秒);t为信号周期时长(秒);λ为绿信比,即有效绿灯时间与信号周期时长的比率;c为出口道的通行能力(辆/小时);q为进口道的交通量(辆/小时);t1为一辆车行驶时间;x为时间t1内的车头(或者车尾)位移距离;v0为该路段道路上无车时,路段允许的最大车速;Ui(i=1,2,3,4)为路况的四种情况,出现时值为1,没有出现则值为0;影响因素α1+α2=1。α1为特殊天气影响因子,α1分为四个层面:0.25、0.50、0.75、1.00,对应天气的剧烈程度为:轻度、中度、较严重、严重;α2由α1+α2=1计算得出。三个参数w1,w2,w3分别值为0.5,0.3,0.2。
(6)将三个数据的计算结果代入Zij=w1Tij+w2Qij+w3Lij计算每条路径的路径通行难易度;
(7)将Zij代入Dijkstra计算出最优路径,将通往事故现场的最优路径发送至救助组织,使救助组织到达事故现场。
当在高速公路上发生事故时,本发明基于多无人机协作的交通故障预警方法包括以下步骤:
(1)无人机群全部起飞,在事故现场后方每隔200m于道路中央悬停一架无人机对后车起到警示作用,同时第一架无人机红外测距仪开启,当后方车辆距第一架无人机500米时,警示灯开启,每一架无人机各自检测自身200米道路内车辆出入与换道频率;
(2)在t1小时内,所有车辆共计换道n次,其换道频率期间共有a辆车离开无人机群监测的道路,b辆车进入无人机群监测的区域,则离开频率/>进入频率/>
(3)将所得数据上传至单片机,根据高速公路流量分配算法(Expressway TrafficDistribution Algorithm)模型,采用公式如下:
道路的实际通行能力需要对所得的理论通行能力进行参数修正,故按照以下公式可算出交通组成修正系数fHV、坡度修正系数fLG:
理论多车道的通行能力计算公式如下:
N多=Ni·∑Kn
然而道路的实际通行能力需要考虑车辆的换道频率
C实=C·fSW·fW·fLG
由于高速公路最左侧为设计速度最大(120km/h)的车道,故fSW=1
fW=1
由此得出下述三式:
计算建立的高速公蹭流量分配算法Expressway TratfiC DistributionAlgorithm模型所得出的最大交通通过量,即交通事故路段的道路基本通行能力。其中,fHV代表存在交通组成的修正系数,C实1代表高速公路最左侧道路的实际通行能力,C实2代表高速公路中间道路的实际通行能力,C实3代表高速公路最右侧道路的实际通行能力。
(4)根据计算结果对后方车流进行分流,避免事故后方驶来车辆因反应不及或行驶注意力不集中碰撞发生二次事故,进而减少高速公路堵塞情况甚至避免高速公路堵塞情况的发生。
式中,pi为各车型占比(%);Ei为小额换算系数;PT为货车与公共汽车所占比重;PR为货车与旅游汽车所占比重;Ei为货车与公共汽车换算为小客车的当量值;ER为货车与旅游汽车换算为小客车的当量值;fLG为纵坡度修正系数;fSW为硬路肩宽修正系数;fW为车道宽度修正系数;Ni为第一条车道的通行能力(辆/h),即高速公路最左侧车道通行能力;Kn为相应于车道的减系数(Ni=2200);t1为一段时间内;n为所有车辆共计换道次数;a为无人机群监测的道路离开的车辆数;b为进入无人机群监测的区域车辆数。
Claims (10)
1.一种基于多无人机协作的交通故障预警装置,其特征在于:包括机身(1)、机体、机臂、GPS定位器(2)、摄像头(3)、语音系统(4)、红外测距仪(5)、单片机控制器(6)、主警示灯(7)、副警示灯(8)、方向指示灯(9)和电池板(10);
所述摄像头(3)和红外测距仪(5)位于机身下方,所述语音系统(4)位于机体上;所述GPS定位器(2)与单片机控制器(6)位于机体内部,所述主警示灯(7)位于机体的上方,所述副警示灯(8)位于机臂下方,所述方向指示灯(9)位于主警示灯(7)上方。
2.根据权利要求1所述的基于多无人机协作的交通故障预警装置,其特征在于:所述GPS定位器(2)包括定位系统和通信系统,所述定位系统接收天空卫星的信号进而计算定位器的地理坐标;所述通信系统将定位系统计算出的坐标信息传输至服务器。
3.一种基于多无人机协作的交通故障预警方法,其特征在于:包括以下步骤:
(1)当在城市道路中发生事故,启用多个无人机,第一架无人机启动后,在故障车辆后方放置警示牌;
(2)关闭红外测距仪,开启语音系统,警示后方来车;
(3)摄像头采集路况信息,若车辆在道路左边,亮起右行驶灯;车辆在道路中间,同时亮起左右方向行驶灯;车辆在道路右边,亮起左行驶灯;
(4)第一架无人机采集事故路段的路况及车辆信息,其余无人机获取整个交通区域的数据;
(5)无人机采集数据完毕后,将数据传输至单片机进行对路径的信号交叉口延误Tij、路段车辆实际速度Qij、道路的实时路况Lij三个数据的计算;
(6)将三个数据的计算结果代入路径通行难易度Zij=w1Tij+w2Qij+w3Lij计算每条路径的路径通行难易度;
(7)将Zij代入Dijkstra算法计算出最优路径,将通往事故现场的最优路径发送至救助组织。
4.根据权利要求3所述的基于多无人机协作的交通故障预警方法,其特征在于:步骤(5)的计算公式如下:
Lij=α1U1+α2(U2+U3+U4) (2)
式中,d为绿灯时间;t为信号周期时长;λ为绿信比;c为每小时出道口的通行辆;q为每小时进口道的交通量;t1为一辆车行驶时间;x为时间t1内的车头或车尾位移距离;v0为该路段道路上无车时,路段允许的最大车速;U1为特殊天气造成的路面异样,U2为路面施工,U3为路面损坏尚未修理路段,U4为高峰路段,。α1为天气影响路况因子,α2为路面状态因子。
5.根据权利要求3所述的基于多无人机协作的交通故障预警方法,其特征在于:步骤(5)中,α1+α2=1。
6.根据权利要求3所述的基于多无人机协作的交通故障预警方法,其特征在于:所述绿信比为绿灯时间与信号周期时长的比率。
7.一种基于多无人机协作的交通故障预警方法,其特征在于:包括以下步骤:
(1)当在高速公路发生交通事故时,无人机群起飞,在事故现场后方每隔一段距离悬停一架无人机,同时第一架无人机红外测距仪开启,当后方车辆距第一架无人机若干米时,警示灯开启,每一架无人机检测自身道路内车辆出入与换道频率;
(2)在t1小时内,设所有车辆换道n次,换道频率期间共有a辆车离开无人机群监测的道路,b辆车进入无人机群监测的区域,则离开频率/>进入频率/>
(3)将步骤(2)的数据上传至单片机,按照以下公式计算出交通组成修正系数fHV和坡度修正系数fLG:
理论多车道的通行能力计算公式如下:
N多=Ni·∑Kn
高速公路最左侧为设计速度120km/h的车道,故
fSW=1
fW=1
由此得出下述三式:
计算得出最大交通量,其中,fHV代表存在交通组成的修正系数,C实1代表高速公路最左侧道路的实际通行能力,C实2代表高速公路中间道路的实际通行能力,C实3代表高速公路最右侧道路的实际通行能力;
式中,pi是各车型占比;Ei是小额换算系数;PT为货车与公共汽车所占比重;PR为货车与旅游汽车所占比重;Ei为货车与公共汽车换算为小客车的当量值;ER为货车与旅游汽车换算为小客车的当量值;fLG为纵坡度修正系数;fSW为硬路肩宽修正系数;fW为车道宽度修正系数;Ni为高速公路最左侧车道通行能力;Kn为相应于车道的减系数;t1为时间;n为所有车辆共计换道次数;a为无人机群监测的道路离开的车辆数;b为进入无人机群监测的区域车辆数;
(4)根据计算结果对后方车辆分流。
8.根据权利要求3所述的基于多无人机协作的交通故障预警方法,其特征在于:步骤(1)中,第一架无人机启动后,在故障车辆后方50至100米放置警示牌。
9.根据权利要求3所述的基于多无人机协作的交通故障预警方法,其特征在于:步骤(1)中,无人机获取路网平面图,并且建立标号数学模型,将规划路径用路网结构图表示:
G=(Vij,Eij,Zij)
其中节点uij的集合表示为Vij,Eij为权重集路径集合,Zij为路径通行难易度。
10.根据权利要求7所述的基于多无人机协作的交通故障预警方法,其特征在于:最大交通量
其中,l0最小车头间距,l车为车辆平均长度;l安为车辆间的安全距离;v0表示故障车辆所在车道上距离故障警示牌最近的车辆速度;L表示故障车辆与故障车辆所在车道上距离故障警示牌最近的车辆的距离;w1表示驾驶员直觉反应时间,w2表示驾驶员反应时间,w3表示驾驶员实际操作时间;jmax表示汽车动量性能。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310542812.8A CN116564110A (zh) | 2023-05-15 | 2023-05-15 | 一种基于多无人机协作的交通故障预警装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310542812.8A CN116564110A (zh) | 2023-05-15 | 2023-05-15 | 一种基于多无人机协作的交通故障预警装置及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116564110A true CN116564110A (zh) | 2023-08-08 |
Family
ID=87501497
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310542812.8A Pending CN116564110A (zh) | 2023-05-15 | 2023-05-15 | 一种基于多无人机协作的交通故障预警装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116564110A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117058922A (zh) * | 2023-10-12 | 2023-11-14 | 中交第一航务工程局有限公司 | 一种用于路桥施工的无人机监测方法及系统 |
-
2023
- 2023-05-15 CN CN202310542812.8A patent/CN116564110A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117058922A (zh) * | 2023-10-12 | 2023-11-14 | 中交第一航务工程局有限公司 | 一种用于路桥施工的无人机监测方法及系统 |
CN117058922B (zh) * | 2023-10-12 | 2024-01-09 | 中交第一航务工程局有限公司 | 一种用于路桥施工的无人机监测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111402588B (zh) | 基于时空轨迹重构异常道路高精地图快速生成系统与方法 | |
CN110853357B (zh) | 高速公路危险路段及施工区域预警控制系统和方法 | |
CN111583630B (zh) | 基于时空轨迹重构全新道路高精地图快速生成系统与方法 | |
US11816981B2 (en) | Traffic monitoring and management systems and methods | |
CN111260946A (zh) | 一种基于智能网联系统的自动驾驶货车运营控制系统 | |
US20220139222A1 (en) | Driving control method and apparatus, device, medium, and system | |
CN111383474A (zh) | 自动驾驶车辆的决策系统及方法 | |
EP3675079A1 (en) | Danger warning method for vehicle, danger warning device for vehicle, and medium | |
WO2021243710A1 (zh) | 一种基于智能交通系统的自动驾驶方法、装置和智能交通系统 | |
CN112907938B (zh) | 一种基于电子围栏的城市智能公交管控方法及系统 | |
CN207036429U (zh) | 自动驾驶车辆连续通过交叉路口能力的测试场 | |
CN108877250A (zh) | 一种交通流量检测控制方法 | |
CN104882011A (zh) | 一种车辆快速接警出警系统及方法 | |
CN109540548A (zh) | 自适应巡航辅助驾驶系统测试场以及场景规划方法 | |
CN113147733B (zh) | 雨雾沙尘天气汽车智能限速系统及方法 | |
CN116564110A (zh) | 一种基于多无人机协作的交通故障预警装置及方法 | |
CN116206440A (zh) | 一种基于智慧高速的交通流采集、预测、管控及信息化推送系统及方法 | |
CN112907955A (zh) | 一种基于信息融合的车路协同系统的评价方法 | |
CN114655260B (zh) | 一种无人驾驶游览车的控制系统 | |
DE102022100068A1 (de) | Steuerung der fahrzeugleistung basierend auf daten im zusammenhang mit einer atmosphärischen bedingung | |
CN110807929A (zh) | 一种交通警用辅助指挥信息分析研判系统 | |
CN211742265U (zh) | 用于智能驾驶公交的智慧路侧系统 | |
CN116013101B (zh) | 一种基于网联环境的无信号路口速度建议系统和方法 | |
CN116935641A (zh) | 一种路况风险预警方法、装置及控制设备 | |
CN111915916A (zh) | 一种高速公路全路段的提示方法及系统 |
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 |