CN116564116A - 数字孪生驱动的智能辅助驾驶引导系统与方法 - Google Patents
数字孪生驱动的智能辅助驾驶引导系统与方法 Download PDFInfo
- Publication number
- CN116564116A CN116564116A CN202310590147.XA CN202310590147A CN116564116A CN 116564116 A CN116564116 A CN 116564116A CN 202310590147 A CN202310590147 A CN 202310590147A CN 116564116 A CN116564116 A CN 116564116A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- layer
- traffic
- data
- digital
- 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 description 40
- 230000003993 interaction Effects 0.000 claims abstract description 37
- 238000012544 monitoring process Methods 0.000 claims abstract description 17
- 230000002457 bidirectional effect Effects 0.000 claims abstract description 10
- 238000013507 mapping Methods 0.000 claims abstract description 9
- 238000006243 chemical reaction Methods 0.000 claims abstract description 6
- 238000004088 simulation Methods 0.000 claims description 45
- 230000006399 behavior Effects 0.000 claims description 38
- 230000000007 visual effect Effects 0.000 claims description 27
- 238000004422 calculation algorithm Methods 0.000 claims description 14
- 230000008447 perception Effects 0.000 claims description 14
- 230000001133 acceleration Effects 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 7
- 238000005516 engineering process Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 230000001360 synchronised effect Effects 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 5
- 230000007613 environmental effect Effects 0.000 claims description 5
- 238000009877 rendering Methods 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 4
- 238000000926 separation method Methods 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 3
- 241000283070 Equus zebra Species 0.000 claims description 2
- 230000008713 feedback mechanism Effects 0.000 abstract description 3
- 238000004458 analytical method Methods 0.000 description 6
- 238000013461 design Methods 0.000 description 5
- 230000004927 fusion Effects 0.000 description 5
- 238000005457 optimization Methods 0.000 description 4
- 206010039203 Road traffic accident Diseases 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000004140 cleaning Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005538 encapsulation Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000013589 supplement Substances 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
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
- G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
- G08G1/096725—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control where the received information generates an automatic action on the vehicle control
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了本发明所设计的数字孪生驱动的智能辅助驾驶引导系统，其特征在于：它包括物理交通实体层、数字交通孪生层、连接交互层、交通数据中心层和辅助驾驶引导服务层；本发明构建多维度、全要素、高保真地映射物理交通实体及其行为和规则的数字模型，并利用双向反馈机制实现物理交通实体层、数字交通孪生层和辅助驾驶引导服务层之间的信息共享；提供包括车辆状态监控服务、天气服务、事件引导服务、车道保持服务、盲区监测服务、前向碰撞预警服务在内的多项智能辅助引导服务，使得驾驶员能够借助孪生世界来洞察现实世界，增加驾驶员对于驾驶环境的理解和反应能力，实现人机共驾，为驾驶员提供安全的服务引导。
Description
技术领域
本发明涉及数字孪生技术领域，具体地指一种数字孪生驱动的智能辅助驾驶引导系统与方法。
背景技术
在驾驶的过程中，驾驶员80％以上的信息来源于视觉，然而在视觉上，通常由于视觉的盲区，以及听觉受限加大影响了驾驶员的判断，导致驾驶事故的发生，严重的甚至导致车毁人亡，而现有的以数字地图为主体的驾驶引导系统，主要是针对路线级的引导，通过导航地图确定具体行驶路线，是仅考虑交通方式、路线距离、交通状况、途径地点等的点到点的粗略的道路的引导，而对安全驾驶缺乏有力的引导与保障。
现有的智能辅助驾驶引导系统主要基于GPS定位和地图导航，是仅考虑交通方式、路线距离、交通状况、途径地点等的点到点的粗略道路引导，而对安全驾驶缺乏有力的引导与保障；
如申请号为201610972375的中国专利提出一种车辆引导区块获取方法和装置以及自动驾驶方法和系统，利用了低精度地图和地图的优势，结合多种研究方法，对路径进行规划，以便在自动驾驶中选择合适的行驶路径，是仅针对于点对点的粗略的道路级别的引导，而没有考虑到路况、环境和交通状态的信息为驾驶过程所带来的影响，无法实现实时、安全的驾驶引导服务。
如申请号为201910018083的中国专利提出基于能见度的障碍物避让驾驶引导系统及其引导方法，通过路侧单元采集车道上车辆的行驶信息，通过能见度传感器检测气象能见距离，通过微波传感器探测物体并获取物体的运动状态，通过中央处理器进行运算、处理、判断，并输出指令至车载显示器，满足车辆对障碍物避让要求，系统主要依赖于车载传感器、路侧传感器、云平台来获取信息，并且只针对障碍物检测和避让进行预警和投影显示，并未考虑到除了障碍物之外的安全隐患对驾驶员造成的影响，所利用的信息和提供的功能较单一。
现有的技术缺乏能够高保真地模拟物理交通实体及其行为和规则的全面数字孪生模型，并且限制了提供个性化和定制化引导服务的能力；这些缺点限制了现有技术在复杂、动态、多变的交通环境中提供有效、安全、便捷的智能辅助驾驶服务的能力。
发明内容
本发明的目的就是要提供一种数字孪生驱动的智能辅助驾驶引导系统与方法，本发明基于数字孪生驱动，构建高精度、高可靠性、高实时性的交通信息感知与融合机制，实现对路况、环境和交通状态的全方位感知；本发明构建多维度、全要素、高保真地映射物理交通实体及其行为和规则的数字模型，并利用双向反馈机制实现物理交通实体层、数字交通孪生层和辅助驾驶引导服务层之间的信息共享。
为实现此目的，本发明所设计的数字孪生驱动的智能辅助驾驶引导系统，其特征在于：它包括物理交通实体层、数字交通孪生层、连接交互层、交通数据中心层和辅助驾驶引导服务层；
所述物理交通实体层包括真实交通环境中涉及到的客观存在的物理实体以及相关的数据采集与感知设备，所述数据采集与感知设备用于采集和感知驾驶环境的感知数据；
所述交通数据中心层用于接收、存储并处理数字孪生数据从而驱动数据驱动物理交通实体层、数字交通孪生层和辅助驾驶引导服务层的同步运行，所述数字孪生数据包括驾驶环境感知数据、虚拟模型仿真数据和驾驶引导服务运行数据；
所述连接交互层用于对交通数据中心层的数字孪生数据进行转发，通过数据同步和传输，在物理交通实体层、数字交通孪生层和辅助驾驶引导服务层之间的建立双向联系；
所述数字交通孪生层为物理交通实体层中物理实体的数字镜像，数字交通孪生层对物理交通实体层的物理实体进行映射得到虚拟模型，所述虚拟模型包括可视化三维模型，物理属性仿真模型，行为模型和规则模型，虚拟模型在连接交互层转发的交通数据中心层中的数字孪生数据的驱动下实时反映物理交通实体层中物理实体的行为和状态从而实现对物理交通实体层中物理实体的仿真并将仿真产生的虚拟模型仿真数据通过连接交互层同步至交通数据中心层；
所述辅助驾驶引导服务层为辅助驾驶引导服务的集合，辅助驾驶引导服务层利用连接交互层转发的数字孪生数据中的驾驶环境感知数据和虚拟模型仿真数据进行辅助驾驶引导服务。
一种数字孪生驱动的智能辅助驾驶引导方法，其特征在于，它包括如下步骤：
步骤1：从物理交通实体层的数据采集与感知设备处下载地图数据到交通数据中心，该地图数据用于描述道路网络的拓扑结构、几何形状、逻辑属性，在交通数据中心中对地图数据进行处理并使用相关的解析器进行解析，通过解析器提供的接口和方法，访问地图数据的各个元素，并将其转换为计算机可以处理的数据结构；
步骤2：对于解析出的每一条道路的数据，在交通数据中心层中，根据不同道路中心线的类型，进行不同程度的离散化；
步骤3：交通数据中心层将这些离散化的数据通过连接交互层转发给数字交通孪生层，在数字交通孪生层中，利用车辆的姿态信息在数字交通孪生层中进行虚拟模型中车辆的位姿仿真；再根据车辆在数字交通孪生层的位置，使用临近点匹配算法，实时计算车辆距离道路中心线的最近点，找到与之最匹配的道路；这一过程使用空间索引结构KD树(k-dimensional树)来检索地图中的道路数据，将地图中每条道路中心线上离散化后的点作为KD树的数据点，使用KD树的最近邻搜索算法来快速找到最近的道路数据点，并匹配它所属的道路；
步骤4：对于匹配到的最近点和所属的道路，在数字交通孪生层中，计算其与车辆坐标和方向角之间的差异；根据这些差异，判断是否发生了车道偏离，如果发生了车道偏移，则根据不同程度和类型的车道偏离，在辅助驾驶引导服务层给驾驶员提供相应的警告。
本发明的有益效果：
本发明基于数字孪生驱动，构建高精度、高可靠性、高实时性的交通信息感知与融合机制，实现对路况、环境和交通状态的全方位感知；构建多维度、全要素、高保真地映射物理交通实体及其行为和规则的数字模型，并利用双向反馈机制实现物理交通实体层、数字交通孪生层和辅助驾驶引导服务层之间的信息共享；提供包括车辆状态监控服务、天气服务、事件引导服务、车道保持服务、盲区监测服务、前向碰撞预警服务在内的多项智能辅助引导服务，使得驾驶员能够借助孪生世界来洞察现实世界，增加驾驶员对于驾驶环境的理解和反应能力，实现人机共驾，为驾驶员提供安全的服务引导。
附图说明
图1为本发明的结构示意图；
图2为车道保持服务的流程图；
图3为车辆盲区监测服务中第一人称视角的示意图；
图4为车辆盲区监测服务中第三人称视角的示意图；
图5为车辆盲区监测服务中上帝视角的示意图；
图6为车辆盲区监测服务中鹰眼(地图)视角的示意图；
具体实施方式
以下结合附图和具体实施例对本发明作进一步的详细说明：
如图1所示数字孪生驱动的智能辅助驾驶引导系统，其特征在于：它包括物理交通实体层、数字交通孪生层、连接交互层、交通数据中心层和辅助驾驶引导服务层；
所述物理交通实体层包括真实交通环境中涉及到的客观存在的物理实体以及相关的数据采集与感知设备，所述数据采集与感知设备用于采集和感知驾驶环境的感知数据；
所述交通数据中心层用于接收、存储并处理数字孪生数据从而驱动数据驱动物理交通实体层、数字交通孪生层和辅助驾驶引导服务层的同步运行，所述数字孪生数据包括驾驶环境感知数据、虚拟模型仿真数据和驾驶引导服务运行数据；
所述连接交互层用于对交通数据中心层的数字孪生数据进行转发，通过数据同步和传输，在物理交通实体层、数字交通孪生层和辅助驾驶引导服务层之间的建立双向联系；
所述数字交通孪生层为物理交通实体层中物理实体的数字镜像，数字交通孪生层对物理交通实体层的物理实体进行多维度，全要素，高保真的映射得到虚拟模型，所述虚拟模型包括可视化三维模型，物理属性仿真模型，行为模型和规则模型，该虚拟模型将物理实体的多个方面进行综合建模，经过映射后，数字交通孪生层可以得到一个高度还原物理实体的虚拟模型，用于模拟、预测和优化交通系统的运行状态，从而为交通管理和辅助驾驶等领域提供支持，虚拟模型在连接交互层转发的交通数据中心层中的数字孪生数据的驱动下实时反映物理交通实体层中物理实体的行为和状态从而实现对物理交通实体层中物理实体的仿真并将仿真产生的虚拟模型仿真数据通过连接交互层同步至交通数据中心层，虚拟模型在数字交通孪生层内，用于建立真实的交通环境和场景的镜像，对车辆、道路、交通标志、交通信号灯等物理实体进行建模和仿真，以及对驾驶环境的感知数据进行可视化展示和分析；将真实的物理交通感知信息通过传感器等设备采集，同步到虚拟模型中，以实时更新虚拟模型的状态，将来自物理交通实体层的信息映射到数字交通孪生层的可视化三维模型、物理属性仿真模型、行为模型和规则模型中，并在模型中模拟真实的交通环境，以便进行各种场景模拟和分析。
所述辅助驾驶引导服务层为辅助驾驶引导服务的集合，辅助驾驶引导服务层利用连接交互层转发的数字孪生数据中的驾驶环境感知数据和虚拟模型仿真数据进行辅助驾驶引导服务。
上述技术方案中，所述物理交通实体层中物理实体是数字孪生辅助驾驶系统中虚拟模型的基础对象，包括人员、道路、路侧设施、车辆和传感器，物理交通实体层中数据采集与感知设备包括车载感知设备、路侧感知设备、云平台和地图，通过这些数据采集和感知设备来获取驾驶环境的感知数据；所述驾驶环境的感知数据包括车辆的姿态信息、状态信息和属性信息、道路状况信息和环境状况信息，其中车辆的姿态信息为车辆在三维空间中的位置方向和角度信息，车辆的姿态信息包括经度、纬度、高度、俯仰角、横滚角和航向信息，由车载感知设备和路侧感知设备获取；车辆的状态信息为车辆的运行状态和性能参数信息，车辆的状态信息包括引擎转速、转向灯状态、油门踏板位置、制动踏板位置、方向盘角度和转向灯状态，由车载感知设备和获取；车辆的属性信息包括车辆的尺寸、大小、颜色、装配关系、品牌和型号，车牌号码信息由路侧感知设备和云平台获取；道路状况信息为当前车辆所在道路的路面状况、路段限速、道路施工情况和车辆的信息，由路侧感知设备和云平台获取；环境状况信息为环境的信息，包括天气状况、障碍物的情况，由路侧感知设备和云平台获取。
上述技术方案中，所述车载感知设备包括GPS、车内传感器、雷达和车载视觉传感器；所述路侧感知设备包括雷达、路侧视觉传感器和RSU(Road Side Unit，路侧单元)；所述地图包括能定量标识的车道信息、道路部件、道路属性和规则信息，其中车道信息包括车道数、车道中心线、道路分离点、车道分离点和车道关系；道路部件包括交通灯、交通标志、斑马线、停止线、路缘石、防护栏、龙门架和桥梁；道路属性包括车道数、车道变化属性、车道线曲率/坡度、车道连接关系、车道分组、交通区域、兴趣区、加速点和刹车点；规则信息包括车道限速、高速收费信息、限行限号信息。
上述技术方案中，所述虚拟模型仿真数据由数字交通孪生层中虚拟模型的构建模块产生，数字交通孪生层中虚拟模型的构建模块，该模块具体包括几何模型建立模块、物理属性仿真模块、行为模型建立模块和规则模型建立模块：
所述几何模型建立模块使用三维建模软件，通过组件导入和建立模型的节点关系来建立数字孪生模型中涉及的物理实体的几何模型，包括道路、路侧设施和车辆，利用云平台和路侧设施获取的车辆属性信息中导入物理实体的几何参数(如轮廓形状、尺寸、位置)与装配关系(如车辆模型的车轮层级关系)，使其与物理实体设备具有时空一致性，同时对细节层次的渲染使得在几何模型从视觉上更接近物理实体；实现了对物理交通实体的高精度、高保真、高可视化的几何建模，为数字孪生模型提供了基础的形态表达，为后续的物理属性仿真、行为模拟和规则约束提供了必要的数据支撑，实现了对物理交通实体的时空一致性，即虚拟模型中的物理实体与真实世界中的物理实体在位置、方向、尺寸、形状等方面保持一致，从而提高了数字孪生模型的可信度和有效性；实现了对物理交通实体的细节层次的渲染，使得虚拟模型中的物理实体从视觉上更接近真实世界中的物理实体，从而提高了数字孪生模型的逼真度和美观度；
物理属性仿真模块利用三维物理仿真引擎，为数字孪生模型中的物理实体添加物理属性包括车辆各个组件的重量、惯性、摩擦系数、弹性和刚度；为了考虑车辆的不同零部件之间的相互作用关系，从宏观和微观属性方面，对车辆行驶的速度、加速度、转向角度、以及道路的坡度、曲率和摩擦力进行模拟和刻画；；为了考虑车辆与其他物体的碰撞和相互作用关系，更准确地模拟真实世界中的情况，将碰撞体属性集成到系统中，并通过图形和数值的形式表现出具体物理实体的物理量；物理空间表示真实的交通系统环境中的实体和场景，例如道路、车辆、交通信号灯、建筑物等等。在数字交通孪生系统中，通过传感器采集这些实体的相关信息，将其映射到虚拟模型中进行模拟和分析。即为物理交通实体层。
上述技术方案，实现了对物理交通实体的全面数字化表达，将物理实体的多个方面进行综合建模，经过映射和仿真后，数字交通孪生层可以得到一个高度还原物理实体的虚拟模型，用于模拟和优化交通系统的运行状态，从而为交通管理和辅助驾驶等领域提供支持。实现了对物理交通实体的动态反馈和协同优化，将真实的物理交通感知信息同步到虚拟模型中，以实时更新虚拟模型的状态，将来自物理交通实体层的信息映射到数字交通孪生层的可视化三维模型、物理属性仿真模型、行为模型和规则模型中，并在模型中模拟真实的交通环境，以便进行各种场景模拟和分析。实现了对物理交通实体的智能引导和服务，根据虚拟模型的优化进行相应调整辅助驾驶服务，提高其效率和安全性。
行为模型建立模块，针对车辆在不同情况下的行为，包括直行、左转、右转、超车、变道，进行状态映射，分析车辆和驾驶员的动态行为，包括加速、刹车、转向、超车，并根据实时数据进行修正和优化车辆和驾驶员的动态行为；
规则模型建立模块用于建立数字孪生模型中车辆行驶的约束规则基于历史关联数据、经验、知识库，添加包括交通规则、安全规则、驾驶员行为规则，以确保车辆行驶的安全和有效性。
上述技术方案中，连接交互层，在物理交通实体、数字交通孪生体、辅助驾驶引导服务之间建立双向联系，使其能够进行双向反馈和协同优化；根据物理实体的变化动态调整虚拟模型，保证其准确性和时效性，实现物理实体与虚拟模型之间的数据同步；根据虚拟模型的预测和优化进行相应调整辅助驾驶服务，提高其效率和安全性，实现虚拟模型与辅助驾驶服务之间的数据传输；根据辅助驾驶服务的指令和建议对物理实体进行引导，改善其行为和状态，实现辅助驾驶服务与物理实体之间的数据反馈。
所述交通数据中心层，作为数字孪生模型中各个模块交互的载体，对多源异构数据进行数据预处理，包括解析、清洗、融合及封装处理；存储和管理系统的驾驶环境感知数据、虚拟模型仿真数据和驾驶引导服务数据；所述驾驶环境感知数据包括车辆的姿态信息、状态信息和属性信息、道路状况信息和环境状况信息；所述虚拟模型仿真数据包括三维可视化模型、物理属性仿真模型、行为模型和规则模型四个维度的孪生空间构建和运行过程中产生的各类数值信息；所述驾驶引导服务数据包括天气服务、事件引导服务、车道保持服务、车辆盲区监测服务、前向碰撞预警服务和限速引导服务不同类型的提醒或指示信息。实现了对多源异构数据的解析、清洗、融合和封装，提高了数据的质量和可用性，为数字孪生模型的构建和运行提供了有效的输入。实现了对驾驶环境感知数据、虚拟模型仿真数据和驾驶引导服务数据的存储和管理，保证了数据的安全性和完整性，为数字孪生模型的更新和优化提供了可靠的支持。实现了一个集成了多种类型数据的交通信息平台，能够为数字孪生模型中各个模块提供所需的数据，并通过连接交互层进行转发，实现了物理交通实体层、数字交通孪生层和辅助驾驶引导服务层之间的信息共享。
上述技术方案中，所述驾驶引导服务运行数据为辅助驾驶引导服务层提供的不同类型的提醒或指示信息。驾驶引导服务运行数据由辅助驾驶引导服务层生成，包括各种驾驶引导服务的实时状态和运行信息等，这些数据可以反馈给交通数据中心层进行处理，并与物理交通实体层和数字交通孪生层同步运行。驾驶引导服务运行数据的作用是为交通数据中心层和辅助驾驶引导服务层提供实时反馈和决策依据。
上述技术方案中，所述连接交互层用于对交通数据中心层的数字孪生数据进行转发为：将数字孪生数据转发给数字交通孪生层、物理交通实体层和辅助驾驶引导服务层，实现双向联系，实现物理实体与虚拟模型之间的数据同步，虚拟模型与辅助驾驶服务之间的数据传输，辅助驾驶服务与物理实体之间的数据反馈。它实现了物理实体与虚拟模型之间的数据同步，可以在数字世界中实时反映物理实体的行为和状态，提高虚拟模型的准确性和时效性。它实现了辅助驾驶服务与物理实体之间的数据反馈，可以根据辅助驾驶服务的指令和建议对物理实体进行引导，改善其行为和状态。它实现了一个集成了物理交通实体、数字交通孪生和辅助驾驶服务的网络物理系统，能够在复杂、动态、多变的交通环境中提供有效、安全、便捷的智能驾驶服务。
上述技术方案中，所述辅助驾驶引导服务包括驾驶员提供车辆天气引导服务、车道保持服务、车辆盲区监测服务、前向碰撞预警服务、事件引导服务和速度引导服务超视距引导服务，为驾驶员提供实时、准确、安全的驾驶信息和建议，帮助驾驶员应对复杂、动态、多变的交通环境，提高驾驶安全性和效率。该系统利用数字孪生技术，实现了对物理交通实体的高保真映射和仿真，以及对驾驶环境的全方位感知和分析。
上述技术方案中，虚拟模型中可视化三维模型的构建方法为：使用三维建模软件，通过组件导入和建立模型的节点关系来建立数字孪生模型中涉及的物理实体的几何模型，包括道路、路侧设施和车辆，利用云平台和路侧设施获取的车辆属性信息中导入物理实体的几何参数(如轮廓形状、尺寸、位置)与装配关系(如车辆模型的车轮层级关系)，使其与物理实体设备具有时空一致性，同时对细节层次的渲染可以使得在几何模型从视觉上更接近物理实体；
虚拟模型中物理属性仿真模型的构建方法为：利用三维物理仿真引擎，为数字孪生模型中的物理实体添加物理属性，包括车辆各个组件的重量、惯性、摩擦系数、弹性和刚度；为了考虑车辆的不同零部件之间的相互作用关系，从宏观和微观属性方面对车辆行驶的速度、加速度、转向角度、以及道路的坡度、曲率和摩擦力进行模拟；为了考虑车辆与其他物体的碰撞和相互作用关系，更准确地模拟真实世界中的情况，将碰撞体属性集成到数字孪生驱动的智能辅助驾驶引导系统中，并通过图形和数值的形式表现出具体物理实体的物理量；
虚拟模型中行为模型的构建方法为：对车辆的行为(包括直行、左转、右转、超车、变道)进行状态映射，分析车辆和驾驶员的动态行为(包括加速、刹车、转向、超车)，并根据实时数据进行修正和优化，实时数据指的是车辆和驾驶员的动态行为数据，包括车辆的速度、加速度、转向角度、位置等信息，以及驾驶员的行为数据，如刹车、加速、转向等；
虚拟模型中规则模型用于建立数字孪生模型中车辆行驶的约束规则；基于历史关联数据、经验数据、知识库，添加包括交通规则、安全规则、驾驶员行为规则，以确保车辆行驶的安全和有效性。
一种数字孪生驱动的智能辅助驾驶引导方法，它包括如下步骤：
步骤1：下载、读取并解析地图数据；从物理交通实体层的数据采集与感知设备处下载地图数据到交通数据中心，该地图数据用于描述道路网络的拓扑结构、几何形状、逻辑属性，在交通数据中心中对地图数据进行处理并使用相关的解析器进行解析，通过解析器提供的接口和方法，访问地图数据的各个元素(车道信息、道路部件、道路属性和规则信息)，并将其转换为计算机可以处理的数据结构；
步骤2：路网数据离散化；对于解析出的每一条道路的数据，在交通数据中心层中，根据不同道路中心线的类型，进行不同程度的离散化,道路中心线分为直线段、曲线段和圆弧段三种类型，不同类型的道路中心线采用不同的方法来离散化；对于直线段，直接将起点和终点之间的距离进行均匀离散化；对于曲线段，根据曲线的长度和弧度进行插值离散化；对于圆弧段，将圆弧离散化成多个等分点；并使用空间索引结构KD树存储这些点，根据它们的经纬度坐标来划分空间，加快后续匹配车辆所在道路时查找最近点的速度；
步骤3：匹配车辆所在道路，交通数据中心层将这些离散化的数据通过连接交互层转发给数字交通孪生层，在数字交通孪生层中，利用车辆的姿态信息在数字交通孪生层中进行虚拟模型中车辆的位姿仿真，所述车辆的位姿仿真包括：基于车辆的位姿信息，在数字交通孪生层中设置车辆的局部坐标系位置，实现车辆位置的变换；基于车辆的俯仰角、横滚角和航向，设置给车辆局部坐标的欧拉角，实现车辆位姿的变换；再根据车辆在数字交通孪生层的位置，使用临近点匹配算法，实时计算车辆距离道路中心线的最近点，找到与之最匹配的道路；这一过程使用空间索引结构KD树来检索地图中的道路数据，将地图中每条道路中心线上离散化后的点作为KD树的数据点，使用KD树的最近邻搜索算法来快速找到最近的道路数据点，并匹配它所属的道路；
步骤4：车道偏离预警，对于匹配到的最近点和所属的道路，在数字交通孪生层中，计算其与车辆坐标和方向角之间的差异，这些差异包括横向距离、纵向距离、方向角误差；横向距离是指最近点到车辆坐标在垂直于道路中心线方向上的投影距离；纵向距离是指最近点到车辆坐标在平行于道路中心线方向上的投影距离；方向角误差是指最近点处的道路中心线方向角与车辆方向角之间的夹角；根据这些差异，判断是否发生了车道偏离，如果发生了车道偏移，则根据不同程度和类型的车道偏离，在辅助驾驶引导服务层给驾驶员提供相应的警告，即如果横向距离超过了阈值，或者方向角误差超过了阈值，则认为发生了车道偏离；车道偏离分为主动和被动两种类型，主动车道偏离是指驾驶员有意识地改变车辆行驶的车道，对于主动车道偏离，系统不会给出警告；被动车道偏离是指驾驶员无意识地偏离原来的车道，对于被动车道偏离，系统会根据横向距离和方向角误差的大小和变化率，给出不同等级的视觉、听觉警告；如果横向距离或方向角误差较小且变化率较低，则给出低级别的警告；如果横向距离或方向角误差较大且变化率较高，则给出高级别的警告。本发明利用高精度地图和车载传感器实时定位车辆在道路上的位置，当车辆偏离当前所处车道时，提醒驾驶员纠正方向，使车辆始终保持在正确的车道上。上述设计能够及时检测出车辆是否偏离原来的车道，评估车道偏离的程度和类型，提醒驾驶员采取纠正措施，以防止或减轻车道偏离造成的事故。利用高精度地图和车载传感器实时定位车辆在道路上的位置，计算车辆与道路中心线之间的差异，判断车道偏离的情况，并根据不同情况给出不同等级的警告信号，使驾驶员能够及时调整车辆方向，保持在正确的车道上。
上述技术方案中，辅助驾驶引导服务层中辅助驾驶引导服务的前向碰撞预警服务，旨在通过实时监测车辆前方的物体，提供驾驶员及时的警告信号，以防止或减轻正面碰撞的冲击；通过数字孪生数据在数字交通孪生层中，采用射线检测的方法，以自身车辆为原点向各个方向发射多个射线，探测与场景中虚拟模型的交互情况；射线的角度、范围和频次可以根据车型、交通环境和实际需求来调整，以适应不同的场景；通过比对射线检测结果与预设障碍物类型，识别出车辆前方安全范围内的各种障碍物；在数字交通孪生层中建立高斯平面坐标系，将经纬度坐标转换为平面坐标；获取自身车辆和其他车辆在平面坐标系中的位置和速度；根据两者之间相对航向角判断是否存在碰撞风险；若存在，则使用TTC测距碰撞算法计算出碰撞时间，并与预设阈值进行比较；若小于阈值，则发出不同程度的预警，上述设计能够及时检测出车辆前方的障碍物，评估碰撞风险，提醒驾驶员采取避让措施，从而防止或减轻正面碰撞的冲击。该设计利用数字孪生技术，实现了对车辆前方物体的高精度感知和仿真，以及对碰撞时间的准确计算，从而能够为驾驶员提供实时、有效、安全的预警信号。
在数字交通孪生层中建立高斯平面坐标系，并通过坐标转换技术将通过连接交互层转发的驾驶环境感知数据中的经纬度坐标转换为平面坐标；自身车辆和其他车的经纬度信息分别转换为数字空间的坐标为(x1，y1)，(x2，y2)，速度分别转换为两车的车辆航向角α1，α2为真北方向与汽车行驶方向顺时针夹角，由车载设备可直接获取，其中α1，α2∈[0，360°)，β1为以自身车辆为原点的真北方向与两车中心连线的顺时针夹角，β2为以其他车为原点的真北方向与两车中心连线的顺时针夹角，通过平面坐标系下的车辆坐标求得，其中β1，β2∈[0，360°)，θi＝αi-βi(i＝1，2)；依据θ1和θ2的关系将碰撞类型分为：
正面碰撞：若当两车为平行且相向行驶时，满足|θ1-θ2|≤δ，则存在正面碰撞的风险；
追尾碰撞：当两车为平行且同向行驶时，满足|θ1-θ2|∈[180°-δ，180+δ]，则存在追尾碰撞的风险，由于车辆在实际行驶过程中很难实现完全平行，在这里通过设置δ为5°来满足实际行驶场景的需求；
若存在正面碰撞和追尾碰撞风险，则使用TTC测距碰撞算法，实时计算两车的碰撞时间Ttc：
其中为两车在数字空间的速度向量，其中自己车辆与其他车辆的相对距离L的计算公式如下：
式中，x1，x2为两车在数字空间的横坐标，y1，y2两车在数字空间的纵坐标；
将碰撞时间Ttc与预先设定好的时间阈值进行比较；根据营运车辆AEBs测试标准，当Ttc大于阈值A秒(4.4s)时，表示车辆安全行驶，无需预警；当Ttc介于B～A秒(1.4～4.4s)时，表示车辆需要注意前方情况，系统会在辅助驾驶引导服务中通过声音和图像提醒驾驶员减速或保持距离；当Ttc小于阈值B秒(1.4s)时，表示车辆存在高风险碰撞，系统会在辅助驾驶引导服务中通过声音和图像报警驾驶员紧急制动或避让；报警的强度和频率与Ttc值成反比，即Ttc值越小，报警越强烈和频繁。上述设计提高了驾驶员的安全意识和反应能力，减少了正面碰撞的风险和损失。使得驾驶员能够根据不同的碰撞时间和阈值，采取不同的措施，如减速、保持距离、紧急制动或避让。使得驾驶员能够根据不同的报警强度和频率，判断碰撞的严重程度和紧迫性，提高了报警的有效性和及时性。
上述设计基于数字孪生技术，利用高精度地图和车载传感器实时定位车辆在道路上的位置，实现对车辆前方物体的实时监测和识别。采用TTC测距碰撞算法，实时计算两车的碰撞时间，并与预设阈值进行比较，实现对碰撞风险的动态评估和预警。根据营运车辆AEBs测试标准设置了不同的时间阈值和报警等级，实现了对驾驶员的分级提醒和指导。
本发明的车辆盲区监测服务通过不同视角的切换，提供驾驶员全面的视野信息，以提高驾驶安全性；该服务模块包括四种视角，分别为第一人称视角、第三人称视角、上帝视角和鹰眼(地图)视角，在辅助驾驶引导服务层中将数字交通孪生层中构建的数字化镜像通过该服务以虚映实，实时展示给驾驶员来进行全方位多视角监控；其中，第一人称视角通过消除盲区来补充视野，将虚拟摄像头的视点固定在主驾驶位，所展示的内容为驾驶员的切身观察内容，补充驾驶员的视角存在各种盲区，包括AB柱盲区、车头盲区、内轮差盲区，如图3所示；第三人称视角将虚拟摄像头以俯斜的角度来观察车辆周围的驾驶环境，以增强视野内的观察能力，视点跟随在当前车辆的后方，以俯斜视的角度来观察车辆周围的驾驶环境，如图4所示；上帝视角将虚拟摄像头的视点固定在车辆正上方，可以直观地查看近距离的危险，当附近车辆在安全警戒的范围内，则自动切换到该视角，用于显示危险存在的方位，如图5所示；鹰眼(地图)视角用于扩充视野范围，以小地图的方式展示超视距的路况信息，包括道路形状和交通情况，如图6所示；通过多视角的控制技术，驾驶员可切换不同视角来对周围环境进行观察，实现了360度全景和盲区视野的实时观测，使驾驶员能够获得全面的驾驶视野，提高驾驶员的驾驶安全系数。
本发明的天气引导服务，旨在为驾驶员提供在不同天气条件下的驾驶规则指导，以帮助驾驶员更好地应对不同的天气条件；在数字交通孪生层中构建天气系统，实时根据连接交互层转发的环境状况信息来得到当前的天气信息和车辆位姿信息，得到当前车辆所处的位置的天气情况，并根据实时获取的天气状况，通过控制数字交通孪生层的天气系统的改变，根据不同的天气状况在数字交通孪生层中渲染出不同的天气效果，提供去雨，去雾，去雪功能来消除恶劣天气造成的视野遮挡并提供给驾驶员驾驶规则引导，在辅助驾驶引导服务层展示给驾驶员当前的天气情况，并向驾驶员提供如何避免因打滑、刹车距离延长而造成交通事故的驾驶规则指导；此外，天气引导服务还依照《中华人民共和国道路交通安全法》中对于恶劣天气限速的规定给驾驶员限速提醒。
本发明的限速引导服务，根据连接交互层中转发的从高精度地图中解析出的道路的限速信息，在数字交通孪生层中匹配当前所在车道，得到当前的限速速度信息，在辅助驾驶引导服务层中显示当前道路的限速数值；如果该道路在高精度地图中没有相应的限速信息，限速引导服务会依照城市和郊区通用的限速表，并依托道路限速规定来显示限速的数值；该服务根据车辆实际行驶速度，提供限速提醒，以帮助驾驶员遵守限速规定。
本发明的事件引导服务，在辅助驾驶引导服务中，为驾驶员提供由连接交互层转发的来源于物理交通实体层的车载摄像头和路侧感知设备所感知的实测视频信息；如果前方发生交通事故或堵车，驾驶员可以切换到车载摄像头和路侧感知设备的真实摄像头视角进行观察，提升驾驶员对于道路的掌控,真实摄像头和虚拟摄像头虚实交互共同为驾驶员提供更丰富的驾驶信息。
为了避免视觉的遮挡，汽车隔音导致的无法辨别声音来源的方向等由于信息的缺失而导致的交通事故。本发明考虑以数字孪生为驱动，以多源信息融合为引导，为驾驶员提供来自不同层级、丰富的决策信息，从而实现实时、安全的驾驶引导服务。
本发明使得驾驶员能够借助孪生世界来洞察现实世界，增加驾驶员对于驾驶环境的理解和反应能力，实现人机共驾，为驾驶员提供安全的服务引导。
数字孪生技术可以适应不同场景和需求，不仅可以在能见度低时提供安全提示和避让策略，还可以在其他情况下提供天气服务、事件引导服务、车道保持服务、车辆盲区监测服务、前向碰撞预警服务和限速引导服务。
本说明书未作详细描述的内容属于本领域专业技术人员公知的现有技术。
Claims (10)
1.一种数字孪生驱动的智能辅助驾驶引导系统，其特征在于：它包括物理交通实体层、数字交通孪生层、连接交互层、交通数据中心层和辅助驾驶引导服务层；
所述物理交通实体层包括真实交通环境中涉及到的客观存在的物理实体以及相关的数据采集与感知设备，所述数据采集与感知设备用于采集和感知驾驶环境的感知数据；
所述交通数据中心层用于接收、存储并处理数字孪生数据从而驱动数据驱动物理交通实体层、数字交通孪生层和辅助驾驶引导服务层的同步运行，所述数字孪生数据包括驾驶环境感知数据、虚拟模型仿真数据和驾驶引导服务运行数据；
所述连接交互层用于对交通数据中心层的数字孪生数据进行转发，通过数据同步和传输，在物理交通实体层、数字交通孪生层和辅助驾驶引导服务层之间的建立双向联系；
所述数字交通孪生层为物理交通实体层中物理实体的数字镜像，数字交通孪生层对物理交通实体层的物理实体进行映射得到虚拟模型，所述虚拟模型包括可视化三维模型，物理属性仿真模型，行为模型和规则模型，虚拟模型在连接交互层转发的交通数据中心层中的数字孪生数据的驱动下实时反映物理交通实体层中物理实体的行为和状态从而实现对物理交通实体层中物理实体的仿真并将仿真产生的虚拟模型仿真数据通过连接交互层同步至交通数据中心层；
所述辅助驾驶引导服务层为辅助驾驶引导服务的集合，辅助驾驶引导服务层利用连接交互层转发的数字孪生数据中的驾驶环境感知数据和虚拟模型仿真数据进行辅助驾驶引导服务。
2.根据权利要求1所述的数字孪生驱动的智能辅助驾驶引导系统，其特征在于：所述物理交通实体层中物理实体是数字孪生辅助驾驶系统中虚拟模型的基础对象，包括人员、道路、路侧设施、车辆和传感器，物理交通实体层中数据采集与感知设备包括车载感知设备、路侧感知设备、云平台和地图，通过这些数据采集和感知设备来获取驾驶环境的感知数据；所述驾驶环境的感知数据包括车辆的姿态信息、状态信息和属性信息、道路状况信息和环境状况信息，其中车辆的姿态信息为车辆在三维空间中的位置方向和角度信息，车辆的姿态信息包括经度、纬度、高度、俯仰角、横滚角和航向信息，由车载感知设备和路侧感知设备获取；车辆的状态信息为车辆的运行状态和性能参数信息，车辆的状态信息包括引擎转速、转向灯状态、油门踏板位置、制动踏板位置、方向盘角度和转向灯状态，由车载感知设备和获取；车辆的属性信息包括车辆的尺寸、大小、颜色、装配关系、品牌和型号，车牌号码信息由路侧感知设备和云平台获取；道路状况信息为当前车辆所在道路的路面状况、路段限速、道路施工情况和车辆的信息，由路侧感知设备和云平台获取；环境状况信息为环境的信息，包括天气状况、障碍物的情况，由路侧感知设备和云平台获取。
3.根据权利要求2所述的数字孪生驱动的智能辅助驾驶引导系统，其特征在于：所述车载感知设备包括GPS、车内传感器、雷达和车载视觉传感器；所述路侧感知设备包括雷达、路侧视觉传感器和RSU；所述地图包括能定量标识的车道信息、道路部件、道路属性和规则信息，其中车道信息包括车道数、车道中心线、道路分离点、车道分离点和车道关系；道路部件包括交通灯、交通标志、斑马线、停止线、路缘石、防护栏、龙门架和桥梁；道路属性包括车道数、车道变化属性、车道线曲率/坡度、车道连接关系、车道分组、交通区域、兴趣区、加速点和刹车点；规则信息包括车道限速、高速收费信息、限行限号信息。
4.根据权利要求1所述的数字孪生驱动的智能辅助驾驶引导系统，其特征在于：所述虚拟模型仿真数据由数字交通孪生层中虚拟模型的构建模块产生，数字交通孪生层中虚拟模型的构建模块，该模块具体包括几何模型建立模块、物理属性仿真模块、行为模型建立模块和规则模型建立模块：
所述几何模型建立模块使用三维建模软件，通过组件导入和建立模型的节点关系来建立数字孪生模型中涉及的物理实体的几何模型，利用云平台和路侧设施获取的车辆属性信息中导入物理实体的几何参数与装配关系，使其与物理实体设备具有时空一致性，同时对细节层次的渲染使得在几何模型从视觉上更接近物理实体；
物理属性仿真模块利用三维物理仿真引擎，为数字孪生模型中的物理实体添加物理属性；
行为模型建立模块，针对车辆在不同情况下的行为，进行状态映射，分析车辆和驾驶员的动态行为，并根据实时数据进行修正和优化车辆和驾驶员的动态行为；
规则模型建立模块用于建立数字孪生模型中车辆行驶的约束规则，添加包括交通规则、安全规则、驾驶员行为规则。
5.根据权利要求1所述的数字孪生驱动的智能辅助驾驶引导系统，其特征在于：所述驾驶引导服务运行数据为辅助驾驶引导服务层提供的不同类型的提醒或指示信息。
6.根据权利要求1所述的数字孪生驱动的智能辅助驾驶引导系统，其特征在于：所述连接交互层用于对交通数据中心层的数字孪生数据进行转发为：将数字孪生数据转发给数字交通孪生层、物理交通实体层和辅助驾驶引导服务层，实现双向联系，实现物理实体与虚拟模型之间的数据同步，虚拟模型与辅助驾驶服务之间的数据传输，辅助驾驶服务与物理实体之间的数据反馈。
7.根据权利要求1所述的数字孪生驱动的智能辅助驾驶引导系统，其特征在于：所述辅助驾驶引导服务包括驾驶员提供车辆天气引导服务、车道保持服务、车辆盲区监测服务、前向碰撞预警服务、事件引导服务和速度引导服务超视距引导服务。
8.根据权利要求1所述的数字孪生驱动的智能辅助驾驶引导系统，其特征在于：虚拟模型中可视化三维模型的构建方法为：使用三维建模软件，通过组件导入和建立模型的节点关系来建立数字孪生模型中涉及的物理实体的几何模型，包括道路、路侧设施和车辆，利用云平台和路侧设施获取的车辆属性信息中导入物理实体的几何参数与装配关系，使其与物理实体设备具有时空一致性，同时对细节层次的渲染可以使得在几何模型从视觉上更接近物理实体；
虚拟模型中物理属性仿真模型的构建方法为：利用三维物理仿真引擎，为数字孪生模型中的物理实体添加物理属性；为了考虑车辆的不同零部件之间的相互作用关系，对车辆行驶的速度、加速度、转向角度、以及道路的坡度、曲率和摩擦力进行模拟；为了考虑车辆与其他物体的碰撞和相互作用关系，更准确地模拟真实世界中的情况，将碰撞体属性集成到数字孪生驱动的智能辅助驾驶引导系统中，并通过图形和数值的形式表现出具体物理实体的物理量；
虚拟模型中行为模型的构建方法为：对车辆的行为进行状态映射，分析车辆和驾驶员的动态行为，并根据实时数据进行修正和优化；
虚拟模型中规则模型用于建立数字孪生模型中车辆行驶的约束规则；基于历史关联数据、经验数据、知识库，添加包括交通规则、安全规则、驾驶员行为规则，以确保车辆行驶的安全和有效性。
9.一种数字孪生驱动的智能辅助驾驶引导方法，其特征在于，它包括如下步骤：
步骤1：从物理交通实体层的数据采集与感知设备处下载地图数据到交通数据中心，该地图数据用于描述道路网络的拓扑结构、几何形状、逻辑属性，在交通数据中心中对地图数据进行处理并使用相关的解析器进行解析，通过解析器提供的接口和方法，访问地图数据的各个元素，并将其转换为计算机可以处理的数据结构；
步骤2：对于解析出的每一条道路的数据，在交通数据中心层中，根据不同道路中心线的类型，进行不同程度的离散化；
步骤3：交通数据中心层将这些离散化的数据通过连接交互层转发给数字交通孪生层，在数字交通孪生层中，利用车辆的姿态信息在数字交通孪生层中进行虚拟模型中车辆的位姿仿真；再根据车辆在数字交通孪生层的位置，使用临近点匹配算法，实时计算车辆距离道路中心线的最近点，找到与之最匹配的道路；这一过程使用空间索引结构KD树来检索地图中的道路数据，将地图中每条道路中心线上离散化后的点作为KD树的数据点，使用KD树的最近邻搜索算法来快速找到最近的道路数据点，并匹配它所属的道路；
步骤4：对于匹配到的最近点和所属的道路，在数字交通孪生层中，计算其与车辆坐标和方向角之间的差异；根据这些差异，判断是否发生了车道偏离，如果发生了车道偏移，则根据不同程度和类型的车道偏离，在辅助驾驶引导服务层给驾驶员提供相应的警告。
10.根据权利要求9所述的数字孪生驱动的智能辅助驾驶引导方法，其特征在于：
辅助驾驶引导服务层中辅助驾驶引导服务的前向碰撞预警服务，旨在通过实时监测车辆前方的物体，提供驾驶员及时的警告信号，以防止或减轻正面碰撞的冲击；通过数字孪生数据在数字交通孪生层中，采用射线检测的方法，以自身车辆为原点向各个方向发射多个射线，探测与场景中虚拟模型的交互情况；射线的角度、范围和频次可以根据车型、交通环境和实际需求来调整，以适应不同的场景；通过比对射线检测结果与预设障碍物类型，识别出车辆前方安全范围内的各种障碍物；在数字交通孪生层中建立高斯平面坐标系，将经纬度坐标转换为平面坐标；获取自身车辆和其他车辆在平面坐标系中的位置和速度；根据两者之间相对航向角判断是否存在碰撞风险；若存在，则使用TTC测距碰撞算法计算出碰撞时间，并与预设阈值进行比较；若小于阈值，则发出不同程度的预警；
在数字交通孪生层中建立高斯平面坐标系，并通过坐标转换技术将通过连接交互层转发的驾驶环境感知数据中的经纬度坐标转换为平面坐标；自身车辆和其他车的经纬度信息分别转换为数字空间的坐标为(x1，y1)，(x2，y2)，速度分别转换为两车的车辆航向角α1，α2为真北方向与汽车行驶方向顺时针夹角，由车载设备可直接获取，其中α1，α2∈[0，360°)，β1为以自身车辆为原点的真北方向与两车中心连线的顺时针夹角，β2为以其他车为原点的真北方向与两车中心连线的顺时针夹角，通过平面坐标系下的车辆坐标求得，其中β1，β2∈[0，360°)，θi＝αi-βi(i＝1，2)；依据θ1和θ2的关系将碰撞类型分为：
正面碰撞：若当两车为平行且相向行驶时，满足|θ1-θ2|≤δ，则存在正面碰撞的风险；
追尾碰撞：当两车为平行且同向行驶时，满足|θ1-θ2|∈[180°-δ，180+δ]，则存在追尾碰撞的风险；
若存在正面碰撞和追尾碰撞风险，则使用TTC测距碰撞算法，实时计算两车的碰撞时间Ttc：
其中为两车在数字空间的速度向量，其中自己车辆与其他车辆的相对距离L的计算公式如下：
式中，x1，x2为两车在数字空间的横坐标，y1，y2两车在数字空间的纵坐标；
将碰撞时间Ttc与预先设定好的时间阈值进行比较；根据营运车辆AEBs测试标准，当Ttc大于阈值A秒时，表示车辆安全行驶，无需预警；当Ttc介于B～A秒时，表示车辆需要注意前方情况，系统会在辅助驾驶引导服务中通过声音和图像提醒驾驶员减速或保持距离；当Ttc小于阈值B秒时，表示车辆存在高风险碰撞，系统会在辅助驾驶引导服务中通过声音和图像报警驾驶员紧急制动或避让；报警的强度和频率与Ttc值成反比，即Ttc值越小，报警越强烈和频繁。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310590147.XA CN116564116A (zh) | 2023-05-24 | 2023-05-24 | 数字孪生驱动的智能辅助驾驶引导系统与方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310590147.XA CN116564116A (zh) | 2023-05-24 | 2023-05-24 | 数字孪生驱动的智能辅助驾驶引导系统与方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116564116A true CN116564116A (zh) | 2023-08-08 |
Family
ID=87494440
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310590147.XA Pending CN116564116A (zh) | 2023-05-24 | 2023-05-24 | 数字孪生驱动的智能辅助驾驶引导系统与方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116564116A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116946107A (zh) * | 2023-09-21 | 2023-10-27 | 北京航空航天大学 | 一种能量轨迹跟随下的混动系统模式决策与功率分配方法 |
| CN117828899A (zh) * | 2024-03-04 | 2024-04-05 | 沈阳展播智慧科技有限公司 | 结合三维车身建模的道路环境感知方法及装置 |
| CN117912259A (zh) * | 2024-03-19 | 2024-04-19 | 中汽数据有限公司 | 一种基于汽车电子数据的交通事故再现方法、装置、电子设备及存储介质 |
-
2023
- 2023-05-24 CN CN202310590147.XA patent/CN116564116A/zh active Pending
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116946107A (zh) * | 2023-09-21 | 2023-10-27 | 北京航空航天大学 | 一种能量轨迹跟随下的混动系统模式决策与功率分配方法 |
| CN116946107B (zh) * | 2023-09-21 | 2023-12-01 | 北京航空航天大学 | 一种能量轨迹跟随下的混动系统模式决策与功率分配方法 |
| CN117828899A (zh) * | 2024-03-04 | 2024-04-05 | 沈阳展播智慧科技有限公司 | 结合三维车身建模的道路环境感知方法及装置 |
| CN117828899B (zh) * | 2024-03-04 | 2024-05-07 | 沈阳展播智慧科技有限公司 | 结合三维车身建模的道路环境感知方法及装置 |
| CN117912259A (zh) * | 2024-03-19 | 2024-04-19 | 中汽数据有限公司 | 一种基于汽车电子数据的交通事故再现方法、装置、电子设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3724606B1 (en) | Using prediction models for scene difficulty in vehicle routing | |
| US11472291B2 (en) | Graphical user interface for display of autonomous vehicle behaviors | |
| CN116564116A (zh) | 数字孪生驱动的智能辅助驾驶引导系统与方法 | |
| JP2019519420A (ja) | 車両の監視制御方法 | |
| US11884155B2 (en) | Graphical user interface for display of autonomous vehicle behaviors | |
| CN108647437A (zh) | 一种自动驾驶汽车评价方法及评价系统 | |
| KR20190082712A (ko) | 차량의 예상 주행 의도에 관한 정보를 제공하는 방법 | |
| US11681296B2 (en) | Scenario-based behavior specification and validation | |
| KR102565573B1 (ko) | 서브시스템 성능 평가를 위한 메트릭 역전파 | |
| EP3675079A1 (en) | Danger warning method for vehicle, danger warning device for vehicle, and medium | |
| CN111094095B (zh) | 自动地感知行驶信号的方法、装置及运载工具 | |
| EP3675485B1 (en) | Surrounding vehicle display method and surrounding vehicle display apparatus | |
| CN113085852A (zh) | 自动驾驶车辆的行为预警方法、装置及云端设备 | |
| US20220204009A1 (en) | Simulations of sensor behavior in an autonomous vehicle | |
| GB2607849A (en) | Simulation of autonomous vehicle to improve safety and reliability of autonomous vehicle | |
| DE112021002953T5 (de) | Informationsverarbeitungsvorrichtung, informationsverarbeitungsverfahren und programm | |
| US11897503B2 (en) | Method and apparatus for detecting unexpected control state in autonomous driving system | |
| CN112562061A (zh) | 一种基于激光雷达图像的驾驶视觉增强的系统及方法 | |
| CN117008574A (zh) | 一种智能网联汽车高级辅助驾驶系统和自动驾驶系统测试平台 | |
| WO2023083043A1 (zh) | 一种不可通行区域确认方法、装置、设备及可读存储介质 | |
| CN108981740B (zh) | 一种低能见度条件下的盲驾导航系统及其方法 | |
| JP2023024857A (ja) | 路車間連携情報処理方法、装置、システム、電子機器、記憶媒体およびコンピュータプログラム | |
| JP2011008699A (ja) | 運転操作評価装置 | |
| CN117242460A (zh) | 不安全驾驶场景的计算机化检测 | |
| US20240109544A1 (en) | Method and device for collision predicting |
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 |