CN119028174B - 一种基于行车风险场的合流区冲突识别预警方法及系统 - Google Patents

Abstract

一种基于行车风险场的合流区冲突识别预警方法及系统，涉及智能交通管理与控制技术领域，针对现有方法未考虑车辆尺寸及主线车辆与匝道车辆冲突角度等对合流风险的影响，进而导致交通事故的问题，本申请通过建立车辆行车风险场来评估合流区主线车辆与匝道车辆的冲突状况，并借助车路协同技术实现对合流区驾驶员的实时预警，避免交通事故的发生，保障车辆的行车安全，降低能耗，提高整个合流区的通行效率。

Description

一种基于行车风险场的合流区冲突识别预警方法及系统

技术领域

本发明涉及智能交通管理与控制技术领域，具体为一种基于行车风险场的合流区冲突识别预警方法及系统。

背景技术

高速公路合流区包括匝道、加速车道以及主线路段，属于高速公路系统的瓶颈路段，极易导致道路拥堵和交通事故，存在很大安全隐患。开展高速公路合流区车辆冲突识别预警研究，对于提高高速公路合流区道路交通安全水平具有重大的意义。

目前针对高速公路合流区预警系统的研究中，大多数未考虑车辆尺寸及主线车辆与匝道车辆冲突角度等对合流风险的影响，进而导致交通事故的发生。

发明内容

本发明的目的是：针对现有方法未考虑车辆尺寸及主线车辆与匝道车辆冲突角度等对合流风险的影响，进而导致交通事故的问题，提出一种基于行车风险场的合流区冲突识别预警方法及系统。

本发明为了解决上述技术问题采取的技术方案是：

一种基于行车风险场的合流区冲突识别预警方法，包括以下步骤：

步骤一：采集合流区的车辆信息和环境信息，所述车辆信息包括车辆行驶速度、加速度、车辆尺寸以及车辆位置信息，所述环境信息为能见度；

步骤二：利用车辆位置信息，对合流区内主线车辆和匝道车辆的运动轨迹进行预测，并根据预测结果得到主线车辆和匝道车辆的潜在冲突点C的坐标以及主线车辆和匝道车辆与潜在冲突点C之间的夹角θ；

步骤三：根据车辆行驶速度、加速度、车辆尺寸、能见度以及夹角θ，得到主线车辆行车风险场场强E_ij和匝道车辆行车风险场场强E'_ij，表示为：

其中，(x_j,y_j)表示车辆j的质心坐标，(x_i,y_i)表示车辆i的质心坐标，r_ij表示点(x_i,y_i)和点(x_j,y_j)之间的相对距离向量，表示点(x_i,y_i)和点(x_j,y_j)之间的相对距离放大向量，M_i表示车辆i的等效质量，S_i表示车辆i向地面的投影面积，V_i表示车辆i的行驶速度，α_i表示V_i与r_ij的夹角，Z_i表示(x_i,y_i)处的道路条件影响因子，G、k₁、k₂为常数项；

步骤四：获取合流区内所有PET值，进而得到PET累计频率曲线，之后按照第一分位值、第二分位值以及第三分位值对PET累计频率进行区域划分；

步骤五：分别计算t为第一分位值对应的PET时主线车辆与潜在冲突点C的距离d₁、t为第二分位值对应的PET时主线车辆与潜在冲突点C的距离d₂以及t为第三分位值对应的PET时主线车辆与潜在冲突点C的距离d₃，令d＝|r_ij|，得到d₁、d₂和d₃对应的主线车辆行车风险场场强E₁、E₂和E₃；

步骤六：分别计算t为第一分位值对应的PET时匝道车辆与潜在冲突点C的距离d'₁、t为第二分位值对应的PET时匝道车辆与潜在冲突点C的距离d'₂以及t为第三分位值对应的PET时匝道车辆与潜在冲突点C的距离d'₃，令d＝|r_ij|，得到d'₁、d'₂和d'₃对应的匝道车辆行车风险场场强E'₁、E'₂和E'₃；

步骤七：利用E_ij、E'_ij、E₁、E₂、E₃、E'₁、E'₂和E'₃进行冲突风险识别，具体步骤为：

当E_ij>E₁或E'_ij>E'₁时，存在严重冲突；

当E₂<E_ij<E₁或E'₂<E'_ij<E'₁时，存在一般冲突；

当E₃<E_ij<E₂或E'₃<E'_ij<E'₂时，存在轻微冲突；

当E₃>E_ij或E'₃>E'_ij时，不存在冲突；

步骤八：根据步骤七中冲突识别结果向驾驶员发送预警信号。

进一步的，所述步骤一中车辆信息通过激光雷达、视频采集设备采集，所述环境信息通过数字摄像能见度仪采集。

进一步的，所述第一分位值、第二分位值以及第三分位值分别为：15％、50％和85％。

进一步的，所述夹角θ表示为：

其中，(x_c,y_c)表示潜在冲突点C的坐标，(x_a,y_a)表示主线车辆的坐标，(x_b,y_b)表示匝道车辆的坐标；

所述表示为：

a＝V_i·ttcb

b＝τ

其中，a和b分别表示车辆行车风险场纵向和横向形状控制因子，ttcb表示安全边界阈值，τ表示车辆安全圆半径；

所述M_i表示为：

M_i＝M_i(m_i,T_i,V_i)＝m_i·T_i·g(V_i)

其中，m_i表示车辆质量，T_i表示车辆i的类型，g(V_i)表示车辆i的速度函数；

所述Z_i表示为：

Z_i＝ψ_u·ψ_ρ·ψ_ξ·ψ_σ·ψ_δ

其中，ψ_u表示路面附着系数，ψ_ρ表示道路曲率，ψ_ξ表示道路坡度，ψ_σ表示道路宽度，ψ_δ表示道路能见度；

所述车辆距离潜在冲突点C的距离为：

其中，d表示车辆距离潜在冲突点C的距离，v表示车辆速度，a表示加速度，t表示直线行驶时间。

进一步的，所述步骤八中发送预警信号通过设置在车内的灯光报警模块和语音报警模块进行，其中灯光报警模块通过LED灯实现，语音报警模块通过语音播报设备实现；

所述步骤八中的预警信号根据步骤七的冲突识别结果分为4个等级，具体为：

当存在严重冲突时，发送一级预警信号；

当存在一般冲突时，发送二级预警信号；

当存在轻微冲突时，发送三级预警信号；

当不存在冲突时，不发送预警信号。

一种基于行车风险场的合流区冲突识别预警系统，所述系统包括数据采集子系统、信息处理子系统以及车载预警子系统；

所述数据采集子系统用于采集合流区的车辆信息和环境信息，所述车辆信息包括车辆行驶速度、加速度、车辆尺寸以及车辆位置信息，所述环境信息为能见度；

所述信息处理子系统包括运动轨迹预测模块、车辆行车风险场计算模块及冲突判断模块；

所述运动轨迹预测模块根据车辆位置信息，对合流区内主线车辆和匝道车辆的运动轨迹进行预测，并根据预测结果得到主线车辆和匝道车辆的潜在冲突点C的坐标以及主线车辆和匝道车辆与潜在冲突点C之间的夹角θ；

所述车辆行车风险场计算模块根据车辆行驶速度、加速度、车辆尺寸、能见度以及夹角θ，得到主线车辆行车风险场场强E_ij和匝道车辆行车风险场场强E'_ij，表示为：

其中，(x_j,y_j)表示车辆j的质心坐标，(x_i,y_i)表示车辆i的质心坐标，r_ij表示点(x_i,y_i)和点(x_j,y_j)之间的相对距离向量，表示点(x_i,y_i)和点(x_j,y_j)之间的相对距离放大向量，M_i表示车辆i的等效质量，S_i表示车辆i向地面的投影面积，V_i表示车辆i的行驶速度，α_i表示V_i与r_ij的夹角，Z_i表示(x_i,y_i)处的道路条件影响因子，G、k₁、k₂为常数项；

所述冲突判断模块用于获取合流区内所有PET值，进而得到PET累计频率曲线，之后按照第一分位值、第二分位值以及第三分位值对PET累计频率进行区域划分，之后分别计算t为第一分位值对应的PET时主线车辆与潜在冲突点C的距离d1、t为第二分位值对应的PET时主线车辆与潜在冲突点C的距离d2以及t为第三分位值对应的PET时主线车辆与潜在冲突点C的距离d3，令d＝|r_ij|，得到d1、d2和d3对应的主线车辆行车风险场场强E₁、E₂和E₃，之后分别计算t为第一分位值对应的PET时匝道车辆与潜在冲突点C的距离d'₁、t为第二分位值对应的PET时匝道车辆与潜在冲突点C的距离d'₂以及t为第三分位值对应的PET时匝道车辆与潜在冲突点C的距离d'₃，令d＝|r_ij|，得到d'₁、d'₂和d'₃对应的匝道车辆行车风险场场强E'₁、E'₂和E'₃，之后利用E_ij、E'_ij、E₁、E₂、E₃、E'₁、E'₂和E'₃进行冲突风险识别，具体步骤为：

当E_ij>E₁或E'_ij>E'₁时，存在严重冲突；

当E₂<E_ij<E₁或E'₂<E'_ij<E'₁时，存在一般冲突；

当E₃<E_ij<E₂或E'₃<E'_ij<E'₂时，存在轻微冲突；

当E₃>E_ij或E'₃>E'_ij时，不存在冲突；

所述车载预警子系统用于根据冲突识别结果向驾驶员发送预警信号。

进一步的，所述车辆信息通过激光雷达、视频采集设备采集，所述环境信息通过数字摄像能见度仪采集。

进一步的，所述第一分位值、第二分位值以及第三分位值分别为：15％、50％和85％。

进一步的，所述夹角θ表示为：

其中，(x_c,y_c)表示潜在冲突点C的坐标，(x_a,y_a)表示主线车辆的坐标，(x_b,y_b)表示匝道车辆的坐标；

所述表示为：

a＝V_i·ttcb

b＝τ

其中，a和b分别表示车辆行车风险场纵向和横向形状控制因子，ttcb表示安全边界阈值，τ表示车辆安全圆半径；

所述M_i表示为：

M_i＝M_i(m_i,T_i,V_i)＝m_i·T_i·g(V_i)

其中，m_i表示车辆质量，T_i表示车辆i的类型，g(V_i)表示车辆i的速度函数；

所述Z_i表示为：

Z_i＝ψ_u·ψ_ρ·ψ_ξ·ψ_σ·ψ_δ

其中，ψ_u表示路面附着系数，ψ_ρ表示道路曲率，ψ_ξ表示道路坡度，ψ_σ表示道路宽度，ψ_δ表示道路能见度；

所述车辆距离潜在冲突点C的距离为：

其中，d表示车辆距离潜在冲突点C的距离，v表示车辆速度，a表示加速度，t表示直线行驶时间。

进一步的，所述发送预警信号通过设置在车内的灯光报警模块和语音报警模块进行，其中灯光报警模块通过LED灯实现，语音报警模块通过语音播报设备实现；

所述步骤八中的预警信号根据步骤七的冲突识别结果分为4个等级，具体为：

当存在严重冲突时，发送一级预警信号；

当存在一般冲突时，发送二级预警信号；

当存在轻微冲突时，发送三级预警信号；

当不存在冲突时，不发送预警信号。

本发明的有益效果是：

本申请通过建立车辆行车风险场来评估合流区主线车辆与匝道车辆的冲突状况，并借助车路协同技术实现对合流区驾驶员的实时预警，避免交通事故的发生，保障车辆的行车安全，降低能耗，提高整个合流区的通行效率。

附图说明

图1为本申请基于行车风险场的合流区冲突识别预警系统结构图；

图2为本申请信息采集设备布设位置及预测轨迹示意图；

图3为本申请的卷积神经网络工作机制图；

图4为本申请的车辆行车风险场分级图；

图5为本申请的4级冲突风险预警示意图；

图6为本申请的车载预警装置安装示意图；

图7为小型车与小型车冲突效果图；

图8为大型车与小型车冲突效果图。

具体实施方式

需要特别说明的是，在不冲突的情况下，本申请公开的各个实施方式之间可以相互组合。

具体实施方式一：参照图1具体说明本实施方式，本实施方式所述的一种基于行车风险场的合流区冲突识别预警方法，包括以下步骤：

步骤一：采集合流区的车辆信息和环境信息，所述车辆信息包括车辆行驶速度、加速度、车辆尺寸以及车辆位置信息，所述环境信息为能见度；

步骤二：利用车辆位置信息，对合流区内主线车辆和匝道车辆的运动轨迹进行预测，并根据预测结果得到主线车辆和匝道车辆的潜在冲突点C的坐标以及主线车辆和匝道车辆与潜在冲突点C之间的夹角θ；

步骤三：根据车辆行驶速度、加速度、车辆尺寸、能见度以及夹角θ，得到主线车辆行车风险场场强E_ij和匝道车辆行车风险场场强E'_ij，表示为：

其中，(x_j,y_j)表示车辆j的质心坐标，(x_i,y_i)表示车辆i的质心坐标，r_ij表示点(x_i,y_i)和点(x_j,y_j)之间的相对距离向量，表示点(x_i,y_i)和点(x_j,y_j)之间的相对距离放大向量，M_i表示车辆i的等效质量，S_i表示车辆i向地面的投影面积，V_i表示车辆i的行驶速度，α_i表示V_i与r_ij的夹角，Z_i表示(x_i,y_i)处的道路条件影响因子，G、k₁、k₂为常数项；

步骤四：获取合流区内所有PET值，进而得到PET累计频率曲线，之后按照第一分位值、第二分位值以及第三分位值对PET累计频率进行区域划分；

步骤五：分别计算t为第一分位值对应的PET时主线车辆与潜在冲突点C的距离d₁、t为第二分位值对应的PET时主线车辆与潜在冲突点C的距离d₂以及t为第三分位值对应的PET时主线车辆与潜在冲突点C的距离d₃，令d＝|r_ij|，得到d₁、d₂和d₃对应的主线车辆行车风险场场强E₁、E₂和E₃；

步骤六：分别计算t为第一分位值对应的PET时匝道车辆与潜在冲突点C的距离d'₁、t为第二分位值对应的PET时匝道车辆与潜在冲突点C的距离d'₂以及t为第三分位值对应的PET时匝道车辆与潜在冲突点C的距离d'₃，令d＝|r_ij|，得到d'₁、d'₂和d'₃对应的匝道车辆行车风险场场强E'₁、E'₂和E'₃；

步骤七：利用E_ij、E'_ij、E₁、E₂、E₃、E'₁、E'₂和E'₃进行冲突风险识别，具体步骤为：

当E_ij>E₁或E'_ij>E'₁时，存在严重冲突；

当E₂<E_ij<E₁或E'₂<E'_ij<E'₁时，存在一般冲突；

当E₃<E_ij<E₂或E'₃<E'_ij<E'₂时，存在轻微冲突；

当E₃>E_ij或E'₃>E'_ij时，不存在冲突；

步骤八：根据步骤七中冲突识别结果向驾驶员发送预警信号。

步骤一、采集合流区车辆信息和环境信息：

通过布设在合流区的信息采集设备采集车辆信息和环境信息。信息采集设备包括激光雷达、视频采集设备和数字摄像能见度仪，采集的车辆信息包括车辆行驶速度、加速度、车辆类型、车辆尺寸、车辆位置信息，采集的环境信息为能见度。

步骤二、对车辆运动轨迹进行预测：

根据采集的车辆历史运动轨迹数据，利用卷积神经网络对主线车辆A及匝道车辆B的运动轨迹进行预测，得到主线车辆A与匝道车辆B运动轨迹的交点C，交点C则为主线车辆A与匝道车辆B的潜在冲突点。

卷积神经网络包括卷积层、池化层和全连接层3个模块，卷积层中的卷积核对输入车辆位置信息进行短时特性提取；池化层聚集并减少从卷积层提取的序列特征的组合维数，保留重要局部特征，降低算法复杂度；全连接层借助非线性激活函数将提取的特征映射处理后输出车辆的轨迹预测数据：

式中：(x,y)表示车辆的位置坐标，m代表不同的车辆，t_n代表时刻点。

通过轨迹预测数据，可以得到潜在冲突点C的坐标(x_c,y_c)，根据主线车辆A的坐标(x_a,y_a)及匝道车辆B的坐标(x_b,y_b)，可以计算得到两车与潜在冲突点C之间的夹角θ：

步骤三、计算车辆行车风险场场强：

车辆i在周围产生的行车风险场的大小与车辆的质量、尺寸、运行速度以及点到车辆质心点距离相关。车辆i在其周围产生的行车风险场函数公式可以表示为：

式中：矢量E_ij为位于点(x_i,y_i)的车辆i产生的行车风险场在点(x_j,y_j)的场强矢量，场强越大，行车风险越高，(x_i,y_i)为车辆i的质心坐标，r_ij为点(x_i,y_i)和点(x_j,y_j)之间的相对距离向量，场强方向与r_ij方向相同，为点(x_i,y_i)和点(x_j,y_j)之间的相对距离放大向量，M_i为车辆i的等效质量，S_i为车辆i向地面的投影面积，V_i为车辆i的行驶速度，α_i为V_i与r_ij的夹角，Zx为(x_i,y_i)处的道路条件影响因子，G、k₁为常数项。

相对距离放大向量的计算公式为：

式中：a和b分别是车辆行车风险场纵向和横向形状控制因子，用于改变车辆行车风险场在纵向和横向方向的影响大小和范围，其中纵向方向为车辆前进方向，横向方向为与之垂直方向。则a和b的值可确定为：

a＝V_i·ttcb,b＝τ (5)

式中：ttcb为安全边界阈值，τ为车辆安全圆半径。

车辆i的等效质量M_i计算公式为：

M_i＝M_i(m_i,T_i,V_i)＝m_i·T_i·g(V_i) (6)

式中：M_i为车辆等效质量，m_i为车辆质量，T_i为车辆i的类型，g(V_i)为车辆i的速度函数。

道路条件影响因子Z_i的计算公式为：

Z_i＝ψ_u·ψ_ρ·ψ_ξ·ψ_σ·ψ_δ (7)

式中：ψ_u为路面附着系数，ψ_ρ为道路曲率，ψ_ξ为道路坡度，ψ_σ为道路宽度，ψ_δ为道路能见度。

对于合流区而言，匝道车辆的汇入条件会影响整个合流区的交通状况。通过步骤二对车辆运动轨迹预测得到主线车辆A、匝道车辆B与潜在冲突点C之间夹角为θ，当夹角θ越大时，主线车辆与匝道车辆发生冲突时造成的损失越大，即车辆的风险越大，令主线车辆的风险场不变，则匝道车辆在其周围产生的行车风险场场强变大，因此需对匝道车辆的行车风险场进行修正，修正后的行车风险场函数公式为：

式中：k₂为常数项，θ为主线车辆A、匝道车辆B与潜在冲突点C之间的夹角。

步骤四、PET值划分：

基于合流区统计数据，得到PET累计频率曲线，按照15％、50％和85％分位值对PET累计频率进行划分，当PET＜PET_15％时为严重冲突，当PET_15％＜PET＜PET_50％时为一般冲突，当PET_50％＜PET＜PET_85％时为轻微冲突，当PET＞PET_85％时为无效冲突。

步骤五：计算主线车辆行车风险场场强临界值：

当车辆速度为v，加速度为a，直线行驶t时间后车辆到达潜在冲突点C，则车辆距离潜在冲突点C的距离d为：

根据PET值的划分，通过式(9)可分别计算出当t为PET_15％、PET_50％和PET_85％时车辆与潜在冲突点C的距离d_15％、d_50％、d_85％，通过式(3)可以计算出主线车辆在离质心点相应距离的行车风险场场强临界值，分别记为E₁、E₂、E₃和E'₁、E'₂、E'₃。

步骤六：计算匝道车辆行车风险场场强临界值：

根据PET值的划分，通过式(9)可分别计算出当t为PET_15％、PET_50％和PET_85％时车辆与潜在冲突点C的距离d_15％、d_50％、d_85％，通过式(3)和式(8)可以计算出主线车辆和匝道车辆在离质心点相应距离的行车风险场场强临界值，分别记为E₁、E₂、E₃和E'₁、E'₂、E′₃。

步骤七：利用E_ij、E'_ij、E₁、E₂、E₃、E'₁、E'₂和E'₃进行冲突识别：

(1)当车辆在主线车辆或匝道车辆的行车风险场场强E_ij或E'_ij满足：E_ij>E₁或E'_ij>E'₁，即车辆位于主线车辆或匝道车辆的Ⅰ区域，此时存在严重冲突；

(2)当车辆在主线车辆或匝道车辆的行车风险场场强E_ij或E'_ij满足：E₂<E_ij<E₁或E'₂<E'_ij<E'₁，即车辆位于主线车辆或匝道车辆的Ⅱ区域，此时存在一般冲突；

(3)当车辆在主线车辆或匝道车辆的行车风险场场强E_ij或E'_ij满足：E₃<E_ij<E₂或E'₃<E'_ij<E'₂，即车辆位于主线车辆或匝道车辆的Ⅲ区域，此时存在轻微冲突；

(4)当车辆在主线车辆或匝道车辆的行车风险场场强E_ij或E'_ij满足：E₃>E_ij或E'₃>E'_ij，即车辆位于主线车辆或匝道车辆的Ⅳ区域，此时为无效冲突。

步骤八、向驾驶员发送预警信息：

驾驶员主要通过视觉和听觉获取信息，为让驾驶员能够更好的接受到预警信息，在车内设置灯光报警模块和语音报警模块进行冲突预警。灯光报警模块通过LED灯实现，语音报警模块通过语音播报设备实现。

预警信号根据步骤七的冲突识别结果分为4个等级，具体为：

(1)当存在严重冲突时，发送一级预警信号；

(2)当存在一般冲突时，发送二级预警信号；

(3)当存在轻微冲突时，发送三级预警信号；

(4)当不存在冲突时，不发送预警信号；

各级预警信号对应的预警信息为：

本申请还可以以系统形式实现，具体如下：

一种基于行车风险场的合流区冲突识别预警系统，所述系统包括数据采集子系统、信息处理子系统以及车载预警子系统；

所述数据采集子系统用于采集合流区的车辆信息和环境信息，所述车辆信息包括车辆行驶速度、加速度、车辆尺寸以及车辆位置信息，所述环境信息为能见度；

所述信息处理子系统包括运动轨迹预测模块、车辆行车风险场计算模块及冲突判断模块；

所述运动轨迹预测模块根据车辆位置信息，对合流区内主线车辆和匝道车辆的运动轨迹进行预测，并根据预测结果得到主线车辆和匝道车辆的潜在冲突点C的坐标以及主线车辆和匝道车辆与潜在冲突点C之间的夹角θ；

所述车辆行车风险场计算模块根据车辆行驶速度、加速度、车辆尺寸、能见度以及夹角θ，得到主线车辆行车风险场场强E_ij和匝道车辆行车风险场场强E'_ij，表示为：

其中，(x_j,y_j)表示车辆j的质心坐标，(x_i,y_i)表示车辆i的质心坐标，r_ij表示点(x_i,y_i)和点(x_j,y_j)之间的相对距离向量，表示点(x_i,y_i)和点(x_j,y_j)之间的相对距离放大向量，M_i表示车辆i的等效质量，S_i表示车辆i向地面的投影面积，V_i表示车辆i的行驶速度，α_i表示V_i与r_ij的夹角，Z_i表示(x_i,y_i)处的道路条件影响因子，G、k₁、k₂为常数项；

所述冲突判断模块用于获取合流区内所有PET值，进而得到PET累计频率曲线，之后按照第一分位值、第二分位值以及第三分位值对PET累计频率进行区域划分，之后分别计算t为第一分位值对应的PET时主线车辆与潜在冲突点C的距离d1、t为第二分位值对应的PET时主线车辆与潜在冲突点C的距离d2以及t为第三分位值对应的PET时主线车辆与潜在冲突点C的距离d3，令d＝|r_ij|，得到d1、d2和d3对应的主线车辆行车风险场场强E₁、E₂和E₃，之后分别计算t为第一分位值对应的PET时匝道车辆与潜在冲突点C的距离d'₁、t为第二分位值对应的PET时匝道车辆与潜在冲突点C的距离d'₂以及t为第三分位值对应的PET时匝道车辆与潜在冲突点C的距离d'₃，令d＝|r_ij|，得到d'₁、d'₂和d'₃对应的匝道车辆行车风险场场强E'₁、E'₂和E'₃，之后利用E_ij、E'_ij、E₁、E₂、E₃、E'₁、E'₂和E'₃进行冲突风险识别，具体步骤为：

当E_ij>E₁或E'_ij>E'₁时，存在严重冲突；

当E₂<E_ij<E₁或E'₂<E'_ij<E'₁时，存在一般冲突；

当E₃<E_ij<E₂或E'₃<E'_ij<E'₂时，存在轻微冲突；

当E₃>E_ij或E'₃>E'_ij时，不存在冲突；

所述车载预警子系统用于根据冲突识别结果向驾驶员发送预警信号。

实施例：

以下结合图7和图8对本发明实施例进行具体说明。

某高速公路合流区主线为双向四车道，限速120km/h，匝道为单车道，限速60km/h。根据合流区PET累计频率曲线得PET_15％、PET_50％和PET_85％值分别为1.56s，3.39s，5.80s，通过式(9)可分别计算出当t为PET_15％、PET_50％和PET_85％时车辆与潜在冲突点C的距离d_15％、d_50％、d_85％。

如图7所示，主线车辆A和匝道车辆B都为小型车，由式(3)和式(8)分别计算出两车在离质心点距离为d_15％、d_50％、d_85％的行车风险场场强临界值E₁、E₂、E₃和E'₁、E'₂、E'₃，根据两车行车风险场交互情况可知，主线车辆A位于匝道车辆B的Ⅱ区域，此时匝道车辆B的预警信息为：LED灯状态为橙色闪烁，语音提示为存在一般冲突，请注意；匝道车辆B位于主线车辆A的Ⅲ区域，所以主线车辆的预警信息为：LED灯状态为黄色闪烁，语音提示为存在轻微冲突，请注意。如图8所示，主线车辆A为大型车，匝道车辆B为小型车，主线车辆A由于车身质量大、尺寸大等因素，其在周围产生的行车风险场场强更大，此时主线车辆A的预警信息为：LED等状态为黄色闪烁，语音提示为存在轻微冲突，请注意；匝道车辆B的预警信息为：LED灯状态为橙色闪烁，语音提示为存在一般冲突，请注意。

需要注意的是，具体实施方式仅仅是对本发明技术方案的解释和说明，不能以此限定权利保护范围。凡根据本发明权利要求书和说明书所做的仅仅是局部改变的，仍应落入本发明的保护范围内。

Claims (10)

1.一种基于行车风险场的合流区冲突识别预警方法，其特征在于包括以下步骤：

步骤一：采集合流区的车辆信息和环境信息，所述车辆信息包括车辆行驶速度、加速度、车辆尺寸以及车辆位置信息，所述环境信息为能见度；

步骤二：利用车辆位置信息，对合流区内主线车辆和匝道车辆的运动轨迹进行预测，并根据预测结果得到主线车辆和匝道车辆的潜在冲突点C的坐标以及主线车辆和匝道车辆与潜在冲突点C之间的夹角θ；

步骤三：根据车辆行驶速度、加速度、车辆尺寸、能见度以及夹角θ，得到主线车辆行车风险场场强E_ij和匝道车辆行车风险场场强E'_ij，表示为：

其中，(x_j,y_j)表示车辆j的质心坐标，(x_i,y_i)表示车辆i的质心坐标，r_ij表示点(x_i,y_i)和点(x_j,y_j)之间的相对距离向量，表示点(x_i,y_i)和点(x_j,y_j)之间的相对距离放大向量，M_i表示车辆i的等效质量，S_i表示车辆i向地面的投影面积，V_i表示车辆i的行驶速度，α_i表示V_i与r_ij的夹角，Z_i表示(x_i,y_i)处的道路条件影响因子，G、k₁、k₂为常数项；

步骤四：获取合流区内所有PET值，进而得到PET累计频率曲线，之后按照第一分位值、第二分位值以及第三分位值对PET累计频率进行区域划分；

步骤五：分别计算t为第一分位值对应的PET时主线车辆与潜在冲突点C的距离d₁、t为第二分位值对应的PET时主线车辆与潜在冲突点C的距离d₂以及t为第三分位值对应的PET时主线车辆与潜在冲突点C的距离d₃，令d＝|r_ij|，得到d₁、d₂和d₃对应的主线车辆行车风险场场强E₁、E₂和E₃；

步骤六：分别计算t为第一分位值对应的PET时匝道车辆与潜在冲突点C的距离d'₁、t为第二分位值对应的PET时匝道车辆与潜在冲突点C的距离d'₂以及t为第三分位值对应的PET时匝道车辆与潜在冲突点C的距离d'₃，令d＝|r_ij|，得到d'₁、d'₂和d'₃对应的匝道车辆行车风险场场强E'₁、E'₂和E'₃；

步骤七：利用E_ij、E'_ij、E₁、E₂、E₃、E'₁、E'₂和E'₃进行冲突风险识别，具体步骤为：

当E_ij>E₁或E'_ij>E'₁时，存在严重冲突；

当E₂<E_ij<E₁或E'₂<E'_ij<E'₁时，存在一般冲突；

当E₃<E_ij<E₂或E'₃<E'_ij<E'₂时，存在轻微冲突；

当E₃>E_ij或E'₃>E'_ij时，不存在冲突；

步骤八：根据步骤七中冲突识别结果向驾驶员发送预警信号。

2.根据权利要求1所述的一种基于行车风险场的合流区冲突识别预警方法，其特征在于所述步骤一中车辆信息通过激光雷达、视频采集设备采集，所述环境信息通过数字摄像能见度仪采集。

3.根据权利要求1所述的一种基于行车风险场的合流区冲突识别预警方法，其特征在于所述第一分位值、第二分位值以及第三分位值分别为：15％、50％和85％。

4.根据权利要求1所述的一种基于行车风险场的合流区冲突识别预警方法，其特征在于所述夹角θ表示为：

其中，(x_c,y_c)表示潜在冲突点C的坐标，(x_a,y_a)表示主线车辆的坐标，(x_b,y_b)表示匝道车辆的坐标；

所述表示为：

a＝V_i·ttcb

b＝τ

其中，a和b分别表示车辆行车风险场纵向和横向形状控制因子，ttcb表示安全边界阈值，τ表示车辆安全圆半径；

所述M_i表示为：

M_i＝M_i(m_i,T_i,V_i)＝m_i·T_i·g(V_i)

其中，m_i表示车辆质量，T_i表示车辆i的类型，g(V_i)表示车辆i的速度函数；

所述Z_i表示为：

Z_i＝ψ_u·ψ_ρ·ψ_ξ·ψ_σ·ψ_δ

其中，ψ_u表示路面附着系数，ψ_ρ表示道路曲率，ψ_ξ表示道路坡度，ψ_σ表示道路宽度，ψ_δ表示道路能见度；

所述车辆距离潜在冲突点C的距离为：

其中，d表示车辆距离潜在冲突点C的距离，v表示车辆速度，a表示加速度，t表示直线行驶时间。

5.根据权利要求1所述的一种基于行车风险场的合流区冲突识别预警方法，其特征在于所述步骤八中发送预警信号通过设置在车内的灯光报警模块和语音报警模块进行，其中灯光报警模块通过LED灯实现，语音报警模块通过语音播报设备实现；

所述步骤八中的预警信号根据步骤七的冲突识别结果分为4个等级，具体为：

当存在严重冲突时，发送一级预警信号；

当存在一般冲突时，发送二级预警信号；

当存在轻微冲突时，发送三级预警信号；

当不存在冲突时，不发送预警信号。

6.一种基于行车风险场的合流区冲突识别预警系统，其特征在于所述系统包括数据采集子系统、信息处理子系统以及车载预警子系统；

所述数据采集子系统用于采集合流区的车辆信息和环境信息，所述车辆信息包括车辆行驶速度、加速度、车辆尺寸以及车辆位置信息，所述环境信息为能见度；

所述信息处理子系统包括运动轨迹预测模块、车辆行车风险场计算模块及冲突判断模块；

所述运动轨迹预测模块根据车辆位置信息，对合流区内主线车辆和匝道车辆的运动轨迹进行预测，并根据预测结果得到主线车辆和匝道车辆的潜在冲突点C的坐标以及主线车辆和匝道车辆与潜在冲突点C之间的夹角θ；

所述车辆行车风险场计算模块根据车辆行驶速度、加速度、车辆尺寸、能见度以及夹角θ，得到主线车辆行车风险场场强E_ij和匝道车辆行车风险场场强E'_ij，表示为：

其中，(x_j,y_j)表示车辆j的质心坐标，(x_i,y_i)表示车辆i的质心坐标，r_ij表示点(x_i,y_i)和点(x_j,y_j)之间的相对距离向量，表示点(x_i,y_i)和点(x_j,y_j)之间的相对距离放大向量，M_i表示车辆i的等效质量，S_i表示车辆i向地面的投影面积，V_i表示车辆i的行驶速度，α_i表示V_i与r_ij的夹角，Z_i表示(x_i,y_i)处的道路条件影响因子，G、k₁、k₂为常数项；

所述冲突判断模块用于获取合流区内所有PET值，进而得到PET累计频率曲线，之后按照第一分位值、第二分位值以及第三分位值对PET累计频率进行区域划分，之后分别计算t为第一分位值对应的PET时主线车辆与潜在冲突点C的距离d1、t为第二分位值对应的PET时主线车辆与潜在冲突点C的距离d2以及t为第三分位值对应的PET时主线车辆与潜在冲突点C的距离d3，令d＝|r_ij|，得到d1、d2和d3对应的主线车辆行车风险场场强E₁、E₂和E₃，之后分别计算t为第一分位值对应的PET时匝道车辆与潜在冲突点C的距离d'₁、t为第二分位值对应的PET时匝道车辆与潜在冲突点C的距离d'₂以及t为第三分位值对应的PET时匝道车辆与潜在冲突点C的距离d'₃，令d＝|r_ij|，得到d'₁、d'₂和d'₃对应的匝道车辆行车风险场场强E'₁、E'₂和E'₃，之后利用E_ij、E'_ij、E₁、E₂、E₃、E'₁、E'₂和E'₃进行冲突风险识别，具体步骤为：

当E_ij>E₁或E'_ij>E'₁时，存在严重冲突；

当E₂<E_ij<E₁或E'₂<E'_ij<E'₁时，存在一般冲突；

当E₃<E_ij<E₂或E'₃<E'_ij<E'₂时，存在轻微冲突；

当E₃>E_ij或E'₃>E'_ij时，不存在冲突；

所述车载预警子系统用于根据冲突识别结果向驾驶员发送预警信号。

7.根据权利要求6所述的一种基于行车风险场的合流区冲突识别预警系统，其特征在于所述车辆信息通过激光雷达、视频采集设备采集，所述环境信息通过数字摄像能见度仪采集。

8.根据权利要求6所述的一种基于行车风险场的合流区冲突识别预警系统，其特征在于所述第一分位值、第二分位值以及第三分位值分别为：15％、50％和85％。

9.根据权利要求6所述的一种基于行车风险场的合流区冲突识别预警系统，其特征在于所述夹角θ表示为：

其中，(x_c,y_c)表示潜在冲突点C的坐标，(x_a,y_a)表示主线车辆的坐标，(x_b,y_b)表示匝道车辆的坐标；

所述表示为：

a＝V_i·ttcb

b＝τ

其中，a和b分别表示车辆行车风险场纵向和横向形状控制因子，ttcb表示安全边界阈值，τ表示车辆安全圆半径；

所述M_i表示为：

M_i＝M_i(m_i,T_i,V_i)＝m_i·T_i·g(V_i)

其中，m_i表示车辆质量，T_i表示车辆i的类型，g(V_i)表示车辆i的速度函数；

所述Z_i表示为：

Z_i＝ψ_u·ψ_ρ·ψ_ξ·ψ_σ·ψ_δ

其中，ψ_u表示路面附着系数，ψ_ρ表示道路曲率，ψ_ξ表示道路坡度，ψ_σ表示道路宽度，ψ_δ表示道路能见度；

所述车辆距离潜在冲突点C的距离为：

其中，d表示车辆距离潜在冲突点C的距离，v表示车辆速度，a表示加速度，t表示直线行驶时间。

10.根据权利要求6所述的一种基于行车风险场的合流区冲突识别预警系统，其特征在于所述发送预警信号通过设置在车内的灯光报警模块和语音报警模块进行，其中灯光报警模块通过LED灯实现，语音报警模块通过语音播报设备实现；

所述步骤八中的预警信号根据步骤七的冲突识别结果分为4个等级，具体为：

当存在严重冲突时，发送一级预警信号；

当存在一般冲突时，发送二级预警信号；

当存在轻微冲突时，发送三级预警信号；

当不存在冲突时，不发送预警信号。