CN111081014A - 基于车路协同的自动驾驶汽车指令不服从率的预警处置***及方法 - Google Patents

Abstract

本发明公开了一种基于车路协同的自动驾驶汽车指令不服从率的预警处置***及方法，包括Auto‑DT自动路测***、车路协同中心和自动车载***。Auto‑DT自动路测***用于采集车、路数据信息并对其“去噪”处理，得到有效调用自动车数据信息库；车路协同中心用于对自动车发送驾驶指令，并计算自动车指令不服从率和交通流影响系数，判断自动车违规等级给出具体处置方案(扣除相应积分并发送相应等级预警提醒)，自动车载***用于接收车路协同中心发送的指令和提示信息，执行车辆驾驶操作。本发明可实现自动驾驶专用车道交通智能化、智慧化、安全化。

Description

基于车路协同的自动驾驶汽车指令不服从率的预警处置*** 及方法

技术领域

本发明涉及一种基于车路协同的自动驾驶汽车指令不服从率的预警处置***及方法，具体是根据自动驾驶汽车指令不服从率计算对交通流影响系数来判断自动驾驶汽车的违规等级，并采取相应的预警处置。

背景技术

自动驾驶汽车与车联网技术的发展，使得未来交通流由人工驾驶自动车、协同自适应巡航控制的自动驾驶汽车随机混合而成。在混合交通流情况下，由于人工驾驶自动车和协同自适应巡航控制的自动驾驶汽车混合的复杂性，会产生各种人为不可控的突发因素，极易导致交通事故的发生，影响通行效率。针对此问题，现有技术中，根据道路拥挤程度和自动驾驶汽车的渗透率将部分车道设置为自动驾驶汽车专用车道；协同自适应巡航控制的自动驾驶汽车根据自身行车数据和车路协同中心发出的指令在其专用自动驾驶车道行驶。但是由于道路交通的复杂性，自动驾驶汽车会受到邻车违规、路况异常、自车***故障等问题的影响，而不能对车路协同中心发出的指令准确执行，从而对交通流的正常通行产生威胁，造成交通阻塞，严重时可能导致交通事故。为实现自动驾驶专用车道交通智能化、智慧化，有必要设计一套自动驾驶汽车指令不服从率的预警处置***及方法。

发明内容

为此，本发明提出一种基于车路协同的自动驾驶汽车指令不服从率的预警处置***及方法，车路协同中心根据自车实时监测采集器监测的行车数据，通过车路协同中心计算指令不服从率和交通流影响系数判断其是否为违规车辆且确定违规等级，并给出相应等级的处置方案。能够有效地筛选并排除混和交通流中违规的自动驾驶汽车，保证交通流通行的安全性和高效性。为混行交通流演化及安全性建模分析和自动驾驶汽车预警、处置方案研究奠定基础。

基于车路协同的自动驾驶汽车指令不服从率的预警处置***，包括Auto-DT自动路测***、车路协同中心和自动车载***，所述Auto-DT自动路测***与车路协同中心、自动车载***进行信息传输，所述车路协同中心与自动车载***进行信息和指令传输。

上述技术方案，所述车路协同中心包括第一无线通信模块、数据存储中心、信息处理中心及第一指令交互接口与控制模块；

所述第一无线通信模块用于和Auto-DT自动路测***、自动车载***之间进行信息传输；所述数据存储中心存储Auto-DT自动路测***发送的有效调用自动车数据信息库A＝{R,h_i,v_i,s_i,x_i}以及自动驾驶汽车累计违规信息

其中车辆编号i＝1,2,...,n，车辆违规等级编号Lj＝L0,L1,...,L6，R为道路环境，h_i为自动驾驶汽车的身份信息，v_i为自动驾驶汽车的车速，s_i为自动驾驶汽车的位置，x_i为自动车预设路径；

所述信息处理中心从有效调用数据信息库A中调用自动车数据，分析计算自动车指令不服从率，由自动车指令不服从率计算影响系数β，再根据影响系数β判断异变自动驾驶汽车违规等级Y，并给出具体处置方案；

所述第一指令交互接口与控制模块接受信息处理中心的违规自动车预警处置方案，并传递至第二指令交互接口与控制模块。

上述技术方案，所述自动车指令不服从率为：

其中：

表示自动车i在路段l上的指令不服从率，

为特定预设路径上不服从指令的实际负效应，

为特定预设路径上服从指令的实际负效应，

为

的取值数集，L为自动车专用路段集，X为自动车预设路径。

上述技术方案，所述实际负效应满足：

其中：参数τ_i反应各相关变量的影响分布且τ_i∈[0,1)，

为在路段l上自动驾驶汽车对车路协同中心下达指令的理解误差；

为自动车在路段l中的不同路径需求；

为路段l上不同预设路径的需求比例；

为路段l上预设路径相关随机变量；r_x为自动车指令服从可靠随机变量；t为路段通行时间；

为自动车下达的指令比例。

上述技术方案，所述影响系数

其中：λ₁为事故发生影响比重，λ₂为交通流通行能力影响比重，α为事故发生指数，C_l为交通流通行能力的影响，γ为综合影响系数，且γ∈[0,1]。

上述技术方案，所述事故发生指数α：

其中：e为自动驾驶汽车间距误差，s_i为自动驾驶汽车的位置，v_i为自动驾驶汽车的速度，T为自动驾驶汽车车头时距，Δv为相对车速，a_i为自动驾驶汽车加速度，b_i为舒适加速度，

为期望车头时距，v_f为自由流速度，e₀为安全车头时距，m_i为自动驾驶汽车长度。

上述技术方案，所述交通流通行能力的影响C_l：

其中：K为道路交通流密度，E_t为通行时间t内l路段上的初始车辆数，Q_t和Q_t+Δt分别为通行时间t和t+Δt内的通行车辆数。

一种基于车路协同的自动驾驶汽车指令不服从率的预警处置方法，包括如下步骤：

步骤(1)，数据分析与处理平台接收实时监测采集器监测专用车道上自动驾驶汽车的行车数据，得到有效调用自动车数据信息库A＝{R,h_i,v_i,s_i,x_i}，并发送至数据存储中心；

步骤(2)，信息处理中心调用自动车数据信息库A，设置自动驾驶汽车专用车道使用积分及自动驾驶汽车无违规信息，并根据自动车数据信息库A确定自动驾驶汽车的驾驶指令I＝{I_s||I_t||I_c||I_o||I_d||I_a||I_b}，其中I_s为直行指令，I_t为转弯指令，I_c为换道指令，I_o为超车指令，I_d为减速指令，I_a为加速指令，I_b为制动指令；

步骤(3)，指令交互接口与控制模块将驾驶指令发送给自动车ECU，自动车载终端执行指令；

步骤(4)，信息处理中心根据实时的自动车数据信息库A计算自动车在l路段上的指令不服从率；

步骤(5)，由指令不服从率计算各自动驾驶汽车对整个路段交通流的影响系数β，根据影响系数β的数值确定违规车辆的等级，并给出具体处置方案。

进一步，所述驾驶指令的确定方法为：

由自动车预设路径x_i和道路环境R，向自动车下达直行指令I_s或转弯指令I_t；

由实时道路交通流密度K、周边自动车位置s_i、道路环境信息R，向自动车下达换道指令I_c或超车指令I_o；

由周边自动车位置s_i分析前后车间距、自动驾驶汽车的车速v_i及前方道路环境信息，向自动车下达减速指令I_d、加速指令I_a或制动指令I_b。

更进一步，所述确定违规车辆的等级和具体处置方案为：

当β∈(0,0.1]时，为安全车辆，不下达额外指令；

当β∈(0.1,0.3]时，违规等级为初级，记为

信息处理中心生成初级预警提醒指令，提醒驾驶员，并扣除自动驾驶汽车专用积分3分；

当β∈(0.3,0.6]时，违规等级为中级，记为

信息处理中心生成中级预警提醒指令，提醒驾驶员，并扣除自动驾驶汽车专用积分6分；

当β∈(0.6,0.9]时，违规等级为高级，记为

信息处理中心生成高级预警提醒指令，提醒驾驶员，并扣除自动驾驶汽车专用积分9分；

当β∈(0.6,0.9]时，违规等级为终级，记为

信息处理中心生成终级预警提醒指令，提醒驾驶员，并扣除自动驾驶汽车专用积分12分；

当自动驾驶汽车专用积分累计扣分≥12分时，违规等级编号为L1，禁止使用专用车道一周；违规等级编号达到L2，即扣分为24-35分，禁止使用专用车道一个月，此后每累计一个等级则禁止使用专用车道增加一个月，上限为L6，即扣分为72-84分，禁止终身使用专用车道。

本发明采用上述技术方法后的优点在于：

1.本发明采用Auto-DT自动路测***，改变传统路测的方式，可以实现无人监守情况下对自动驾驶汽车行车数据及道路环境数据的自动采集，采用“3标准差法”对数据包去噪，保证数据的有效性和准确性。无线通信模块运用5G网络通信与车路协同中心完成数据信息传输，且通过路侧单元RSU与车载单元OBU对接实时完成与自动车载***的数据信息传输，保证了信息传输的效率。

2.本发明根据自动驾驶汽车指令不服从率计算各自动驾驶汽车对整个路段交通流的影响系数β，根据影响系数β的数值确定违规车辆的等级Y，并给出具体处置方案。从根本上保证了自动驾驶汽车专用车道交通流的正常通行，保证通行效率。

3.本发明对违规自动驾驶汽车的预警处置方案实行积分累积扣除制与影响制相结合的方式，更精准地确定对交通流造成严重影响的自动驾驶汽车，积分的累积扣除方式保证了对交通流产生轻微影响但多次违规的自动驾驶汽车同样实施车道终止使用指令，实现自动驾驶汽车专用车道上交通流的智能化、安全化。

4.本发明车路协同中心的指令交互接口与控制模块与自动车载***的指令交互接口与控制模块实现无缝对接交互，提高指令传递效率，更及时准确地对违规自动车做出预警处置，保证解决问题的时效性。

附图说明

以下结合附图和具体实施方式对本发明作进一步详细描述。

图1为本发明一种基于车路协同的自动驾驶汽车指令不服从率的预警处置***的结构图；

图2为本发明一种基于车路协同的自动驾驶汽车指令不服从率的预警处置方法流程图。

具体实施方式

为对发明的技术特征、目的和效果更加清楚的理解，现对照附图说明本发明的具体实施方式，在各图中相同的标号表示相同或相似的部分。附图仅用于说明本发明，不代表本发明的实际结构和真实比例。

本发明为一种基于车路协同的自动驾驶汽车指令不服从率的预警处置***，如图1所示，包括Auto-DT自动路测***、车路协同中心和自动车载***。

所述Auto-DT自动路测***包括第二无线通信模块、实时监测采集器、控制中心及数据分析与处理平台。所述第二无线通信模块包括5G网络和路侧单元RSU，5G网络完成Auto-DT自动路测***与车路协同中心的信息传输，路侧单元RSU与车载单元OBU信息，完成Auto-DT路测***与自动车载***的所有信息传输。所述实时监测采集器安装在自动驾驶汽车车端，根据控制中心下达的开始信息采集指令自动监测自动驾驶汽车的行车数据，包括道路环境信息R(前方有无施工、坑洼等)、自动车身份信息H、车速V、自动车位置S及自动车预设路径X，并将行车数据通过车载单元OBU、路侧单元RSU实时传送至数据分析与处理平台。所述数据分析与处理平台对实时监测采集器发送的道路环境信息R、自动车身份信息H、车速V、自动车位置S及自动车预设路径X进行去噪处理，得到有效调用自动车数据信息库A＝{R,h_i,v_i,s_i,x_i}，其中车辆编号i＝1,2,...,n，以供车路协同中心判断违规自动车对交通流影响和计算自动车不服从率时，通过5G网络调用。所述控制中心接收数据分析与处理平台分析得到的有效调用自动车数据信息库A＝{R,h_i,v_i,s_i,x_i}控制数据监测采集器继续采集行车数据，实时动态地更新数据信息库，并将有效数据信息库通过5G网络传输至车路协同中心的数据存储中心。

所述车路协同中心包括第一无线通信模块、数据存储中心、信息处理中心及第一指令交互接口与控制模块。所述第一无线通信模块采用5G网络，用于和Auto-DT自动路测***、自动车载***之间的所有信息传输。所述数据存储中心用于存储来自Auto-DT自动路测***发送的有效调用自动车数据信息库A＝{R，h_i，v_i，s_i，x_i}以及自动驾驶汽车累计违规信息

车辆违规等级编号Lj＝L0,L1,...,L6，违规信息Y分别表示在违规等级Lj下的初级、中级、高级及终级违规(累计违规信息由信息处理中心将判定结果发送给数据存储中心)。所述信息处理中心从有效调用数据信息库A中调用自动车数据，根据计算规则分析计算自动车指令不服从率，由自动车指令不服从率计算影响系数β，再根据影响系数β判断违规自动驾驶汽车违规等级Y，并给出具体处置方案。所述第一指令交互接口与控制模块接受信息处理中心做出的违规自动车预警处置方案(初级、中级、高级及终级预警提醒指令和自动车专用车道使用积分扣除提醒)，并将具体指令传递至第二指令交互接口与控制模块。

所述自动车载***包括第三无线通信模块、第二指令交互接口与控制模块、自动车ECU及车载终端。第三无线通信模块采用5G网络，完成与车路协同中心的所有信息和指令传输。所述第二指令交互接口与控制模块接收第一指令交互接口与控制模块下达的初级、中级、高级及终级预警提醒指令和自动车专用车道使用积分扣除提醒，并将具体指令发送至自动车ECU。所述自动车ECU调节发动机及变速器来操控自动车当前行驶状态，并输出具体指令控制车载终端驾驶操作。所述车载终端执行自动车ECU发出的正常行驶指令、具体预警处置指令(通过车载终端上的蜂鸣器提醒)和自动驾驶汽车专用车道使用积分扣除提醒，直接控制自动车驾驶。

以某城市特定自动驾驶汽车专用路网段为例，自动驾驶汽车驶入专用车道。如图2所示，本发明一种基于车路协同的自动驾驶汽车指令不服从率的预警处置***及方法，具体步骤为：

S1：控制中心下达信息采集指令B给实时监测采集器，实时监测采集器监测专用车道上自动驾驶汽车的行车数据，包括道路环境信息R、身份信息H、行车速度V、自动车位置S及自动车预设路径X，将其发送至数据分析与处理平台，数据分析与处理平台对行车数据利用“3倍标准差法”去噪处理得到有效调用自动车数据信息库A＝{R,h_i,v_i,s_i,x_i}，并通过5G网络发送至数据存储中心。“3倍标准差法”即：数据集的正态分布为

σ表示数据集的标准差，μ代表数据集的均值，x代表数据集的数据。计算数据集的标准差，把三倍于数据集的标准差的点设定为噪声数据排除，相对于正常数据，噪声数据可以理解为小概率数据。

S2：数据存储中心接收并存储自动车数据信息库A＝{R,h_i,v_i,s_i,x_i}，信息处理中心调用自动车数据信息库A，计算道路交通流密度K，K＝n/d，其中n为车辆数，d为路段长度。信息处理中心设置自动驾驶汽车专用车道使用积分(C₀＝12)及自动驾驶汽车无违规信息(默认自动车初次驶入专用车道)。信息处理中心根据自动车数据信息库A＝{R，h_i，v_i，s_i，x_i}确定自动驾驶汽车的驾驶指令I＝{I_s||I_t||I_c||I_o||I_d||I_a||I_b}，确定规则如下：

①根据自动车预设路径x_i和道路环境R，向自动车下达直行指令I_s或转弯指令I_t；

②根据此时道路交通流密度K、自动车位置s_i、道路环境信息R，向自动车下达换道指令I_c或超车指令I_o；

③根据周边自动车位置s_i分析前后车间距、自动驾驶汽车的车速v_i及前方道路环境信息，向自动车下达减速指令I_d、加速指令I_a或制动指令I_b。

S3：第一指令交互接口与控制模块接收并发送信息处理中心确定的自动车驾驶指令I＝{I_s||I_t||I_c||I_o||I_d||I_a||I_b}至第二指令交互接口与控制模块，第二指令交互接口与控制模块发送给自动车ECU，自动车载终端执行指令；实时监测采集器继续实时采集自动驾驶汽车驾驶数据，更新自动车数据信息库A＝{R,h_i,v_i,s_i,x_i}。

S4：信息处理中心根据实时的自动车数据信息库A＝{R,h_i,v_i,s_i,x_i}计算自动车在l路段上的指令不服从率。具体计算规则如下：

定义路网G＝(M,L)，M为路段节点集，L为自动车专用路段集。自动驾驶汽车指令不服从率即特定预设路径上不服从指令的实际负效应

大于服从指令的实际负效应

的概率，自动驾驶汽车是否尽可能服从指令取决于是否能降低负效应

的值。则l路段上对于预设路径

自动驾驶汽车指令不服从率可计算为：

其中：P_r为求概率计算，

表示自动车i在路段l上的指令不服从率，

为

的取值数集。由于自动驾驶车辆在路段l上概率性选择出行路径，每一路径上自动驾驶车辆对指令的不服从率都有与之相应的负效应，因此在路段上的路径集之间实际出行负效应是具有离散分布值的随机变量，则自动驾驶汽车指令不服从率可由下式计算：

自动驾驶汽车在行驶过程中按照出行需求预设特定的路径，每条路径与车路协同中心指令服从的负效应对应。上式中

表示l路段上不同路径需求时自动车服从指令的负效应，其属性相关变量有：自动车指令服从可靠随机变量r_x、路段通行时间t、自动车下达的指令比例

以及自动车在路段l中的不同路径需求

和需求比例

l路段上不同路径需求时，自动车服从指令的负效应是在对应预设路径下各影响变量和车速的同时综合影响下的结果，各影响变量的综合影响P计算为：

其中参数τ_i＝(1,2,3,4)反应各相关变量的影响分布且τ_i∈(0,1]，

表示在路段l上自动驾驶汽车对车路协同中心下达指令的理解误差；那么不同路径需求时自动车服从指令的负效应计算为：

表示路段l上预设路径相关随机变量。

S5：信息处理中心根据自动驾驶汽车指令不服从率计算各自动驾驶汽车对整个路段交通流的影响系数β，根据影响系数β的数值确定违规车辆的等级，并给出具体处置方案。影响系数β主要根据自动驾驶汽车指令不服从对交通流通行能力的影响C_l及事故发生指数α来计算。具体计算方式如下：

①根据自动驾驶汽车行驶数据计算其可能事故发生指数α，当实际车头时距达到某一危险值(由危险相对车距系数ζ决定)时会极大增加事故概率，定义此时的实际车头时距为事故发生指数，则事故发生指数α计算如下：

α＝eζT₀

式中e为自动驾驶汽车间距误差，

为期望车头时距，m_i为自动驾驶汽车长度，v_f为自由流速度，e₀为安全车头时距，ζ为危险相对车距系数；且：

式中δ_s为加权安全相对间距，即车辆安全间距与车辆实际间距之比，而车辆安全间距为：车辆自身与前车保证加速度加权比例距离，且车辆自身车速与车头时距之积保证时距间距；T为自动驾驶汽车车头时距，综合考虑车辆纵向驾驶加速度以及舒适加速度；a_s为加速度加权比例距离，Δv_i为相对车速，a_i为自动驾驶汽车加速度，b_i为舒适加速度。

②交通流通行能力C_l计算公式为：

其中：E_t为通行时间t内l路段上的初始车辆数，Q_t和Q_t+Δt分别为通行时间t和t+Δt内的通行车辆数。

则自动驾驶汽车在指令不服从率为

的情况下，对交通流产生的影响系数β用下式计算：

其中：λ∈[0,1]为比例系数，反映自动驾驶汽车分别产生的交通流通行能力影响和事故发生影响的程度分布，在考虑其影响时，事故发生影响比重大于交通流通行能力影响，因此λ₁＞λ₂；γ为综合影响系数，γ∈[0,1]。

S6：信息处理中心根据交通流影响系数β的取值判定自动驾驶汽车违规等级Y，当β∈(0,0.1]时，自动驾驶汽车对交通流产生的影响较小，可忽略不计，判定其为安全车辆，不对其下达额外指令；当β∈(0.1,0.3]时，判定自动驾驶汽车违规等级为初级，记为

信息处理中心生成初级预警提醒指令，通过指令交互接口与控制模块、自动车ECU向车载终端发送提醒，同时扣除自动驾驶汽车专用积分3分；当β∈(0.3,0.6]时，判定自动驾驶汽车违规等级为中级，记为

信息处理中心生成并发送中级预警提醒指令，同时扣除自动车专用积分6分；当β∈(0.6,0.9]时，判定自动违规车违规等级为高级，记为

信息处理中心生成并发送高级预警提醒指令，同时扣除自动驾驶汽车专用积分9分；当β∈(0.9,1]时，判定自动驾驶汽车违规等级为终级，记为

此时，信息处理中心生成终止使用专用车道提醒指令，同时扣除自动驾驶汽车专用积分12分并上报公安***备份车辆违规信息。信息处理中心更新该自动驾驶汽车违规等级编号为L1(扣分＜12分时，为初始等级编号为L0)并重置专用积分12分，自动驾驶汽车接收指令从下一出口退出自动车专用车道并重置使用积分。当自动驾驶汽车专用积分累计扣分≥12分时，同样终止其使用专用车道。当自动驾驶汽车违规等级编号达到L1(扣分达到12-23分)，禁止其使用专用车道一周；达到L2(扣分达到24-35分)时禁止其使用专用车道一个月，此后每累计一个等级则使用专用车道增加一个月，上限为L6(扣分达到72-84分)，则禁止其终身使用专用车道。

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.基于车路协同的自动驾驶汽车指令不服从率的预警处置***，其特征在于：包括Auto-DT自动路测***、车路协同中心和自动车载***，所述Auto-DT自动路测***与车路协同中心、自动车载***进行信息传输，所述车路协同中心与自动车载***进行信息和指令传输。

2.根据权利要求1所述的基于车路协同的自动驾驶汽车指令不服从率的预警处置***，其特征在于：所述车路协同中心包括第一无线通信模块、数据存储中心、信息处理中心及第一指令交互接口与控制模块；

所述第一无线通信模块用于和Auto-DT自动路测***、自动车载***之间进行信息传输；

所述数据存储中心存储Auto-DT自动路测***发送的有效调用自动车数据信息库A＝{R，h_i，v_i，s_i，x_i}以及自动驾驶汽车累计违规信息

其中车辆编号i＝1，2，...，n，车辆违规等级编号Lj＝L0,L1,...,L6，R为道路环境，h_i为自动驾驶汽车的身份信息，v_i为自动驾驶汽车的车速，s_i为自动驾驶汽车的位置，x_i为自动车预设路径；

所述信息处理中心从有效调用数据信息库A中调用自动车数据，分析计算自动车指令不服从率，由自动车指令不服从率计算影响系数β，再根据影响系数β判断异变自动驾驶汽车违规等级Y，并给出具体处置方案；

所述第一指令交互接口与控制模块接受信息处理中心的违规自动车预警处置方案，并传递至第二指令交互接口与控制模块。

3.根据权利要求2所述的基于车路协同的自动驾驶汽车指令不服从率的预警处置***，其特征在于：所述自动车指令不服从率为：

其中：

表示自动车i在路段l上的指令不服从率，

为特定预设路径上不服从指令的实际负效应，

为特定预设路径上服从指令的实际负效应，

为

的取值数集，L为自动车专用路段集，X为自动车预设路径。

4.根据权利要求3所述的基于车路协同的自动驾驶汽车指令不服从率的预警处置***，其特征在于：所述实际负效应满足：

其中：参数τ_i反应各相关变量的影响分布且τ_i∈[0,1)，

为在路段l上自动驾驶汽车对车路协同中心下达指令的理解误差；

为自动车在路段l中的不同路径需求；

为路段l上不同预设路径的需求比例；

为路段l上预设路径相关随机变量；r_x为自动车指令服从可靠随机变量；t为路段通行时间；

为自动车下达的指令比例。

5.根据权利要求3所述的基于车路协同的自动驾驶汽车指令不服从率的预警处置***，其特征在于：所述影响系数

其中：λ₁为事故发生影响比重，λ₂为交通流通行能力影响比重，α为事故发生指数，C_l为交通流通行能力的影响，γ为综合影响系数，且γ∈[0,1]。

6.根据权利要求5所述的基于车路协同的自动驾驶汽车指令不服从率的预警处置***，其特征在于：所述事故发生指数α：

其中：e为自动驾驶汽车间距误差，s_i为自动驾驶汽车的位置，v_i为自动驾驶汽车的速度，T为自动驾驶汽车车头时距，Δv为相对车速，a_i为自动驾驶汽车加速度，b_i为舒适加速度，

为期望车头时距，v_f为自由流速度，e₀为安全车头时距，m_i为自动驾驶汽车长度。

7.根据权利要求6所述的基于车路协同的自动驾驶汽车指令不服从率的预警处置***，其特征在于：所述交通流通行能力的影响为C_l：

其中：K为道路交通流密度，E_t为通行时间t内l路段上的初始车辆数，Q_t和Q_t+Δt分别为通行时间t和t+Δt内的通行车辆数。

8.一种根据权利要求1-7任意一项权利要求所述的基于车路协同的自动驾驶汽车指令不服从率的预警处置方法，其特征在于：包括如下步骤：

步骤(1)，数据分析与处理平台接收实时监测采集器监测专用车道上自动驾驶汽车的行车数据，得到有效调用自动车数据信息库A＝{R,h_i,v_i,s_i,x_i}，并发送至数据存储中心；

步骤(2)，信息处理中心调用自动车数据信息库A，设置自动驾驶汽车专用车道使用积分及自动驾驶汽车无违规信息，并根据自动车数据信息库A确定自动驾驶汽车的驾驶指令I＝{I_s||I_t||I_c||I_o||I_d||I_a||I_b}，其中I_s为直行指令，I_t为转弯指令，I_c为换道指令，Io为超车指令，I_d为减速指令，I_a为加速指令，I_b为制动指令；

步骤(3)，指令交互接口与控制模块将驾驶指令发送给自动车ECU，自动车载终端执行指令；

步骤(4)，信息处理中心根据实时的自动车数据信息库A计算自动车在l路段上的指令不服从率；

步骤(5)，由指令不服从率计算各自动驾驶汽车对整个路段交通流的影响系数β，根据影响系数β的数值确定车辆违规等级Y，并给出具体处置方案。

9.根据权利要求8所述的基于车路协同的自动驾驶汽车指令不服从率的预警处置方法，其特征在于：所述驾驶指令的确定方法为：

由自动车预设路径x_i和道路环境R，向自动车下达直行指令I_s或转弯指令I_t；

由实时道路交通流密度K、周边自动车位置s_i、道路环境信息R，向自动车下达换道指令I_c或超车指令I_o；

由周边自动车位置s_i分析前后车间距、自动驾驶汽车的车速v_i及前方道路环境信息，向自动车下达减速指令I_d、加速指令I_a或制动指令I_b。

10.根据权利要求8所述的基于车路协同的自动驾驶汽车指令不服从率的预警处置方法，其特征在于：所述确定违规车辆的等级和具体处置方案为：

当β∈(0,0.1]时，为安全车辆，不下达额外指令；

当β∈(0.1,0.3]时，违规等级为初级，记为

信息处理中心生成初级预警提醒指令，提醒驾驶员，并扣除自动驾驶汽车专用积分3分；

当β∈(0.3,0.6]时，违规等级为中级，记为

信息处理中心生成中级预警提醒指令，提醒驾驶员，并扣除自动驾驶汽车专用积分6分；

当β∈(0.6,0.9]时，违规等级为高级，记为

信息处理中心生成高级预警提醒指令，提醒驾驶员，并扣除自动驾驶汽车专用积分9分；

当β∈(0.6,0.9]时，违规等级为终级，记为

信息处理中心生成终级预警提醒指令，提醒驾驶员，并扣除自动驾驶汽车专用积分12分；

当自动驾驶汽车专用积分累计扣分≥12分时，违规等级编号为L1，禁止使用专用车道一周；违规等级编号达到L2，即扣分为24-35分，禁止使用专用车道一个月，此后每累计一个等级则禁止使用专用车道增加一个月，上限为L6，即扣分为72-84分，禁止终身使用专用车道。

Images