CN112002144A - 无信号交叉路口行车风险态势评估方法及*** - Google Patents

无信号交叉路口行车风险态势评估方法及*** Download PDF

Info

Publication number
CN112002144A
CN112002144A CN202010911975.5A CN202010911975A CN112002144A CN 112002144 A CN112002144 A CN 112002144A CN 202010911975 A CN202010911975 A CN 202010911975A CN 112002144 A CN112002144 A CN 112002144A
Authority
CN
China
Prior art keywords
vehicle
collision
risk
vehicles
intersection
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
CN202010911975.5A
Other languages
English (en)
Other versions
CN112002144B (zh
Inventor
高洪波
朱菊萍
李智军
郝正源
何希
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.)
University of Science and Technology of China USTC
Original Assignee
University of Science and Technology of China USTC
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 University of Science and Technology of China USTC filed Critical University of Science and Technology of China USTC
Priority to CN202010911975.5A priority Critical patent/CN112002144B/zh
Publication of CN112002144A publication Critical patent/CN112002144A/zh
Application granted granted Critical
Publication of CN112002144B publication Critical patent/CN112002144B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/16Anti-collision systems
    • G08G1/161Decentralised systems, e.g. inter-vehicle communication
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/01Detecting movement of traffic to be counted or controlled
    • G08G1/0104Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125Traffic data processing
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/16Anti-collision systems
    • G08G1/166Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W4/00Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30Services specially adapted for particular environments, situations or purposes
    • H04W4/40Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • H04W4/46Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for vehicle-to-vehicle communication [V2V]

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供了一种无信号交叉路口行车风险态势评估方法及***,包括:步骤1:通过无线通讯技术对目标区域的数据进行采集,得到采集数据;步骤2:根据采集数据判断本车与交叉路口的他车是否有碰撞风险,得出判断结果;步骤3:根据判断结果,计算碰撞风险系数并确定车辆的驾驶方案。本发明实现了交叉路口的交通的快捷引导,以实现车辆协同通过交叉路口的重要目标,缓解了交通压力,提高了驾驶的安全性。

Description

无信号交叉路口行车风险态势评估方法及***
技术领域
本发明涉及智能驾驶技术领域,具体地,涉及一种无信号交叉路口行车风险态势评估方法及***。尤其地,涉及一种基于车辆意图交互结果的无信号交叉路口行车风险态势评估方法。
背景技术
智能驾驶技术可以代表一个国家的科研实力和工业发展水平,实现车辆行驶的智能化,让驾驶行为中常规的、持久且疲劳的操作由车辆自动完成,驾驶者只做高级操作,可以极大地提高智能交通***的效率和安全性,对增强我国在智能驾驶方面的竞争力有极大的意义。
随着汽车技术的发展,交通拥堵已经成为城市交通的主要问题之一,而交叉路口作为车流集中、环境复杂、容易发生拥堵和交通事故的代表路段,如何实现交叉路口的交通的快捷引导,成为了智能驾驶技术研究的关键问题之一。
专利文献CN110853335A(申请号:201911115220.8)公开了高速公路常发性瓶颈路段协作车队冲突避险自主决策方法,具体步骤为:考虑车辆时间需求强度、车辆类型及车辆行驶意图等因素,基于并列编号占相同排序空间、随机概率等方法确定多车辆冲突避险排列顺序,以各车辆冲突避险排列顺序为基础,基于MAS***结合对策协商机制建立多车辆冲突避险行为决策模型,量化各车辆调整意图交互过程,确定尽可能满足所有车辆利益要求和车辆行驶意图选择偏好的决策方案,实现各车辆冲突避险行为自主决策。
发明内容
针对现有技术中的缺陷,本发明的目的是提供一种无信号交叉路口行车风险态势评估方法及***。
根据本发明提供的无信号交叉路口行车风险态势评估方法,包括:
步骤1:通过无线通讯技术对目标区域的数据进行采集,得到采集数据;
步骤2:根据采集数据判断本车与交叉路口的他车是否有碰撞风险,得出判断结果;
步骤3:根据判断结果,计算碰撞风险系数并确定车辆的驾驶方案。
优选的,所述判断碰撞风险,包括:
通过无线通信技术,获得他车以及自车驾驶状态,根据车辆的尺寸、速度、加速度、航向角以及轨迹进行预测;
在车辆碰撞模型建立前,研究自车和他车的驾驶状态,判断自车和他车的轨迹规划,将车辆设定为与车辆大小一致的矩形,根据轨迹规划,得到虚拟轨迹场,得到车辆碰撞模型。
优选的,所述步骤3包括:
定义的碰撞风险系数
Figure BDA0002663633790000021
设定碰撞风险系数的阈值;
若经过计算,判断存在碰撞风险,则发出碰撞预警,采取避撞措施,包括加速、减速;
Figure BDA0002663633790000022
其中,tf表示车辆响应时间,δ∈(0,1)表示减速因子,μ表示车辆与地面的摩擦因素,g表示重力加速度,v表示行驶速度;
驾驶员在知道有碰撞风险之后采取措施的时间为t0,驾驶员踩踏板至产生制动力的时间为t1,产生的制动力达制动力的最大值的过程时间为t2,最大制动力维持时间为t3,停车后最大制动力消减至0的时间为t4,设定减速度以k为比例均匀增加,则t2之后的减速度a=amax=kt2,速度
Figure BDA0002663633790000023
所以
Figure BDA0002663633790000024
Figure BDA0002663633790000025
则TTC=t0+t1+tb
v0表示初始速度。
优选的,所述TTA计算方法包括:记车载预警单元识别所需时间为tm,车载预警单元将信息传送给驾驶员的时间为tr,制动***接受车载单元信息所需时间为tc,则驾驶员采取避撞措施所需时间为TTA1=tm+tr+t0+t1+tb,制动***自动采取避撞措施所需时间为TTA2=tm+tc+tb,取TTA=min{TTA1,TTA2};
若TTC≤TTA,则两车会发生碰撞,记碰撞风险程度的检验参数为
Figure BDA0002663633790000026
M越小,碰撞风险程度越高;
若0≤M≤0.5,记为高碰撞风险,若0.5<M≤1,记为一般碰撞风险,若M>1,记为低碰撞风险。
优选的,所述步骤3包括:
若在车辆低于预设阈值的交叉路口,基于博弈论,构造决策收益函数,根据各个决策方案的收益值的大小,确定车辆的驾驶方案;
若在车辆低于预设阈值的交叉路口,不改变优先驾驶车辆的原驾驶方案,对非优先驾驶车辆进行减速处理。
根据本发明提供的无信号交叉路口行车风险态势评估***,包括:
模块M1:通过无线通讯技术对目标区域的数据进行采集,得到采集数据;
模块M2:根据采集数据判断本车与交叉路口的他车是否有碰撞风险,得出判断结果;
模块M3:根据判断结果,计算碰撞风险系数并确定车辆的驾驶方案。
优选的,所述判断碰撞风险,包括:
通过无线通信技术,获得他车以及自车驾驶状态,根据车辆的尺寸、速度、加速度、航向角以及轨迹进行预测;
在车辆碰撞模型建立前,研究自车和他车的驾驶状态,判断自车和他车的轨迹规划,将车辆设定为与车辆大小一致的矩形,根据轨迹规划,得到虚拟轨迹场,得到车辆碰撞模型。
优选的,所述模块M3包括:
定义的碰撞风险系数
Figure BDA0002663633790000031
设定碰撞风险系数的阈值;
若经过计算,判断存在碰撞风险,则发出碰撞预警,采取避撞措施,包括加速、减速;
Figure BDA0002663633790000032
其中,tf表示车辆响应时间,δ∈(0,1)表示减速因子,μ表示车辆与地面的摩擦因素,g表示重力加速度,v表示行驶速度;
驾驶员在知道有碰撞风险之后采取措施的时间为t0,驾驶员踩踏板至产生制动力的时间为t1,产生的制动力达制动力的最大值的过程时间为t2,最大制动力维持时间为t3,停车后最大制动力消减至0的时间为t4,设定减速度以k为比例均匀增加,则t2之后的减速度a=amax=kt2,速度
Figure BDA0002663633790000033
所以
Figure BDA0002663633790000034
Figure BDA0002663633790000035
则TTC=t0+t1+tb
v0表示初始速度。
优选的,所述TTA计算方法包括:记车载预警单元识别所需时间为tm,车载预警单元将信息传送给驾驶员的时间为tr,制动***接受车载单元信息所需时间为tc,则驾驶员采取避撞措施所需时间为TTA1=tm+tr+t0+t1+tb,制动***自动采取避撞措施所需时间为TTA2=tm+tc+tb,取TTA=min{TTA1,TTA2};
若TTC≤TTA,则两车会发生碰撞,记碰撞风险程度的检验参数为
Figure BDA0002663633790000041
M越小,碰撞风险程度越高;
若0≤M≤0.5,记为高碰撞风险,若0.5<M≤1,记为一般碰撞风险,若M>1,记为低碰撞风险。
优选的,所述模块M3包括:
若在车辆低于预设阈值的交叉路口,基于博弈论,构造决策收益函数,根据各个决策方案的收益值的大小,确定车辆的驾驶方案;
若在车辆低于预设阈值的交叉路口,不改变优先驾驶车辆的原驾驶方案,对非优先驾驶车辆进行减速处理。
与现有技术相比,本发明具有如下的有益效果:
1、本发明实现了交叉路口的交通的快捷引导;
2、本发明以实现车辆协同通过交叉路口的重要目标,缓解了交通压力,提高了驾驶的安全性;
3、本发明对交叉路口的碰撞点进行分析,根据双车道中,每一入口点的直行、左转、右转三种交通流的路线方法,对碰撞碰撞点进行分析,给出了碰撞分析的模型,针对交叉路口车辆较少的时候,基于博弈论,分析在避免碰撞的前提下,尽可能减少通过交叉路口的驾驶时间的决策函数的方法,针对车辆较多的时候,提出了基于V2V的,优先驾驶车辆保持原驾驶方案,非优先驾驶车辆进行减速处理的方案。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1是本发明方法的流程示意图;
图2是交叉路口碰撞点的分布图;
图3是虚拟轨迹场(VTF)图;
图4是交叉路口的交叉碰撞图;
图5是交叉路口的避免交叉碰撞图;
图6是交叉路口的合流碰撞图;
图7是交叉路口的避免合流碰撞图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变化和改进。这些都属于本发明的保护范围。
如图1所示,本实施例公开了一套基于车辆意图交互结果的无信号交叉路口行车风险态势评估方法,包括如下步骤S1~S3:
S1、无线讯技术对目标区域的数据进行采集,得到相应数据;
S2、根据上述采集的数据判断本车与交叉路口的其他车辆是否有碰撞风险;
S3、根据上述结果,计算碰撞风险系数并确定本车的驾驶方案。
需要说明的是,交叉路口碰撞点的分布如图2所示,设计的是双车道,在每一个入口点,车辆的目标轨迹可以分为三个方向:直行、左转、右转。根据构成碰撞点的两条轨迹的关系,碰撞点可以分成两类:交叉碰撞点、合流碰撞点。若两条轨迹线是交叉相交的关系,则称交叉碰撞点,例如图2中的圆点标记;若是相切的关系,则称合流碰撞点,例如图2中的矩形标记。
需要进一步说明的是,研究车辆之间的碰撞,建立的两车碰撞模型如图3所示:
按照两车的实际尺寸和驾驶轨迹进行建模,图3表示的为图2中所标记的交叉碰撞点1,其他碰撞点同理。图中,xoy平面代表车辆实际在车道的投影,t轴代表时间,图上任意点(x,y,t)代表t时刻车辆的位置在实际车道的坐标为(x,y),车辆初始位置位于xOy平面,时间t=0,用车的轨迹表示虚拟轨迹场(VTF),用以预测车辆的运动趋势,从而判断是否有碰撞风险。其中O点取交叉路口的中心点,x轴为自车V1入交叉路口前的速度方向,y轴为他车V2入交叉路口前的速度方向。如果两车的虚拟轨迹场存在交点P(x0,y0,t0),则说明两车会在t0时刻,于(x0,y0)位置相撞。
判断车辆碰撞风险的程度一般采用碰撞时间(TTC)的方法,但TTC方法没有考虑在车辆的尺寸,加速度影响因素,所以会造成一定的误差。关于碰撞风险程度的判断,可基于有碰撞风险的车辆之间的最短距离以及车辆的响应时间计算。如果两车速度相差较大,则采用TTC与
Figure BDA0002663633790000051
相比的方法。其中,tf表示车辆响应时间,δ∈(0,1)表示减速因子,μ表示车辆与地面的摩擦因素,g表示重力加速度。
TTC具体计算方法如下:
记驾驶员在知道有碰撞风险之后采取措施的时间为t0,驾驶员踩踏板至产生制动力的时间为t1,产生的制动力达制动力的最大值的过程时间为t2,最大制动力维持时间为t3,停车后最大制动力消减至0的时间为t4。假设减速度以k为比例均匀增加,则t2之后的减速度a=amax=kt2,速度
Figure BDA0002663633790000061
所以
Figure BDA0002663633790000062
Figure BDA0002663633790000063
则TTC=t0+t1+tb
基于两种设定避免碰撞的方式,TTA有两种计算方法。记车载预警单元识别所需时间为tm,记车载预警单元将信息传送给驾驶员的时间为tr,记制动***接受车载单元信息所需时间为tc。则驾驶员采取避撞措施所需时间为TTA1=tm+tr+t0+t1+tb,制动***自动采取避撞措施所需时间为TTA2=tm+tc+tb,取TTA=min{TTA1,TTA2}。
若TTC≤TTA,则两车会发生碰撞,记碰撞风险程度的检验参数为
Figure BDA0002663633790000064
显然,M越小,碰撞风险程度越高。若0≤M≤0.5,记为高碰撞风险,若0.5<M≤1,记为一般碰撞风险,若M>1,记为低碰撞风险。
根据VTF方法,如果两车没有碰撞风险,则保持原有的操作方法,沿着预期轨迹驾驶,如果有碰撞风险,则两车需要改变驾驶方案。确定驾驶方案的方法如下:
基于博弈论相关理论,通过交叉路口的过程中,两车有加速和减速两种决策方案,假设自车V1和他车V2在一个决策组合下的收益分别为P1和P2。将时间段[TB,TE]划分为N个时间步,自车V1和他车V2在每个时间步中同时决策。其中,TB表示车辆入交叉路口前第一次进行决策的时间点,TE表示车辆出交叉路口前最后一次进行决策的时间点。
定义收益函数的依据如下:
在保证两车均安全通过交叉路口的同时,设计决策函数,使得两车通过交叉路口所用时间越短,决策收益越高。
决策收益函数的定义如下:
假设两车在通过交叉路口的最大速度为vm,第i(i=1,2…,N)个决策时,车Vj(j=1,2)的速度为
Figure BDA0002663633790000065
加速度为
Figure BDA0002663633790000066
且记
Figure BDA0002663633790000067
两车到碰撞点的的距离为
Figure BDA0002663633790000068
记车量Vj到达碰撞点所需时间为
Figure BDA0002663633790000069
考虑到时间和变化趋势,以
Figure BDA00026636337900000610
Figure BDA00026636337900000611
来计算收益。其中
Figure BDA00026636337900000612
记两车到达碰撞点的时间差为ΔTi,同理,以ΔTi+1+(ΔTi+1-ΔTi)/2来计算收益。其中ΔTi的值如下:
Figure BDA0002663633790000071
记车辆无碰撞风险的因素的权重为α,车辆尽可能快的通过交叉路口的权重为β=1-α,则收益函数定义如下:
Figure BDA0002663633790000072
其中,F(·)表示归一化计算。
对决策点两车各自进行加速或减速的4种方案分别进行决策收益的计算,根据有限次重复博弈论定理,当决策收益取最大值的方案即为车辆调整的驾驶方案。
该方法不适用于交叉路口的车辆较多的情况。基于V2V的避免碰撞模型方法可以优化上诉方法。根据VTF,若判定有碰撞风险,则可用下述方法确定驾驶方案:
先根据“直行优先于转弯,左转优先于右转,两车相向形式则右车优先于左车”的交通规则,确定两车的优先通行者,优先通行车辆不改变驾驶方案,按原计划继续行驶。非优先通行车辆则需进行减速操作,从而避免碰撞。并对交叉碰点、合流碰撞点分别进行考虑。
对交叉碰撞点,若根据VTF判定两车有碰撞风险,则碰撞形式主要有以下两种情况,如图4、图6。其中,Tij(i=1,2,j=1,2,3,4)中i代表车辆标号,j代表车辆的位置,1,2,3,4分别代表车辆的左前角,右前角,右后角,以及左后角。
1)T11≤T21≤T12
所以自车V1比他车V2先到达碰撞区域Sabcd,他车V2在到达碰撞区域前,自车V1还未完全通过该碰撞区域。
2)T21≤T11≤T22,车辆位置关系与1)恰好相反。
以自车V1为原点建立直角坐标系,以自车V1的速度方向为x轴,如图5所示。假设车辆Vi的坐标为(xi,yi),速度为vi,航向角为
Figure BDA0002663633790000073
所以
Figure BDA0002663633790000074
图中,记他车V2的右侧、左侧边界在行驶过程中,与x轴所成夹角分别为α,β,记他车V2的长为W2,记两车质心的连线为l,记l的长度为L12,记l与x轴所形成夹角为ξ,记他车V2的轨迹与l所成夹角为θ=sin-1(W2/L12),则α=ξ+θ,β=ξ-θ。又因为初状态下自车V1的速度在y轴的分量为0,即
Figure BDA0002663633790000075
Figure BDA0002663633790000076
Figure BDA0002663633790000077
所以
Figure BDA0002663633790000078
Figure BDA0002663633790000079
与x轴所成夹角为
Figure BDA00026636337900000710
所以,两车没有碰撞风险等价于:ω≥α或ω≤β。
车辆Vi的在进行决策时,调整的速度变化量记为Δvi,则速度矢量为
Figure BDA00026636337900000711
Figure BDA0002663633790000081
则两车的速度差为:
Figure BDA0002663633790000082
Figure BDA0002663633790000083
根据自车V1或V2作为优先通行车辆,优先通行车辆不改变速度,非优先同行车辆对速度进行调整,避让过程可以分为如下两种情况:
自车V1是优先通行车辆,若要避免碰撞,即:
Figure BDA0002663633790000084
Figure BDA0002663633790000085
其中
Figure BDA0002663633790000086
若ω≥α,则上式等价于
Figure BDA0002663633790000087
所以他车V2调整后的速度为
Figure BDA0002663633790000088
若ω≤β,则上式等价于
Figure BDA0002663633790000089
所以他车V2调整后的速度为
Figure BDA00026636337900000810
Figure BDA00026636337900000811
他车V2是优先通行车辆,若要避免碰撞,即:
Figure BDA00026636337900000812
Figure BDA00026636337900000813
其中
Figure BDA00026636337900000814
若ω≥α,则上式等价于
Figure BDA00026636337900000815
所以自车V1调整后的速度为
Figure BDA00026636337900000816
若ω≤β,则上式等价于
Figure BDA00026636337900000817
所以自车V1调整后的速度为
Figure BDA00026636337900000818
Figure BDA00026636337900000819
对交叉碰撞点,图2中的标记点2,如图5所示,若根据VTF判定两车有碰撞风险,则需对两车采取避撞措施。根据直行优先于转弯的规则知,他车V2为优先驾驶车辆。则他车V2保持原速度驾驶,自车V1先匀减速行驶S11的路径到交叉路口入口线处,再匀速转弯至东侧。
对匀速圆周运动过程分析:记自车V1质心做圆周运动的半径为R0,速度为v,车辆的质量为m,则地面对车辆的合力为
Figure BDA00026636337900000820
自车V1的减速过程,若减速度恒定,则
Figure BDA00026636337900000821
否则
Figure BDA00026636337900000822
a=kt=amax;自车V1的转弯半径
Figure BDA00026636337900000823
转弯路径
Figure BDA00026636337900000824
其他碰撞如左转与右侧直行,右转与左侧直行的计算同理。
类似于图5,图7给出了避免合流的模型。
图中,他车V2的相对速度vr的投影
Figure BDA0002663633790000091
最大减速度amax的投影
Figure BDA0002663633790000092
两车的距离为Ls=L12-R1-R2,两车的绝对安全距离
Figure BDA0002663633790000093
一般取
Figure BDA0002663633790000094
若两车避免碰撞,则Ls≥S绝对,所以
Figure BDA0002663633790000095
Figure BDA0002663633790000096
也即
Figure BDA0002663633790000097
Figure BDA0002663633790000098
车辆Vi的在进行决策时,调整的速度变化量记为Δvi,根据自车V1或者V2作为优先通行者,优先通行车辆不改变速度,非优先同行车辆对速度进行调整,避让过程可以分为如下两种情况:
自车V1是优先通行车辆,若要避免碰撞,即:
Figure BDA0002663633790000099
Figure BDA00026636337900000910
也即:
Figure BDA00026636337900000911
他车V2是优先通行车辆,若要避免碰撞,即:
Figure BDA00026636337900000912
Figure BDA00026636337900000913
也即:
Figure BDA00026636337900000914
本实施例基于VTF,判定交叉路口是否有碰撞风险,之后根据交叉路口车辆数量的多少,采用基于博弈论的决策函数的方法,或针对碰撞流的不同类型采用碰撞避免模型,从而避免碰撞风险。
根据本发明提供的无信号交叉路口行车风险态势评估***,包括:
模块M1:通过无线通讯技术对目标区域的数据进行采集,得到采集数据;
模块M2:根据采集数据判断本车与交叉路口的他车是否有碰撞风险,得出判断结果;
模块M3:根据判断结果,计算碰撞风险系数并确定车辆的驾驶方案。
本领域技术人员知道,除了以纯计算机可读程序代码方式实现本发明提供的***、装置及其各个模块以外,完全可以通过将方法步骤进行逻辑编程来使得本发明提供的***、装置及其各个模块以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同程序。所以,本发明提供的***、装置及其各个模块可以被认为是一种硬件部件,而对其内包括的用于实现各种程序的模块也可以视为硬件部件内的结构;也可以将用于实现各种功能的模块视为既可以是实现方法的软件程序又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变化或修改,这并不影响本发明的实质内容。在不冲突的情况下,本申请的实施例和实施例中的特征可以任意相互组合。

Claims (10)

1.一种无信号交叉路口行车风险态势评估方法,其特征在于,包括:
步骤1:通过无线通讯技术对目标区域的数据进行采集,得到采集数据;
步骤2:根据采集数据判断本车与交叉路口的他车是否有碰撞风险,得出判断结果;
步骤3:根据判断结果,计算碰撞风险系数并确定车辆的驾驶方案。
2.根据权利要求1所述的无信号交叉路口行车风险态势评估方法,其特征在于,所述判断碰撞风险,包括:
通过无线通信技术,获得他车以及自车驾驶状态,根据车辆的尺寸、速度、加速度、航向角以及轨迹进行预测;
在车辆碰撞模型建立前,研究自车和他车的驾驶状态,判断自车和他车的轨迹规划,将车辆设定为与车辆大小一致的矩形,根据轨迹规划,得到虚拟轨迹场,得到车辆碰撞模型。
3.根据权利要求1所述的无信号交叉路口行车风险态势评估方法,其特征在于,所述步骤3包括:
定义的碰撞风险系数
Figure FDA0002663633780000011
设定碰撞风险系数的阈值;
若经过计算,判断存在碰撞风险,则发出碰撞预警,采取避撞措施,包括加速、减速;
Figure FDA0002663633780000012
其中,tf表示车辆响应时间,δ∈(0,1)表示减速因子,μ表示车辆与地面的摩擦因素,g表示重力加速度,v表示行驶速度;
驾驶员在知道有碰撞风险之后采取措施的时间为t0,驾驶员踩踏板至产生制动力的时间为t1,产生的制动力达制动力的最大值的过程时间为t2,最大制动力维持时间为t3,停车后最大制动力消减至0的时间为t4,设定减速度以k为比例均匀增加,则t2之后的减速度a=amax=kt2,速度
Figure FDA0002663633780000013
所以
Figure FDA0002663633780000014
Figure FDA0002663633780000015
则TTC=t0+t1+tb
v0表示初始速度。
4.根据权利要求3所述的无信号交叉路口行车风险态势评估方法,其特征在于,所述TTA计算方法包括:记车载预警单元识别所需时间为tm,车载预警单元将信息传送给驾驶员的时间为tr,制动***接受车载单元信息所需时间为tc,则驾驶员采取避撞措施所需时间为TTA1=tm+tr+t0+t1+tb,制动***自动采取避撞措施所需时间为TTA2=tm+tc+tb,取TTA=min{TTA1,TTA2};
若TTC≤TTA,则两车会发生碰撞,记碰撞风险程度的检验参数为
Figure FDA0002663633780000021
M越小,碰撞风险程度越高;
若0≤M≤0.5,记为高碰撞风险,若0.5<M≤1,记为一般碰撞风险,若M>1,记为低碰撞风险。
5.根据权利要求1所述的无信号交叉路口行车风险态势评估方法,其特征在于,所述步骤3包括:
若在车辆低于预设阈值的交叉路口,基于博弈论,构造决策收益函数,根据各个决策方案的收益值的大小,确定车辆的驾驶方案;
若在车辆低于预设阈值的交叉路口,不改变优先驾驶车辆的原驾驶方案,对非优先驾驶车辆进行减速处理。
6.一种无信号交叉路口行车风险态势评估***,其特征在于,包括:
模块M1:通过无线通讯技术对目标区域的数据进行采集,得到采集数据;
模块M2:根据采集数据判断本车与交叉路口的他车是否有碰撞风险,得出判断结果;
模块M3:根据判断结果,计算碰撞风险系数并确定车辆的驾驶方案。
7.根据权利要求6所述的无信号交叉路口行车风险态势评估***,其特征在于,所述判断碰撞风险,包括:
通过无线通信技术,获得他车以及自车驾驶状态,根据车辆的尺寸、速度、加速度、航向角以及轨迹进行预测;
在车辆碰撞模型建立前,研究自车和他车的驾驶状态,判断自车和他车的轨迹规划,将车辆设定为与车辆大小一致的矩形,根据轨迹规划,得到虚拟轨迹场,得到车辆碰撞模型。
8.根据权利要求6所述的无信号交叉路口行车风险态势评估***,其特征在于,所述模块M3包括:
定义的碰撞风险系数
Figure FDA0002663633780000022
设定碰撞风险系数的阈值;
若经过计算,判断存在碰撞风险,则发出碰撞预警,采取避撞措施,包括加速、减速;
Figure FDA0002663633780000023
其中,tf表示车辆响应时间,δ∈(0,1)表示减速因子,μ表示车辆与地面的摩擦因素,g表示重力加速度,v表示行驶速度;
驾驶员在知道有碰撞风险之后采取措施的时间为t0,驾驶员踩踏板至产生制动力的时间为t1,产生的制动力达制动力的最大值的过程时间为t2,最大制动力维持时间为t3,停车后最大制动力消减至0的时间为t4,设定减速度以k为比例均匀增加,则t2之后的减速度a=amax=kt2,速度
Figure FDA0002663633780000031
所以
Figure FDA0002663633780000032
Figure FDA0002663633780000033
则TTC=t0+t1+tb
v0表示初始速度。
9.根据权利要求8所述的无信号交叉路口行车风险态势评估***,其特征在于,所述TTA计算方法包括:记车载预警单元识别所需时间为tm,车载预警单元将信息传送给驾驶员的时间为tr,制动***接受车载单元信息所需时间为tc,则驾驶员采取避撞措施所需时间为TTA1=tm+tr+t0+t1+tb,制动***自动采取避撞措施所需时间为TTA2=tm+tc+tb,取TTA=min{TTA1,TTA2};
若TTC≤TTA,则两车会发生碰撞,记碰撞风险程度的检验参数为
Figure FDA0002663633780000034
M越小,碰撞风险程度越高;
若0≤M≤0.5,记为高碰撞风险,若0.5<M≤1,记为一般碰撞风险,若M>1,记为低碰撞风险。
10.根据权利要求6所述的无信号交叉路口行车风险态势评估***,其特征在于,所述模块M3包括:
若在车辆低于预设阈值的交叉路口,基于博弈论,构造决策收益函数,根据各个决策方案的收益值的大小,确定车辆的驾驶方案;
若在车辆低于预设阈值的交叉路口,不改变优先驾驶车辆的原驾驶方案,对非优先驾驶车辆进行减速处理。
CN202010911975.5A 2020-09-02 2020-09-02 无信号交叉路口行车风险态势评估方法及*** Active CN112002144B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010911975.5A CN112002144B (zh) 2020-09-02 2020-09-02 无信号交叉路口行车风险态势评估方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010911975.5A CN112002144B (zh) 2020-09-02 2020-09-02 无信号交叉路口行车风险态势评估方法及***

Publications (2)

Publication Number Publication Date
CN112002144A true CN112002144A (zh) 2020-11-27
CN112002144B CN112002144B (zh) 2022-03-01

Family

ID=73465207

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010911975.5A Active CN112002144B (zh) 2020-09-02 2020-09-02 无信号交叉路口行车风险态势评估方法及***

Country Status (1)

Country Link
CN (1) CN112002144B (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112744223A (zh) * 2021-01-18 2021-05-04 北京智能车联产业创新中心有限公司 自动驾驶车辆交叉路口表现评价方法及***
CN112874518A (zh) * 2021-01-19 2021-06-01 合肥索斯智能科技有限公司 一种基于可见光通信的车车互联及防碰撞***
CN112908033A (zh) * 2021-01-13 2021-06-04 长安大学 一种无信控交叉口环境下网联车辆协作避碰预警***及方法
CN113096411A (zh) * 2021-03-17 2021-07-09 武汉大学 一种基于车联网环境***的交叉路口处车辆碰撞预警方法
CN113192331A (zh) * 2021-04-26 2021-07-30 吉林大学 一种网联环境下面向骑行安全的智能预警***及预警方法
CN113276884A (zh) * 2021-04-28 2021-08-20 吉林大学 一种可变博弈模式的智能车交互决策通行方法及***
CN113781811A (zh) * 2021-09-16 2021-12-10 武汉理工大学 一种矿区路口车辆通行决策***及方法
CN114220261A (zh) * 2021-11-16 2022-03-22 中国联合网络通信集团有限公司 车速管控方法、装置、服务器及存储介质
CN114898558A (zh) * 2022-05-23 2022-08-12 东风悦享科技有限公司 车辆协作通行的方法、***、电子设备和存储介质
CN114913709A (zh) * 2021-02-07 2022-08-16 广州汽车集团股份有限公司 基于车车通信的交叉路口碰撞预警方法、装置和存储介质
WO2024036580A1 (zh) * 2022-08-18 2024-02-22 华为技术有限公司 运动轨迹规划的方法、装置以及智能驾驶设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104325978A (zh) * 2014-10-21 2015-02-04 中国科学技术大学苏州研究院 一种基于车联网的安全防碰撞预警方法
CN105761548A (zh) * 2016-04-14 2016-07-13 西安电子科技大学 基于动态贝叶斯网络的交叉路口碰撞避免方法
CN107731009A (zh) * 2017-11-28 2018-02-23 吉林大学 一种适用于无信号灯交叉路口车辆避人、避撞***及方法
CN109345020A (zh) * 2018-10-02 2019-02-15 北京航空航天大学 一种完全信息下的无信号交叉口车辆驾驶行为预测模型
JP2020135215A (ja) * 2019-02-15 2020-08-31 株式会社デンソー 行動制御方法、及び行動制御装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104325978A (zh) * 2014-10-21 2015-02-04 中国科学技术大学苏州研究院 一种基于车联网的安全防碰撞预警方法
CN105761548A (zh) * 2016-04-14 2016-07-13 西安电子科技大学 基于动态贝叶斯网络的交叉路口碰撞避免方法
CN107731009A (zh) * 2017-11-28 2018-02-23 吉林大学 一种适用于无信号灯交叉路口车辆避人、避撞***及方法
CN109345020A (zh) * 2018-10-02 2019-02-15 北京航空航天大学 一种完全信息下的无信号交叉口车辆驾驶行为预测模型
JP2020135215A (ja) * 2019-02-15 2020-08-31 株式会社デンソー 行動制御方法、及び行動制御装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
胡艳等: ""城市道路交叉口防碰撞预警的研究"", 《无线互联科技》 *
郭伟等: ""基于博弈论的路口多车协作算法"", 《华中科技大学学报(自然科学版)》 *

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112908033A (zh) * 2021-01-13 2021-06-04 长安大学 一种无信控交叉口环境下网联车辆协作避碰预警***及方法
CN112744223B (zh) * 2021-01-18 2022-04-15 北京智能车联产业创新中心有限公司 自动驾驶车辆交叉路口表现评价方法及***
CN112744223A (zh) * 2021-01-18 2021-05-04 北京智能车联产业创新中心有限公司 自动驾驶车辆交叉路口表现评价方法及***
CN112874518A (zh) * 2021-01-19 2021-06-01 合肥索斯智能科技有限公司 一种基于可见光通信的车车互联及防碰撞***
CN114913709A (zh) * 2021-02-07 2022-08-16 广州汽车集团股份有限公司 基于车车通信的交叉路口碰撞预警方法、装置和存储介质
CN113096411A (zh) * 2021-03-17 2021-07-09 武汉大学 一种基于车联网环境***的交叉路口处车辆碰撞预警方法
CN113192331A (zh) * 2021-04-26 2021-07-30 吉林大学 一种网联环境下面向骑行安全的智能预警***及预警方法
CN113276884A (zh) * 2021-04-28 2021-08-20 吉林大学 一种可变博弈模式的智能车交互决策通行方法及***
CN113781811A (zh) * 2021-09-16 2021-12-10 武汉理工大学 一种矿区路口车辆通行决策***及方法
CN113781811B (zh) * 2021-09-16 2022-12-02 武汉理工大学 一种矿区路口车辆通行决策***及方法
CN114220261A (zh) * 2021-11-16 2022-03-22 中国联合网络通信集团有限公司 车速管控方法、装置、服务器及存储介质
CN114220261B (zh) * 2021-11-16 2023-02-28 中国联合网络通信集团有限公司 车速管控方法、装置、服务器及存储介质
CN114898558A (zh) * 2022-05-23 2022-08-12 东风悦享科技有限公司 车辆协作通行的方法、***、电子设备和存储介质
WO2024036580A1 (zh) * 2022-08-18 2024-02-22 华为技术有限公司 运动轨迹规划的方法、装置以及智能驾驶设备

Also Published As

Publication number Publication date
CN112002144B (zh) 2022-03-01

Similar Documents

Publication Publication Date Title
CN112002144B (zh) 无信号交叉路口行车风险态势评估方法及***
CN110298122B (zh) 基于冲突消解的无人驾驶车辆城市交叉口左转决策方法
CN109345020B (zh) 一种完全信息下的无信号交叉口车辆驾驶行为预测方法
CN111750887B (zh) 降低事故严重程度的无人驾驶车辆轨迹规划方法及***
CN108919795B (zh) 一种自动驾驶汽车换道决策方法及装置
US10896122B2 (en) Using divergence to conduct log-based simulations
CN110488802B (zh) 一种网联环境下的自动驾驶车辆动态行为决策方法
CN108256233B (zh) 基于驾驶员风格的智能车轨迹规划及跟踪方法和***
CN113165652A (zh) 使用基于网格的方法检验预测轨迹
CN112193244A (zh) 基于线性约束的自动驾驶车辆运动规划方法
WO2021054051A1 (ja) 電子制御装置
CN113470430B (zh) 一种基于转向意图预测的无信号交叉口车辆冲突预警方法
CN113895459B (zh) 一种障碍物的筛选方法及***
CN113320545A (zh) 一种基于线控智能车辆的预路口行为决策方法
Zhao et al. Unprotected left-turn behavior model capturing path variations at intersections
Wei et al. Game theoretic merging behavior control for autonomous vehicle at highway on-ramp
CN114265411A (zh) 一种解决车辆预测模型性能受限于感知数据性能的方法
CN115662131A (zh) 网联环境下道路事故路段的多车道协同换道方法
CN113415283B (zh) 一种面向有条件自动驾驶的道路行驶风险评估方法
Sheikh et al. Improved collision risk assessment for autonomous vehicles at on-ramp merging areas
Jo et al. Suitability Evaluation for Simulated Maneuvering of Autonomous Vehicles
Ding et al. Research on safety lane change warning method based on potential angle collision point
CN114572203A (zh) 行为预测装置
CN114862158B (zh) 一种基于可通行区域的自动驾驶汽车场景风险评估方法
Hamad et al. How Do Drivers Behave at Roundabouts in a Mixed Traffic? A Case Study Using Machine Learning

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