东南大学物联网交通应用研究中心
东南大学物联网交通应用研究中心
北京时间:
车辆通信环境下基于驾驶意图共享的车辆避撞预警算法
2020-09-26 20:24   作者:   来源:焉知自动驾驶    推荐人:脱祥亮   浏览:209   我要评论

        本文基于LTE-V构建了外场V2V环境,实现了“匀速”、“加速”、“减速”和“紧急制动”等不同行驶工况下车辆行驶状态数据获取和驾驶意图预判,将车辆行驶过程描述为一个时间序列的隐性马尔可夫随机过程,借助隐马尔可夫模型(HMM)建立了驾驶人驾驶意图与车辆相对行驶状态序列之间的隐含关系,并将驾驶意图作为特征因子集成到安全距离模型中,提出基于驾驶意图共享的避撞(DI-CA)预警算法。所提出的DI-CA预警算法可避免行驶过程中因误警而导致的连续刹车,以及因漏警而导致的碰撞事故发生,在降低误警率和漏警率的同时有效提升预警效果,为实现V2V环境下异质混合交通流的行驶安全提供理论支撑。

图1:算法流程图

驾驶意图预判模型设计

       车辆行驶过程中驾驶人匀速、加速、减速、紧急制动等驾驶意图具有不确定性,是一个时间序列的隐马尔可夫随机过程,利用车辆行驶状态信息中隐含的驾驶人驾驶意图,借助隐马尔可夫模型(HMM)建立驾驶人驾驶意图与车辆相对行驶状态序列之间的隐含关系。

       用X表示T时间内的隐含序列。对应T时间内车辆行驶过程,假设每一时刻驾驶人存在“匀速”、“加速”、“减速”和“紧急制动”4种驾驶意图Q1,Q2,Q3,Q4;使用Y表示T时间的观测序列。对应T时间内车辆行驶过程,车辆行驶过程中,前、后两辆试验车辆之间的相对行驶状态可利用相对速度和相对距离表示,两者均存在“增加”、“减小”或“保持不变”3种形式。因此,试验车辆之间共有9种相对行驶状态R1,…,R9。

       此外,构建V2V环境下车辆相对行驶状态和驾驶人驾驶意图HMM模型时,分析外场试验数据发现,车辆行驶环境对驾驶意图有一定影响。通过对实车试验中采集到的车辆速度与信号强度试验数据进行聚类分析将车辆行驶环境划分为不同种类。不同环境下的转移概率不同。

图2:驾驶模型示意图
       基于驾驶意图共享的避撞预警算法设计当已知任意时刻一段已观测到的相对行驶状态序列,可利用Viterbi算法求解获得最有可能的隐含驾驶意图序列,然后根据HMM模型预判后的相对行驶状态,进而实现对后的驾驶意图预判。将驾驶意图作为特征因子集成到安全距离模型中,设计DI-CA预警算法并计算安全距离,将安全距离与车辆间距进行比较实现预警。
基于驾驶意图共享的避撞预警算法设计
       相较于传统的Mazda模型,本文提出的模型认为前后两辆车辆的制动减速度也是随时间变化的,经过计算得到的安全距离为:
式中:t1为驾驶人反应时间,t2为制动器的作用时间,t3为持续制动时间,t4为驾驶人松开踏板到制动力消除时间。VF为后车起始制动车速,为后车制动后速度,单位m/s。aFmax为后车的最大制动减速度。
       不同驾驶意图下的后车避撞过程不同,将驾驶人的驾驶意图作为特征因子集成到安全距离模型中,提出的DI-CA预警算法的临界状态安全距离公式为:
式中:ri(i=1,2,3,4)为驾驶意图特征因子,当预判结果为第i种驾驶意图,对应矩阵内ri=1,其余的 。利用DI-CA预警算法获得安全距离,当前后两车之间的相对距离小于安全距离时,对后车进行避撞预警。
结论展望
        本文针对V2V环境下的车辆避撞预警算法进行了研究,引入驾驶意图共享概念,提出一种基于HMM的驾驶意图预判模型,将驾驶意图作为特征因子集成到安全距离模型中,设计了一种适用于V2V环境下车辆跟驰场景的DI-CA预警算法。并利用所采集的实车试验数据进行了实证分析,结果表明所提出预警算法在降低误警率和漏警率的同时有效提升预警效果。
       驾驶意图共享应用于车辆避撞预警研究领域尚处于起步阶段,本文所提出的DI-CA避撞预警算法为相关研究提供了一定的参考。由于目前研究试验条件所限,下一步需继续进行的相关研究如下:
      1)利用HMM模型进行驾驶意图预判时,建立的驾驶意图转移概率函数不仅考虑本文所提出的环境因素,还可考虑不同时段、不同类型驾驶人等复杂影响因素,建立复合型HMM网络结构,进一步提升驾驶意图预判效果。
      2)按照分级预警思想,针对复杂的车辆行驶状态及危险场景,采用不同预警方式和分级预警机制进行预警,进一步提升预警信息的可接受性。
      3)考虑车辆行驶环境中存在跟驰、换道共存等更加复杂的驾驶行为,以及行人、非机动车的影响,未来将针对更加复杂的驾驶行为进行避撞预警算法研究,使其更加适应实际交通流的驾驶环境。


相关阅读
发表评论
姓名:
联系方式:
评论专区
东南大学 东南大学交通学院 清华大学 同济大学 西南交通大学 北京航空航天大学 上海交通大学 浙江大学
University of Wisconsin - Madison University of Michigan Rensselaer Polytechnic Institute Santa Clara University Rutgers University
交通运输部路网监测与应急处置中心 江苏省交通运输厅 南京智库联盟 江苏交通控股有限公司 江苏高速公路联网营运管理有限公司
中心概况研究动态新闻中心合作交流加入我们
Copyright © 2019 东南大学物联网交通应用研究中心 All Rights Reserved.