基于行车安全场的车辆智能安全决策方法技术

本发明专利技术公开了一种基于行车安全场的车辆智能安全决策方法，方法包括：步骤1，在自车的电子控制单元中或在智能交通管理系统的中央计算机系统中预先设置行车安全场模型和行车风险辨识模型；其中，行车安全场模型用于反映交通风险随时间空间的变化，是通过分析人‑车‑路系统各因素对交通系统的影响而构建得到；步骤2，通过行车安全场模型，获取交通系统处于稳态时当前行车最优速度和车辆与该车辆之外的物体之间的安全行驶距离；步骤3，根据当前行车最优速度和安全行驶距离，通过获取行车风险辨识模型的作用量的最小值，进而得到车辆当前的行车风险等级值。本发明专利技术能够达到对道路交通系统进行安全调控，有利于降低道路碰撞交通事故发生率。

Vehicle intelligent safety decision-making method based on driving safety field

The invention discloses a vehicle intelligent safety decision method based on a driving safety field. The method comprises the following steps: 1. Pre-set a driving safety field model and a driving risk identification model in the electronic control unit of a bicycle or in the central computer system of an intelligent traffic management system; wherein the driving safety field model is used for anti-driving; To reflect the change of traffic risk with time and space, it is constructed by analyzing the influence of various factors on the traffic system. Step 2, through the traffic safety field model, the current optimal speed of the traffic system in steady state and the safe distance between the vehicle and objects outside the vehicle are obtained. According to the current optimal speed and safe driving distance, the current driving risk level of the vehicle is obtained by obtaining the minimum value of the action of the driving risk identification model. The invention can achieve the safety regulation and control of the road traffic system, and is beneficial to reducing the occurrence rate of road collision traffic accidents.

【技术实现步骤摘要】
基于行车安全场的车辆智能安全决策方法
本专利技术涉及交通安全领域，特别是关于一种基于行车安全场的车辆智能安全决策方法。
技术介绍
近年来，我国国民经济迅速发展，汽车化进程也快速推进，汽车保有量迅速增加，与此同时，我国道路交通安全状况也日趋严峻。传统的交通安全控制都是建立在车辆动力学或道路规划的基础上，其理论假设没有充分考虑交通行为中人－车－路的系统作用，尤其对人(驾驶人)的心理特性研究缺乏重视和研究。此外，在研究方法上，基本上是在单一的相关层面上，即以某一影响因素为自变量，以车辆性能指标变化作为反应车辆安全性的目标值，常规的将两种因素进行直接关联，来分析该因素对车辆安全性的影响。交通系统安全性取决于客观安全保证的可靠性与驾驶人对这种可靠性的信息表现的感知之间的协调，即交通安全性与客观安全保证有关，也与驾驶人安全感有关，只有当两者相互协调统一时，系统交通安全才能实现。而对于行车的智能化控制是汽车产业的重大变革方向，汽车安全是智能化的最重要目标，行车风险量化评估与智能安全控制是实现驾驶辅助、无人驾驶、车路协同等汽车智能化技术的基础。然而，我国复杂的混合交通环境急需新的汽车智能安全理论方法以突破车辆智能化中的发展瓶颈。目前，国内外在针对车辆安全控制、道路安全评估等单一目标的行车安全控制方法已经有初步的成果，但综合考虑人-车-路三者的多目标统一协调的行车安全控制方法还在发展之中。最初在心理学方面对场论概念加以应用，勒温提出心理学原理，定义为心理场，通过利用有经验的驾驶人迅速辨识障碍物过程所产生的场，结合相对速度、路面条件、自车状态，进而规划合理的可行边界；势能场法通常用于机器人领域的路径规划，实现路径规划和动态转向控制，ArkinRC利用人工势能场方法，实现了移动机器人在室内的路径规划和主动避撞；戴姆勒奔驰的ReichardtD将驾驶环境看成以自动驾驶车辆为中心的地图并将每个坐标点看成一个带电粒子，从而研究智能车运动过程受到的风险的影响，但该研究中简化了实际环境因素及忽略了驾驶人因素；KitamuraY等人利用人工势能场对3D环境中的自动飞行器的路径规划进行了研究，认为用该方法可以解决多运动体问题求解；WolfMT等利用汤川势提出了一种高速公路车辆避撞算法，利用电场的思想，建立自车和他车产生的势能场，并对自车在跟车、超车、拥堵等典型场景下进行避撞路径规划研究，但一定程度上对场景进行了简化，且此算法只对特定场景有效；TsourveloudisNC等人在移动小车的周围安装超声波传感器，感知周围的障碍物并确定障碍物的相对重要性；Reichardt等人引入电场模型研究动态的高速路无人驾驶车辆的避撞行为，以两个正电荷模型模拟行车过程两车的相斥状态，利用电场力的计算式计算名义电场力，并应用于纵向和横向的控制模型。整个理论相对成熟，但对驾驶人自身决策考虑不周，忽略了协调环境下的耦合特性。针对目前存在交通安全模型难以全面反映反映人、车和路等各种交通要素对交通环境造成的风险这一难题，王建强等人提出行车风险场思想，其模型涵盖了人、车、路中的大量参数，但是该模型只针对行车安全提供辅助决策，无法为复杂交通环境下的道路安全评估提供准确的判定依据。目前，已有研究在行车风险造成因素考虑时比较分散，主要针对特定场景，类似于汽车上配置的驾驶辅助设备，单一处理问题，而尚未构成系统来协调解决问题总成。这就可能会造成汽车行驶于复杂交通环境中没有一种有效管控整个交通系统的策略，不能在混合交通时及时提供对整个交通出行者的决策信息支撑。在实际交通环境中，如何准确、定量地评估车辆行驶的危险态势是实现行车安全的关键，因此在现有交通管控下迫切需要一套综合交通智能安全控制系统，从而更好实现对一定区域内道路交通环境的安全状态实时监测、评估，进而指导交通管理、道路规划及建设，提高道路交通安全性，降低道路交通事故率，改善道路交通环境。
技术实现思路
针对上述问题，本专利技术旨在提供一种能够为交通系统智能管控提供风险识别重要手段和决策信息支撑理论方法的基于行车安全场的车辆智能安全决策方法。为实现上述目的，本专利技术提供一种基于行车安全场的车辆智能安全决策方法，所述基于行车安全场的车辆智能安全决策方法包括如下步骤：步骤1，在自车的电子控制单元中或在智能交通管理系统的中央计算机系统中预先设置行车安全场模型和行车风险辨识模型；其中，所述行车安全场模型用于反映交通风险随时间空间的变化，是通过分析人-车-路系统各因素对交通系统的影响而构建得到；步骤2，通过所述行车安全场模型，获取交通系统处于稳态时当前行车最优速度和车辆与该车辆之外的物体之间的安全行驶距离；和步骤3，根据步骤2获得的交通系统在稳态时当前行车最优速度和自车与自车之外的物体之间的安全行驶距离，通过获取所述行车风险辨识模型的作用量的最小值，利用风险归一化评价指标对道路车辆的危险行驶态势进行综合描述和定量评估，进而得到车辆当前的行车风险等级值。进一步地，步骤1中的“行车风险辨识模型”的获得方法包括如下步骤：步骤11，建立描述行车风险产生机理的物理模型，以获得交通系统的稳态和失稳状态的条件；步骤12，基于所述物理模型，建立如下的车辆行驶作用量模型：(低风险×短时间)其中，SRisk代表为自车在预设交通过程中的作用量或智能交通管理系统所管理的预设路段的所有道路使用者在所述预设交通过程中的作用量，t1为所述预设交通过程的起始时刻，t2为所述预设交通过程的终止时刻；步骤13，根据所述车辆行驶作用量模型，获得交通系统所对应的行车场景相对应的所述行车风险辨识模型。进一步地，步骤1中的“行车安全场模型”的表达式为：Mi＝Mi(mi,Ti,vi)Mj＝Mj(mj,Tj,vj)式中，Uji表示车辆i在(xi,yi)处由于车辆j对其作用而具备的势能；K>0为待定常数；DRi表示驾驶人影响因子；Ri表示车辆i受到的由滚动阻力、爬坡阻力、加速阻力、空气阻力造成的阻力场；Rj表示车辆j受到的由滚动阻力、爬坡阻力、加速阻力、空气阻力造成的阻力场；Mi表示车辆i的等效质量；Mj表示车辆j的等效质量；mi为车辆i的质量；xi为车辆i的纵向位移；为车辆i的纵向速度；为车辆的纵向加速度；g为重力加速度；f为滚动阻力系数；iα为坡度；CDi为车辆i的风阻系数；CDj为车辆j的风阻系数；Ai为车辆i的迎风面积；Aj为车辆j的迎风面积；λi为车辆i旋转质量换算系数；λj为车辆j旋转质量换算系数；Ti是车辆i的类型；Tj是车辆j的类型；vi是车辆i的速度；vj是车辆j的速度。进一步地，步骤2中的“通过所述行车安全场模型，获取交通系统在稳态时车辆与该车辆之外的物体之间的安全行驶距离”的方法如下包括：定义则反映势能随时空变化的变化率表示为：式中，k、k1、k2均为待定参数，k1具体表现为场的变化系数，k2具体体现为势能随时空变化的变化系数；定义所述步骤4中的“当前行车最优速度”为v*，则车辆i在交通环境中运行受力为f(v*)；当车辆达到稳态行驶时，交通系统处于稳态，则存在即：对交通管控系统和行车进行智能安全管控时追求车辆速度为匀速时交通系统达到均衡，此时Δv＝0，得出：则得到：式中，R表示车辆与该车辆之外的物体之间的安全行驶距离。进一步地，步骤2中的“物理模本文档来自技高网...

【技术保护点】
1.一种基于行车安全场的车辆智能安全决策方法，其特征在于，包括以下步骤：步骤1，在自车的电子控制单元中或在智能交通管理系统的中央计算机系统中预先设置行车安全场模型和行车风险辨识模型；其中，所述行车安全场模型用于反映交通风险随时间空间的变化，是通过分析人‑车‑路系统各因素对交通系统的影响而构建得到；步骤2，通过所述行车安全场模型，获取交通系统处于稳态时当前行车最优速度和车辆与该车辆之外的物体之间的安全行驶距离；和步骤3，根据步骤2获得的交通系统在稳态时当前行车最优速度和自车与自车之外的物体之间的安全行驶距离，通过获取所述行车风险辨识模型的作用量的最小值，利用风险归一化评价指标对道路车辆的危险行驶态势进行综合描述和定量评估，进而得到车辆当前的行车风险等级值。

【技术特征摘要】
1.一种基于行车安全场的车辆智能安全决策方法，其特征在于，包括以下步骤：步骤1，在自车的电子控制单元中或在智能交通管理系统的中央计算机系统中预先设置行车安全场模型和行车风险辨识模型；其中，所述行车安全场模型用于反映交通风险随时间空间的变化，是通过分析人-车-路系统各因素对交通系统的影响而构建得到；步骤2，通过所述行车安全场模型，获取交通系统处于稳态时当前行车最优速度和车辆与该车辆之外的物体之间的安全行驶距离；和步骤3，根据步骤2获得的交通系统在稳态时当前行车最优速度和自车与自车之外的物体之间的安全行驶距离，通过获取所述行车风险辨识模型的作用量的最小值，利用风险归一化评价指标对道路车辆的危险行驶态势进行综合描述和定量评估，进而得到车辆当前的行车风险等级值。2.如权利要求1所述的基于行车安全场的车辆智能安全决策方法,其特征在于，步骤1中的“行车风险辨识模型”的获得方法包括如下步骤：步骤11，建立描述行车风险产生机理的物理模型，以获得交通系统的稳态和失稳状态的条件；步骤12，基于所述物理模型，建立如下的车辆行驶作用量模型：其中，SRisk代表为自车在预设交通过程中的作用量或智能交通管理系统所管理的预设路段的所有道路使用者在所述预设交通过程中的作用量，t1为所述预设交通过程的起始时刻，t2为所述预设交通过程的终止时刻；步骤13，根据所述车辆行驶作用量模型，获得交通系统所对应的行车场景相对应的所述行车风险辨识模型。3.如权利要求2所述的基于行车安全场的车辆智能安全决策方法，其特征在于，步骤1中的“行车安全场模型”的表达式为：Mi＝Mi(mi,Ti,vi)Mj＝Mj(mj,Tj,vj)式中，Uji表示车辆i在(xi,yi)处由于车辆j对其作用而具备的势能；K>0为待定常数；DRi表示驾驶人影响因子；Ri表示车辆i受到的由滚动阻力、爬坡阻力、加速阻力、空气阻力造成的阻力场；Rj表示车辆j受到的由滚动阻力、爬坡阻力、加速阻力、空气阻力造成的阻力场；Mi表示车辆i的等效质量；Mj表示车辆j的等效质量；mi为车辆i的质量；xi为车辆i的纵向位移；为车辆i的纵向速度；为车辆的纵向加速度；g为重力加速度；f为滚动阻力系数；iα为坡度；CDi为车辆i的风阻系数；CDj为车辆j的风阻系数；Ai为车辆i的迎风面积；Aj为车辆j的迎风面积；λi为车辆i旋转质量换算系数；λj为车辆j旋转质量换算系数；Ti是车辆i的类型；Tj是车辆j的类型；vi是车辆i的速度；vj是车辆j的速度。4.如权利要求3所述的基于行车安全场的车辆智能安全决策方法,其特征在于，步骤2中的“通过所述行车安全场模型，获取交通系统在稳态时车辆与该车辆之外的物体之间的安全行驶距离”的方法如下包括：定义Δv＝vi-vj，则反映势能随时空变化的变化率表示为：式中，k、k1、k2均为待定参数，k1具体表现为场的变化系数，k2具体体现为势能随时空变化的变化系数；定义所述步骤4中的“当前行车最优速度”为v*，则车辆i在交通环境中运行受力为f(v*)；当车辆达到稳态行驶时，交通系统处于稳...

【专利技术属性】
技术研发人员：王建强，黄荷叶，郑讯佳，李克强，许庆，
申请(专利权)人：清华大学，
类型：发明
国别省市：北京,11