一种基于最小安全转向圆切线法进行无人机路径规划的高速公路突发事件识别方法与流程

本发明涉及交通领域和无人机技术领域。具体而言是一种无人机自动接收指令、生成轨迹，飞往事故点进行高速公路突发事件快速识别的方法。

背景技术

随着国内机动车保有量、高速公路路网里程和路网占有率的持续增长，高速公路的事故发生率也随之上升，成为阻碍高速公路路网体系发挥高效运输作用的重要因素之一。高速公路发生突发事件时，后果往往严重，如果交警人员不能及时到达现场处理，容易引发更严重的人员伤亡。如之前发生在安徽省的高速公路团雾事件，死伤几十人。事故发生后，高速公路拥堵严重，交警人员无法快速到达事故发生点，也无法得知现场的具体情况，造成现场秩序混乱，高速公路交通长时间瘫痪。

高速公路发生突发事件时，传统的做法是人为发现事故后通过报警来通知交警部门，效率低，等待时间长，交警部门处于被动状态。因而当高速公路发生突发事件，事故发现和处理的不及时是造成交通全面瘫痪和严重灾难的重要原因。传统的事故检测识别技术已经无法满足我国高速公路路网快速、安全、智能化发展的需求。

随着传感器和互联网技术的广泛使用，智能交通技术正在快速发展和普及，催生交通系统智慧化变革，为高速公路智能化事故点识别和无人机智能快速事故辨识提供了强有力的技术支持。

高速公路事故点的识别以及事故类别的快速辨识，是交通领域一个比较新颖的课题。现有方法主要是交警部门接到事故报警信息后，人为向无人机传达指令，无人机在事故发生点帮助交警人员进行事故调查。现存的方法人为参与过多，智能化不足，事故调查分析耗时长，实用性差；且无人机并没有被很好的运用，无人机作为新技术手段使用的实用性过低。

传统的路径规划算法可以分为"非进化算法"和"进化算法"两大类。"非进化算法"主要有：单侧搜索法、人工势场法、dijkstra算法；"进化算法"主要有：遗传算法、蚁群算法、粒子群优化算法。路径规划的计算代价一般是地图大小的函数，地图越大，路径规划的计算代价随之变大。与其他路径规划相比，无人机路径规划的特点体现为隙碍物稀疏、小体积障碍物分布零散、大体积障碍物分布集中的特点。在无人机路径规划之中，由于地图一般较大，而地图的稀疏度较高，故而采用传统路径规划算法会浪费较多的计算时间，且生成的路径不稳定，无法保证所得路径即为最短路径。无人机的路径规划，应该使用简单可靠、不受地图大小影响的路径生成方法。

本发明提出利用“最小安全转向圆切线法”进行无人机路径生成，使无人机自主对高速公路突发事故进行安全快速辨识。检测器模块自动进行事故点的检测和分析，并将事故信息发送给无人机，无人机接到指令后通过“最小安全转向圆切线法”自动生成路径，前往事故点进行事故的识别。该方法解决了高速公路事故检测分析中对人员的过度依赖，相比于传统方法具有更好的准确性、快速性和可靠性。

技术实现要素：

本发明的目的在于克服目前高速公路事故点及事故类别的辨识花费时间长、人员依赖严重、稳定性差的问题，充分发挥无人机灵活度高、使用成本小的优势，提出一种基于“最小安全转向圆切线法”进行无人机路径规划的高速公路突发事件识别方法。

本发明首先利用高速公路交通波理论和传感器检测技术，对高速公路的检测器数据进行处理，从而对高速公路车道通行状态进行分析，确定突发事件的事故地点；然后，利用无线通讯技术将事故信息传送给无人机；最后，利用“最小安全转向圆切线法”生成无人机最优飞行路径，使无人机可以快速到达事故区域执行任务，完成事故点精确定位和事故类别辨识；达到高速公路突发事件的快速、准确和高效辨识，为事故处置决策提供了可靠地执行依据，从而减轻高速公路突发事件对高速公路正常通行的影响。

为实现上述发明目的，本发明的具体技术方案如下：

步骤一：检测突发事件的发生。由检测器的占空情况可以检测高速公路上是否有突发事件发生。检测器分为占有和空置两种状态，当车辆在检测器上方时，检测器为占有状态；反之，为空置状态。高速公路车流通行正常时，检测器出现占有和空置交替出现的现象。事故发生时，往往伴随着交通堵塞。事故发生后，事故点上游道路车流速度迅速减弱为零，出现堵塞，事故点上游的检测器将变为持续占有状态；事故点下游的检测器将变为持续空置状态，直到事故被清理。根据检测器的状态可判断是否有突发事故发生，当检测器被占有时间或被空置时间δt＞t时，认定有交通事故发生。

其中，t为时间阈值,表示在非堵车情况下高速公路上的车流通过检测器，检测器出现占有和空闲交替的最大时间间隔；t与日期、时刻、高速公路所在的地域位置等多种参数相关，因而可知t的设置要根据具体的高速公路进行设置，不同省市之间高速公路的检测器所设置的t不尽相同，需要根据统计分析得到。

步骤二：初步确定事故地点。判定事故发生后，上游检测器被占用的开始时间t1，下游检测器被空置的开始时间t2随之都被确定。车流的交通量q(辆/h)、平均车速v(km/h)可由检测器计算的数据直接计算得出。

事故地点的确定依据交通波理论。计算道路正常通行时，交通流密度k(辆/km)：

道路拥堵时的交通流密度kj通过统计分析可得。计算事故点与检测器的相对位置：

其中：uw为交通波波速；δt^*为交通波传播时间；δq为交通量的变化值；δk为交通流密度的变化值；q2为车流密度分界面处下游的交通流量；q1为车流密度分界面处上游的交通流量k2为车流密度分界面处下游的交通流密度；k1为车流密度分界面处上游的交通流密度。δl为事故点到检测器的距离。检测器的经纬度已知，当δl计算出来后，事故点的坐标随之得到。检测器将事故信息发送给距离事故点最近的无人机，等待无人机飞往事故点进行调查。

步骤三：无人机路径规划初步准备工作。路径规划的计算代价一般是地图大小size＝length·width的函数，length为地图的长，width为地图的宽。在无人机路径规划之中，由于地图大小size的值一般较大，而地图的稀疏度较高，故而采用传统路径规划算法会浪费较多的计算时间，且生成的路径不稳定，无法保证所得路径是最短路径。根据高速公路所处的障碍物稀疏的环境特点，本文提出一种简单可行的“最小安全转向圆切线法”生成路径，其与地图的大小无关，对于障碍物稀疏的飞行环境适用性很强。首先确定本方法中各符号的意义：地图x轴的坐标x,y轴的坐标y，限定的无人机飞行高度h，无人机最大飞行速度vmax,无人机最大偏航速度(平转向速度)ωmax，无人机巡航速度vc，无人机最小转弯半径r,计算无人机的最小转弯半径

假设无人机飞行中的大部分路段都是在限度飞行高度h的高空飞行。根据无人机的限定飞行高速h，将高度高于h的物体标记为障碍物，对飞行区域中的障碍物标注在路径规划的地图上，将三维路径规划的地图投影到二维平面。

步骤四：用“最小安全转向圆切线法”进行路径规划。

第一步，起点和目标点之间是否有障碍物。若起点(xa,ya)与目标点(xb,yb)之间没有障碍物，根据欧式距离确定理想最短路径l0的长度则欧式距离为l0即为实际最优路径，路径生成。反之，按照“最小安全转向圆切线法”进行无人机路径规划。

第二步，得到最小安全转向圆。当起点(xa,ya)与目标点(xb,yb)之间有障碍物时，作距离a点最近的障碍物轮廓线的外接圆o，半径为r0，在地图上标记此外接圆圆心o(xo,yo)。考虑到无人机的最小转弯半径r，以o点为圆心，半径r1＝r0+r重新作圆，得到最小安全转向圆o1。过起点a和目标点b做圆o1的切线，得到切点c1，d1和c2，d2。

第三步，计算安全路径长度并保留最优路径。通过第二步，可得到的安全路径为线段弧线段比较与大小，选择值小的作为最优路径lac+lcd保留。

lcd＝θ·r1(5)

其中，θ为线段scd在圆o1中所对的圆心角:

第四步，剩余区域的路径规划。判断目标点b与最小安全转向圆o1之间的切点d之间是否有障碍物，无障碍物则选择线段ldb作为无人机路径；反之，无人机重新定位，将d点设置为新的起始点a；进行第一步到第三步的迭代，生成路径，完成无人机路径规划。

步骤五：无人机到事故区域进行调查。无人机沿着所生成的路径到达事故点所在区域，进行事故点精确定位、数据回传以及事故类型辨识。

本发明的技术优势在于：

本发明具有反应速度快、自动化、智能化、可靠性高等优点。

(1)本发明根据现存技术在发现高速公路突发事件时的被动性、人员依赖性，提出利用检测器的道路联网事故检测技术，可在事故发生后迅速确定事故点所在区域、事故发生时间。

(2)本发明改变以往人工向无人机发送事故指令的工作方式，改为事故检测装置自动向无人机发送事故指令。简化了指令传输步骤，可极大节省时间；同时不依赖人员，指令传输的准确性提高。

(3)本发明根据已有路径生成算法的不足，提出一种新的适合高速公路事故调查无人机所使用的路径生成方法——“最小安全转向圆切线法”；该方法与已有的路径生成算法相比更加简单，稳定性高，可有效解决高速公路事故调查无人机的路径生成问题，使无人机在最短内完成交通事故的辨识。

附图说明

图1为本发明的交通事故检测方法示意图；

图2为本发明在简单情境下的路径生成示意图；

图3为本发明的路径规划流程示意图。

在图1中，a:检测器所在横截面b：检测器所在横截面c：检测器所在横截面p：事故点uw1：向事故点上游传播的事故交通波波速

uw2：向事故点下游传播的事故交通波波速

在图2中，1：无人机2：障碍物3:最小安全转向圆4:外接圆5：障碍物6：事故车7：高速公路a：起点b：目标点c1、c2：起点与最小转向圆的切点d1、d2：目标点与最小转向圆的切点

具体实施方式

为了使本发明的目的、技术方案及有益效果更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。下面结合本发明的附图，对本发明在具体实施时的技术方案进行清楚、完整的描述。

以图1所示的单向两车道，无出入口匝道干扰，交通到达率均匀的平直高速公路为研究对象。假设高速公路每1km均匀布设一套检测器装置，即图1中lab＝lbc＝1km,t＝2km；检测器的时间阈值t＝10s；在上午10时35分时，图1中p点发生交通事故，事故原因未知；两车道同时被堵塞，过往车辆无法通行。

步骤一：检测突发事件的发生。事故发生时间t0＝10:35:00，假设在上午10：35:22，汽车在a处检测器上的停留时间δt＝12s>t＝10s时，检测器判定发生事故。

步骤二：初步确定事故地点。图1中a处检测器计算检测器自动计算出t1＝10:35:10；同理，b处检测器计算出t2＝10:35:20。同时根据检测器记录的数据可知事故发生前事故点处车流的交通量q0＝2100(辆/h)、平均车速v0＝70(km/h)；计算正常通行时的交通流密度(辆/km)；故发生前事故点处的交通状况为(0,k0,0)＝(2100辆/h，30辆/km,70km/h)。显然，假设此段高速公路的平均车辆长度为8m(可由检测器测出),考虑前后车的间距，则道路拥堵时的交通流密度可估算为kj＝100辆/km；故紧邻事故点的道路上游的交通状况变为(0,kj,0)＝(0,100辆/km,0)；紧邻事故点的道路下游的交通状况变为(0,0,v0)＝(0,0,70km/h)；计算交通事故引发的向事故点上游传播的事故交通波波速：值为负数表明与车流方向相反，前面已经说明向上游传播，uw1应取正值，故uw1＝30km/h；同理，向事故点下游传播的事故交通波波速：计算事故点与检测器的相对位置,δl＝uw·δt^*。图1中事故点p到上游检测器所在横截面a的距离为l1＝uw1×(t1-t0)，事故点p到下游检测器所在横截面b的距离为l2＝uw2×(t2-t0)。检测器联网，检测器所在的坐标可直接确定；因而检测器之间的距离l可直接得到。这里假设检测器均匀分布，l＝1km。由于在选择关键时间点时是以车辆进出检测器的时间为度量单位的，车辆走行的距离小于事故点至下游检测器之间的距离。显然有：l1+l2≤l。为计算方便，取l1+l2＝l。联立方程组初步计算事故点所在位置：

解之，得进行单位换算，时间单位变为秒(s)，长度单位变为米(m),速度单位为米/秒(m/s)；代入数据，即事故点在横截面a下游241.7m处，事故点的坐标随之得到。检测器将事故信息发送给距离事故点最近的无人机，等待无人机飞往事故点进行调查。

步骤三：无人机路径规划初步准备工作。接到事故点位置信息后，无人机进行任务地图初始化。如图2所示，初始化任务地图包括:(1)在三维路径规划地图中将高于限定的无人机飞行高度h的地形和物体标注为障碍物；(2)完成三维路径规划的地图到二维平面的投影；(3)将起点标记为a，目标点即事故点标记为b,在二维路径规划地图上标注起点a(xa,ya)、目标点b(xb,yb)和障碍物的坐标；(4)计算出所述无人机的最小安全转向半径r,其中，ωmax为无人机最大偏航速度(平转向速度)，vc为无人机巡航速度。

步骤四：用“最小安全转向圆切线法”进行路径规划。

1.判断起始点和目标点之间是否有障碍物。根据地图上起点a(xa,ya)、目标点b(xb,yb)和障碍物的坐标，可知道a、b之间是否有障碍物。a、b之间无障碍物，则根据欧式距离确定理想最短路径l0的长度反之，按照“最小安全转向圆切线法”进行无人机路径规划。如图2所示情景，a、b之间有障碍物5，因而需要通过“最小安全转向圆切线法”进行a、b之间的路径规划。

2.得到最小安全转向圆。如图2所示，根据障碍物5的轮廓线生成外接圆o，半径为r0，在地图上标记此外接圆圆心o(xo,yo)。考虑到无人机的最小转弯半径r，以o点为圆心，半径r1＝r0+r重新作圆，得到最小安全转向圆o1。过起点a和目标点b做圆o1的切线，得到切点c1，d1和c2，d2。

3.计算安全路径长度并保留最优路径。由上面一步，可得到两条安全路径:线段弧线段比较两条路径的长度，选出最优路径，比较与大小，选择值小的作为最优路径lac+lcd保留。

解方程组得

则

图3情境中，故将线段弧线段作为路径进行保存。

4.剩余区域的路径规划。图3情境中，点d1于目标点b之间没有障碍物，故线段为合适路径，将路径进行保存。

步骤五：无人机到事故区域进行调查。无人机沿着所生成的路径：线段弧线段线段飞行到达事故点所在区域。步骤三计算出的事故点经纬度存在一定的误差，通过无人机的gps模块进行事故点精确定位。同时，无人机通过搭载的摄像头航拍事故区域视频，通过4g网络进行数据回传，地面工作人员根据回传的视频数据，进行事故类别的确认。