车辆实时轨迹预测方法及预测系统与流程

本发明涉及车联网通信技术，尤其是一种车辆实时轨迹预测方法及预测系统。

背景技术：

目前，在智能交通系统(Intelligent Transport System或者Intelligent Transportation System，简称ITS)发展过程中，实现精确高效安全的驾驶是智能交通终极目标。驾驶首要目标就是实现汽车驾驶的高度安全性，发现潜在的安全事故，及时精确的提出预警和驾驶辅助，有效的规避事故和规划行驶路径。

目前车辆位置信息都是由全球导航卫星系统(Global Navigation SatelliteSystem，以下简称GNSS)提供的，基于GNSS的车辆轨迹预测技术目前有较多的版本，基本原理就是根据历史数据拟合汽车行驶状态，进而对车辆的行驶轨迹进行预测。

车辆在行驶过程中，大量的GNSS数据记录可以作为拟合车辆行驶轨迹的来源，但是从人工智能角度来看，大量车辆GNSS数据可以作为挖掘车辆行驶状态的基础。目前现有的轨迹预测技术较多，如基于马尔可夫链法、惯性导航法、卡尔曼滤波法、粒子滤波法、最小二乘法、高斯混合模型、神经网络、机器学习法、拓扑学理论以及其他较为复杂的轨迹预测方法。以上各种轨迹预测方法存在于理论研究水平，真正能用于车辆轨迹预测的算法较少。因为在嵌入式系统中存在着计算资源、GNSS飘移、存储资源、实效性、依赖于地理信息、依赖于其他车辆位置信息等要求，上述算法需要经过大量的数学运算，造成资源浪费。

技术实现要素：

本发明的主要目的是提供一种车辆实时轨迹预测方法及预测系统，旨在简化运算过程，减少资源浪费，并提高预测的精确度。

为实现上述目的，本发明提出的车辆实时轨迹预测方法，包括以下步骤：

S1，从GNSS动态数据中采集车辆实时参数，其中所述车辆实时参数包括车辆实时航向角、时间、实时速度、车辆实时经度、实时纬度及车辆行驶的弧度，根据所述航向角及时间，获得航向角变化率，由处于连续状态的所述航向角的变化率和上述实时速度，获得车辆行驶路径半径；

S2，根据所述时间及实时航向角计算反应车辆行驶路径变化状态的置信率，并比较所述置信率与预设的置信率区间；

S3，如果置信率落在预设的置信率区间内，则根据所述车辆实时经度、实时纬度、车辆行驶的弧度以及获得的所述车辆行驶半径获得下一时刻车辆行驶轨迹。

优选地，所述步骤S1包括以下步骤：

S1a，按照预设频率从GNSS动态数据中采集车辆实时参数，其中所述车辆实时参数包括车辆实时航向角、时间、实时速度、车辆实时经度、实时纬度及车辆行驶的弧度；

S1b，由航向角及时间通过计算获得车辆实时航向角变化率；

S1c，对上述实时航向角变化率进行滤波处理，以过滤掉处于非连续状态的航向角变化率；

S1d，根据上述处于连续状态的航向角变化率以及实时速度，获得车辆行驶路径半径。

优选地，所述步骤S1c中，采用二阶低通滤波器进行滤波处理。

优选地，所述步骤S2包括以下步骤：

S2a，对经过上述步骤S1c后的航向角变化率的差分值进行计算；

S2b，选定置信率区间，并根据航向角变化率的差分值与置信率区间之间的映射关系确定航向角变化率的差分值的预设阈值；

S2c，如果航向角变化率的差分值小于上述预设阈值，则认为在置信率区间范围内，则进行步骤S3；

如果航向角变化率的差分值大于或等于预设阈值，则认为不在置信率区间范围内，则结束本次数据预测。

优选地，所述步骤S3中，从步骤S1中获得的参数中包括车辆实时经度、实时纬度、车辆行驶的弧度，根据辆实时经度、实时纬度、车辆行驶的弧度以及步骤S1获得的车辆行驶半径获得下一时刻车辆行驶轨迹。

本发明还提供一种车辆实时轨迹预测系统，包括：

半径获取模块，从GNSS动态数据中采集车辆实时参数，其中所述车辆实时参数包括车辆实时航向角、时间、实时速度、车辆实时经度、实时纬度及车辆行驶的弧度，根据所述航向角及时间，获得航向角变化率，由处于连续状态的所述航向角变化率和上述参数中的实时速度，获得车辆行驶路径半径；

置信率筛选模块，根据所述车辆实时航向角及时间计算反应车辆行驶路径变化状态的置信率，并比较所述置信率与预设的置信率区间；

所述轨迹预测模块，如果置信率落在置信率区间内，根据半径获取模块输入的所述车辆实时经度、实时纬度、车辆行驶的弧度以及获得的所述车辆行驶半径获得下一时刻车辆行驶轨迹。

优选地，所述半径获取模块包括：

采集单元，按照预设频率从GNSS动态数据中采集车辆实时参数，其中所述车辆实时参数包括车辆实时航向角、时间、实时速度、车辆实时经度、实时纬度及车辆行驶的弧度；

转换单元，由所述航向角及时间通过计算获得车辆实时航向角变化率；

过滤单元，对上述实时航向角变化率进行滤波处理，以过滤掉处于非连续状态的航向角变化率；

计算单元，根据上述处于连续状态的航向角变化率以及所述实时速度，获得车辆行驶路径半径。

优选地，所述过滤单元采用二阶低通滤波器进行滤波处理。

优选地，所述置信率筛选模块包括：

置信率获取单元，对经过上述过滤单元过滤后的航向角变化率的差分值进行计算；并根据航向角变化率的差分值与置信率区间之间的映射关系确定当前航向角变化率的差分值对应的置信率区间；

阈值模块，选定置信率区间，根据选定置信率区间以及航向角变化率的差分值与置信率区间之间的映射关系的确定航向角变化率的差分值的预设阈值；

筛选单元，如果航向角变化率的差分值小于上述预设阈值，则认为在选定的置信率区间范围内，则将上述车辆行驶路径半径作为半径信号向轨迹预测模块输入；如果航向角变化率的差分值大于或等于预设阈值，则认为不在置信率区间范围内；则不向所述轨迹获预测模块输入半径信号，结束本次数据预测。

优选地，所述阈值模块中选定的置信率区间在50％～100％之间。

本发明技术方案中，车辆在地球上行驶，地球近似球体，车辆的行驶轨迹可近似用一段圆弧表示，本方案中假定车辆的行驶轨迹是一段圆弧，首先从GNSS动态数据中采集车辆实时参数，这些参数中包括车辆实时航向角、时间及实时速度车辆实时经度、实时纬度、车辆行驶的弧度；首先根据航向角及时间，获得航向角变化率，由处于连续状态的所述航向角的变化率和实时速度，能够获得车辆行驶路径半径；再由时间参数及处于连续状态的所述航向角的变化率能够计算出反应车辆行驶路径变化状态的置信率，并比较所述置信率与预设的置信率区间；如果置信率落在预设的置信率区间内，则根据上述参数中的车辆实时经度、实时纬度、车辆行驶的弧度以及获得的所述车辆行驶半径获得下一时刻车辆行驶轨迹。本方案依赖车辆自身GNSS动态数据信息来预测下一时刻的车辆行驶轨迹，相对现有技术，无须依赖其他车辆地理位置信息，不用考虑GNSS漂移、实效性等因素，因此无须经过大量的数学运算，节约了计算机和存储资源；且本申请中半径预测的步骤中，由于采用的是处于连续状态的所述航向角的变化率，即航向角变化率处于非连续状态的航向角数据认为是受设备、路况或操作等因素影响较大的数据，如果采用则会导致预测半径失真，为提高预测的准确性，因此这些数据不作为半径预测数据；同时，引入置信率概念，对于车辆的行驶路径变化状态与于考虑，如果置信率在预定区间内，则认定车辆处于稳定行驶状态，为提高预测的准确性，过滤掉处于非稳定行驶状态的数据；通过两次对预测数据的过滤，提高预测精度。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。

图1为本发明一实施例提供的车辆实时轨迹预测方法的流程图示意图；

图2为本发明一实施例提供的车辆实时轨迹预测系统的功能模块示意图；

图3为本发明提供的车辆实时轨迹预测方法中车辆的行驶轨迹示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明，本发明实施例中所有方向性指示(诸如上、下、左、右、前、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。

另外，在本发明中如涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

在本发明中，除非另有明确的规定和限定，术语“连接”、“固定”等应做广义理解，例如，“固定”可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

另外，本发明各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。

本发明提出一种车辆实时轨迹预测方法。

在瞬时状态，车辆轨迹变化可以用一段弧长来表示，根据在瞬时时间航向角变化以及速度变化，可以计算出车辆瞬时行驶轨迹的半径，请参照图1、图3，在本发明一实施例中，该方法包括以下步骤：

S1，预测车辆行驶路径半径；具体从GNSS动态数据中采集车辆实时参数，其中所述车辆实时参数包括车辆实时航向角、时间、实时速度、车辆实时经度、实时纬度及车辆行驶的弧度，根据参数中的航向角及时间，获得航向角变化率，由处于连续状态的所述航向角的变化率和上述实时速度，获得车辆行驶路径半径；

S2，根据上述参数中的时间及实时航向角计算反应车辆行驶路径变化状态的置信率，并比较所述置信率与预设的置信率区间；

S3，如果置信率落在预设的置信率区间内，则根据所述实时经度、实时纬度、车辆绕行驶的弧度及上述车辆行驶半径通过计算获得下一时刻车辆行驶轨迹。

本发明的技术方案，基于GNSS数据的速度、加速度、航向角、曲率以及车辆行驶的弧度、急速变化轨迹置信区间来建立模型判断车辆下一个时刻的车辆行驶轨迹，该模型仅仅依赖于自身的当前和历史GNSS数据信息来预测下一个时刻的车辆行驶轨迹，相对于现有技术(嵌入式系统依赖于其他车辆位置信息，存在着计算资源、GNSS飘移、存储资源、实效性等要求)，上述算法无须经过大量的数学运算，节约计算机资料，且计算精度更高。

进一步地，所述步骤S1包括以下步骤：

S1a，按照预设频率从GNSS动态数据中采集车辆实时参数，其中所述车辆实时参数包括车辆实时航向角、时间、实时速度、车辆实时经度、实时纬度及车辆行驶的弧度；采集频率可根据需要进行设定，本实施例中采集频率为10Hz；采集的参数根据具体需要进行设置，本实施例中的参数包括车辆实时航向角λ、速度ν、经度和纬度；

S1b，由航向角λ及时间t通过计算获得车辆实时航向角变化率α；

由：获得航向角变化率α；其中λ1为t1时刻的航向角；λ2为t2时刻的航向角；

从GNSS动态数据中获得多个车辆实时航向角的样本点，通过这些样本点可模拟获得以时间为横坐标、以航向角为纵坐标的函数，对所述函数对时间进行求导获得时间为横坐标、以车辆航向角变化率为纵坐标的函数，每个时刻车辆瞬时航向角变化率都通过代入该函数中获得。

S1c，对上述实时航向角变化率进行滤波处理，以过滤掉处于非连续状态的航向角变化率；

因为存在道路噪声(复杂道路状况影响GNSS传感器数据输出)、传感器噪声(自身的飘移)以及驾驶员开车行为噪声(复杂驾驶行为)，均会对预测半径产生影响，此时需要对实时计算出来的航向角变化率进行滤波处理以阻止非连续的剧烈变动的航向角变化率作为输入信号得到从正、负值、无穷大的半径值；这样就会直接影响半径的计算结果，如果半径计算错误，会直接导致车辆的轨迹预测偏离车辆下一刻实际轨迹，为了避免这一特殊情况下的数据作为输入数据进行轨迹预测，因此需要通过此步骤将非连续状态的剧烈变动的航向角变化率过滤掉；

具体采用二阶低通滤波器进行滤波处理，所述二阶低通滤波器表达式符合：

对上述表达式(1)进行离散后得到以下关系式：

其中初始化条件选取为：y1＝u1，y2＝u2；ω0＝2πf0，f0为截止频率，ζ为阻尼系数，Ts为采样时间，y为航向角变化率的差分值，u为航向角，其中n≥3；在0.32Hz≤f0≤0.34Hz，0≤ζ≤2，100ms≤Ts≤400ms。本实施例中f0优选为0.33Hz，ζ优选为1，Ts优选为100ms。上述公式及公式中参数选取能有效过滤掉非连续状态的航向角变化率，过滤效果更佳。

S1d，参照图3，根据上述处于连续状态的航向角变化率α以及实时速度ν，获得车辆行驶路径半径R:

根据公式：R＝v/α和可得：

R为行驶半径，v为从GNSS获取的车辆速度，α为航向角变化率；λ1为t1时刻的航向角；λ2为t2时刻的航向角。

对预测的车辆行驶半径进行滤除噪声：

由航向角的角速度(即α，α的单位为角度/秒)和车辆的速度(即v，v的单位为米/秒)能够获得行驶半径：

R＝v/α；

又由(即将角速度的单位由角度/秒转换为弧度/秒)获得曲率：

其中l为航向角的角速度，单位为弧度/秒，速度v最小值不为零。

上述曲率经二阶低通滤波器传递函数：

过滤后获得车辆原始曲率ρ；

由获得过滤后的车辆行驶半径R，如果车辆半径大于临界值，则认为车辆路径为直线。

步骤S1计算是针对车辆稳定状态行驶有效，但是在驾驶状态剧烈变化时，计算出的预测半径会打折扣。因而需要一个在剧烈驾驶状态变化时的反应预测半径真实性的置信率。置信率高则表示车辆处于稳定行驶状态，可以放心的使用上一步的计算预测半径的方法。反之，则放弃计算出来的预测半径。

计算预测的车辆行驶半径的置信率：

航向角的角速度(即α，α的单位为角度/秒)经二阶低通滤波器传递函数：

过滤后取绝对值，查看航向角的二次差分值与置信率参数对比表获得置信率。

进一步地，所述步骤S2具体包括：

S2a，对经过上述步骤S1c后的航向角变化率的差分值进行计算；

这里航向角变化率的差分值指的是对航向角相对时间函数的二次求导，反应航向角变化率的状态，如果航向角变化率的差分值一直不变，表示航向角变化是稳定的，车辆处于稳定行驶状态；变化的大小可以通过预先设定的阈值进行判断，这个阈值是根据由多次实验数据获得的。如果航向角变化率的差分值小于预设阈值，则认为车辆的行驶半径置信率高，可以采纳；反之如果航向角变化率的差分值大于或等于预设阈值，则认为车辆的行驶半径置信率低；放弃，不予采纳，结束本次数据预测；

优选地，所述步骤S2a中航向角变化率的差分值(即航向角二次差分值)符合以下表达式：

其中初始化条件选取为：y1＝0，y2＝0；ω’0＝2πf0’，f0’为置信率的截止频率，ζ’为置信率阻尼系数，T’s为计算置信率的离散化采样时间，y为航向角二次差分值，u为航向角。其中0.33Hz≤f0’≤1Hz，0≤ζ’≤2，100ms≤T’s≤400ms；进一步地，f0’优选为1Hz，ζ’优选为1，T’s优选为100ms。上述公式及公式中的参数选取能够使得航向角二次差分值与置信率的映射关系更为明显，通过航向角二次差分值能够更为准确的反应置信率，即反应了车辆行驶状态。

S2b，选定置信率区间，并根据航向角变化率的差分值与置信率区间之间的映射关系(参见下面的表一)确定航向角变化率的差分值的预设阈值；

本实施例中，置信率区间A选定大于50％，选定的置信率区间可以通过实验获得，航向角变化率的差分值与置信率区间之间的映射关系也是通过实验获得的，通过选定的置信率区间以及表一，能够获得航向角变化率的差分值对应的预设阈值是2.5，即当航向角二次差分值小于2.5时，对应置信率区间满足50％<A≤100％；

其中航向角的二次差分值与置信率参数对比参见表一：

S2c，如果航向角变化率的差分值即当航向角二次差分值小于预设阈值2.5时，则认为在置信率在选定的范围内即满足50％<A≤100％，那么进行步骤S3；

如果航向角变化率的差分值大于或等于预设阈值2.5时，则认为置信率不在置信率区间范围内即不满足50％<A≤100％；则结束本次数据预测。

步骤S2c中的阈值为2.5，即当航向角二次差分值小于2.5，对应置信率大于50％时，认为航向角变化是稳定的，车辆处于稳定行驶状态，当航向角二次差分值大于2.5时，对应置信率小于50％时，认为航向角变化是不稳定的，车辆处于不稳定行驶状态，放弃上一部计算获得的车辆行驶半径对应的车辆轨迹预测，或者说认为无效的数据，不作为本次轨迹预测输入。以实现对车辆轨迹准确预测，从而减少车辆安全事件如车辆追尾、恶劣天气环境下车辆碰撞等的发生。

参见图3，表明车辆将会以这个半径一直行驶下去，通过车辆实时经度、纬度能够判断车辆所处的位置，θ为车辆行驶的弧度，可通过GNSS动态数据获得，根据几何关系：S＝θ*R，R为车辆行驶半径，可以近似得到车辆预测轨迹S。

此时要区分道路是笔直状况的场景，由实验数据得出，如果车辆的行驶半径大于2000米时，则认为道路笔直的，如果车辆的行驶半径小于或等于2000米，则认为车辆行驶轨迹是圆弧。

本发明一实施例提供一种车辆实时轨迹预测系统，该系统包括：半径获取模块、置信率筛选模块和轨迹预测模块3；

半径获取模块，从GNSS动态数据中采集车辆实时参数，其中所述车辆实时参数包括车辆实时航向角、时间、实时速度、车辆实时经度、实时纬度及车辆行驶的弧度,根据参数中的航向角及时间，获得航向角变化率，由处于连续状态的所述航向角变化率和上述参数中的实时速度，获得车辆行驶路径半径；

置信率筛选模块，根据上述参数中的时间及实时航向角计算反应车辆行驶路径变化状态的置信率，并比较所述置信率与预设的置信率区间；

轨迹预测模块3，如果置信率落在置信率区间内，则将上述车辆行驶路径半径作为半径信号向轨迹获取模块3输入；根据半径获取模块输入的上述参数以及上述半径信号获得下一时刻车辆行驶轨迹；如果置信率不在置信率区间内，则不向所述轨迹获取模块3输入半径信号，结束本次数据预测。

本发明是在DSRC V2X通信以及多传感器系统基础上的车辆安全事件精确预警专利中的子专利实现方式，即车载GNSS数据的车辆轨迹预测算法，提出基于当前和历史的GNSS数据预测车辆下一个时刻的路径轨迹。

车辆在行驶过程中，大量的GNSS数据记录可以作为拟合车辆行驶轨迹的来源，大量车辆GNSS数据可以作为挖掘车辆行驶状态的基础；本发明通过提出了一种基于GNSS数据的速度、加速度、航向角、曲率以及急速变化轨迹置信区间来建立模型，判断车辆下一个时刻的车辆行驶轨迹，相对于现有技术算法更为简单，节约了大量运算资源。

进一步地，参见图2，所述半径获取模块包括采集单元11、转换单元12、过滤单元13和计算单元14；其中：

采集单元11，按照预设频率从GNSS动态数据中采集车辆实时参数；具体为数据采集器，按照设定的频率从GNSS动态数据中采集需要使用的参数数据；并将上述参数中的实时航向角数据发送给转换单元12，将实时速度数据发送给计算单元14，将经度、纬度及行驶的弧度数据发送给轨迹预测模块；

转换单元12，从采集单元中11获取车辆实时航向角、时间，由航向角通过计算获得车辆实时航向角变化率；从采集单元11中获取车辆实时航向角及时间，通过在程序中设定计算公式获得航向角变化率；并输入给过滤单元；

过滤单元13，对上述实时航向角变化率进行滤波处理，以过滤掉处于非连续状态的航向角变化率；采用二阶低通滤波器进行滤波处理；具体可以是一个滤波电路；

计算单元14，从采集单元11中获取车辆实时速度，根据上述处于连续状态的航向角变化率以及实时速度，获得车辆行驶路径半径；

置信率筛选模块包括置信率获取单元21、阈值单元22、筛选单元23，其中：采用二阶低通滤波器进行滤波处理；具体可以是一个滤波电路；

置信率获取单元21，对经过上述过滤单元过滤后的航向角变化率的差分值进行计算；并预存的根据航向角变化率的差分值与置信率区间之间的映射关系确定当前航向角变化率的差分值对应的置信率区间；

阈值单元22，选定置信率区间，根据选定置信率区间以及航向角变化率的差分值与置信率区间之间的映射关系的确定航向角变化率的差分值的预设阈值；

筛选单元23，如果航向角变化率的差分值小于上述预设阈值，则认为在选定的置信率区间范围内，则将上述车辆行驶路径半径作为半径信号向轨迹预测模块输入；如果航向角变化率的差分值大于或等于预设阈值，则认为不在置信率区间范围内；则不向所述轨迹获预测模块输入半径信号，结束本次数据预测；

轨迹预测模块3具体根据上述车辆实时经度、实时纬度、车辆行驶的弧度以及所述筛选单元中表征车辆行驶半径的半径信息获得下一时刻车辆行驶轨迹。接收来自于采集单元11的车辆实时经度、实时纬度、车辆行驶的弧度以及来自于筛选单元23的半径信息，通过对上述数据按照预设的公式进行计算，就能下一时刻车辆行驶轨迹。

每个车辆本身会在短距离通信技术的基础上周期性的发送本地车辆GNSS行驶轨迹预测信息并同时接收周围车辆GNSS行驶轨迹预测信息；本地车辆和远程车辆处于不同的位置，此时若发生安全事故，则需要本地车辆的GNSS预测轨迹和远程的GNSS的预测轨迹会在将来某一时刻重合，当将要发生安全事件时，在本地车辆或者远程车辆上产生警告。从而减少车辆安全事件如车辆追尾、恶劣天气环境下车辆碰撞等的发生。

以上所述仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是在本发明的发明构思下，利用本发明说明书及附图内容所作的等效结构变换，或直接/间接运用在其他相关的技术领域均包括在本发明的专利保护范围内。