基于动态风险势能场的多车环境下车辆运行风险评估系统的制作方法

本发明涉及道路安全技术领域，具体为一种基于动态风险势能场的多车环境下车辆运行风险评估系统。

背景技术：

随着机动车保有量的日益增加，道路安全形势愈发严峻。如何有效防止交通事故的发生，提高车辆运行的安全性是交通安全领域众多学者面临的共同问题。研究发现驾驶员无法对周围环境的危险进行有效判别并及时采取措施是诱发交通事故的主要因素。对运行车辆周围环境的风险状态进行准确评估，可为驾驶员提供及时有效的驾驶行为决策，避免交通事故的发生。

专利cn107909678a公开了一种行车风险评价方法及系统，该法通过采集车辆在行驶过程中的各种异常驾驶信息，结合已发生的事故信息建立机器学习模型，对车辆的异常驾驶信息进行匹配，实现对目标车辆行车风险的评价。

专利cn101937421a公开了一种采集车辆实时运行信息的行车安全风险评估方法，对车辆运行信息和事故信息进行挖掘，建立车辆运行安全风险评估模型，利用gprs远程技术获取车辆实时运行信息，结合车辆运行安全风险评估模型对车辆的安全风险进行评估。

现有车辆运行风险评估方法的研究多是基于车辆运动学和动力学开展的，通常依据车辆状态信息和两车的相对运动信息来评估车辆运行风险，但在实际交通环境中，行驶车辆通常受到周围车辆的影响，此外还忽略了静态障碍物与道路边界环境对行车安全的影响，所以这些方法的实际运用受到较大局限，无法为复杂交通环境下的行车决策提供准确的判断依据。若能在多车环境下综合考虑道路条件与车辆运动状态对行车安全的影响，在此基础上搭建实时有效的车辆运行风险评估系统，对提升行车安全性以及完善汽车辅助驾驶技术均具有重要的理论和实际意义。

技术实现要素：

本发明的目的是：针对现有车辆运行风险评估方法评估准确率低的问题，提出一种基于动态风险势能场的多车环境下车辆运行风险评估系统。

本发明为了解决上述技术问题采取的技术方案是：

基于动态风险势能场的多车环境下车辆运行风险评估系统，包括：信息采集子系统、数据提取中心和动态风险势能场子系统；

所述信息采集子系统用于采集动态交通信息，并将动态交通信息传输给与之相连的数据提取中心，

所述数据提取中心用于对信息采集子系统传输的动态交通信息进行分类，分别建立目标位置数据集、静态障碍物数据集、道路条件数据集及动态障碍物数据集，

所述动态风险势能场子系统用于根据目标位置数据集、静态障碍物数据集、道路条件数据集及动态障碍物数据集计算得到的动态风险势能场场强，并根据动态风险势能场强对车辆进行风险评估。

进一步的，所述信息采集子系统包括道路交通场景类型识别模块、道路交通场景分割模块和车道线识别模块；

所述道路交通场景类型识别模块用于识别目标车辆行驶的交通环境；

所述道路交通场景分割模块用于获取道路场景中的不同物体信息；

所述车道线识别模块用于获取路面每条车道的空间位置及车道线形走向。

进一步的，所述目标车辆行驶的交通环境包括城市道路、高速公路和普通公路。

进一步的，所述道路场景中的不同物体信息包括运行车辆、行人和建筑物信息。

进一步的，所述动态风险势能场子系统包括引力场单元、障碍物斥力场单元、道路斥力场单元和速度斥力场单元，

所述引力场单元用于表征目标位置对目标车辆产生的吸引力；

所述障碍物斥力场单元用于表征静态障碍物对目标车辆产生的排斥力；

所述道路斥力场单元用于明确目标车辆的行驶约束区域；

所述速度斥力场单元用于表征动态障碍物对目标车辆产生的排斥力。

进一步的，所述动态风险势能场表示为：

e＝e1+e2+e3+e4

其中，e1表示引力场、e2表示障碍物斥力场、e3表示道路斥力场、e4表示速度斥力场。

进一步的，所述引力场表示为：

其中，k为引力场增益系数，p,pg分别表示二维空间中目标车辆与目标位置的坐标，d(p,pg)表示为一个矢量，矢量的模等于p与pg的欧式距离|p-pg|，矢量的方向为p与pg连线上由目标车辆指向目标位置。

进一步的，所述障碍物斥力场表示为：

其中，βⁿ为目标车辆距目标位置的距离，n为任意常数，q为斥力场增益系数，p，po分别表示二维空间中目标车辆与障碍物的坐标，ρ(p,po)为一个矢量，表示目标车辆与障碍物间的距离，方向由障碍物指向目标车辆，ρo为常数，表示障碍物的最大影响距离。

进一步的，所述道路斥力场表示为：

式中，λ1,λ2为道路斥力场增益系数，lr为道路横向宽度，x为目标车辆的横坐标，xl,xr分别为道路左右车道中线的横坐标，e为自然对数的底数。

进一步的，所述速度斥力场表示为：

其中，a为速度斥力场增益系数，δv0＝v-vo为目标车辆与障碍物的速度差，速度斥力场的方向与δv0的方向相反，θ是速度差δv0的方向和目标车辆与障碍物连线之间构成的夹角。

本发明的有益效果是：

本发明提出了一种基于动态风险势能场的多车环境下车辆运行风险评估系统，本发明系统综合考虑目标车辆行驶的道路环境和周围车辆的作用构建动态风险势能场，能实时有效地评估车辆的运行风险，评估准确率高，本发明系统可为驾驶员的行为决策和车辆主动控制提供判断依据，提高行车的安全性。同时对于道路交通安全主动防控技术、汽车辅助驾驶技术、自动驾驶技术及智能车辆理论的进一步完善也具有借鉴意义。

附图说明

图1为本发明的结构示意图；

图2为目标对象的受力示意图；

图3为引力场模型示意图；

图4为斥力场模型示意图；

图5为基于动态风险势能场的目标车辆运动轨迹仿真结果图。

具体实施方式

具体实施方式一：参照图1具体说明本实施方式，本实施方式所述的基于动态风险势能场的多车环境下车辆运行风险评估系统，基于动态风险势能场的多车环境下车辆运行风险评估系统，包括：信息采集子系统、数据提取中心和动态风险势能场子系统；

所述信息采集子系统用于采集动态交通信息，并将动态交通信息传输给与之相连的数据提取中心，

所述数据提取中心用于对信息采集子系统传输的动态交通信息进行分类，分别建立目标位置数据集、静态障碍物数据集、道路条件数据集及动态障碍物数据集，

所述动态风险势能场子系统用于将分类后的动态交通信息进一步计算得到的动态风险势能场场强，并根据动态风险势能场场强对车辆进行风险评估。

信息采集子系统可进行全面实时的交通信息采集，并将动态信息传输给与之相连的数据提取中心。其中包括道路交通场景类型识别模块、道路交通场景分割模块、车道线识别模块。

道路交通场景类型识别模块将道路交通场景分为城市道路、高速公路及普通公路三类，利用机器视觉技术分析析车载摄像头拍摄的车辆前方道路交通环境数据，准确识别目标车辆车辆行驶的交通场景类型。

道路交通场景分割模块设计了多源传感器数据融合策略，通过激光雷达获取车辆前方障碍物距离信息，利用摄像头获取车辆前端丰富的视觉信息，包含场景中目标信息以及目标间的相互关系，并基于语义分割将车辆前方交通场景的内容进行分割识别，获取道路场景中的不同物体信息，包括道路边界、标志、车辆、行人、建筑物、树木等信息。

车道线识别模块的目的是为了获取路面每条车道精确的空间位置及车道线形走向，以便划分行车空间范围、明确车辆行驶路权、指明车辆行驶方向。

数据提取中心建立了四个数据集，分别是目标位置数据集、静态障碍物数据集、道路条件数据集及动态障碍物数据集。数据提取中心对信息采集子系统传输的各种交通信息首先进行聚类分析，再根据交通信息的属性特征进行分类，最后按类型将交通信息逐一提取放入对应的数据集中。

动态风险势能场子系统包括引力场单元、障碍物斥力场单元、道路斥力场单元和速度斥力场单元，四个模块分别基于目标位置、静态障碍物、道路条件及道路条件构建了相应的模型，具体如下：

某个物理量在空间区域内的分布称为场，场与车辆运行风险具有某些相似的特性：客观存在、普遍性、可变性、可预测性。场由场源产生，同样各种交通参与要素相互影响导致车辆运行风险的产生。场量具有方向，离场源越远场量越小，交通各要素对行车风险的作用也是有方向的，相对于车辆的运动方向的风险最大，该要素离车辆越远，产生的风险越小。因此，可以借鉴场的思想来研究车辆运行风险。

势能场理论由电荷间相互作用规律理论演变而来，其基本思想是：在目标对象的运动范围建立势能场，目标点为引力场，对目标对象产生吸引力；障碍物为斥力场，对目标对象产生排斥力，产生的合力决定目标对象的运动方向，图1即为目标对象的受力示意图，目标点对目标对象产生的吸引力为f1，n个障碍物对目标对象产生的排斥力为f0i(i＝1,2,3,……n)，吸引力与排斥力产生的合力为f。目标车辆行驶时往往会与前车保持一定的距离，当该距离小于临界安全距离时，驾驶员会采取减速操作避免与前车相撞，此时车辆间表现出“排斥力”，这与两个带同种电荷的粒子间产生排斥现象相同。目标车辆与目标位置间必然存在一段距离，为了追求效率，驾驶员往往会在保证行车安全的前提下适当提速，缩短与目标位置的距离，此时两者间表现出“吸引力”。前车与目标位置都未真正接触到目标车辆，所以“排斥力”和“吸引力”应当属于场力。基于势能场的思想，实际交通运行场景中，存在一种势能场，这种势能场与行车安全密切相关，将其定义为动态风险势能场e，表示各交通要素(类似场源)对道路上行驶的目标车辆所产生的风险，此处的各交通各要素主要包括目标位置、道路条件以及行驶过程中的障碍物，与各要素对应产生的各种势能场定义为引力场e1、障碍物斥力场e2、道路斥力场e3与速度斥力场e4，值得注意的是，当道路中存在多个障碍物时，障碍物斥力场e2和速度斥力场e4分别代表多个静态障碍物斥力场和多个动态障碍物斥力场的求和值，动态风险势能场的数学模型可以表达如下：

e＝e1+e2+e3+e4(1)

势场理论将其他车辆、行人等物体看作具有阻碍作用的高山，把目标位置视为具有吸引作用的谷底，目标车辆避开势能高点向低点移动。将目标车辆、目标位置和障碍物看作质点，假设车辆在一个二维空间内运动，那空间中所有点的位置坐标都可用二维坐标向量表示。

引力场表示目标位置对目标车辆的引力作用，它的大小由目标位置与目标车辆所处的位置两者间的相对距离决定，距离越长，引力场越大，距离越短，引力场越小，当目标车辆到达目标位置时，引力场为零。图2为引力场模型，公式表达如下：

式中，k为引力场增益系数，p,pg分别表示二维空间中目标车辆与目标位置的坐标，d(p,pg)表示为一个矢量，矢量的模等于p与pg的欧式距离|p-pg|，矢量的方向为p与pg连线上由目标车辆指向目标位置。

由引力场对目标车辆所产生的引力f1可表示为引力场对应的负梯度：

f1＝-▽e1＝kd(p,pg)(3)

引力的方向指向目标车辆，与目标车辆当前位置到目标位置的距离成线性关系。

斥力场的大小主要由障碍物和目标车辆之间的距离决定，斥力场与两者间的距离成反比，两者间的距离越大，斥力场越大，反之亦然。但这都建立在目标车辆与障碍物两者间的距离小于障碍物的最大影响距离，一旦两者间的距离大于障碍物的最大影响距离，斥力场将不再对目标车辆产生斥力作用。图3为斥力场模型，公式表达如下：

式中，q为斥力场增益系数，p,po分别表示二维空间中目标车辆与障碍物的坐标，ρ(p,po)同样也是一个矢量，表示目标车辆与障碍物间的距离，方向由障碍物指向目标车辆。ρo为常数，表示障碍物的最大影响距离。

同理，目标车辆所受斥力f0可表示如下：

势能场在数学形式上表达简洁、容易实现以及计算简便等优点，但应用于实际交通环境中存在一些局限性。首先是目标不可达问题：当目标车辆接近目标位置时引力趋近于零，理论上斥力也应该接近于零，目标车辆应该停在目标位置。但假若离目标位置较近的区域存在障碍物，目标车辆接近目标位置时，斥力反而增大，会致使目标车辆远离目标位置。其次是局部最优问题：当引力场与斥力场处于运动空间中的一些特殊位置时，会出现受力平衡的情况，此时目标车辆所受合力为零不会向目标位置移动。为了解决上述问题，需要对斥力场模型进行改进，本发明构建了障碍物斥力模型。该模型在原有斥力场模型中加入了修正因子βⁿ，使目标车辆只有在目标位置时斥力和引力才同时归为零。障碍物斥力场的数学模型可以表达为：

式中，βⁿ为目标车辆距目标位置的距离，n为任意常数，当道路中存在多个静态障碍物时，需要对多个静态障碍物的障碍物斥力场进行求和。

所以障碍物斥力场对目标车辆产生的斥力为：

其中：

式中，f21的方向由障碍物指向目标车辆，f22的方向由目标车辆指向目标位置。

传统势能场理论并未考虑道路边界环境对车辆运动状态的影响，但车辆的运行风险与道路条件息息相关，所以本发明将道路条件对行车风险的影响一并纳入考虑，建立道路斥力场。道路斥力场的构建需要依据道路的长度、宽度以及道路左右边界线等道路信息，以此限制目标车辆的的行驶约束区区域。在没有障碍物的道路上行驶时，目标车辆在道路左右边界位置行驶的风险最大，在左右车道中间行驶的风险最小，在其他位置行驶的风险介于两者之间。道路斥力场的大小与目标车辆和道路左右车道中线的距离有关，综合考虑上述因素采用合适的函数构建的道路斥力场模型可表达如下：

式中，λ1,λ2为道路斥力场增益系数，lr为道路横向宽度，xl,xr分别为道路左右车道中线的横坐标，表示一个指数函数，一般公式是y＝a^x(a>0且a≠1)(x∈r)，本发明中a取了e，这是数学常数，就是自然对数的底数，近似等于2.718281828。

由公式(9)可知，目标车辆与道路左右车道中线的距离越小，则势能场值越小，反之亦然，由此可限制车辆的行驶约束区域。道路斥力场的斥力可通过对道路斥力场模型进行梯度运算得到。

上述提及的斥力场模型，多是基于静态物体构建的，但在实际的交通环境中，很多障碍物都是动态的，比如行人、其他车辆等，这些动态障碍物都在以一定的速度运动。所以为了能准确描述目标车辆的运行环境，在计算目标车辆受到的斥力场，既要考虑距离因素，也要考虑障碍物运动速度的影响。基于此本文构建速度斥力场来表征动态障碍物对目标车辆产生的排斥力，其数学模型可表达如下：

式中，a为速度斥力场增益系数，δv0＝v-vo为目标车辆与障碍物的速度差，速度斥力场的方向与δv0的方向相反，θ是速度差δv0的方向和目标车辆与障碍物连线之间构成的夹角，当时，说明目标车辆不在障碍物产生的速度斥力场范围内，此时障碍物的运动速度对目标车辆不会产生影响，当道路中存在多个动态障碍物时，需要对多个动态障碍物的速度斥力场进行求和。

速度斥力场对目标车辆产生的斥力为：

速度斥力场和障碍物斥力场分别从速度与距离两方面考虑障碍物对车辆运行风险造成的影响。

综合考虑目标位置、道路条件、静态障碍物及行人等动态障碍物与目标车辆之间的影响，本发明先后构建了引力场、道路斥力场、障碍物斥力场以及速度斥力场。根据公式(1)可得到目标车辆的动态风险势能场模型，该模型可以应用于复杂交通场景中，通过计算空间内各处的风险势能值，可以明确场景中的行车风险分布情况，还可根据风险的变化趋势，为目标车辆的路径规划提供依据。

采用以下实施例验证本发明的有益效果：

实施例：

本实施例通过动态风险势能场模型在目标车辆路径规划中的应用来验证本发明提出的车辆运行风险评估系统的可行性与有效性。

目标车辆的路径规划需要满足两点基本要求：第一是目标车辆要沿规定道路到达目标位置；第二是依据势能场模型预测目标车辆运行风险分布情况及变化趋势，为目标车辆规划最佳行驶路线。

该实施例借助matlab仿真平台建立道路交通仿真环境，模拟目标车辆在动态风险势能场模型引导下的运动轨迹。首先建立复合场函数，其次设置合理的障碍物数目，过多不符合实际交通状况，过少则无法准确验证该方法的有效性，设置的仿真环境中共设有7个障碍物。目标车辆的初始位置、最终目标位置、障碍物位置、道路车辆的运动状态(初始位置、速度、方向)以及道路边界条件均设定为已知值。最后，建立引力场和各斥力场模型，进行最优路径的求解。

仿真结果如图4所示，可见目标车辆在未与任一障碍物发生碰撞的情况下以一条光滑的规划路径顺利到达了目标位置，从而验证了动态风险势能场模型在车辆路径规划方面应用的可行性，也证明了本车辆运行风险评估系统的有效性。

需要注意的是，具体实施方式仅仅是对本发明技术方案的解释和说明，不能以此限定权利保护范围。凡根据本发明权利要求书和说明书所做的仅仅是局部改变的，仍应落入本发明的保护范围内。