一种基于车路协同的弯道路段车速预警方法与系统

1.本发明属于车辆安全预警技术领域，具体涉及一种基于车路协同的弯道路段车速预警方法与系统。


背景技术：

2.大型车辆相比于小汽车，具有重心高、质量大的特点，在弯道行驶时由于侧向加速度的作用更容易发生侧翻或侧滑事故。公安部交通管理局统计数据表明，弯道事故造成的人员伤亡和财产损失相比其他路段更严重。因此，准确预测车辆风险态势，及时将预测结果发送给驾驶员或车辆主动控制装置，采取有效的控制措施，对避免事故发生具有重要意义。
3.现有弯道路段车速预警系统一般选取侧倾角、横向载荷传递比等指标，通过比较其阈值和由实时车辆状态指标值，来决定何时给与驾驶员预警信息。但当出现风险时提供预警很可能因驾驶员来不及操作而发生事故。因此，准确预测车辆风险发展态势并提前采取控制措施对有效避免事故具有重要的理论和现实意义。车路协同技术和5g-v2x技术可以有效提高预测精度、减少通信延迟，能够有效改善现有系统的精确性和及时性。


技术实现要素：

4.本发明为解决上述技术问题，进而提供一种基于车路协同的弯道路段车速预警方法与系统。
5.本发明涉及一种基于车路协同的弯道路段车速预警方法，包括如下步骤：
6.步骤一、获取车辆当前运行状态、车辆参数及弯道道路信息；
7.步骤二、根据获取到的信息计算车辆侧翻临界速度和侧滑临界速度，取二者较小值v
th
＝min{vr,vs}作为过弯速度阈值；
8.步骤三、车辆经过弯道前称重传感器后，即将驶入弯道，此时若车速超过过弯速度阈值v
th
，向驾驶员发出预警或采取主动控制措施；
9.步骤四、车辆在弯道行驶时，使用卡尔曼滤波器实时预测车辆的行驶速度和加速度；
10.步骤五、根据预测速度和过弯速度阈值，实时判断是否存在侧翻或侧滑风险，存在风险时发出预警或采取主动控制措施。
11.步骤一中，车辆当前状态信息包括车辆位置，车辆参数包括车辆轮距、车身高度和车辆质量；弯道信息包括弯道半径、弯道超高和附着系数。
12.步骤二中，车辆侧翻临界速度和侧滑临界速度的计算公式分别为：
[0013][0014][0015]
式中：b——轮距，m；h——重心高度，m；i——弯道超高值，％；g——重力加速度，
取为9.8m/s2；r——弯道半径，m；——附着系数。
[0016]
步骤二中，根据历史数据集中车辆轮距、车身高度和车辆质量三维特征向量xh及其对应的重心高度hh，采用knn回归模型估计当前三维特征向量x对应的所述重心高度h；
[0017]
采用历史数据集中与当前特征向量欧氏距离最近的k个特征向量及对应的重心高度，重心高度估计公式如下：
[0018][0019]
式中：ω(x,xh)——特征向量x与xh之间的权重；
[0020]
欧氏距离公式如下：
[0021][0022]
式中：x(i)——当前特征向量第i个属性值；xh(i)——历史数据集中第h个特征向量第i个属性值；m——历史数据集中样本数量；权重计算公式如下：
[0023][0024]
路面干燥时附着系数为0.6～0.8，路面潮湿时附着系数为0.45～0.7。
[0025]
步骤四中，卡尔曼滤波状态方程为：
[0026][0027]
观测方程为：
[0028]
p
k+1|k
＝ap
k|kat
+q
ꢀꢀꢀ
(7)
[0029]
式中：z
k+1
——k+1时刻运动状态向量；zk——k时刻运动状态向量；a——状态转移矩阵；ω——过程噪声；sk——k时刻测量值；h——转换矩阵，取为常数c；v——观测噪声。
[0030]
卡尔曼滤波器在结构上分为时间更新部分和状态更新部分两部分；卡尔曼滤波器具体操作过程如下：
[0031]
(1)定义状态变量：
[0032][0033]
式中：(xkyk)——k时刻车辆的位置坐标；——k时刻车辆的横向、纵向速度；——k时刻车辆的横向、纵向加速度；可由(xkyk)分别求一阶、二阶导数得到。
[0034]
(2)卡尔曼滤波器时间更新过程：
[0035]
预测步骤：
[0036][0037]
预测协方差步骤：
[0038]
p
k+1|k
＝ap
k|kat
+q
ꢀꢀꢀ
(10)
[0039]
(3)卡尔曼滤波器状态更新过程：
[0040]
卡尔曼增益：
[0041]kk+1
＝p
k+1|kht
/[hp
k+1|kht
+r]-1
ꢀꢀꢀ
(11)
[0042]
估计步骤：
[0043][0044]
估计协方差步骤：
[0045]
p
k|k
＝[i-kkh]p
k+1|k
ꢀꢀꢀ
(13)
[0046]
式中：——k+1时刻的先验状态估计值；a——状态转移矩阵；z
k|k
——k时刻的厚颜状态估计值；p
k+1|k
——k+1时刻的先验估计协方差；p
k|k
——k时刻的后验估计协方差；q——过程激励噪声协方差，取为eye(6)；k
k+1
——卡尔曼增益；h——转换矩阵，取为常数c；r——测量噪声协方差，取为1；——k+1时刻的后验状态估计值；s
k+1
——k+1时刻测量值；p
k+1|k+1
——k+1时刻的后验估计协方差；i——单位矩阵。
[0047]
初始化z0＝[0,0,0,0,0,0]
t
，p0＝eye(6)；状态转移矩阵a为：
[0048][0049]
步骤四中，预测车辆速度如下式：
[0050][0051]
式中：——k时刻车辆的横向、纵向速度。
[0052]
步骤四中，所述预警及主动控制措施为：当预测速度v(t)＞v
th
时，车内显示器对驾驶员进行“车速过快”的音画警报，同时，由于车路协同系统的信息互通性，路侧电子显示屏也向驾驶员显示“车速过快”的警报。若驾驶员没有采取有效措施，车速仍在危险范围内，则车辆电子控制单元向发动机发送降低功率的电信号，通过车辆主动控制来降低车速；当预测速度v(t)＜v
th
时，认定车辆不会发生风险，不采取措施，持续监测车辆状态。
[0053]
本发明还涉及一种用于实施基于车路协同的弯道路段车速预警方法的系统，包括车辆信息采集模块、云速度预测模块、云预警控制模块、无线通信模块、车内预警模块、路侧预警模块。
[0054]
车辆信息采集模块用于采集车辆行驶状态信息及车辆参数，其中车辆位置由车载gps获取，车辆质量由置于弯道前的称重传感器获取，车辆轮距、车身高度由路侧激光雷达测量获取，通过无线通信模块将上述信息发送至路侧单元的速度预测模块和预警控制模块，速度预测模块通过车辆信息和rsu内置数据库预存弯道信息计算过弯速度阈值v
th
并实
时预测车辆速度v(t)，云预警控制模块用于比较v
th
与v(t)大小，当v(t)＞v
th
时进行预警，云预警控制模块将预警指令发送到车内预警模块和路侧预警模块。
[0055]
有益效果
[0056]
本发明提供了一种基于车路协同技术的弯道路段车速预警方法和系统，利用车路协同技术和5g-v2x技术，实现了路侧设备和车载设备之间在车辆运行状态、道路环境、驾驶员行为等方面的实时信息联通，改善了系统预警和主动控制的准确性和及时性，该系统能够有效保证大型车辆在弯道行驶的安全性。
附图说明
[0057]
图1为本发明的方法流程图；
[0058]
图2为本发明中卡尔曼滤波车速预测原理图；
[0059]
图3为本发明中系统的设置示意图。
具体实施方式
[0060]
以下结合图1至3对本实施方式进行具体说明。
[0061]
本发明涉及一种基于车路协同的弯道路段车速预警系统，该系统所用方法包括以下步骤：
[0062]
步骤一：获取车辆当前运行状态、车辆参数及弯道道路信息；
[0063]
车辆当前状态信息包括车辆位置，车辆参数包括车辆轮距、车身高度、车辆质量；弯道信息包括弯道半径、弯道超高、附着系数。
[0064]
步骤二：根据获取到的车辆信息和弯道道路信息计算车辆侧翻临界速度和侧滑临界速度，取二者较小值v
th
＝min{vr,vs}作为过弯速度阈值；
[0065]
车辆侧翻临界速度和侧滑临界速度的计算公式分别为：
[0066][0067][0068]
式中：b——轮距，m；h——重心高度，m；i——弯道超高值，％；g——重力加速度，取为9.8m/s2；r——弯道半径，m；——附着系数。
[0069]
根据历史数据集中车辆轮距、车身高度和车辆质量三维特征向量xh及其对应的重心高度hh，采用knn回归模型估计当前三维特征向量x对应的重心高度h。
[0070]
采用历史数据集中与当前特征向量欧氏距离最近的k个特征向量及对应的重心高度，重心高度估计公式如下：
[0071][0072]
式中：ω(x,xh)——特征向量x与xh之间的权重；欧氏距离公式如下：
[0073][0074]
式中：x(i)——当前特征向量第i个属性值；xh(i)——历史数据集中第h个特征向量第i个属性值；m——历史数据集中样本数量。
[0075]
权重计算公式如下：
[0076][0077]
路面干燥时附着系数为0.6～0.8，路面潮湿时附着系数为0.45～0.7。
[0078]
步骤三：车辆经过弯道前称重传感器后，即将驶入弯道，此时若车速超过过弯速度阈值v
th
，向驾驶员发出预警或采取主动控制措施。
[0079]
步骤四：车辆在弯道行驶时，使用卡尔曼滤波器实时预测车辆的行驶速度和加速度。
[0080]
在步骤四中，卡尔曼滤波状态方程为：
[0081]zk+1
＝azk+ω
ꢀꢀꢀ
(6)
[0082]
观测方程为：
[0083]
sk＝hzk+v
ꢀꢀꢀ
(7)
[0084]
式中：z
k+1
——k+1时刻运动状态向量；zk——k时刻运动状态向量；a——状态转移矩阵；ω——过程噪声；sk——k时刻测量值；h——转换矩阵，取为常数c；v——观测噪声。
[0085]
卡尔曼滤波器在结构上分为时间更新(预测)部分和状态更新部分(校正)两部分；卡尔曼滤波器具体操作过程如下：
[0086]
(2)定义状态变量：
[0087][0088]
式中：(xkyk)——k时刻车辆的位置坐标；——k时刻车辆的横向、纵向速度；——k时刻车辆的横向、纵向加速度；可由(xkyk)分别求一阶、二阶导数得到。
[0089]
(2)卡尔曼滤波器时间更新过程：
[0090]
预测步骤：
[0091][0092]
预测协方差步骤：
[0093]
p
k+1|k
＝ap
k|kat
+q
ꢀꢀꢀ
(10)
[0094]
(3)卡尔曼滤波器状态更新过程：
[0095]
卡尔曼增益：
[0096]kk+1
＝p
k+1|kht
/[hp
k+1|kht
+r]-1
ꢀꢀꢀ
(11)
[0097]
估计步骤：
[0098]
[0099]
估计协方差步骤：
[0100]
p
k|k
＝[i-kkh]p
k+1|k
ꢀꢀꢀ
(13)
[0101]
式中：——k+1时刻的先验状态估计值；a——状态转移矩阵；z
k|k
——k时刻的厚颜状态估计值；p
k+1|k
——k+1时刻的先验估计协方差；p
k|k
——k时刻的后验估计协方差；q——过程激励噪声协方差，取为eye(6)；k
k+1
——卡尔曼增益；h——转换矩阵，取为常数c；r——测量噪声协方差，取为1；——k+1时刻的后验状态估计值；s
k+1
——k+1时刻测量值；p
k+1|k+1
——k+1时刻的后验估计协方差；i——单位矩阵。
[0102]
初始化z0＝[0,0,0,0,0,0]
t
，p0＝eye(6)；状态转移矩阵a为：
[0103][0104]
步骤五：根据预测速度和过弯速度阈值，实时判断是否存在侧翻或侧滑风险，存在风险时发出预警或采取主动控制措施。
[0105]
预测车辆速度如下式：
[0106][0107]
式中：——k时刻车辆的横向、纵向速度。
[0108]
预警及主动控制措施为：当预测速度v(t)＞v
th
时，车内显示器对驾驶员进行“车速过快”的音画警报，同时，由于车路协同系统的信息互通性，路侧电子显示屏也向驾驶员显示“车速过快”的警报。若驾驶员没有采取有效措施，车速仍在危险范围内，则车辆电子控制单元(ecu)向发动机发送降低功率的电信号，通过车辆主动控制来降低车速。当预测速度v(t)＜v
th
时，认定车辆不会发生风险，不采取措施，持续监测车辆状态。
[0109]
本发明还涉及一种基于车路协同的弯道路段车速预警系统，包括车辆信息采集模块、云速度预测模块、云预警控制模块、无线通信模块、车内预警模块、路侧预警模块。
[0110]
车辆信息采集模块用于采集车辆行驶状态信息及车辆参数，其中车辆位置由车载gps获取，车辆质量由置于弯道前的称重传感器获取，车辆轮距、车身高度由路侧激光雷达测量获取，通过无线通信模块(dsrc技术)将上述信息发送至路侧单元(rsu)的速度预测模块和预警控制模块，速度预测模块通过车辆信息和rsu内置数据库预存弯道信息(弯道半径、弯道超高、附着系数)计算过弯速度阈值v
th
并实时预测车辆速度v(t)，云预警控制模块用于比较v
th
与v(t)大小，当v(t)＞v
th
时进行预警，云预警控制模块将预警指令发送到车内预警模块和路侧预警模块。
[0111]
实施例
[0112]
在本实施例中，选取典型大型客车作为试验车辆，其结构参数如下表：
[0113]
表1典型大客车结构参数
[0114][0115]
在半径为300m，超高为5％的干燥路面弯道上以50km/h的速度行驶时：
[0116]
由系统调参得knn回归模型最优k值为5，与当前特征向量欧氏距离最近的5个历史特征向量、对应的重心高度如下表：
[0117]
表2样本参数
[0118][0119]
加权求和得当前车辆重心高度为h＝1.29m。
[0120]
侧翻临界速度由公式计算得vr＝51km/h，侧滑临界速度由公式计算得vs＝49km/h，过弯临界速度v
th
＝49km/h。
[0121]
上述过弯速度阈值在车辆经过弯道前称重传感器后即可算得，进入弯道前，若车速超49km/h，则由车内显示器对驾驶员进行“车速过快”的音画警报，同时，路侧电子显示屏也向驾驶员显示“车速过快”的警报。若驾驶员没有采取有效措施，则云预警控制模块向ecu发送主动控制指令信号，ecu向发动机发送降低功率的电信号，通过车辆主动控制来降低车速。
[0122]
车辆进入弯道后，由卡尔曼滤波器实时预测车辆速度，判断预测速度v(t)何时超过49km/h，如某时刻预测车速达到49km/h，提前1s进行上述预警，若0.5s后驾驶员未采取有效措施，则通过系统降低功率主动控制车速。
[0123]
本发明的上述内容仅为本发明的较佳实施例，并非用于限制本发明的实施方案，本领域普通技术人员根据本发明的主要构思和精神，可以十分方便地进行相应的变通或修改，故本发明的保护范围应以权利要求书所要求的保护范围为准。