[发明专利]一种智能网联环境下交叉口碰撞风险量化方法

说明书

本发明公开了一种智能网联环境下交叉口碰撞风险量化方法，技术方案是在智能网联环境下，感知获取交叉口内车辆运动状态信息和实际的交通流状态，并且对车辆的运行轨迹进行预测，基于车辆通过交叉口平面内各个位置的最小时间间隔建立交叉口风险函数，用于交叉口碰撞风险量化。本发明所提出的交叉口风险量化方法能够根据实际的交通流状态动态量化交叉口碰撞风险，为网联人工驾驶车辆提供驾驶建议提前采取相应的操作保证车辆安全通过交叉口，为网联自动驾驶车辆安全控制策略提供指导意见，并且能够为交叉口渠化与信号配时优化提供理论依据。

技术领域

本发明属于交通安全领域，涉及交叉口碰撞风险量化及交叉口轨迹预测领域，以整个交叉口平面为对象，提供一种智能网联环境下交叉口碰撞风险量化的方法。

背景技术

交叉口作为城市道路的重要组成部分，具有交通组成复杂、交通行为多样、交通冲突类型及频率高，交通事故多发等特点，交叉口是制约城市道路通行效率与安全水平提升的瓶颈。因此对交叉口风险进行量化，具有比较重要的现实意义，可为后续有效预防交叉口安全事故的发生提供参考意见。

目前国内外针对交叉口碰撞风险进行了大量的研究。最初多通过对交叉口的渠化设计、设施条件、历史事故数据等的分析，进行交叉口安全评价，但是此类方法的评价结果是宏观且是静态的，无法适应交叉口内实时变化的交通流；朱彤等人根据安全学的概念，将风险定义为碰撞发生的概率，先后提出了交叉口侧向碰撞与追尾碰撞的风险估计模型；张珊珊等人在朱彤研究的基础上，提出了交叉口不同相序下车辆碰撞风险模型，以量化直行左转碰撞风险。这种基于概率论的风险量化方法，假设车辆的速度服从特定的分布，一定程度上无法实现对交叉口交通流的真实反映，并且不同的碰撞类型需要采用不同的模型，无法统一实现对交叉口风险的量化。张良力等人基于对速度的预测推算冲突方向上的碰撞点，根据机动车与碰撞点之间的距离进行碰撞风险评估，提出了一种基于ARMA预测模型的交叉口车辆碰撞风险评估方法，该方法只能评价侧向碰撞风险，无法评价交叉口追尾碰撞风险。项红玉等人利用 BP神经网络进行驾驶员意图识别，将主车运动状态变化量的比值作为冲突严重程度指标，基于冲突严重程度下发生碰撞的概率建立风险评估模型，该模型仅考虑了主车与周围临近车之间的交互。

随着现代通信技术、信息技术、传感技术的快速发展，智能网联汽车、车路协同成为可能。研究表明未来将实现更高水平的自动化技术，智能网联汽车可以与驾驶员、道路上的其他车辆、路侧基础设施进行通信，通过信息共享、早期运动规划和自动控制，智能网联汽车有望显著提高交通安全。智能网联环境下实现对车辆运行轨迹准确快速的预测是实现本方法的基础。KIM等人利用长短期记忆网络来预测多模态的运动模式，网络输入的是车辆的历史轨迹点。该方法依赖于训练数据，并且存在无法预测未知环境中未知风险的缺点，很难在复杂城市交叉口得以应用。Gambs等人提出高阶马尔可夫模型的轨迹预测方法，该方法精度较高，但是计算开销大，很难满足智能车的实时性要求。乔少杰等人提出了一种基于卡尔曼滤波的动态轨迹预测算法，利用前一时刻的估计值和当前时刻的观测值更新对状态变量的估计进而对下一时刻的轨迹位置进行预测。研究表明卡尔曼滤波算法尤其适用于运动状态频繁变化、具有不确定性的轨迹数据，且实时性高。

目前，已有的研究多以车辆自身为主体进行交叉口碰撞风险评估，只能够实现单车的碰撞预警，难以实现整个交叉口的风险评估，无法为整个交叉口的协同控制提供指导意见，因此在智能网联汽车、车路协同环境下对交叉口的安全性提升效果甚微。

发明内容

针对以上技术的不足，本文发明旨在提供一种能够基于实时变化的交通流、以整个交叉口平面为主体、能够对交叉口内每个位置进行风险量化的方法，能够为智能网联车辆安全控制提供技术支撑。为了实现以上目的，本文提供了一种智能网联环境下交叉口风险量化方法。

本发明通过以下技术方案实现，具体步骤如下：

步骤一、获取交叉口环境信息

智能网联车路协同环境下，通过路侧单元RSU获得交叉口的具体尺寸数据与交叉口平面图。