[发明专利]考虑驾驶人反应能力的换道场景车辆风险动态评价方法

权利要求书

1.考虑驾驶人反应能力的换道场景车辆风险动态评价方法，该方法应用于后车与前车的相对运动状态工况，以后车为主体由驾驶人操控自车换道引发潜在风险的情况，其特征在于，所述方法包括如下步骤：

步骤S1：定义时间裕度概念

以驾驶人在潜在风险换道场景下进行避撞操作需满足的最大反应时间作为时间裕度；

步骤S2：根据前、后车实时相对运动状态，确定时变最小纵向安全距离；

所述时变最小纵向安全距离为前车突然紧急制动，后车经过反应和制动，两车减速至完全停止且不发生碰撞；

步骤S3：根据驾驶人的制动全过程，确定车辆制动过程的总制动距离；

所述驾驶人的制动全过程分为四个阶段，四个阶段分别为驾驶人收到大脑决策信号后作出反应阶段、制动器发生作用阶段、持续制动阶段和放松制动器阶段；

步骤S4：建立车辆风险预测模型

①根据所述时变最小纵向安全距离和所述车辆制动过程的总制动距离建立避让换道场景中的车辆风险预测模型；

②根据所述时变最小纵向安全距离和所述车辆制动过程的总制动距离建立换至有车车道场景中的车辆风险预测模型；

步骤S5：车辆风险等级划分

①避让换道场景中的车辆风险等级划分

基于避让换道场景中的时间裕度数据，使用K-means聚类和方差分析法对车辆风险等级进行划分，得到6个风险等级，且风险等级级别的严重程度按照级别顺序依次降低，1级风险最高，6级风险最低；

②换至有车车道场景中的车辆风险等级划分

基于换至有车车道场景中的时间裕度数据，使用K-means聚类和方差分析法对车辆风险等级进行划分，得到6个风险等级，且风险等级级别的严重程度按照级别顺序依次降低，1级风险最高，6级风险最低；

所述步骤S2中根据前、后车实时相对运动状态，确定时变最小纵向安全距离的过程如下：

1)定义两车之间的纵向距离：以后车前端和前车后端的距离为两车之间的纵向距离；

2)根据两车之间的纵向距离，确定两车之间的最小安全纵向距离的过程如下：

沿着车道长度方向，两车同向行驶，前方车辆以最大制动减速度a_max,brake制动，在制动反应时间τ₁′内，后方车辆以a_max,accel加速，然后以最小制动减速度a_min,brake减速至停车，整个过程未碰撞，则最小安全纵向距离为：

其中：

其中，v_r和v_f分别是后车和前车车辆的纵向速度；τ₁′是制动反应时间；a_max,brake是最大制动减速度；a_max,accel是最大加速度；a_min,brake是最小制动减速度；L_min是最小纵向安全距离；

3)不发生碰撞的临界条件

前、后辆车初始时刻不碰撞的临界条件：L₀＞0；

两车制动至静止的时刻，不发生碰撞的临界条件是：

其中，L₀是前、后两车之间的初始距离；a_max,brake是最大制动减速度；a_max,accel是最大加速度；a_min,brake是最小制动减速度；为制动反应时间内速度的最大值；

所述步骤S3中根据驾驶人的制动全过程，确定车辆制动过程的总制动距离的过程如下：

当驾驶人观察到前方路况异常时会自主将右脚移至制动踏板上，紧急踩下制动踏板一直到踏板最大行程处，直到自车静止，驾驶人的制动全过程分为四个阶段：驾驶人收到大脑决策信号后作出反应、制动器发生作用、持续制动、放松制动器，车辆制动过程的总制动距离满足如下公式：

式中：s为总制动距离；u(0)为车辆初速度；a_b(e)为车辆保持匀减速运动之前时刻的减速度；τ₁′代表驾驶人的制动反应时间；τ₁″代表驾驶人脚掌由油门踏板转移到制动踏板所需的移动时间，τ₁″取0.1s；上述两段时间之和记为τ₁，即τ₁＝τ₁′+τ₁″；τ₂′代表制动踏板设计冗余行程的时间即制动系间隙协调时间；τ₂″代表制动踏板有效行程由零达到最大行程所用的时间即制动力作用时间；制动系间隙协调时间和制动力作用时间之和为τ₂，τ₂＝τ₂′+τ₂″；

所述步骤S4中避让换道场景中的车辆风险预测模型如下：

在换道场景中，前车紧急制动，后车为了避免发生碰撞而采取避让换道行为，后车既有匀减速运动还有侧向运动；

将前、后车在完成换道避让的过程拆分为两个阶段：

阶段(1)是驾驶人反应迟滞阶段，设u_r(0)为后车速度的初速度，τ₁′为驾驶人的制动反应时间，从前车有制动行为时开始，后车在驾驶人反应迟滞阶段的移动距离为|AF|＝τ₁′·u_r(0)；

阶段(2)，前车制动至静止u_f(t)＝0，后车制动并横向避让，后车的质心沿x轴方向位移记为|FE|＝s_r，即，s_r为后车跟驰距离，后车在此段位移为变减速运动，其计算方法如下式：

式中，n为采样点数量，u_rx(t_i)为后车沿x轴方向的t_i时刻行驶速度，Δt为数据的采样时间间隔，其中x轴方向为车道长度方向；

为了计算后车的横向位移，采用基于正弦函数的加速度模型描述车辆变道轨迹，车辆变换完车道的横向位移为P，取P＝3.40m；y轴方向的行驶速度为u_ry(t)、加速度为a_ry(t)，y轴方向为车道宽度方向；t_merge为换道持续时间；t_adjust为车辆在变换车道行驶前进行纵向调整车速的时间，取t_adjust＝0.50s；|CE|为后车的横向位移；

则横向加速度在横向位移的前半部分为正值，在后半部分为负值；

由此得到后车速度和x轴方向的夹角θ，

设车长H＝4.76m、车宽W＝1.91m，则车辆质心和长边的夹角β：

两车的质心距离如下式：

x_d＝|AD|＝H+L+s_f，y_d＝0

其中：L为跟车距离，S_f为前车制动距离；

设两车之间的实时距离为|GK|，不会发生碰撞的条件为|GK|＞L_miss，L_miss为两车之间的最小碰撞距离，L_miss＝0.10m，于是得到以下公式：

则：

最终得到前车减速、后车避让换道情景的时间裕度TM_merge-1与两车运动状态的关系如下：

u_rx(t_i)为后车沿x轴方向的t_i时刻行驶速度，由此可知，(1)后车初速度u_r(0)为已知常量，设后车速度u_r(t)不变，前车速度u_f(t)越大，TM_merge-1越大，留给驾驶人的最低反应时间越长、碰撞风险越低；(2)设前、后车的速度u_r(t)、u_f(t)变化趋势已知，后车初速度u_r(0)越大，TM_merge-1越小，说明后车初始跟车速度越大、碰撞风险越大；

所述步骤S4中换至有车车道场景中的车辆风险预测模型如下：

当本车道前方出现障碍物或破损道路时，驾驶人需换至另一条车道以避免事故发生，当预期换道车道有车辆行驶时，自车从其后方切入会有潜在碰撞风险，后车经过t_adjust后产生横向位移和横向加速度，此段位移为|OJ|；θ(t)为车辆前进方向和沿x轴方向的夹角，x轴方向为车道长度方向；

JC段为车辆的换道行为过程，车辆的横向加速度a_ry(t)使用正弦函数加速度模型，基于JC段后车沿x轴方向位移计算如下：

式中，|JC|为前车车尾与后车产生换道意图时质心之间的距离；a_ry(t)为t时刻后车在y轴方向的加速度；a_rx(t)为t时刻后车在x轴方向的加速度；a_r(t)为t时刻后车的加速度；t_adjust为车辆在变换车道行驶前进行纵向调整车速的时间，取t_adjust＝0.5s；t_merge为换道持续时间；θ(t)为t时刻后车前进方向和x轴方向的夹角；

在t_adjust时间段内，本换道情景为后车主动换道而非被动换道，因此t_adjust为驾驶人换道前决策时间，为匀速运动，可得出|OC|、|CG|和|OK|的长度如下：

式中，|OC|为后车质心的移动距离；|CG|为后车质心与其左前方角点的沿车道长度方向的距离；|OK|为前车车尾与后车起点处质心之间的距离；τ和λ分别为对时间t的一重积分、二重积分变量符号；n为采样点数量，u_f(t)为前车沿x轴方向的行驶速度，Δt为数据的采样时间间隔，t_i为瞬时时刻；|y_r|为后车质心与前车右侧边界沿y轴方向的距离；

当在K点处前车紧急制动、后车随即采取紧急制动措施，|GK|定义为两车之间的最小碰撞距离L_miss，|GK|的计算方法如下：

L_miss≤|GK|＝(|OK|+s_f)-(|OG|+s_r)

考虑不发生碰撞的临界条件如下：

式中，u_f(t_i)为t_i瞬时时刻的前车速度；a_f(t)为t时刻的前车加速度；u_r(0)为后车初速度；u_r(t)为t时刻的后车速度；a_rx(t)为t时刻后车在x轴方向的加速度；a_ry(t)为t时刻后车在y轴方向的加速度；θ(t)为t时刻后车前进方向和x轴方向的夹角；τ₁′为驾驶人的制动反应时间；τ₁为驾驶人制动反应时间τ₁′与驾驶人脚掌由油门踏板转移到制动踏板所需的移动时间之和；H为车身长度；τ和λ分别为对时间t的一重积分、二重积分变量符号；τ₂为制动系间隙协调时间和制动力作用时间之和；当获取该公式中的其他变量时，即可得到此情景下的时间裕度TM_merge-2与两车之间相对运动状态的关系。

2.根据权利要求1所述的考虑驾驶人反应能力的换道场景车辆风险动态评价方法，其特征在于：所述步骤S5中车辆风险等级划分的过程如下：

使用K-means聚类得到的不同类别时间裕度的簇，鉴于时间裕度越低的对应越高的车辆风险等级，时间裕度越高对应越低的车辆风险等级；因此，根据每个簇的数值区间范围，数值小为高风险，数值大为低风险，每个簇按照其数值区间的排序确定车辆风险等级；

使用方差分析法ANOVA提出各簇之间的无差异假设H0、有显著差异假设H1，选择F统计量作为检验统计量，计算检验统计量的观测值和概率P值，首先，排除接受H1假设的聚类方式；其次，同时以各聚类方式的轮廓系数最大化和误差最小化为评价准则，轮廓系数接近+1表示簇内的个案之间紧凑，最终确定k值的聚类参数；

至此，得到的聚类簇即为不同的风险等级划分结果。