基于行车风险场的汽车驾驶安全辅助方法技术

本发明专利技术涉及一种基于行车风险场的汽车驾驶安全辅助方法，包括以下步骤：1)根据周围环境中的人-车-路各要素对行车风险的综合作用，建立行车风险场统一模型；2)通过建立周围环境物体的动能场、势能场和行为场的数学模型构建自车行车风险场模型，并计算自车的行车风险场总场强；3)基于行车风险场总场强计算自车在行车风险场中受到的作用力；4)根据自车在行车风险场中受到的作用力计算自车的行车风险系数，基于风险系数对行车过程进行安全辅助。本发明专利技术能够适用于复杂环境下驾驶安全辅助的决策和智能车辆的路径规划中。

【技术实现步骤摘要】
【专利摘要】本专利技术涉及一种，包括以下步骤：1)根据周围环境中的人-车-路各要素对行车风险的综合作用，建立行车风险场统一模型；2)通过建立周围环境物体的动能场、势能场和行为场的数学模型构建自车行车风险场模型，并计算自车的行车风险场总场强；3)基于行车风险场总场强计算自车在行车风险场中受到的作用力；4)根据自车在行车风险场中受到的作用力计算自车的行车风险系数，基于风险系数对行车过程进行安全辅助。本专利技术能够适用于复杂环境下驾驶安全辅助的决策和智能车辆的路径规划中。【专利说明】
本专利技术涉及交通安全领域，特别是关于一种用于为驾驶员提供报警信息和必要辅 助制动的。
技术介绍
随着中国汽车保有量的增加和驾驶人群体的日益扩大，交通事故频发，行车安全 形势严峻。驾驶辅助系统（DAS，Driving Assistance Systems)能够为驾驶人提供危险预 警信息以及对车辆的辅助控制，提高驾驶的安全性和舒适性。其中，驾驶安全辅助方法是系 统的核心控制逻辑，决定系统的安全性能和接受度。现有的行车安全模型通常建立在车辆 运动学和动力学原理的基础上，通过车辆状态信息（速度、加速度、横摆角速度等）和两车 相对运动关系（相对速度、相对距离等）来判断当前行车风险；然而这种行车安全模型难以 全面反映人、车和路等各种交通要素对行车造成的风险，更难以适应驾驶员特性、交通环境 和车辆状态的相互作用和动态变化，无法为复杂行车环境下的行车决策和车辆控制提供准 确的判定依据。 最初人们提出人工势能场（APF，Artificial Potential Field)的概念，主要应 用于机器人工作路径规划和避撞中，为探索更好的车辆安全决策方法，学者们将车辆的行 驶环境也看作势能场并将APF运用到跟车行为建模和驾驶安全辅助系统的设计中；TA0 Peng-fei等人将车辆的各种行为归纳为效率与安全两种因素的相互作用，基于APF的思想 将这两种因素抽象为驾驶员受到的驱动力和阻力，从而建立跟驰模型，但是该模型只针对 简单的驾驶行为，不考虑超车和换道等场景；Yang等人基于APF提出了一种新的跟车模型， 将自车视为势能场中独立的电荷单元，各个因素对自车跟车行为的影响简化为车辆间相互 作用的引力和斥力，据此研究横向偏距对跟车行为的影响；Daiheng NI提出道路和车辆形 成的势能场存在于驾驶人的主观意识中，驾驶人沿着场的最低点操控车辆以穿越势能场， 该理论符合驾驶人的感知和判断机制，但是未考虑驾驶人本身的风险特性对行驶安全性的 影响；Sattel T等人基于机器人领域中弹性阶设计了协同式车辆路径规划算法，并应用于 无人驾驶车辆的车道保持系统和避撞系统，该算法考虑道路中心线及其边界形成的势能 场；日本东京农工大学RyosukeMatsumi运用势能场理论研究无信号灯的交叉口行人避撞 系统，通过计算人行横道线产生的引力以及行人的预估位置产生的斥力，控制电动车的制 动强度以实现避撞期望的加速度，但是此算法只针对特定的场景有效。 综上所述，现有的场论模型只针对特定的交通场景有效，忽略或者部分忽略了驾 驶人本身的特性（性格、心理和生理特征），复杂多变的道路状况和交通行驶环境等对行 车安全的影响，难以适应驾驶员行为特性、交通环境和车辆状态的相互作用和动态变化，对 人-车-路三者的耦合机理描述的不够清楚，故模型的实际应用受到较大局限，实际驾驶过 程中驾驶员的生理和心理状态随着时间、空间而变化，此外驾驶员存在个体差异，这都要求 模型的参数具有可变性和可适应性，然而传统跟车模型的参数固定不变，导致系统与驾驶 员正常驾驶之间出现频繁的干扰和冲突，继而使得驾驶员对系统的接受度降低，难以保证 车辆在复杂多变的交通环境下的行车安全。
技术实现思路
针对上述问题，本专利技术的目的是提供一种能够全面反映人、车和路等各种交通要 素对行车造成的风险，适应驾驶员特性、交通环境和车辆状态的相互作用和动态变化，为复 杂行车环境下的行车决策和车辆控制提供准确判定依据的基于行车风险场的汽车驾驶安 全辅助方法。 为实现上述目的，本专利技术采取以下技术方案：一种基于行车风险场的汽车驾驶安 全辅助方法，包括以下步骤：1)根据周围环境中的人_车-路各要素对行车风险的综合作 用，建立行车风险场统一模型： Es = Ee+Ev+Ed 式中，Es为行车风险场总场强，EK为势能场场强，E v为动能场场强，ED为行为场场 强；2)通过建立行车环境中各要素所形成的动能场、势能场和行为场的数学模型构建自车 行车风险场模型，并计算自车的行车风险场总场强；3)基于行车风险场总场强计算自车在 行车风险场中受到的作用力；4)根据自车在行车风险场中受到的作用力计算自车的行车 风险系数，基于风险系数对行车过程进行安全辅助。 所述步骤2)包括以下步骤：2. 1)求解行车环境中的运动物体a在自车j所在位 置处形成的动能场场强Ev aj : 【权利要求】1. 一种，包括以下步骤： 1) 根据周围环境中的人-车-路各要素对行车风险的综合作用，建立行车风险场统一 模型： Es =Ee+Ev+Ed 式中，Es为行车风险场总场强，Ek为势能场场强，Ev为动能场场强，Ed为行为场场强； 2) 通过建立行车环境中各要素所形成的动能场、势能场和行为场的数学模型构建自车 行车风险场模型，并计算自车的行车风险场总场强； 3) 基于行车风险场总场强计算自车在行车风险场中受到的作用力； 4) 根据自车在行车风险场中受到的作用力计算自车的行车风险系数，基于风险系数对 行车过程进行安全辅助。2. 如权利要求1所述的，其特征在于：所述 步骤2)包括以下步骤：2.龙解行车环培中的运动物休a亦自车j所在位置处形成的动能场场强Ev :式中，raj= (xj_xa，yj_ya)表示两点间距离矢量，kpkyG为大于零的待定常数，va为运 动物体a的速度，Θa为速度方向与的夹角，Ma为道路环境中运动物体a的虚拟质量，Ra 为运动物体a所在位置道路条件因子； 2. 2)求解静止物体b在自车j所在位置处的势能场场强Ekbj :式中，= (\-xb，h_yb)为两点间距离矢量，G和Ic1为大于零的待定常数，Mb为静止 物体b的虚拟质量，Rb为静止物体b所在位置道路条件因子； 2. 3)求解周围车辆的驾驶员c在一定道路条件下驾驶车辆行驶时所形成的行为场在 自车j所在位置处的场强Edj: ED_Cj=Evcj *Dc 式中，Evq.为驾驶员c所驾驶车辆形成的动能场在自车j所在位置处的场强，D。为驾驶 员c的风险因子； 2. 4)构建自车的行车风险场模型，并计算自车的行车风险场总场强Esj:式中，Ev "_、Ekw和Edj分别表示单个运动物体形成的动能场、静止物体形成的势能场 和驾驶员形成的行为场在自车j所在位置处的场强矢量，P、q和z分别为各种场的物体总 个数。3. 如权利要求1所述的，其特征在于：所述 步骤3)基于行车风险场总场强计算自车在行车风险场中受到的作用力的计算公式为： Fj. =EsjMj 式中，Es」为自车的行车风险场总场强，为自车的虚拟质量，&为自车所在位置的道 路条本文档来自技高网...

【技术保护点】
一种基于行车风险场的汽车驾驶安全辅助方法，包括以下步骤：1)根据周围环境中的人‑车‑路各要素对行车风险的综合作用，建立行车风险场统一模型：ES＝ER+EV+ED式中，ES为行车风险场总场强，ER为势能场场强，EV为动能场场强，ED为行为场场强；2)通过建立行车环境中各要素所形成的动能场、势能场和行为场的数学模型构建自车行车风险场模型，并计算自车的行车风险场总场强；3)基于行车风险场总场强计算自车在行车风险场中受到的作用力；4)根据自车在行车风险场中受到的作用力计算自车的行车风险系数，基于风险系数对行车过程进行安全辅助。

【技术特征摘要】

【专利技术属性】
技术研发人员：王建强，吴剑，李洋，李克强，
申请(专利权)人：清华大学，
类型：发明
国别省市：北京;11