非信控交叉口安全预警和管控方法和系统技术方案

本发明专利技术提供非信控交叉口安全预警和管控方法和系统，采用毫米波雷达和激光雷达获取目标的状态；对获取的目标的状态进行修正，获取修正后的目标的状态；利用修正后的目标的状态训练获得优化后的预警模型，所述预警模型用于预测目标的最佳预警位置；利用预警模型确定目标的最佳预警位置并根据目标的最佳预警位置发出预警信号。本发明专利技术将应用于无人驾驶领域的雷达、激光传感器等多种传感器及多元感知融合技术创新应用于非信控交叉口，与市面上现有产品相比，适配性、精度得到极大提升；同时，在保证系统完整功能的同时，大幅提升产品安全性能。能。能。

【技术实现步骤摘要】
非信控交叉口安全预警和管控方法和系统


[0001]本专利技术涉及非信控交叉口安全预警和管控系统，属于控制系统和通信


技术介绍

[0002]路交叉口作为交通的必要组成部分，是构建路网的重要节点，其承载交通，将道路连接。随着经济的发展、车辆保有量的提升，城市道路交叉路口及其附近地区交通事故发生概率高达60％，乡镇地区该占比更高。如何降低非信控交叉口的安全风险，减少交通事故的发生，是需要解决的技术问题。
[0003]在无人驾驶飞速发展的背景下，多传感器应用及多元感知融合技术得到初步尝试，且收到良好成效。但该技术在路口安全产品领域未见合理有效的应用。现有针对非信控交叉口的行业内已采用的一些解决方案，往往仅采用单一感知设备，检测精度、适用场景受到限制，通常仅仅针对单个场景解决点对点的问题，适配性不足，从而带来无法灵活适应不同场景(城市、国道等)、不同环境因素(如车辆、天气、道路状况等)下的问题。同时，现有产品体系化建设考虑不足，与后端的联动、分析不足，未高效利用检测数据资源。

技术实现思路

[0004]本专利技术旨在提高交叉口安全预警精度，降低非信控交叉口的安全风险，减少交通事故的发生，为实现该技术目的，本专利技术采用以下技术方案。
[0005]一方面，本专利技术提供非信控交叉口安全预警和管控方法，包括：
[0006]采用毫米波雷达和激光雷达获取目标的状态；对获取的目标的状态进行修正，获取修正后的目标的状态；
[0007]利用修正后的目标的状态训练获得优化后的预警模型，所述预警模型用于预测目标的最佳预警位置；
[0008]利用预警模型确定目标的最佳预警位置并根据目标的最佳预警位置发出预警信号。
[0009]进一步地，对获取的目标的状态进行修正的方法具体包括以下步骤：
[0010]分别对于激光雷达以及毫米波雷达获取目标的状态进行初始化；
[0011]分别确定激光雷达以及毫米波雷达检测到的目标随时间变化的状态中不确定性程度；
[0012]利用卡尔曼滤波方法，根据激光雷达检测到的目标随时间变化的状态中不确定性程度对激光雷达感知的目标的状态进行修正获得修正后的目标的状态；
[0013]利用扩展卡尔曼滤波方法，根据毫米波雷达检测到的目标随时间变化的状态中不确定性程度对毫米波雷达感知的目标的状态进行修正获得修正后的目标的状态；
[0014]对于激光雷达以及毫米波雷达检测到的目标修正后状态趋同，则最终确定修正后的目标的状态。
[0015]进一步地，所述预警模型采用粒子群算法与BP神经网络相结合的模型，所述模型
的训练方法如下：
[0016]第一阶段：将输入的选定交叉路口历史的目标状态从BP神经网络的输入层经过隐层逐层计算，得到输出层各节点的输出值，进而求得输出层的均方差；
[0017]第二阶段：将BP神经网络的输出层的均方差作为PSO算法中粒子的适应值；利用PSO算法，从该类交叉口的所有历史数据中，寻找到针对该类交叉口的全局最优解，使得均方差值最小，就为该类路口的最佳预警方案。
[0018]再进一步地，PSO算法的执行步骤如下：
[0019]将该类交叉口历史的目标位置与速度信息进行如下表示：
[0020][0021]p
i
＝(p1，p2，
…
，p
N
)
[0022]v
i
＝(v1，v2，
…
，v
N
)
[0023]其中P
i
表示第i代个体在该交叉口的位置；v指代个体在该交叉口的速度；
[0024]针对每个粒子也就是交叉口每个个体，以第一阶段输出层的均方差，作为粒子的适应值，通过适应值，每个粒子找到自己的预警最佳位置p
i
，并从最优解中找到本次最佳预警位置与该类交叉口当前的历史最佳预警位置h
best
比较并更新粒子；
[0025]将代入，最终得到系统级优化预警模型此时均方差MSE最小。
[0026]再进一步地，按照以下方法更新粒子：
[0027][0028][0029]其中指代第k+1次迭代个体x
i
的第d维分量的速度v；ω为惯性权重因子，d指代第d维分量，d＝1，2，...，D，本专利技术中皆为三维个体，因此D为3；i＝1，2，...，N，N指代交叉口个体数量；k为当前迭代次数；c1与c2为加速因子，r1和r2为两个随机函数。
[0030]第二方面，本专利技术提供了非信控交叉口安全预警和管控系统，包括：设置在交叉口的前端感知模块、预警控制模块、多元感知融合模块以及通信模块，所述系统还包括后端分析平台；
[0031]所述前端感知模块，用于采用毫米波雷达和激光雷达获取目标的状态；
[0032]所述多元感知融合模块与所述前端感知模块连接，用于对所述前端感知模块获取的目标的状态进行修正，获取修正后的目标的状态；
[0033]所述后端分析平台用于根据所述多元感知融合模块修正后的目标的状态训练获得优化后的预警模型，所述预警模型用于预测目标的最佳预警位置；
[0034]所述通信模块分别与多元感知融合模块和后端分析平台连接，用于多元感知融合模块将修正后的目标的状态上传到后端分析平台，并将后端分析平台优化后的预警模型下发到所述多元感知融合模块；
[0035]所述预警控制模块与所述多元感知融合模块连接，用于根据目标的最佳预警位置发出预警信号。
[0036]本专利技术所取得的有益技术效果：
[0037]本专利技术将应用于无人驾驶领域的雷达、激光传感器等多种传感器及多元感知融合技术创新应用于非信控交叉口，与市面上现有产品相比，适配性、精度得到极大提升；同时，在保证系统完整功能的同时，大幅提升产品安全性能。
[0038]本专利技术创新应用粒子群算法(PSO)与BP神经网络(BackpropagationNN)相结合的方式，系统分析能力得到强化，提高交叉口安全预警精度，不断优化预警模型并下发前端，形成闭环反馈。可开放拓展服务功能接口，为客户(交管部门、交通局、市政等)规律挖掘、路口管理、运维调配等功能需求提供支撑。
附图说明
[0039]图1为具体实施例提供的非信控交叉口安全预警与管控系统的结构示意图；
[0040]图2为具体实施例中非信控交叉口安全预警与管控系统运行方法的流程图；
[0041]图3为具体实施例中被感知车辆相关参数示意图；
[0042]图4为具体实施例中非信控交叉口安全预警与管控系统感知融合步骤；
[0043]图5为具体实施例中非信控交叉口安全预警与管控系统后端分析平台人工智能部分神经网络架构；
[0044]图1中主要附图标记含义为：1、非信控交叉口安全预警与管控系统；2、前端感知模块；3、预警控制模块；4、多元感知融合模块；5、通信模块；6、后端分析平台。
具体实施方式
[0045]以本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.非信控交叉口安全预警和管控方法，其特征在于，包括：采用毫米波雷达和激光雷达获取目标的状态；对获取的目标的状态进行修正，获取修正后的目标的状态；利用修正后的目标的状态训练获得优化后的预警模型，所述预警模型用于预测目标的最佳预警位置；利用预警模型确定目标的最佳预警位置并根据目标的最佳预警位置发出预警信号。2.根据权利要求1所述的非信控交叉口安全预警和管控方法，其特征在于，对获取的目标的状态进行修正的方法具体包括以下步骤：分别对于激光雷达以及毫米波雷达获取目标的状态进行初始化；分别确定激光雷达以及毫米波雷达检测到的目标随时间变化的状态中不确定性程度；利用卡尔曼滤波方法，根据激光雷达检测到的目标随时间变化的状态中不确定性程度对激光雷达感知的目标的状态进行修正获得修正后的目标的状态；利用扩展卡尔曼滤波方法，根据毫米波雷达检测到的目标随时间变化的状态中不确定性程度对毫米波雷达感知的目标的状态进行修正获得修正后的目标的状态；对于激光雷达以及毫米波雷达检测到的目标修正后状态趋同，则最终确定修正后的目标的状态。3.根据权利要求1所述的非信控交叉口安全预警和管控系统，其特征在于，所述预警模型采用粒子群算法与BP神经网络相结合的模型，所述模型的训练方法如下：第一阶段：将输入的选定交叉路口历史的目标状态从BP神经网络的输入层经过隐层逐层计算，得到输出层各节点的输出值，进而求得输出层的均方差；第二阶段：将BP神经网络的输出层的均方差作为PSO算法中粒子的适应值；利用PSO算法，从该类交叉口的所有历史数据中，寻找到针对该类交叉口的全局最优解，使得均方差值最小，就为该类路口的最佳预警方案。4.根据权利要求3所述的非信控交叉口安全预警和管控系统，其特征在于，PSO算法的执行步骤如下：将该类交叉口历史的目标位置与速度信息进行如下表示：p
i
＝(p1，p2，...，p
N
)v
i
＝(v1，v2，...

【专利技术属性】
技术研发人员：崔志伟，何碧娟，储轶钢，华茹玥，钮昊天，万俊杰，
申请(专利权)人：华设设计集团股份有限公司，
类型：发明
国别省市：