极限工况下人-车-路闭环系统动力学建模方法及系统技术方案

本公开涉及智能汽车应用技术领域，特别涉及一种极限工况下人

【技术实现步骤摘要】
极限工况下人
‑
车
‑
路闭环系统动力学建模方法及系统


[0001]本公开涉及智能汽车应用
，特别涉及一种极限工况下人
‑
车
‑
路闭环系统动力学建模方法及系统。

技术介绍

[0002]目前，造成重大人员伤亡的道路交通事故通常来看，主要发生在极限驾驶工况，极限工况下驾驶人行为各异、车辆动力学耦合强烈、行驶道路环境复杂多变，使得极限工况下的人
‑
车
‑
路闭环系统动力学研究极具挑战性。动力学主要探究作用于物体的力与物体运动关系，而系统动力学更加注重系统行为与内在机制间相互作用关系，强调根据系统内部组成要素互为因果的特点，从系统内部结构寻求问题发生的根源。因此，人
‑
车
‑
路闭环系统动力学模型的研究有助于剖析交通事故致因机理，揭示闭环系统失稳机制，对于提高行车安全、阻断道路交通事故的发生具有重要意义。
[0003]现有技术中，人
‑
车
‑
路闭环系统动力学主要研究由驾驶人、车辆、道路（环境）等要素构成的闭环系统的动态特性及其要素间的交互耦合机制，是认识闭环系统特性和解决闭环系统问题的理论基础。通过对闭环系统动力学的数理建模，有助于实现闭环系统的动力学分析与综合，进而为阐明极限工况下车辆失稳机理及交通事故发生机制提供理论支撑。人
‑
车
‑
路闭环系统动力学建模主要包括驾驶人行为、车辆动力学、道路等要素的建模和要素间耦合机制的建模，通过剖析各要素属性及特征、探明要素间耦合机制，最终形成统一、可拓展的闭环系统研究框架。然而，当前人
‑
车
‑
路闭环系统动力学模型多通过建立驾驶人操纵模型、车辆动力学模型等，结合道路曲率、附着等形成人
‑
车
‑
路闭环系统模型，鲜有考虑交通参与者和驾驶人感知及决策机制的广义闭环系统动力学及其架构。因此，难以为极限工况下车辆失稳及交通事故致因机理研究提供全面、可靠的理论支撑。

技术实现思路

[0004]本公开提供一种极限工况下人
‑
车
‑
路闭环系统动力学建模方法及系统。
[0005]本公开第一方面实施例提供一种极限工况下人
‑
车
‑
路闭环系统动力学建模方法，包括以下步骤：获取目标车辆信息、行驶环境中的动静态信息以及道路信息，其中，所述行驶环境中的动静态信息至少包括周车信息、车道线信息及交通信号灯信息，所述道路信息至少包括道路附着信息和道路曲率信息；将所述目标车辆信息、所述动静态信息以及所述道路信息输入预先建立的人
‑
车
‑
路闭环系统动力学模型中，得到所述人
‑
车
‑
路闭环系统动力学模型输出的外部环境信息作用下的人
‑
车
‑
路闭环系统动力学响应，其中，所述人
‑
车
‑
路闭环系统动力学模型是根据预置的基于虚拟力学的行车环境动静态道路模型、基于牛顿力学的车辆高维非线性动力学模型和集成感知
‑
决策
‑
操控的驾驶人行为模型及其之间的交互耦合机制共同作用建立的，所述人
‑
车
‑
路闭环系统动力学响应包括目标车辆运行状态和目标车辆安全水平。
[0006]本公开第二方面实施例提供一种极限工况下人
‑
车
‑
路闭环系统动力学建模系统，包括：第一获取模块，用于获取目标车辆信息、行驶环境中的动静态信息以及道路信息，其中，所述行驶环境中的动静态信息至少包括周车信息、车道线信息及交通信号灯信息，所述道路信息至少包括道路附着信息和道路曲率信息；输入模块，用于将所述目标车辆信息、所述动静态信息以及所述道路信息输入预先建立的人
‑
车
‑
路闭环系统动力学模型中，得到所述人
‑
车
‑
路闭环系统动力学模型输出的外部环境信息作用下的人
‑
车
‑
路闭环系统动力学响应，其中，所述人
‑
车
‑
路闭环系统动力学模型是根据预置的基于虚拟力学的行车环境动静态道路模型、基于牛顿力学的车辆高维非线性动力学模型和集成感知
‑
决策
‑
操控的驾驶人行为模型及其之间的交互耦合机制共同作用建立的，所述人
‑
车
‑
路闭环系统动力学响应包括目标车辆运行状态和目标车辆安全水平。
[0007]本公开第三方面实施例提供一种终端设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现根据上述第一方面所述的极限工况下人
‑
车
‑
路闭环系统动力学建模方法。
[0008]本公开第四方面实施例提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行，以用于实现根据上述第一方面所述的极限工况下人
‑
车
‑
路闭环系统动力学建模方法。
[0009]本公开第五方面实施例提供一种计算机程序产品，其上存储有计算机程序，该程序被处理器执行，以用于实现根据上述第一方面所述的极限工况下人
‑
车
‑
路闭环系统动力学建模方法。
[0010]本公开的实施例，能为极限工况下驾驶人操控机制及行车事故致因机理研究提供理论基础，同时能够为自动驾驶车辆决策方法设计提供依据。具有以下优点：通过对极限工况下车辆运动过程中的风险要素进行描述和刻画，建立基于虚拟力学和牛顿力学的人
‑
车
‑
路闭环系统动力学模型，能够为极限工况下的车辆运动风险评估和智能决策提供更为全面的理论支撑；考虑轮胎非线性及其随机效应，建立的车辆侧
‑
纵
‑
垂向高维动力学随机模型，能够为探究极限工况下车辆动力学及运动学响应提供可靠的模型支持；通过建立感知
‑
决策
‑
操控于一体的驾驶人行为模型，能够为道路环境和自车运动状态综合作用下驾驶人的驾驶行为解析提供新的视角，同时为极限工况下车辆失稳及事故致因机理分析提供可靠的理论支撑。
[0011]本公开附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本公开的实践了解到。
附图说明
[0012]本公开上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：图1为根据本公开实施例提供的一种极限工况下人
‑
车
‑
路闭环系统动力学建模方法的流程图；图2为根据本公开实施例提供的一种极限工况本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种极限工况下人
‑
车
‑
路闭环系统动力学建模方法，其特征在于，包括以下步骤：获取目标车辆信息、行驶环境中的动静态信息以及道路信息，其中，所述行驶环境中的动静态信息至少包括周车信息、车道线信息及交通信号灯信息，所述道路信息至少包括道路附着信息和道路曲率信息；将所述目标车辆信息、所述动静态信息以及所述道路信息输入预先建立的人
‑
车
‑
路闭环系统动力学模型中，得到所述人
‑
车
‑
路闭环系统动力学模型输出的外部环境信息作用下的人
‑
车
‑
路闭环系统动力学响应，其中，所述人
‑
车
‑
路闭环系统动力学模型是根据预置的基于虚拟力学的行车环境动静态道路模型、基于牛顿力学的车辆高维非线性动力学模型和集成感知
‑
决策
‑
操控的驾驶人行为模型及其之间的交互耦合机制共同作用建立的，所述人
‑
车
‑
路闭环系统动力学响应包括目标车辆运行状态和目标车辆安全水平。2.根据权利要求1所述的极限工况下人
‑
车
‑
路闭环系统动力学建模方法，其特征在于，所述基于虚拟力学的行车环境动静态道路模型，通过如下方式得到：对行驶环境中的动静态信息形成的虚拟力进行建模，确定驾驶人与行驶环境的交互机理，并基于所述驾驶人与行驶环境的交互机理建立所述基于虚拟力学的行车环境动静态道路模型。3.根据权利要求2所述的极限工况下人
‑
车
‑
路闭环系统动力学建模方法，其特征在于，所述基于虚拟力学的行车环境动静态道路模型包括交通要素的建模，其中，所述交通要素至少包括道路边界、交通信号灯和交通参与者。4.根据权利要求1所述的极限工况下人
‑
车
‑
路闭环系统动力学建模方法，其特征在于，所述基于牛顿力学的车辆高维非线性动力学模型，通过如下方式得到：其中，、、分别为所述目标车辆的车轮的轮胎纵向力、侧向力、垂向力，、分别为纵向路面附着系数、侧向路面附着系数，、分别为轮胎侧偏刚度、纵滑刚度，、分别为轮胎侧偏角、滑移率，、分别为悬架垂向跳动量、所述垂向跳动量的变化率，、分别为悬架系统的刚度、阻尼，为车轮转动惯量，为车轮的旋转角速度，为作用到车轮的力矩，为车轮的有效半径，、、分别为车身的侧倾角度
速度、俯仰角速度、横摆角速度，、分别为目标车辆的簧上质量、簧下质量，、、分别为目标车辆的纵向速度、侧向速度、横摆角速度，x为车身运动状态矢量，为x的时间导数，、分别为车身侧倾角、俯仰角，为其他的车辆结构参数。5.根据权利要求1所述的极限工况下人
‑
车
‑
路闭环系统动力学建模方法，其特征在于，所述集成感知
‑
决策
‑
操控的驾驶人行为模型包括：驾驶人视觉感知场力模型，其中，所述驾驶人视觉感知场力模型通过如下方式获得：其中，i示目标车辆，表示目标车辆的驾驶人视觉感知场力，表示目标车辆的行驶速度，表示所述目标车辆的行驶速度修正值，表示驾驶人个性化参数调节因子，表示目标车辆驾驶人所形成等势线与目标车辆行驶方向的交点和目标车辆的距离，表示t时刻的视觉角，表示等势线上的点距离目标车辆原点的距离，表示车辆j目标车辆产生作用的行驶状态表征，与两辆车相对运动的速度、大小及相对距离和车辆虚拟质量有关。6.根据权利要求5所述的极限工况下人
‑

【专利技术属性】
技术研发人员：王建强，杨路，许庆，崔明阳，黄荷叶，刘巧斌，李克强，
申请(专利权)人：清华大学，
类型：发明
国别省市：