一种智能网联环境下驾驶人换道行为分析方法技术

本发明专利技术公开了一种智能网联环境下驾驶人换道行为分析方法，具体为：步骤1：基于车路协同系统架构，构建三维高精度交通仿真场景，步骤2：基于三维高精度交通仿真场景进行模拟驾驶，得到换道失败场景的相关数据和强制换道场景的相关数据；步骤3：基于步骤2中的换道失败场景的相关数据构建加速失效模型，对换道失败场景下的制动行为进行分析，得到制动行为对换道失败的影响率，并通过物联网环境进行显示，供驾驶人参考；步骤4：基于步骤2中的强制换道场景的相关数据构建超阈值模型，采用该模型对强制换道场景下的碰撞风险进行分析，并将分析结果传送至用户。本发明专利技术可以提升智能网联汽车在行驶过程中的行驶效率和安全性。在行驶过程中的行驶效率和安全性。在行驶过程中的行驶效率和安全性。

【技术实现步骤摘要】
一种智能网联环境下驾驶人换道行为分析方法


[0001]本专利技术属于交通工程


技术介绍

[0002]智能网联汽车将是未来交通工具的发展方向，网联环境也成为了交通工程领域的一个重要研究方向。车辆换道行为是基础的车辆驾驶行为，不合适的换道行为会导致交通拥堵和碰撞事故等问题，对交通环境造成极大的负面影响，车辆换道行为分析过程较为复杂，与交通拥堵、交通安全息息相关，然而由于网联环境中的车辆轨迹数据十分匮乏，现有的车辆换道行为建模的研究绝大多数都是关于传统驾驶环境下的车辆换道，没有分析驾驶人在网联环境中的驾驶行为特性和决策过程，从而导致安全事故的发生。

技术实现思路

[0003]专利技术目的：为了解决上述现有技术存在的问题，本申请提供了一种智能网联环境下驾驶人换道行为分析方法。
[0004]技术方案：本专利技术提供了一种智能网联环境下驾驶人换道行为分析方法，所述方法包括：
[0005]步骤1：基于车路协同系统架构，构建三维高精度交通仿真场景；
[0006]步骤2：基于三维高精度交通仿真场景进行模拟驾驶，得到模拟驾驶结果；所述模拟驾驶结果包括换道失败场景的相关数据和强制换道场景的相关数据；
[0007]步骤3：基于步骤2中的换道失败场景的相关数据构建加速失效模型，对换道失败场景下的制动行为进行分析，得到制动行为对换道失败的影响率，并通过物联网环境进行显示，供驾驶人参考；
[0008]步骤4：基于步骤2中的强制换道场景的相关数据构建超阈值模型，采用该模型对强制换道场景下的碰撞风险进行分析，并将分析结果传送至用户。
[0009]进一步的，所述车路协同系统架构包括智能路端、智能车端和智能云端；所述基于车路协同系统架构，构建三维高精度交通仿真场景，具体为：智能路端采集道路交通状态信息，智能车端采集车辆状态信息；智能云端对所采集的信息进行管理；
[0010]构建二维高精度交通仿真模型，基于道路交通状态信息和车辆状态信息设置交通流运行信息，构建二维高精度交通仿真场景，并提供数据接口用于调取车辆实时状态信息；
[0011]在二维高精度交通仿真模型中导入自动驾驶场景开发软件，并对道路几何形状进行编辑修正、设置各类道路场景元素、插入周围现实环境的组成元素，生成三维高精度交通仿真模型；
[0012]在三维开发引擎中导入所述三维高精度交通仿真模型，生成三维高精度交通仿真场景。
[0013]进一步的，，所述步骤3中的加速失效模型的表达式如下所示：
[0014]S(t|X)＝S0[tEXP(βX)][0015]其中，X表示一组协变量向量，β表示与协变量对应的估计参数向量，βX表示在所有协变量为零时的基准风险函数和基准生存函数，EXP()表示指数函数，t表示输入参数的发生时间，S0表示已知的基础生存函数；所述协变量包括第一行驶特征信息，第一驾驶员的特征信息和制动行为；所述第一行驶特征信息包括速度、加速度、车辆坐标、行驶车道和车身角度，所述第一驾驶员的特征信息包括：年龄、性别、驾照类型、驾龄和教育背景；所述制动行为包括初始速度、最低减速时间、平均减速度、最大减速度和减速度变化率；
[0016]加速失效模型的生存函数为：
[0017][0018]其中数，β
′
i
表示行驶特征和驾驶环境回归系数的向量，x
iq
表示车辆行驶特征和网联驾驶环境的协变量的向量，γ
′
表示驾驶员特征信息系数回归系数的向量，z
i
表示驾驶员特征信息的向量；
[0019]生存时间的持续时间数据遵循威布尔分布，威布尔分布的生存函数表示如下：
[0020]S(t)＝EXP{
‑
EXP[
‑
P(β0+β1X1+
…
+
β
nX
n
)]t
P
}
[0021]其中，P表示威布尔分布的尺度参数，X
i
为第i个协变量，n为协变量的个数，β
i
表示协变量的系数也即驾驶员随机参数，β
i
的表达式如下所示：
[0022]β
i
＝X+ψz
i
+Γδ
[0023]其中，ψ表示协方差矩阵，δ表示服从独立标准正态分布的随机误差项，其中Γ是下三角的对称矩阵。
[0024]进一步的，采用最大似然估计对加速失效模型中的参数进行估计。
[0025]进一步的，所述步骤4中基于广义帕累托分布的换道碰撞风险构建超阈值模型，超阈值模型F
u
(y)的表达式如下所示：
[0026][0027]其中，u超出阈值的量，ξ为形状参数，σ
’
为尺度参数，u表示阈值，G(.)表示广义帕累托分布。
[0028]进一步的，将第二行驶特征信息和第二驾驶员特征信息作为超阈值模型的协变量，所述第二行驶特征信息包括速度、车道剩余间距、前车间距和后车间距；第二驾驶人特征信息包括性别和年龄；
[0029]将换道间隔时间GT作为超阈值模型的碰撞风险指标，GT的表达式为：
[0030]GT＝t2‑
t1[0031]其中，t1表示主车到达点P1的时刻，t2表示候车到达点P1的时刻，P1为主车在完成强制换道后在目标车道上的位置；
[0032]将换道间隔时间的负值作为建立超阈值模型的自变量；
[0033]采用平均超出量函数得到第一阈值区间，采用阈值稳定性图得到第二阈值区间，将两个阈值区间的交集作为阈值的选取范围，将选取范围的下界确定为最终的阈值。
[0034]有益效果：本申请可以对换道行为进行分析，来对驾驶人员进行预警提示，以提升智能网联汽车在行驶过程中的行驶效率和安全性。
附图说明
[0035]图1为本专利技术的应用环境图。
[0036]图2为本专利技术的方法流程图。
具体实施方式
[0037]构成本专利技术的一部分的附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。
[0038]本申请可以应用于如图1所示的应用环境中。其中，终端102通过网络与设置于服务器104上的数据处理平台进行通信，其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
[0039]如图2所示，本实施例包括以下步骤：
[0040]S1：基于车路协同系统架构，构建三维高精度交通仿真场景，所述车路协同系统架构包括智能路端、智能车端和智能云端。
[0041]需要说明的是，智能路端是通过智能化、网络化的设备来实现道路与车辆之间通信的功能，通过各类传感器或是GPS设备来获取道路交通状态信息，对信息进行处理并传输，同时也能够收到来自车辆中智能车载系统的状态信息与交通管控信息等等本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能网联环境下驾驶人换道行为分析方法，其特征在于，所述方法包括：步骤1：基于车路协同系统架构，构建三维高精度交通仿真场景；步骤2：基于三维高精度交通仿真场景进行模拟驾驶，得到模拟驾驶结果；所述模拟驾驶结果包括换道失败场景的相关数据和强制换道场景的相关数据；步骤3：基于步骤2中的换道失败场景的相关数据构建加速失效模型，对换道失败场景下的制动行为进行分析，得到制动行为对换道失败的影响率，并通过物联网环境进行显示，供驾驶人参考；步骤4：基于步骤2中的强制换道场景的相关数据构建超阈值模型，采用该模型对强制换道场景下的碰撞风险进行分析，并将分析结果传送至用户。2.根据权利要求1所述的一种智能网联环境下驾驶人换道行为分析方法，其特征在于，所述车路协同系统架构包括智能路端、智能车端和智能云端；所述基于车路协同系统架构，构建三维高精度交通仿真场景，具体为：智能路端采集道路交通状态信息，智能车端采集车辆状态信息；智能云端对所采集的信息进行管理；构建二维高精度交通仿真模型，基于道路交通状态信息和车辆状态信息设置交通流运行信息，构建二维高精度交通仿真场景，并提供数据接口用于调取车辆实时状态信息；在二维高精度交通仿真模型中导入自动驾驶场景开发软件，并对道路几何形状进行编辑修正、设置各类道路场景元素、插入周围现实环境的组成元素，生成三维高精度交通仿真模型；在三维开发引擎中导入所述三维高精度交通仿真模型，生成三维高精度交通仿真场景。3.根据权利要求1所述的一种智能网联环境下驾驶人换道行为分析方法，其特征在于，所述步骤3中的加速失效模型的表达式如下所示：S(t|X)＝S0[tEXP(βX)]其中，X表示一组协变量向量，β表示与协变量对应的估计参数向量，βX表示在所有协变量为零时的基准风险函数和基准生存函数，EXP()表示指数函数，t表示输入参数的发生时间，S0表示已知的基础生存函数；所述协变量包括第一行驶特征信息，第一驾驶员的特征信息和制动行为；所述第一行驶特征信息包括速度、加速度、车辆坐标、行驶车道和车身角度，所述第一驾驶员的特征信息包括：年龄、性别、驾照类型、驾龄和教育背景；所述制动行为包括初始速度、最低减速时间、平均减速度、最大减速度和减速度变化率；加速失效模型的生存函数为：其中数，β
′
i
表示行驶特征和驾驶环境回归系数的向量，x
...

【专利技术属性】
技术研发人员：李志斌，秦思行，王湉湉，
申请(专利权)人：东南大学，
类型：发明
国别省市：