车联网中基于车间距离概率分布的碰撞预测方法技术

本发明专利技术公开了一种基于车间距概率分布的高速路模型下车辆碰撞的预测方法，包括以下步骤：车辆周期性(10Hz)广播当前运动状态信息Beacons（速度、加速度、GPS）；动态计算周围环境的车辆密度，构建车间距分布概率模型；根据自身和前方紧相邻车辆的运动状态，动态计算两者同时紧急刹车情况下避免发生碰撞所需的最小安全距离；根据车间距概率分布，计算相邻两车发生碰撞的概率（车间距小于最小安全距离概率）；构建多车辆发生碰撞的Markov链和状态转移矩阵，评估整个路段某时刻发生车辆碰撞次数的期望。该方法创新度高，扩展性强，较好的弥补了当前基于车辆定位预测碰撞算法中GPS数据精度不足和不稳定的缺陷，在GPS卫星信号盲区本方法的作用尤为突出，应用前景十分广阔。

Collision prediction method based on probability distribution of workshop distance in vehicle networking

The invention discloses a vehicle collision prediction method of high-speed road vehicle distance probability distribution based on the model, which comprises the following steps: Vehicle periodic (10Hz) broadcast the current state of motion information (speed, acceleration, Beacons GPS); surrounding vehicle density calculation of dynamic probability model, vehicle spacing distribution construction according to the motion; the state itself and the front tightly adjacent vehicles, the dynamic calculation of both the emergency brake to avoid in case the minimum safety distance collision required; according to the distance probability distribution, the probability calculation of two adjacent car collision (the vehicle distance is less than the minimum safety distance probability); construction of multi vehicle collision Markov chain and the state transition matrix in a moment, assess the desired vehicle collision times of the whole road. The method innovation is high, strong expansibility, good to make up for the defects of current based on the precision of GPS data collision algorithm insufficiency and unstable prediction of vehicle location, the GPS satellite signal blind method this effect is particularly prominent, very broad application prospects.

【技术实现步骤摘要】

本专利技术属于智能交通系统的车联网
，具体涉及一种在紧急情况下基于车间距概率分布的多车碰撞预测方法。车辆碰撞预测方法，可以用于实时计算单独车辆行驶的安全系数，也可以用于评估整条路段在遭遇突发事故时引发次生碰撞的风险。
技术介绍
近年来,车联网(Vehicular Ad-hoc Network, VANET)作为智能交通领域中一种新兴技术引起了众多汽车厂商和学者的广泛关注，联邦通讯委员会(Federal CommunicationCommission, FCC)专门为车联网应用分配了 75MHz的通信频段。在VANET中，每个移动车辆均具备无线通信的能力，正常情况下周期性广播包含自身运动状态和GPS位置信息的Beacons消息，当车辆遭遇危险情形时会触发并广播警告消息。通过实时分享各自运动状态和及时告知危险事件达到提高行车安全的目的。基于车联网技术，实时预测相邻车辆碰撞概率是智能交通领域中的一项强烈需求，可以有效保障和提高道路交通的安全。目前常见预测碰撞的方法大部分是基于车辆GPS定位技术，通过Beacon消息获取周围车辆的位置信息,结合自身GPS坐标计算相对车距。同时根据相邻车辆的运动状态计算是否会发生碰撞。由于当前车载GPS定位系统存在较大误差，造成此类预测车辆碰撞的方法可靠性较差。尤其在GPS信号覆盖不到或者信号较弱的路段，此类方法将会失去作用。虽然文献[C.Garcia-Costa, etc, “A stochastic model for chain collisionsof vehicles equipped with vehicular communications，，，IEEE Transactions onIntelligent Transportation Systems, vol.13, n0.2, Jun.2012]给出 了一种预测车辆连环碰撞的随机模型，但是由于该模型中各种输入变量均假设为随机变量，无法有效应用到实际车联网中实时预测多车碰撞的问题。为了摆脱对GPS定位精度强依赖，本专利技术首次采用基于车间距概率分布的方法来预测车辆的碰撞事件，并充分利用车联网中的两类消息的作用，提高的预测碰撞的准确度。
技术实现思路
本专利技术目的在于提供一种在紧急情况下基于车间距概率分布的多车碰撞预测方法，有效提高车联网中行车碰撞预测的准确度，保障了道路交通安全，同时摆脱了 GPS定位精度不足的制约，实用范围更广。为了解决现有技术中的这些问题，本专利技术提供的技术方案是:一种车联网中基于车间距概率分布的碰撞预测方法，假设车联网整个路段上共有N辆编号依次为V1, V2,..., Vn的车相继前行，每一个移动车辆均具备无线发射和接受信息的能力，其特征在于所述方法包括以下步骤:(I)车辆周期性的向邻居车辆广播包含自身实时运动状态的Beacons消息，其中实时运动状态信息包括速度V，加速度a，运动方向以及GPS位置向量X ；(2)车联网中的每个车辆通过解析来自邻居车辆的Beacons消息，获取周围环境中邻居车辆的实时运动状态信息，动态计算周围环境的车辆分布密度λ，构建车间距概率分布模型；(3)前后相邻同向行驶的车辆Vp1和Vi根据两者的最新速度Vp1和V1、加速度和％、最大刹车速度和ama!U，根据物理学运动模型动态计算两者同时紧急刹车情况下为避免碰撞所需保持的最小安全距离dms ；(4)根据车辆Vi与前方相邻车辆Vp1的车间距概率分布模型，计算相邻两车发生碰撞的概率；所述Vi和Vp1发生碰撞的概率即为Vi与Vp1的车间距小于最小安全间距dms的概率；1 < =i < =N;(5)根据相邻两车发生碰撞的概率构建多车辆发生碰撞的Markov链和状态转移矩阵，评估整个路段某时刻发生车辆碰撞次数的期望。 优选的技术方案是:所述方法步骤(1)中邻居车辆的Beacons消息解析出来的GPS位置向量数据用于局部计算周围环境的实时车辆密度λ ;通过侦听范围内最前和最后的两个邻居车辆GPS位置向量计算车辆的感知范围总长度L，各个车辆进而可以实时计算出所处局部环境的车辆密度λ=Ν/1。优选的技术方案是:所述方法步骤(2)中前后相继行驶车辆乂㈠和^的刹车延迟tMS包含接受到前方事故车辆'触发的告警消息传输延迟和司机采取紧急刹车的反应延迟两部分。优选的技术方案是:相邻车辆Vg和Vi的最小安全行驶距离dms的计算方法根据刹车延迟tMS结束时刻两车的初始运动状态，分为三种情况:i) j = 1-1,即Vg为车队中首先触发告警消息并向后传输的车辆；ii) j < 1-1,且刹车延迟结束时刻Vi的速度大于Vp1的速度；iii) j < 1-1,且刹车延迟结束时刻Vi的速度小于等于Vp1的速度。 优选的技术方案是:所述方法中当其中编号为' 的车遭遇紧急事故并将此告警消息向后广播，后继的N-j辆车在收到此消息后几乎同时采取紧急刹车动作会引发连环的多车碰撞，基于后续车辆发生连环碰撞过程的所有状态，构建包含了(N-j+1) (N-j+2)/2种状态的齐次Markov链和对应的状态转移矩阵P ;通过N-j次自乘运算生成新矩阵ΡΝΛ矩阵元素PN1_(1，(N-j+1) (N-j+2)/2-k)表示N-j个后续车辆中最终共有k个车辆发生碰撞的概率，其中O≤k≤N-j ;计算出由' 引发的后续N-j辆车发生碰撞次数的期望。优选的技术方案是:所述方法步骤(4)中构建Markov链的状态集合为C = (c0；0,cI,O，cO, I，...，CN-j, 0) CN-j-l, I，CN-j-2,2，...，Cl，N-j_l，C0, N-j)，集合大小为(N-j + l) (N_j+2)/2。其中Ctltl表示触发告警消息的'，定义为初始状态，Cu表示从'往后的I辆车中有一个发生碰撞，表示从Vj开始的后续N-j辆车中有N-j-2个发生碰撞，依次类推。本专利技术提供了一种基于车间距概率分布的高速路模型下车辆碰撞的预测方法，其特征在于所述方法包括以下步骤:(1)移动车辆通过周期性的向邻居节点广播状态信息(Beacons),获取邻居车辆当前的运动状态并计算所处环境下的车辆密度λ ;(2)结合自身当前的运动状态，每个车辆动态计算在紧急刹车情况下和前方相邻车辆避免发生碰撞的最小安全行车距离；(3)根据车辆分布密度，动态更新车间距的概率分布模型。结合最小安全行车距离，计算两两相邻车辆紧急情况下发生碰撞的概率；(4)针对相同车道上同向相继行驶的多个车辆，基于连环碰撞发生的所有中间状态构建Markov链和状态转移矩阵，并计算每种最终碰撞状态发生的概率。进而评估整个路段紧急情况下发生车辆连环碰撞次数的总体期望。该方法创新度高，扩展性强，较好的弥补了当前基于车辆定位预测碰撞算法中GPS数据精度不足和不稳定的缺陷，在GPS卫星信号盲区本方法的作用尤为突出，应用前景十分广阔。本专利技术利用车联网中周围车辆的实时运动状态信息(Beacons)，动态维护相邻车间距的概率分布模型。基于相邻车辆的运动状态计算紧急状况下保证两车避免碰撞所需的最小安全距离，车间距小于最小安全距离的概率即为碰撞概率，并基于Markov链评估整个路段上多车碰撞的危险系数，提高本文档来自技高网...

【技术保护点】
一种车联网中基于车间距概率分布的碰撞预测方法，假设车联网整个路段上共有N辆编号依次为V1,V2,...,VN的车相继前行，每一个移动车辆均具备无线发射和接受信息的能力，其特征在于所述方法包括以下步骤：（1）车辆周期性的向邻居车辆广播包含自身实时运动状态的Beacons消息，其中实时运动状态信息包括速度v,加速度a,运动方向以及GPS位置向量X；（2）车联网中的每个车辆通过解析来自邻居车辆的Beacons消息，获取周围环境中邻居车辆的实时运动状态信息，动态计算周围环境的车辆分布密度λ，构建车间距概率分布模型；（3）前后相邻同向行驶的车辆Vi?1和Vi根据两者的最新速度vi?1和vi、加速度ai?1和ai、最大刹车速度amax,i?1和amax,i，根据物理学运动模型动态计算两者同时紧急刹车情况下为避免碰撞所需保持的最小安全距离dms；（4）根据车辆Vi与前方相邻车辆Vi?1的车间距概率分布模型，计算相邻两车发生碰撞的概率；所述Vi和Vi?1发生碰撞的概率即为Vi与Vi?1的车间距小于最小安全间距dms的概率；1＜=i＜=N;（5）根据相邻两车发生碰撞的概率构建多车辆发生碰撞的Markov链和状态转移矩阵，评估整个路段某时刻发生车辆碰撞次数的期望。...

【技术特征摘要】
1.一种车联网中基于车间距概率分布的碰撞预测方法，假设车联网整个路段上共有N辆编号依次为V1, V2,..., Vn的车相继前行，每一个移动车辆均具备无线发射和接受信息的能力，其特征在于所述方法包括以下步骤: (O车辆周期性的向邻居车辆广播包含自身实时运动状态的Beacons消息，其中实时运动状态信息包括速度V，加速度a，运动方向以及GPS位置向量X ; (2)车联网中的每个车辆通过解析来自邻居车辆的Beacons消息，获取周围环境中邻居车辆的实时运动状态信息，动态计算周围环境的车辆分布密度λ，构建车间距概率分布模型； (3)前后相邻同向行驶的车辆Vp1和Vi根据两者的最新速度Vp1和Vp加速度Bp1和%、最大刹车速度amax，η和amax，i，根据物理学运动模型动态计算两者同时紧急刹车情况下为避免碰撞所需保持的最小安全距离dms ； (4)根据车辆Vi与前方相邻车辆Vp1的车间距概率分布模型，计算相邻两车发生碰撞的概率；所述Vi和Vp1发生碰撞的概率即为Vi与V1的车间距小于最小安全间距dms的概率；I < =i < =N; (5)根据相邻两车发生碰撞的概率构建多车辆发生碰撞的Markov链和状态转移矩阵，评估整个路段某时刻发生车辆碰撞次数的期望。2.根据权利要求1所述的方法，其特征在于所述方法步骤(1)中邻居车辆的Beacons消息解析出来的GPS位置向量数据用于局部计算周围环境的实时车辆密度λ ;通过侦听范围内最前和最后的两个邻居车辆GPS位置向量计算车辆的感知范围总长度L，各个车辆进而可以实时计算出所处局部环境的车辆密度λ=Ν/1。3.根据权利要求1所述的方法，其特征在于所述方法步骤(2)中前后相继行驶车辆Vp1和Vi的刹车延迟包含接受到前方...

【专利技术属性】
技术研发人员：黄刘生，郭伟杰，徐宏力，
申请(专利权)人：中国科学技术大学苏州研究院，
类型：发明
国别省市：