行车风险受人、车、路多类时变因素的耦合影响,如何对其进行准确量化一直是制约汽车智能安全技术发展的难题。提出考虑驾驶人行为特性的行车风险量化新方法并介绍对应的行车风险防控策略,将行车风险量化与等效力模型结合,设计行车风险...行车风险受人、车、路多类时变因素的耦合影响,如何对其进行准确量化一直是制约汽车智能安全技术发展的难题。提出考虑驾驶人行为特性的行车风险量化新方法并介绍对应的行车风险防控策略,将行车风险量化与等效力模型结合,设计行车风险的场模型框架。通过考虑车道线约束和车辆行驶路径的变化,在车辆行驶的纵向和横线上设置不同的风险梯度调整系数并采用Frenet坐标转换,使得行车风险在车辆行驶的纵向和横向上具有较大的差异。结合行车风险的防控指标,设计3种高速公路直行冲突场景和9种无信号灯交叉路口冲突仿真场景,并分别与纵向控制模型(Longitudinal control model,LCM)和预计时间(Time to intersection,TTI)阈值对比,仿真结果表明,所设计的车辆行驶决策模型能够识别各个方向上的风险并能主动执行风险防控,相比LCM模型在安全性上更优;另外,建立的左转风险防控算法在900次无信号交叉路口仿真中的碰撞事故发生率为0,相比TTI阈值算法具有更高的通行效率和安全性。展开更多
文摘行车风险受人、车、路多类时变因素的耦合影响,如何对其进行准确量化一直是制约汽车智能安全技术发展的难题。提出考虑驾驶人行为特性的行车风险量化新方法并介绍对应的行车风险防控策略,将行车风险量化与等效力模型结合,设计行车风险的场模型框架。通过考虑车道线约束和车辆行驶路径的变化,在车辆行驶的纵向和横线上设置不同的风险梯度调整系数并采用Frenet坐标转换,使得行车风险在车辆行驶的纵向和横向上具有较大的差异。结合行车风险的防控指标,设计3种高速公路直行冲突场景和9种无信号灯交叉路口冲突仿真场景,并分别与纵向控制模型(Longitudinal control model,LCM)和预计时间(Time to intersection,TTI)阈值对比,仿真结果表明,所设计的车辆行驶决策模型能够识别各个方向上的风险并能主动执行风险防控,相比LCM模型在安全性上更优;另外,建立的左转风险防控算法在900次无信号交叉路口仿真中的碰撞事故发生率为0,相比TTI阈值算法具有更高的通行效率和安全性。
