一种行人过街工况下的车辆避撞轨迹风险评估方法与流程

本发明涉及智能驾驶技术，尤其涉及一种行人过街工况下的车辆避撞轨迹风险评估方法。

背景技术：

近年来，智能驾驶技术一直是一个热门的研究领域。国内外汽车公司、高校研究所在高级辅助驾驶领域都取得了丰硕的成果。然而，作为adas的重要组成部分之一，主动避撞系统要想在真实的交通环境中应对所有复杂的交通场景带来的各种不确定性因素从而确定一条能够保证各类交通体安全的轨迹还有很长的路要走。避撞作为智能驾驶技术中最重要的功能，现有研究主要集中于车-车碰撞，而较少的研究城市工况下的人-车碰撞。然而根据世界卫生组织(who)2013年发布的报告显示，我国每年死于交通事故的人中有四分之一都与行人有关。因此，对于人-车避撞的研究也有很强的必要性。

针对行人避撞的风险评估，作为行人避撞的核心部分，一直是行业内研究的难点。因为车辆系统动力学以及运动学约束的存在，相较之下，行人的运动具有极强的不确定性。因为行人行走的速度大小方向可以在瞬间改变，尤其是在行人过街的工况下，在行人实际过马路时，往往并不是简单的匀速运动，如果有车辆驶来，行人会根据它的距离和车速进行判断有无危险，然后做出加速或者减速运动，或者是原地等待甚至后退的决策。此时，行人和避撞车辆作为两个智能决策体，对于危险情况可能做出同向运动的决策，也可能做出反向运动的决策。这样会使得碰撞的风险迅速提升。因此，针对行人的车辆风险评估的研究是非常重要的。

技术实现要素：

本发明所要解决的技术问题是针对背景技术中所涉及到的缺陷，提供一种行人过街工况下的车辆避撞轨迹风险评估方法。

本发明为解决上述技术问题采用以下技术方案：

一种行人过街工况下的车辆避撞轨迹风险评估方法，包括如下步骤：

步骤1)，通过在车辆设置激光雷达和双目摄像头实时测量城市工况下车辆和前方行人的位置信息，建立包括行人和车辆的坐标系，并计算出车辆和行人的速度信息；

步骤2)，建立人车交互模型对行人未来运动状态进行预测，将行人运动考虑成无干扰下的马尔科夫过程和行人在避撞条件反射下运动的叠加：

步骤2.1)，采集道路行人过街行走数据，包括行人在无车辆道路上自由过街时的速度曲线和有车辆道路上过街的速度曲线；

步骤2.2)，表述行人自由无干扰行走产生的运动；

行人自由无外界干扰下的运动符合马尔科夫过程，此时，行人在无干扰条件下运动速度变化一般发生在换步时刻，令行人在时间δt内匀速，以垂直于马路方向过街，则行人的运动状态可表述为：

式中，vped(t+δt)为行人在t+δt时刻的速度，vped(t)为行人在t时刻的速度；xped和yped分别表示行人的横纵坐标位置信息，表示行人在y轴方向关于时间的速度函数，xped(0)表示在x轴方向行人初始位置；k为预设的常数；v为预设的表征行人行走平均速度的随机变量，其符合正态分布；ε为预设的表征行人速度波动的高斯白噪声；

根据牛顿第二定律将行人自由行走产生的运动表述成虚拟自由力ff：

式中，vpedf(t)表示行人关于时间t的自由运动的速度函数，m为预设的行人虚拟质量；

步骤2.3)，表述道路上车辆的运动对行人运动产生的影响而导致行人运动状态的变化；

将车辆对行人运动的干扰量化为虚拟反射力，表述为：

式中，fvp为车辆对行人的虚拟反射力，rv表示车辆的安全行驶半径，rp表示行人的安全行走半径，dvp表示行人与车辆的实时距离，fvpy表示行人受到的车辆干扰力在y方向的分力，分别为预设的表示行人与车辆相互作用力的强度系数、范围系数；θvp为车辆与行人之间的连线和垂直于道路方向的夹角，如图3所示；

步骤3)，预测行人未来位置概率：

根据所述步骤2)的虚拟自由力和虚拟反射力得到行人每个时刻的受力fped，然后计算出每个运动步长内的加速度，进一步得到下一时刻的行人状态，最后通过迭代得到末时刻的状态以完成对行人位置的概率性预测；

式中，ypedf(t)、ypedvpy(t)分别表示行人所受自由力、y方向的干扰力产生的关于时间t的位移函数；yped(t)为行人在车辆干扰下的关于时间t的位移函数；

步骤4)，评估避撞轨迹的碰撞风险；

计算到达碰撞区域的时间ttcz以及ttcz后车辆的侧向位移yveh(ttcz)，建立风险评估函数如下：

式中，j为风险评估函数，表示避撞末时刻n时的人车相对距离，rveh表示车辆横向半径。

本发明采用以上技术方案与现有技术相比，具有以下技术效果：

1.本发明能实现在行人过街的紧急避撞工况下的客观风险度评估；

2.本发明在评估风险度时，对行人的未来运动进行预测，考虑行人在车辆干扰下的可能运动；

3.本发明建立的预测和风险度评估函数进一步用于主动安全的决策规划。

附图说明

图1为本发明的总体框图；

图2为用于预测行人运动的车辆坐标系示意图；

图3为人车交互模型示意图；

图4为行人位置预测及风险评估示意图。。

具体实施方式

下面结合附图对本发明的技术方案做进一步的详细说明：

本发明可以以许多不同的形式实现，而不应当认为限于这里所述的实施例。相反，提供这些实施例以便使本公开透彻且完整，并且将向本领域技术人员充分表达本发明的范围。在附图中，为了清楚起见放大了组件。

如图1所示，本发明公开了一种行人过街工况下的车辆避撞轨迹风险评估方法，其特征在于，包括如下步骤：

步骤1)，通过在车辆设置激光雷达和双目摄像头实时测量城市工况下车辆和前方行人的位置信息，建立如图2所示的包括行人和车辆的坐标系，并计算出车辆和行人的速度信息；

步骤2)，建立人车交互模型对行人未来运动状态进行预测，将行人运动考虑成无干扰下的马尔科夫过程和行人在避撞条件反射下运动的叠加，如图3所示：

步骤2.1)，采集道路行人过街行走数据，包括行人在无车辆道路上自由过街时的速度曲线和有车辆道路上过街的速度曲线；

步骤2.2)，表述行人自由无干扰行走产生的运动；

行人自由无外界干扰下的运动符合马尔科夫过程，此时，行人在无干扰条件下运动速度变化一般发生在换步时刻，令行人在时间δt内匀速，以垂直于马路方向过街，则行人的运动状态可表述为：

式中，vped(t+δt)为行人在t+δt时刻的速度，vped(t)为行人在t时刻的速度；xped和yped分别表示行人的横纵坐标位置信息，表示行人在y轴方向关于时间的速度函数，xped(0)表示在x轴方向行人初始位置；k为预设的常数；v为预设的表征行人行走平均速度的随机变量，其符合正态分布；ε为预设的表征行人速度波动的高斯白噪声；

根据牛顿第二定律将行人自由行走产生的运动表述成虚拟自由力ff：

式中，vpedf(t)表示行人关于时间t的自由运动的速度函数，m为预设的行人虚拟质量，取1kg；

步骤2.3)，表述道路上车辆的运动对行人运动产生的影响而导致行人运动状态的变化；

将车辆对行人运动的干扰量化为虚拟反射力，表述为：

式中，fvp为车辆对行人的虚拟反射力，rv表示车辆的安全行驶半径，rp表示行人的安全行走半径，dvp表示行人与车辆的实时距离，fvpy表示行人受到的车辆干扰力在y方向的分力，分别为预设的表示行人与车辆相互作用力的强度系数、范围系数；θvp为车辆与行人之间的连线和垂直于道路方向的夹角，如图3所示；

步骤3)，预测行人未来位置概率：

根据所述步骤2)的虚拟自由力和虚拟反射力得到行人每个时刻的受力fped，然后计算出每个运动步长内的加速度，进一步得到下一时刻的行人状态，最后通过迭代得到末时刻的状态以完成对行人位置的概率性预测；

式中，ypedf(t)、ypedvpy(t)分别表示行人所受自由力、y方向的干扰力产生的关于时间t的位移函数；yped(t)为行人在车辆干扰下的关于时间t的位移函数；

步骤4)，如图4所示，评估避撞轨迹的碰撞风险；

计算到达碰撞区域的时间ttcz以及ttcz后车辆的侧向位移yveh(ttcz)，建立风险评估函数如下：

式中，j为风险评估函数，表示避撞末时刻n时的人车相对距离，rveh表示车辆横向半径。

本技术领域技术人员可以理解的是，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。