CN107993453A - 一种基于车路协同的弯道安全车速计算方法 - Google Patents

Abstract

本发明公开了一种基于车路协同的弯道安全车速计算方法。首先，利用车路协同系统中的车载设备和路侧设备，获取车辆在弯道的切入速度和弯道几何特征等信息，并通过驾驶员行驶半径来替换弯道半径来体现不同驾驶员的驾驶风格，建立自适应驾驶员驾驶风格的弯道车速模型；然后，考虑车辆侧滑、侧翻、追尾等事故形态，从横摆稳定性、侧倾稳定性、跟驰安全性、驾驶舒适性等方面对自动驾驶车辆的弯道最优车速进行决策，最终为车辆主动控制系统提供预期速度规划。与现有的弯道安全车速计算方法相比较，本发明提出的弯道车速计算方法，综合考虑侧滑、侧翻、追尾等多种事故形态，所考虑的因素更加全面，并可为自动驾驶车辆的速度规划提供支持。

Description

一种基于车路协同的弯道安全车速计算方法

技术领域

本发明属于交通安全技术领域，尤其涉及一种基于车路协同的弯道安全车速计算方法。

背景技术

对于自动驾驶车辆而言，其在城市快速路的弯道、匝道出口，及城郊道路，高速路等弯道等路段的行车安全性、驾乘舒适性等，是影响未来自动驾驶车辆进行推广和应用的关键。当前，路侧动态限速(Dynamic Speed Limit Signs)的方法难以充分考虑车辆参数差异、驾驶员行为特性等动态与个体因素，不足以从根本上改善弯道事故状况。同样地，车速自适应巡航控制系统(Adaptive Cruise Control)又不易获取道路环境信息(弯道半径、路面附着系数等)，只能针对前车及障碍物进行自适应地调整车速，无法针对前方弯道进行调速。

发明内容

本发明所要解决的技术问题是，提供一种基于车路协同的弯道安全车速计算方法，利用车路协同技术，通过路侧设备(Roadside Unit，RSU)与车载设备(On-Board Unit，OBU)之间进行道路环境、行车状态、驾驶员行为等实时信息交互，预测考虑行车安全性、驾乘舒适性的最优过弯速度，为自动驾驶车辆提供预期速度规划。

自动驾驶车辆的弯道速度决策应满足以下3方面的需求：

(1)自动驾驶的最终目标是使车辆能够符合人类驾驶员的驾驶行为特性，这就要求车速决策系统要尽可能的“拟人化”，提高其驾乘舒适性。

(2)自动驾驶的优势在于可以避免人类感知和判断能力的局限性，从而减少甚至消除交通事故的发生，这就要求车速决策系统能充分考虑“人-车-环境”等多因素对弯道车速建模的影响，保证其行车安全性。

(3)在城市道路环境中，交通流速度也会影响自动驾驶车辆的速度决策，因而自动驾驶车辆还须考虑前车速度，保证其跟驰安全性。

综上，本研究通过车路协同技术提供的“人-车-环境”信息，从人类驾驶员的过弯驾驶行为学习出发，结合车辆动力学建模研究，设计了针对城市快速路的自动驾驶车辆弯道速度决策系统。

本发明解决其技术问题所采用的技术方案是：提供一种基于车路协同的弯道安全车速计算方法，包括以下步骤，

步骤一，计算车辆弯道行驶半径：

R_p＝R+1/(1-cos1/2β)

其中，R_P为行驶半径；R为弯道半径；β为偏转角。弯道半径对过弯车速的计算影响较大。根据对驾驶员驾驶行为的研究，驾驶员在过弯时倾向于保持当前车速以减少制动，会充分利用路面宽度，在通道内选择一个较大的轨迹半径，而不是完全按照道路中心线行驶。

步骤二，计算车辆过弯车速：

其中：

v_c为过弯车速；b_k(k＝0,1,2)为校准系数，基于人机共驾的算法应用基础，利用驾驶员亲自驾驶过弯时收集到的车速、车辆、道路状态信息对b_k进行回归拟合，b₀、b₁、b₂需要根据系统应用后获取驾驶员实际驾驶数据，利用软件origin标定；R为弯道半径；g为重力加速度；v_t为切入车速；i为路面的超高。为使自动驾驶车辆的车速决策尽可能模拟驾驶员的车速决策思路，通过对驾驶员过弯行为进行深入研究后发现，弯道行车会产生侧向摩擦需求，而超过驾驶员承受能力的侧向摩擦需求会引起驾驶员的不舒适感。因此，驾驶员会综合考虑当前车速与道路形态，选择各异的过弯车速。

自动驾驶车辆的车速决策在适应驾驶员驾驶行为特性的同时，也必须能够保证行车安全性。对于道路中弯道路段，交通事故的主要形态有侧翻、侧滑与追尾。为保证弯道行车安全，车速决策系统须建立相应的判断指标，对侧滑、侧翻、追尾等事故形态进行实时监测，并采取最优的速度策略来避免弯道交通事故。

步骤三，判定弯道行车安全的约束条件：

首先，在有外侧超高的弯道情况下，计算车辆发生侧滑的临界速度v_s；

其次，计算车辆发生侧翻的临界速度v_r；

再在自动驾驶条件下，计算跟驰安全临界车速v_f。

步骤四，计算弯道安全车速：

v_opt＝min{v_c,v_s,v_r,v_f}

式中，v_opt为决策车速；v_c为车辆过弯车速；v_s为车辆发生侧滑的临界速度；v_r为车辆发生侧翻的临界速度；v_f为跟驰安全临界车速。

按上述技术方案，所述步骤三中，(在车辆切入车速较高，或者在雨雪天等路面附着系数较低的情况下，车辆易发生侧滑事故，一般在有外侧超高的弯道)计算车辆发生侧滑的临界速度v_s，具体为：

式中，i为路面的超高；为路面的附着系数；g为重力加速度。

按上述技术方案，所述步骤三中，(在天气干燥时，路面附着系数较高，在半径较小的急弯路段，重心高度较高的大型客货车辆等由于受到较大的由离心力和横向附着力组成的倾覆力矩，容易发生侧翻事故)计算车辆发生侧翻的临界速度v_r，具体为：

式中，B为车辆轮距；H为车辆的重心高度；R_P为车辆弯道行驶半径；g为重力加速度；i为路面的超高。

按上述技术方案，所述步骤三中，在城市快速路等交通流密度较大的路况下，车辆在进入弯道前可能发生跟驰。此时，车辆的弯道车速决策必须考虑前车运动状态的影响。在自动驾驶条件下，计算跟驰安全临界车速v_f，具体为：

式中，s为当前跟驰距离；v_b为前车速度；a_b为前车制动加速度；v_min为路侧设备监测范围内车辆速度的最小值；v_t为切入车速。

本发明还提供一种基于弯道安全车速计算的自动驾驶车辆控制方法，包括以下步骤：

1)获取车辆结构参数信息，包括车辆轮距，重心高度；以及车辆运行状态信息，包括车速、加速度、经纬度；

2)计算车辆通过前方弯道的安全车速(为自动驾驶车辆的车速预警及自动控制提供决策依据)，道路基础设施则通过RSU与OBU之间的实时信息交互，将采集到的弯道几何特征、路面附着系数、路况信息(如拥堵、事故等信息)传递给自动驾驶车辆；

3)实现信息共享，自动驾驶车辆通过无线网络将实时位置、状态、当前车速以及预期过弯车速共享，为附近车辆的车速规划提供参考信息。

按上述技术方案，所述步骤2)中，计算车辆通过前方弯道的安全车速，具体包括：

步骤一，计算车辆弯道行驶半径：

R_p＝R+1/(1-cos(β/2))

其中，R_P为行驶半径；R为弯道半径；β为偏转角；

步骤二，计算车辆过弯车速：

其中：

v_c为过弯车速；b_k(k＝0,1,2)为校准系数，基于人机共驾的算法应用基础，利用驾驶员亲自驾驶过弯时收集到的车速、车辆、道路状态信息对b_k进行回归拟合，b₀、b₁、b₂需要根据系统应用后获取驾驶员实际驾驶数据，利用软件origin标定；R为弯道半径；g为重力加速度；v_t为切入车速；i为路面的超高。

步骤三，判定弯道行车安全的约束条件：

首先，在有外侧超高的弯道情况下，计算车辆发生侧滑的临界速度v_s；

其次，计算车辆发生侧翻的临界速度v_r；

再在自动驾驶条件下，计算跟驰安全临界车速v_f；

步骤四，计算弯道安全车速：

v_opt＝min{v_c,v_s,v_r,v_f}

式中，v_opt为决策车速；v_c为车辆过弯车速；v_s为车辆发生侧滑的临界速度；v_r为车辆发生侧翻的临界速度；v_f为跟驰安全临界车速。

按上述技术方案，所述步骤三中，计算车辆发生侧滑的临界速度v_s，具体为：

式中，i为路面的超高；为路面的附着系数；g为重力加速度。

按上述技术方案，所述步骤三中，计算车辆发生侧翻的临界速度v_r，具体为：

式中，B为车辆轮距；H为车辆的重心高度；R_P为车辆弯道行驶半径；g为重力加速度；i为路面的超高。

按上述技术方案，所述步骤三中，在自动驾驶条件下，计算跟驰安全临界车速v_f，具体为：

式中，s为当前跟驰距离；v_b为前车速度；a_b为前车制动加速度；v_min为路侧设备监测范围内车辆速度的最小值；v_t为切入车速。

本发明产生的有益效果是：本发明基于车路协同，针对车辆在弯道可能发生的侧翻、侧滑、追尾等交通事故形态，建立了一种综合考虑道路环境、车辆结构参数、驾驶人行为特性等多种因素的弯道安全车速计算方法。本发明综合考虑了汽车运动特性和驾驶人行为特性，利用车辆动力学理论对车辆在弯道处的安全车速进行分析。与现有的弯道安全车速计算方法进行比较，本发明弯道车速的计算方法提出，具有考虑全面、计算简便，运算速度快，可靠性高等优点，为自动驾驶车辆的速度规划提供了理论方法支撑。

附图说明

下面将结合附图及实施例对本发明作进一步说明，附图中：

图1是本发明实施例基于车路协同的弯道安全车速计算方法的技术路线图；

图2是本发明实施例的决策方案图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

本发明实施例中，提供一种基于车路协同的弯道安全车速计算方法，包括以下步骤，

步骤一，计算车辆弯道行驶半径：

R_p＝R+1/(1-cos1/2β)

其中，R_P为行驶半径；R为弯道半径；β为偏转角。弯道半径对过弯车速的计算影响较大。根据对驾驶员驾驶行为的研究，驾驶员在过弯时倾向于保持当前车速以减少制动，会充分利用路面宽度，在通道内选择一个较大的轨迹半径，而不是完全按照道路中心线行驶。

步骤二，计算车辆过弯车速：

其中：

v_c为过弯车速；b_k(k＝0,1,2)为校准系数，基于人机共驾的算法应用基础，利用驾驶员亲自驾驶过弯时收集到的车速、车辆、道路状态信息对b_k进行回归拟合，b₀、b₁、b₂需要根据系统应用后获取驾驶员实际驾驶数据，利用软件origin标定；R为弯道半径；g为重力加速度；v_t为切入车速；i为路面的超高。为使自动驾驶车辆的车速决策尽可能模拟驾驶员的车速决策思路，通过对驾驶员过弯行为进行深入研究后发现，弯道行车会产生侧向摩擦需求，而超过驾驶员承受能力的侧向摩擦需求会引起驾驶员的不舒适感。因此，驾驶员会综合考虑当前车速与道路形态，选择各异的过弯车速。

自动驾驶车辆的车速决策在适应驾驶员驾驶行为特性的同时，也必须能够保证行车安全性。对于道路中弯道路段，交通事故的主要形态有侧翻、侧滑与追尾。为保证弯道行车安全，车速决策系统须建立相应的判断指标，对侧滑、侧翻、追尾等事故形态进行实时监测，并采取最优的速度策略来避免弯道交通事故。

步骤三，判定弯道行车安全的约束条件：

首先，在有外侧超高的弯道情况下，计算车辆发生侧滑的临界速度v_s；

其次，计算车辆发生侧翻的临界速度v_r；

再在自动驾驶条件下，计算跟驰安全临界车速v_f。

步骤四，计算弯道安全车速：

v_opt＝min{v_c,v_s,v_r,v_f}

式中，v_opt为决策车速；v_c为车辆过弯车速；v_s为车辆发生侧滑的临界速度；v_r为车辆发生侧翻的临界速度；v_f为跟驰安全临界车速。

进一步地，所述步骤三中，在车辆切入车速较高，或者在雨雪天等路面附着系数较低的情况下，车辆易发生侧滑事故，一般在有外侧超高的弯道，计算车辆发生侧滑的临界速度v_s，具体为：

式中，i为路面的超高；为路面的附着系数；g为重力加速度。

进一步地，所述步骤三中，(在天气干燥时，路面附着系数较高，在半径较小的急弯路段，重心高度较高的大型客货车辆等由于受到较大的由离心力和横向附着力组成的倾覆力矩，容易发生侧翻事故)计算车辆发生侧翻的临界速度v_r，具体为：

式中，B为车辆轮距；H为车辆的重心高度；R_P为车辆弯道行驶半径；g为重力加速度；i为路面的超高。

进一步地，所述步骤三中，在城市快速路等交通流密度较大的路况下，车辆在进入弯道前可能发生跟驰。此时，车辆的弯道车速决策必须考虑前车运动状态的影响。在自动驾驶条件下，计算跟驰安全临界车速v_f，具体为：

式中，s为当前跟驰距离；v_b为前车速度；a_b为前车制动加速度；v_min为路侧设备监测范围内车辆速度的最小值；v_t为切入车速。

本发明实施例中，还提供一种基于弯道安全车速计算的自动驾驶车辆控制方法，包括以下步骤：

1)获取车辆结构参数信息，包括车辆轮距，重心高度；以及车辆运行状态信息，包括车速、加速度、经纬度；

2)计算车辆通过前方弯道的安全车速，为自动驾驶车辆的车速预警及自动控制提供决策依据，道路基础设施则通过RSU与OBU之间的实时信息交互，将采集到的弯道几何特征、路面附着系数、路况信息(如拥堵、事故等信息)传递给自动驾驶车辆；

3)实现信息共享，自动驾驶车辆通过无线网络将实时位置、状态、当前车速以及预期过弯车速共享，为附近车辆的车速规划提供参考信息。

进一步地，所述步骤2)中，计算车辆通过前方弯道的安全车速，具体包括：

步骤一，计算车辆弯道行驶半径：

R_p＝R+1/(1-cos(β/2))

其中，R_P为行驶半径；R为弯道半径；β为偏转角；

步骤二，计算车辆过弯车速：

其中：

v_c为过弯车速；b_k(k＝0,1,2)为校准系数，基于人机共驾的算法应用基础，利用驾驶员亲自驾驶过弯时收集到的车速，车辆，道路状态信息对b_k进行回归拟合，以此体现不同的驾驶员风格，其中，b₀、b₁、b₂需要根据系统应用后获取驾驶员实际驾驶数据，利用软件origin标定R为弯道半径；g为重力加速度；v_t为切入车速；i为路面的超高。

步骤三，判定弯道行车安全的约束条件：

首先，在有外侧超高的弯道情况下，计算车辆发生侧滑的临界速度v_s；

其次，计算车辆发生侧翻的临界速度v_r；

再在自动驾驶条件下，计算跟驰安全临界车速v_f；

步骤四，计算弯道安全车速：

v_opt＝min{v_c,v_s,v_r,v_f}

式中，v_opt为决策车速；v_c为车辆过弯车速；v_s为车辆发生侧滑的临界速度；v_r为车辆发生侧翻的临界速度；v_f为跟驰安全临界车速。

进一步地，所述步骤三中，计算车辆发生侧滑的临界速度v_s，具体为：

式中，i为路面的超高；为路面的附着系数；g为重力加速度。

进一步地，所述步骤三中，计算车辆发生侧翻的临界速度v_r，具体为：

式中，B为车辆轮距；H为车辆的重心高度；R_P为车辆弯道行驶半径；g为重力加速度；i为路面的超高。

进一步地，所述步骤三中，在自动驾驶条件下，计算跟驰安全临界车速v_f，具体为：

式中，s为当前跟驰距离；v_b为前车速度；a_b为前车制动加速度；v_min为路侧设备监测范围内车辆速度的最小值；v_t为切入车速。

应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (9)

1.一种基于车路协同的弯道安全车速计算方法，其特征在于，包括以下步骤，

步骤一，计算车辆弯道行驶半径：

R_p＝R+1/(1-cos1/2β)

其中，R_P为行驶半径；R为弯道半径；β为偏转角；

步骤二，计算车辆过弯车速：

<mrow> <msub> <mi>v</mi> <mi>c</mi> </msub> <mo>=</mo> <msqrt> <mrow> <msub> <mi>gR</mi> <mi>P</mi> </msub> <mi>c</mi> </mrow> </msqrt> <mo>-</mo> <msub> <mi>gR</mi> <mi>P</mi> </msub> <msub> <mi>b</mi> <mn>2</mn> </msub> <mo>/</mo> <mn>2</mn> </mrow>

其中：

v_c为过弯车速；b_k为校准系数，k＝0,1,2，基于人机共驾的算法应用基础，利用驾驶员亲自驾驶过弯时收集到的车速、车辆、道路状态信息对b_k进行回归拟合，b₀、b₁、b₂根据系统应用后获取驾驶员实际驾驶数据，利用软件origin标定；R为弯道半径；g为重力加速度；v_t为切入车速；i为路面的超高；

步骤三，判定弯道行车安全的约束条件：

首先，在有外侧超高的弯道情况下，计算车辆发生侧滑的临界速度v_s；

其次，计算车辆发生侧翻的临界速度v_r；

再在自动驾驶条件下，计算跟驰安全临界车速v_f；

步骤四，计算弯道安全车速：

v_opt＝min{v_c,v_s,v_r,v_f}

式中，v_opt为决策车速；v_c为车辆过弯车速；v_s为车辆发生侧滑的临界速度；v_r为车辆发生侧翻的临界速度；v_f为跟驰安全临界车速。

2.根据权利要求1所述的基于车路协同的弯道安全车速计算方法，其特征在于，所述步骤三中，计算车辆发生侧滑的临界速度v_s，具体为：

式中，i为路面的超高；为路面的附着系数；g为重力加速度。

3.根据权利要求2所述的基于车路协同的弯道安全车速计算方法，其特征在于，所述步骤三中，计算车辆发生侧翻的临界速度v_r，具体为：

<mrow> <msub> <mi>v</mi> <mi>r</mi> </msub> <mo>=</mo> <msqrt> <mrow> <msub> <mi>gR</mi> <mi>P</mi> </msub> <mrow> <mo>(</mo> <mi>B</mi> <mo>+</mo> <mn>2</mn> <mi>H</mi> <mi>i</mi> <mo>)</mo> </mrow> <mo>/</mo> <mrow> <mo>(</mo> <mn>2</mn> <mi>H</mi> <mo>-</mo> <mi>B</mi> <mi>i</mi> <mo>)</mo> </mrow> </mrow> </msqrt> </mrow>

式中，B为车辆轮距；H为车辆的重心高度；R_P为车辆弯道行驶半径；g为重力加速度；i为路面的超高。

4.根据权利要求3所述的基于车路协同的弯道安全车速计算方法，其特征在于，所述步骤三中，在自动驾驶条件下，计算跟驰安全临界车速v_f，具体为：

式中，s为当前跟驰距离；v_b为前车速度；a_b为前车制动加速度；v_min为路侧设备监测范围内车辆速度的最小值；v_t为切入车速。

5.一种基于弯道安全车速计算的自动驾驶车辆控制方法，其特征在于，包括以下步骤：

1)获取车辆结构参数信息，包括车辆轮距，重心高度；以及车辆运行状态信息，包括车速、加速度、经纬度；

2)计算车辆通过前方弯道的安全车速，道路基础设施则通过RSU与OBU之间的实时信息交互，将采集到的弯道几何特征、路面附着系数、路况信息传递给自动驾驶车辆；

3)实现信息共享，自动驾驶车辆通过无线网络将实时位置、状态、当前车速以及预期过弯车速共享，为附近车辆的车速规划提供参考信息。

6.根据权利要求5所述的基于弯道安全车速计算的自动驾驶车辆控制方法，其特征在于，所述步骤2)中，计算车辆通过前方弯道的安全车速，具体包括：

步骤一，计算车辆弯道行驶半径：

R_p＝R+1/(1-cos(β/2))

其中，R_P为行驶半径；R为弯道半径；β为偏转角；

步骤二，计算车辆过弯车速：

<mrow> <msub> <mi>v</mi> <mi>c</mi> </msub> <mo>=</mo> <msqrt> <mrow> <msub> <mi>gR</mi> <mi>P</mi> </msub> <mi>c</mi> </mrow> </msqrt> <mo>-</mo> <msub> <mi>gR</mi> <mi>P</mi> </msub> <msub> <mi>b</mi> <mn>2</mn> </msub> <mo>/</mo> <mn>2</mn> </mrow>

其中：

v_c为过弯车速；b_k为校准系数，k＝0,1,2，基于人机共驾的算法应用基础，利用驾驶员亲自驾驶过弯时收集到的车速、车辆、道路状态信息对b_k进行回归拟合，b₀、b₁、b₂根据系统应用后获取驾驶员实际驾驶数据，利用软件origin标定；R为弯道半径；g为重力加速度；v_t为切入车速；i为路面的超高；

步骤三，判定弯道行车安全的约束条件：

首先，在有外侧超高的弯道情况下，计算车辆发生侧滑的临界速度v_s；

其次，计算车辆发生侧翻的临界速度v_r；

再在自动驾驶条件下，计算跟驰安全临界车速v_f；

步骤四，计算弯道安全车速：

v_opt＝min{v_c,v_s,v_r,v_f}

式中，v_opt为决策车速；v_c为车辆过弯车速；v_s为车辆发生侧滑的临界速度；v_r为车辆发生侧翻的临界速度；v_f为跟驰安全临界车速。

7.根据权利要求6所述的基于弯道安全车速计算的自动驾驶车辆控制方法，其特征在于，所述步骤三中，计算车辆发生侧滑的临界速度v_s，具体为：

式中，i为路面的超高；为路面的附着系数；g为重力加速度。

8.根据权利要求7所述的基于弯道安全车速计算的自动驾驶车辆控制方法，其特征在于，所述步骤三中，计算车辆发生侧翻的临界速度v_r，具体为：

<mrow> <msub> <mi>v</mi> <mi>r</mi> </msub> <mo>=</mo> <msqrt> <mrow> <msub> <mi>gR</mi> <mi>P</mi> </msub> <mrow> <mo>(</mo> <mi>B</mi> <mo>+</mo> <mn>2</mn> <mi>H</mi> <mi>i</mi> <mo>)</mo> </mrow> <mo>/</mo> <mrow> <mo>(</mo> <mn>2</mn> <mi>H</mi> <mo>-</mo> <mi>B</mi> <mi>i</mi> <mo>)</mo> </mrow> </mrow> </msqrt> </mrow>

式中，B为车辆轮距；H为车辆的重心高度；R_P为车辆弯道行驶半径；g为重力加速度；i为路面的超高。

9.根据权利要求8所述的基于弯道安全车速计算的自动驾驶车辆控制方法，其特征在于，所述步骤三中，在自动驾驶条件下，计算跟驰安全临界车速v_f，具体为：

式中，s为当前跟驰距离；v_b为前车速度；a_b为前车制动加速度；v_min为路侧设备监测范围内车辆速度的最小值；v_t为切入车速。