畢雁冰

(深圳信息職業(yè)技術(shù)學(xué)院， 廣東 深圳 518172)

【信息科學(xué)與控制工程】

暴雨天氣情況下變換車道的預(yù)警算法

畢雁冰

(深圳信息職業(yè)技術(shù)學(xué)院， 廣東 深圳 518172)

根據(jù)南方特殊氣候，以及當(dāng)前多數(shù)車輛的預(yù)警系統(tǒng)因基于車輛參數(shù)而誤報率增加的情況，建立了一種具有駕駛員生物特性以及車輛未來軌跡預(yù)測的預(yù)警算法；在暴雨情況下，駕駛員的前方，側(cè)方視線會受到不同程度的限制，后視鏡功能因結(jié)霧而基本喪失，加上路面因積水而導(dǎo)致阻力減少，駕駛員因?qū)τ谲囕v的控制程度降低而出現(xiàn)車輛偏離正常行駛軌跡而變換車道的情況；而傳統(tǒng)的預(yù)警系統(tǒng)因雨天因素誤報率也會大大增加；針對上述問題，提出一種基于未來軌跡預(yù)測以及駕駛員意圖判斷的變換車道預(yù)警算法。

駕駛員生物特性；汽車未來軌跡；暴雨路面；誤報率

目前，道路預(yù)警系統(tǒng)大多數(shù)是通過雷達(dá)或者攝像頭提取車輛前方道路參數(shù)和自身車輛參數(shù)來計算判斷當(dāng)前的車輛安全。這種系統(tǒng)因忽略了駕駛員對于車輛的行駛意圖，以及缺乏對于車輛未來路線的預(yù)測計算，因此在惡劣氣候條件下，往往會發(fā)出錯誤警報或者強(qiáng)制執(zhí)行動作，造成駕駛員分神或發(fā)生事故。

國外對于車道預(yù)警的研究近年來主要趨向于駕駛員生物特性對評測的影響，尤其是駕駛員視覺等方面更加側(cè)重。例如加利福尼亞研究中心將隱形馬爾科夫模型作為對駕駛意圖評測的主要途徑；Tezuka等提出基于貝葉斯參數(shù)建立駕駛員意圖評測模型。

國內(nèi)對于車道預(yù)警研究較多，而前期主要集中在前方路面特征點提取以及車輛自身參數(shù)的模型等方面。吉林大學(xué)動態(tài)模擬國家重點實驗室提出的基于駕駛員駕駛意圖建立觀測模型，同時加入了駕駛員生物特征作為判斷參數(shù)，提升了系統(tǒng)的準(zhǔn)確度和靈活性。

南方地區(qū)雨季較長，臺風(fēng)中車輛事故數(shù)量所占比重較大。其根本原因在于暴雨天氣中，駕駛員在車輛前方、側(cè)方的視線極大受限，加上后視鏡因積水或結(jié)霧，很難判斷自身車輛位置，保持與周圍車輛的一個安全距離，而路面也會因水膜而阻力減小。在這種情況下，往往因駕駛員對于車輛的操作失誤或者車輛失控而造成車輛壓線或是變換車道。

本文通過基于采集道路標(biāo)線特征點算法推測判斷當(dāng)前車輛位置，結(jié)合對于車輛工況參數(shù)和駕駛員生物特征的分析，判斷駕駛員駕駛意圖，并根據(jù)車輛未來軌跡計算車輛與周圍車輛發(fā)生碰撞的危險指數(shù)，及時對駕駛員發(fā)出預(yù)警指示。

1 車輛行駛區(qū)域特征分析

1.1 車道圖像閾值分割

基于視覺的車道偏離預(yù)警系統(tǒng)處理的信息來源主要是攝像頭所采集的車前方圖像,由于對于系統(tǒng)有用的圖像信息是車道線的信息,而圖像中大部分信息對于系統(tǒng)運(yùn)行都是沒有意義的,而且因路面積水反光，圖像中出現(xiàn)的很多噪聲也會影響車道線的識別,為了準(zhǔn)確搜索到車道標(biāo)志線同時減少圖像處理的運(yùn)算量，只對包含道路信息部分的圖像進(jìn)行處理。

首先對于包含車道線信息的圖像進(jìn)行左右分割，如圖1所示。

圖1 前方圖像劃分示意圖

分別對道路圖像的左右區(qū)域劃分成16Pix×Pix的子圖像(圖2)，并對每個子圖像設(shè)置一個相應(yīng)的閾值進(jìn)行分割操作。

將每個子圖像組作為研究對象。假設(shè)一個子圖像組由N個子圖像組成。

首先，統(tǒng)計第j(j=1,2,…,N)個子圖像中像素的灰度直方圖，灰度等級為Ii[i]，i=0,1,…，255。定義該子圖像的對比度為

(1)

式(1)中：

(2)

用子圖像組所包含的子圖像的對比度組成一組數(shù)列，稱之為對比度序列，記為：Dj(j=1,2,…,N)。

對每個子圖像設(shè)置相應(yīng)閾值分割去除圖像中的噪聲點，顯化車道線像素，因此有利于車道標(biāo)志線的搜索以及車道標(biāo)志線的擬合。采用Otsu法進(jìn)行閾值分割是每個子圖像生成二值圖像。

所生成的二值圖像合并成最后的道路區(qū)域二值圖像，并將其作為最終的結(jié)果圖(圖3)。

圖2 前方圖像細(xì)化示意圖

圖3 實驗結(jié)果圖

1.2 車輛行駛軌跡的確定

駕駛員對于汽車的操縱主要集中在對汽車方向盤、油門踏板、制動踏板和離合器的操作。而汽車的縱向速度和方向盤轉(zhuǎn)角決定了汽車的橫向加速度，汽車油門踏板和制動踏板決定了汽車的縱向加速度。因此，汽車加速度的增量主要還是由汽車的縱向速度、方向盤轉(zhuǎn)角和油門踏板、制動踏板所決定。在預(yù)測的過程中，本文假定在預(yù)瞄時間段t到t+Tp內(nèi)，汽車的運(yùn)動學(xué)參數(shù)(橫、縱向速度和橫、縱向加速度)保持不變。因此，本文可以通過汽車橫、縱向加速度的穩(wěn)態(tài)增益表得到汽車在當(dāng)前時刻的穩(wěn)態(tài)加速度增益。

汽車的運(yùn)動是剛體平面運(yùn)動，其側(cè)向和縱向運(yùn)動是相互關(guān)聯(lián)的。汽車的預(yù)期行駛軌跡是由當(dāng)前時刻汽車的運(yùn)動狀態(tài)(側(cè)縱向位置、速度、加速度和航向角)和駕駛員輸入的側(cè)縱向加速度增量決定的，由于汽車性能的限制，汽車本身可能產(chǎn)生的側(cè)向加速度和縱向加速度是有一定限制的，如果固定當(dāng)前時刻汽車的運(yùn)動狀態(tài)，汽車在駕駛員預(yù)瞄時段內(nèi)所可能到達(dá)的行車區(qū)域?qū)嶋H上就是由汽車性能允許范圍內(nèi)變化的側(cè)向加速度和縱向加速度增量所決定的。

在當(dāng)前時刻，如果駕駛員不轉(zhuǎn)動方向盤也不調(diào)整油門踏板，汽車將按當(dāng)前的狀態(tài)繼續(xù)行駛下去；如果駕駛員轉(zhuǎn)動方向盤或者是調(diào)整油門踏板，則都將改變汽車的橫向和縱向運(yùn)動狀態(tài)。也就是說，在預(yù)瞄時間段內(nèi)，油門踏板的輸入既影響著汽車在其動坐標(biāo)系下的縱軸方向位移、速度和加速度的變化，同時也影響著其橫軸方向位移、速度和加速度的變化；方向盤轉(zhuǎn)角的輸入也同樣影響著汽車在其動坐標(biāo)系下橫軸方向位移、速度、加速度和汽車航向角的變化以及縱軸方向位移、速度和加速度的變化。因此，在預(yù)瞄時間段t到t+Tp內(nèi)，每給定一個汽車當(dāng)前的側(cè)向加速度和縱向加速度，就可計算出未來t+Tp時刻一個汽車可能到達(dá)的預(yù)期位置。根據(jù)無窮小原則，將Tp細(xì)分為J等分，對每一微小等分，由于持續(xù)時間很短，可以忽略汽車縱向與橫向之間的相互影響，因此能夠利用簡化公式分別求出汽車縱向與橫向在這段時間后的狀態(tài)。按照這種方法累加到最后一步，即可求得汽車在預(yù)瞄時間Tp后的狀態(tài)。

圖4 預(yù)期軌跡計算示意圖

在運(yùn)算過程中始終以初始車輛坐標(biāo)系為基準(zhǔn)。 如圖4所示,從坐標(biāo)系(xn,yn) 到(x0,y0) 的轉(zhuǎn)換矩陣為

從而給出公式：

(j=1,…,4)

式中j=1,2,…,J，其中

1.3 基于駕駛員行車意圖的駕駛安全性評價指標(biāo)

判斷駕駛員換道意圖前，如果有轉(zhuǎn)向燈信號觸發(fā)，系統(tǒng)自動默認(rèn)為駕駛員有換道意圖；如果攝像頭觀測到車輛即將觸碰雙實線，系統(tǒng)自動默認(rèn)駕駛員沒有換道意圖。

駕駛員有換道意圖時，由于此時要觀查即將所換道一側(cè)的車況，因視線受限而會向其一側(cè)偏頭，根據(jù)前方攝像頭所拍攝圖像，系統(tǒng)設(shè)定的初始值以及當(dāng)前駕駛員頭部角度，獲得駕駛員頭部偏轉(zhuǎn)角度，將駕駛員頭部水平偏轉(zhuǎn)角度設(shè)置為hi，同時判斷hi是否在合理閾值范圍當(dāng)中；變換車道過程中，如果所換車道上有其他車輛，駕駛員或是加速，或是減速以避開側(cè)向車輛，將車輛單位時間內(nèi)車速的變化幅度設(shè)置為vh；換道時的方向盤轉(zhuǎn)動角度設(shè)置成wi。上述3個參數(shù)與駕駛員換道意圖成正比關(guān)系。駕駛員換道意圖評價參數(shù)為

根據(jù)車輛未來軌跡與車道標(biāo)志線的位置，首先確定車輛當(dāng)前的行駛狀態(tài)，如果判斷車輛有換道趨勢，讀取駕駛員換道意圖評價參數(shù)；如果參數(shù)高于設(shè)定閾值，系統(tǒng)設(shè)置為駕駛員有換道意圖，因此不予預(yù)警；當(dāng)駕駛員換道意圖評價參數(shù)低于設(shè)定閾值，系統(tǒng)設(shè)置為駕駛員沒有換道意圖，發(fā)出預(yù)警信息(如圖5)。

圖5 目標(biāo)車輛換道過程

周圍車輛對于當(dāng)前車輛的影響主要包括側(cè)向距離，橫向相對速度及距離，當(dāng)駕駛員意圖參數(shù)達(dá)到閾值時，根據(jù)對應(yīng)每一個加速度值，計算汽車所能到達(dá)的位置，根據(jù)汽車預(yù)期軌跡點相對于周圍車輛的橫、縱向距離來判斷車輛目前所處于的狀態(tài)。如果計算出目標(biāo)車輛與周圍車輛即將發(fā)生碰撞，系統(tǒng)及時發(fā)出預(yù)警信息。

當(dāng)駕駛員意圖參數(shù)沒有達(dá)到閾值，按照上述過程計算目標(biāo)車輛的未來軌跡以及與周圍車輛的位置關(guān)系，當(dāng)車輛未來軌跡可避免與前車碰撞，系統(tǒng)不發(fā)出預(yù)警信息。

2 車道實驗及分析

偏離預(yù)警系統(tǒng)的實驗路況,大抵可以分4種,如圖6所示。在駕駛員無意圖情況下，變換車道可以分為所換車道無車、所換車道側(cè)面車輛預(yù)警、所換車道后車預(yù)警、所換車道前車預(yù)警等情況。

比較現(xiàn)有的預(yù)警算法，本系統(tǒng)更加具有地域針對性，在保證減少誤報率的同時，預(yù)警的精確度更加提升，給駕駛員預(yù)留的反應(yīng)時間更加合理(參見表1)。

3 結(jié)論

系統(tǒng)提前計算出車輛未來軌跡，估算與周圍車輛的位置關(guān)系，判斷當(dāng)前車輛在可行區(qū)域的行車狀況，給予駕駛員充分的反應(yīng)時間；引入駕駛員行車意圖，系統(tǒng)更加的人性化，可以極大的減少空預(yù)警率，減少系統(tǒng)對于駕駛員的影響；取代傳統(tǒng)的模糊算法和神經(jīng)元算法，簡化計算流程，系統(tǒng)運(yùn)行更加的快速，保證系統(tǒng)運(yùn)行的實時性。

圖6 車道實驗示意圖

初始速度/(m·s-1)側(cè)向縱向初始加速度/(m·s-2)側(cè)向縱向空預(yù)警比例/%本文算法TLC算法偏離時間/s本文算法TLC算法直線車道直線軌跡015．650．010260．056236．2023．001．020．78曲線軌跡0．00215．650．263．12-0．413978．4031．501．010．54曲線車道直線軌跡015．650．010260．056237．6428．101．030．97曲線軌跡-0．00315．65-0．25317-0．412139．0135．320．980．71

[1] GODTHELP H,MILGRAM P,BLAAUW G J.The development of a time-related measure to describe driver strategy[J].Human Factors,2011,26(3):257-268.

[2] LEBLANC D J.CAPC:A Road-Departure Prevention System[J].IEEE Control Systems,2014,16(6):61-71.

[3] CHEN T.JOCHEM,POMERLEAU D.AURORA:A Vision-Based Roadway Departure Warning Systems[J].Proc of IEEE IROS95,2015(8):243-248.

[4] PARAG H,BATAVIA.Driver-Adaptive Lane Departure Warning Systems[M].PhD thesis,Carnegie Mellon University,2012.

[5] LEE S K,KWON W,LEE J.A Vision Based Lane Departure Warning System[C]//Proceedings of the 2010 IEEE/RSJ International Conference on Intelligent Robots and Systems,0-7803-5184-3/99,160-165.

[6] GUO Konghui,GUAN H.Modeling of Driver/Vehicle Directional Control System[J].Vehicle System Dynamics,2013,22:141-184.

[7] GUAN Xin,GAO Zhenhai,GUO Konghui.Driver Fuzzy Decision Model of Vehicle Preview Course and Simulation under Typical Road Conditions[J].Automotive Engineering,2011,23(1):13-17

(責(zé)任編輯 楊繼森)

Warning Algorithm of Changing Lane in Storm Situation

BI Yan-bing

(Shenzhen Institute of Information Technology, Shenzhen 518172, China)

According the south special climate, and that the warning systems based on vehicle parameter cause the mistake warning, we built one algorithm that based on driver’s bios characteristic and the future trajectory of vehicle. In storm situation, in the front way of driver, the side vision will be affected different degrees. The back mirror’s function was lost because frog. And the obstruction was reduced by water on lane. The driver’s control on vehicle was reduced and the vehicle will change the lane as its normal way was changed. The tradition system’s mistake warning will be increased as the climate.

driver’s bios character; future way of vehicle; the surface of way in storm; the mistake warning

2016-12-25；

2017-01-25 作者簡介：畢雁冰(1975—)，男，博士，副教授，主要從事汽車動態(tài)模擬與實時信號處理研究。

10.11809/scbgxb2017.05.024

format:BI Yan-bing.Warning Algorithm of Changing Lane in Storm Situation[J].Journal of Ordnance Equipment Engineering,2017(5):106-109.

U461.91;O241.5

A

2096-2304(2017)05-0106-04

本文引用格式：畢雁冰.暴雨天氣情況下變換車道的預(yù)警算法[J].兵器裝備工程學(xué)報，2017(5):106-109.