彭理群，何書(shū)賢，賀 宜，艾云飛

(1.華東交通大學(xué)交通運(yùn)輸與物流學(xué)院，南昌330013；2.武漢理工大學(xué)智能交通系統(tǒng)研究中心，武漢430063；3.交通安全應(yīng)急信息技術(shù)國(guó)家工程實(shí)驗(yàn)室，北京100011)

0 引言

車(chē)聯(lián)網(wǎng)技術(shù)不僅可以改善道路通行效率，解決交通擁堵，還能提高交通安全水平，是未來(lái)智慧交通的重點(diǎn)發(fā)展方向.目前，車(chē)聯(lián)網(wǎng)環(huán)境下的汽車(chē)主動(dòng)安全應(yīng)用和研究已取得較多成果，但大多數(shù)研究主要集中在利用車(chē)—車(chē)(Vehicle to Vehicle，V2V)通信解決道路交通場(chǎng)景中的汽車(chē)主動(dòng)避碰[1].然而，行人作為道路交通主要參與者之一，一旦發(fā)生交通事故，具有高度致傷、致殘甚至致死的特點(diǎn)，其安全問(wèn)題反而被忽視.

傳統(tǒng)的汽車(chē)安全輔助駕駛系統(tǒng)(Advanced Driver Assistance System，ADAS)主要基于車(chē)載感知技術(shù)，如圖像傳感器、雷達(dá)、超聲波測(cè)距儀等檢測(cè)行人的位置信息，再通過(guò)預(yù)警系統(tǒng)提示駕駛?cè)瞬扇”茏尨胧苊馊恕?chē)碰撞事故發(fā)生[2-3].然而，考慮到城市交通環(huán)境中，車(chē)載傳感器與行人之間時(shí)常會(huì)有障礙物(建筑物、車(chē)輛、路側(cè)設(shè)施)阻擋視線(xiàn)，或者行人不在傳感器有效檢測(cè)范圍內(nèi)，導(dǎo)致無(wú)法估計(jì)潛在的人—車(chē)沖突風(fēng)險(xiǎn).近年來(lái)，已有學(xué)者基于車(chē)聯(lián)網(wǎng)V2P通信技術(shù)(Vehicle to Pedestrian,V2P)研究了典型人—車(chē)碰撞場(chǎng)景中的行人沖突風(fēng)險(xiǎn)辨識(shí)問(wèn)題和保護(hù)方法[4-5].該類(lèi)方法與傳統(tǒng)的行人避撞方法相比，可以在不良視角情況下(None Light of Sight，NLOS)準(zhǔn)確檢測(cè)汽車(chē)和行人的相對(duì)運(yùn)動(dòng)狀態(tài)，有效估計(jì)和預(yù)測(cè)行人的碰撞風(fēng)險(xiǎn)程度；但研究同時(shí)指出，基于車(chē)聯(lián)網(wǎng)的行人避碰系統(tǒng)需要考慮最小通信延時(shí)的要求，即在人—車(chē)沖突緊急情況下，能夠有效保證系統(tǒng)的實(shí)時(shí)性.另有一些學(xué)者研究了行人沖突預(yù)警和避撞決策中駕駛行為特性和操作序慣鏈特征[6-7]，研究發(fā)現(xiàn)，人車(chē)相對(duì)運(yùn)動(dòng)場(chǎng)景中交通參與者的行為不確定性是影響行人沖突風(fēng)險(xiǎn)辨識(shí)模型精度的主要因素之一.綜上所述，現(xiàn)有的行人碰撞危險(xiǎn)辨識(shí)研究仍具有一定的局限性.

本文針對(duì)實(shí)際交通場(chǎng)景中汽車(chē)與行人沖突辨識(shí)問(wèn)題，綜合考慮了車(chē)聯(lián)網(wǎng)的實(shí)際通信性能、行人動(dòng)態(tài)分布特性、人車(chē)相對(duì)運(yùn)動(dòng)狀態(tài)，建立了基于車(chē)聯(lián)網(wǎng)V2P通信的人—車(chē)碰撞風(fēng)險(xiǎn)評(píng)估模型，并分析了面向交通安全應(yīng)用的車(chē)聯(lián)網(wǎng)通信性能需要.

1 基于車(chē)聯(lián)網(wǎng)V2P的汽車(chē)—行人碰撞風(fēng)險(xiǎn)辨識(shí)

由于城市道路交通流狀況復(fù)雜，行人分布隨機(jī)性強(qiáng)且行人運(yùn)動(dòng)狀態(tài)相對(duì)于汽車(chē)更具時(shí)變性，因此需要進(jìn)一步研究汽車(chē)與行人之間的實(shí)時(shí)相對(duì)位置關(guān)系，進(jìn)而優(yōu)化碰撞風(fēng)險(xiǎn)辨識(shí)效果[8-10].本節(jié)充分考慮了車(chē)輛與行人動(dòng)態(tài)運(yùn)動(dòng)特性和車(chē)聯(lián)網(wǎng)的技術(shù)特點(diǎn)，提出了車(chē)聯(lián)網(wǎng)環(huán)境下的行人碰撞風(fēng)險(xiǎn)評(píng)估模型.

1.1 基于車(chē)聯(lián)網(wǎng)V2P感知的人—車(chē)相對(duì)位置分布概率模型

車(chē)聯(lián)網(wǎng)V2P感知下的目標(biāo)行人與車(chē)輛相對(duì)運(yùn)動(dòng)幾何模型如圖1所示.考慮車(chē)聯(lián)網(wǎng)信號(hào)傳輸?shù)姆€(wěn)定性和快速性，即滿(mǎn)足人—車(chē)實(shí)時(shí)位置檢測(cè)的要求，可以忽略因行人、駕駛?cè)诵袨橐蛩卦斐傻奈恢米兓淮_定性帶來(lái)的檢測(cè)誤差.

圖1中，建立的二維直角坐標(biāo)系，設(shè)t0時(shí)刻，行人與汽車(chē)的初始位置為假設(shè)汽車(chē)初始位置位于坐標(biāo)原點(diǎn)O.經(jīng)過(guò)t時(shí)間后，行人與汽車(chē)運(yùn)動(dòng)至處.另外，wped和wcar分別代表行人與汽車(chē)的寬度，Cm為行人與汽車(chē)的預(yù)計(jì)碰撞區(qū)域.考慮GPS定位系統(tǒng)產(chǎn)生的位置觀測(cè)誤差服從正態(tài)分布，因此行人和汽車(chē)的位置分布可以用概率函數(shù)密度f(wàn)(p0)和f(v0)表示為

利用V2P通信實(shí)時(shí)獲取各目標(biāo)位置信息，考慮通信延時(shí)及駕駛?cè)朔磻?yīng)時(shí)間，即

式中：tcesta,tcommd,treac,tresp分別表示建立通信連接延時(shí)，通信過(guò)程中信息傳輸延時(shí)，駕駛?cè)朔磻?yīng)時(shí)間和駕駛?cè)瞬扇∠鄳?yīng)避碰措施所花費(fèi)的時(shí)間，則ttot為駕駛?cè)私邮茴A(yù)警信息到避碰措施開(kāi)始執(zhí)行的反應(yīng)時(shí)間.假設(shè)短時(shí)間內(nèi)，行人與汽車(chē)近似做勻速直線(xiàn)運(yùn)動(dòng)，那么在二維直角坐標(biāo)系下，任意t時(shí)刻，定位系統(tǒng)檢測(cè)到的兩者位置表示為

式中：vpx,vpy,vvx,vvy分別表示行人與汽車(chē)在x方向和y方向上的速度.假設(shè)當(dāng)行人沿著x軸負(fù)方向、y軸負(fù)方向運(yùn)動(dòng)的同時(shí)，汽車(chē)于坐標(biāo)軸原點(diǎn)O沿著與行人相對(duì)的方向運(yùn)動(dòng)，因此當(dāng)駕駛?cè)耸盏叫畔⒉⒉扇”芘龃胧r(shí)，行人的當(dāng)前初始位置等于GPS檢測(cè)到的行人初始位置減去延時(shí)段內(nèi)行人運(yùn)動(dòng)的距離.同理，此時(shí)汽車(chē)當(dāng)前初始位置等于GPS檢測(cè)到的汽車(chē)初始位置減去延時(shí)段內(nèi)汽車(chē)運(yùn)動(dòng)的距離.由于行人與汽車(chē)當(dāng)前位置概率密度函數(shù)是在初始時(shí)刻t0的基礎(chǔ)上結(jié)合延時(shí)參數(shù)得到的，因此還需考慮再過(guò)t時(shí)間，行人與汽車(chē)運(yùn)動(dòng)后的位置.若取t0=0，則t(t＞t0)時(shí)刻的行人與汽車(chē)的實(shí)時(shí)位置概率密度函數(shù)為

1.2 行人碰撞風(fēng)險(xiǎn)概率辨識(shí)模型

為了實(shí)時(shí)評(píng)估碰撞風(fēng)險(xiǎn)，本節(jié)建立了人—車(chē)碰撞概率模型，然后引入相關(guān)的風(fēng)險(xiǎn)量化函數(shù)，表示人—車(chē)碰撞風(fēng)險(xiǎn)程度.將汽車(chē)前方道路區(qū)域劃分成若干個(gè)子區(qū)域，分別求出每個(gè)子區(qū)域的碰撞概率，并比較得出最大碰撞概率的子區(qū)域，如圖2所示.

圖2 碰撞區(qū)域劃分原理圖Fig.2 The definition of crash zone

如圖2所示，假設(shè)汽車(chē)前方直線(xiàn)道路長(zhǎng)L，汽車(chē)沿著該道路直線(xiàn)行駛，以行人寬度wped為單位，將前方道路區(qū)域劃分成M個(gè)子區(qū)域，M=L/wped.則在任意時(shí)刻tk時(shí)，第m個(gè)子區(qū)域Cm的碰撞概率為

比較某一時(shí)間段T內(nèi)所有M個(gè)子區(qū)域內(nèi)，每個(gè)子區(qū)域的碰撞概率，進(jìn)而得到最大碰撞概率子區(qū)域?yàn)?/p>

式中：T為常數(shù)，可根據(jù)實(shí)際需要設(shè)置，如10 s.

考慮行人與汽車(chē)初始位置的不同，理論上會(huì)存在隨著初始位置變化的基礎(chǔ)碰撞概率，設(shè)基礎(chǔ)碰撞概率的最大值為即行人與汽車(chē)處于同一初始位置.本文用碰撞嚴(yán)重程度s來(lái)表示發(fā)生碰撞事故時(shí)的嚴(yán)重程度，即

從式(7)可以看出，s僅與汽車(chē)速度有關(guān).需要進(jìn)一步求解出每個(gè)子區(qū)域的碰撞風(fēng)險(xiǎn)大小r.將s與碰撞概率求積，可表示行人沖突風(fēng)險(xiǎn)為

2 仿真實(shí)驗(yàn)與結(jié)果分析

2.1 實(shí)驗(yàn)方案設(shè)計(jì)

本節(jié)通過(guò)仿真實(shí)驗(yàn)設(shè)計(jì)與驗(yàn)證，研究了車(chē)聯(lián)網(wǎng)環(huán)境下的通信延時(shí)、定位精度和汽車(chē)運(yùn)動(dòng)狀態(tài)等不確定性因素對(duì)行人碰撞風(fēng)險(xiǎn)檢測(cè)效果的影響，以及以上相關(guān)因素之間的關(guān)聯(lián)性關(guān)系.假設(shè)仿真場(chǎng)景，行人在坐標(biāo)系第一象限(5,100)的位置，汽車(chē)位于坐標(biāo)原點(diǎn)，分別設(shè)置式(4)中各參數(shù)值，如表1所示.

表1 仿真參數(shù)取值Table 1 Parameters design of numerical simulation

2.2 實(shí)驗(yàn)結(jié)果及分析

本節(jié)根據(jù)控制變量的思想，分別設(shè)置了車(chē)聯(lián)網(wǎng)V2P環(huán)境下不同通信延時(shí)、定位精度和行車(chē)速度，分析了人—車(chē)碰撞風(fēng)險(xiǎn)評(píng)估結(jié)果隨時(shí)間的變化關(guān)系.具體分析如下.

2.2.1 碰撞風(fēng)險(xiǎn)辨識(shí)模型的影響因素分析

(1)通信系統(tǒng)延時(shí)對(duì)碰撞風(fēng)險(xiǎn)的影響.

控制汽車(chē)速度和定位精度(vveh=36 km/h,σaccuracy=10 m)不變，改變通信延時(shí)tdelay=tcommd+tresp，比較分析延時(shí)為3 s和0 s時(shí)，碰撞風(fēng)險(xiǎn)大小隨時(shí)間的變化關(guān)系，如圖3所示，當(dāng)初始車(chē)速與定位精度保持不變時(shí)，碰撞風(fēng)險(xiǎn)峰值大小不變.當(dāng)存在延時(shí)時(shí)，碰撞風(fēng)險(xiǎn)峰值提前出現(xiàn)(t=6s)，考慮汽車(chē)實(shí)際運(yùn)動(dòng)情況，從開(kāi)始檢測(cè)出碰撞風(fēng)險(xiǎn)到抵達(dá)最大碰撞風(fēng)險(xiǎn)區(qū)域僅剩6 s；當(dāng)沒(méi)有延時(shí)時(shí)，行駛9 s后才會(huì)檢測(cè)出碰撞風(fēng)險(xiǎn)峰值.

圖3 車(chē)聯(lián)網(wǎng)通信延時(shí)對(duì)行人碰撞風(fēng)險(xiǎn)辨識(shí)的影響Fig.3 The impact of communication delay on pedestrian collision detection

(2)定位系統(tǒng)精度對(duì)碰撞風(fēng)險(xiǎn)的影響.

控制汽車(chē)速度和延時(shí)(vveh=10 m/s,tdelay=3 s)不變，改變定位精度，比較分析了定位精度為10 m和5 m時(shí)，碰撞風(fēng)險(xiǎn)大小隨時(shí)間的變化關(guān)系，如圖4所示，當(dāng)初始車(chē)速與延時(shí)保持不變時(shí)，碰撞風(fēng)險(xiǎn)峰值將同時(shí)出現(xiàn).然而，當(dāng)定位精度為5 m時(shí)，峰值更大.說(shuō)明定位精度越高，檢測(cè)出的風(fēng)險(xiǎn)更大，更準(zhǔn)確.

(3)汽車(chē)初始速度與碰撞風(fēng)險(xiǎn)的關(guān)系.

考慮存在延時(shí)(tdelay=3 s)和定位精度(σaccuracy=5 m)，比較分析了不同車(chē)速(vveh=10 m/s,vveh=20 m/s)情況下，碰撞風(fēng)險(xiǎn)大小隨時(shí)間的變化關(guān)系，如圖5所示，當(dāng)存在確定的延時(shí)與定位偏差時(shí)，不同車(chē)速情況下，碰撞風(fēng)險(xiǎn)峰值大小與出現(xiàn)的時(shí)間均不相同.速度越大，峰值越大，出現(xiàn)時(shí)間越早.

圖4 車(chē)聯(lián)網(wǎng)系統(tǒng)定位精度對(duì)行人碰撞風(fēng)險(xiǎn)檢測(cè)的影響Fig.4 The impact of location accuracy on pedestrian collision detection

由圖3～圖5可知，在不同因素影響下，碰撞風(fēng)險(xiǎn)總是隨著時(shí)間保持非線(xiàn)性先增大后減小，恰好描述了汽車(chē)接近并駛離最大碰撞風(fēng)險(xiǎn)區(qū)域的過(guò)程.

2.2.2 影響因素相關(guān)性分析

在車(chē)聯(lián)網(wǎng)V2P環(huán)境下，分析通信延時(shí)、定位精度和汽車(chē)/行人速度等因素之間的相互影響作用.通過(guò)調(diào)節(jié)各參數(shù)，達(dá)到基礎(chǔ)碰撞概率80%和50%的真實(shí)碰撞概率，作為檢測(cè)到碰撞風(fēng)險(xiǎn)并開(kāi)始預(yù)警的起始值.

圖5 行車(chē)車(chē)速對(duì)行人碰撞風(fēng)險(xiǎn)檢測(cè)的影響Fig.5 The impact of vehicle velocity on pedestrian collision detection

(1)通信延時(shí)與車(chē)速相關(guān)性.

考慮GPS橫向定位精度σx和縱向定位精度σy的影響，分別設(shè)置了不同的橫縱向定位誤差，并控制行人速度vped=1 m/s，計(jì)算不同車(chē)速時(shí)，達(dá)到及時(shí)發(fā)出預(yù)警的最低通信延時(shí)要求，如圖6所示.

圖6 橫縱向定位精度不同時(shí)，通信延時(shí)與車(chē)速相關(guān)性分析Fig.6 Interdependency analysis of communication delay and vehicle velocity

圖6(a)分析了橫向精度σx=10與縱向精度σy=10時(shí)，不同車(chē)速條件下對(duì)通信延時(shí)的要求.隨著車(chē)速的增加，對(duì)通信延時(shí)的要求逐步提高.當(dāng)車(chē)速為36 km/h時(shí)，最低通信延時(shí)較長(zhǎng)，可達(dá)5 s；當(dāng)車(chē)速約為90 km/h時(shí)，最低通信延時(shí)小于1 s；當(dāng)車(chē)速達(dá)到108 km/h時(shí)，通信延時(shí)逼近理論臨界值0 s，說(shuō)明此時(shí)只有不存在通信延時(shí)，才能滿(mǎn)足正常行車(chē)安全預(yù)警的需要，否則，在該特殊條件下，只有采取非常規(guī)手段(如緊急剎車(chē)、緊急變向)才能避免發(fā)生人車(chē)碰撞事故.圖6(b)和圖6(c)分別分析了σx=8,σy=12與σx=12,σy=8時(shí)，不同車(chē)速條件下對(duì)通信延時(shí)的要求.結(jié)果顯示橫縱向定位精度不會(huì)對(duì)通信延時(shí)要求產(chǎn)生額外影響，主要取決于定位系統(tǒng)整體定位精度.圖6(b)和圖6(c)均顯示具有更高的通信延時(shí)要求，當(dāng)車(chē)速達(dá)到90 km/h時(shí)，tcommd值已經(jīng)非常接近0 s，這是因?yàn)闄M向或縱向定位精度中均有一個(gè)值大于10 m.

(2)定位系統(tǒng)精度與車(chē)速相關(guān)性.

設(shè)通信延時(shí)(tdelay=tcommd+tresp)為3 s，行人速度vped=1 m/s，計(jì)算不同車(chē)速時(shí)，達(dá)到及時(shí)發(fā)出預(yù)警的最低精度要求，如圖7所示.

圖7 定位精度與車(chē)速獨(dú)立性關(guān)系Fig.7 Independency analysis of vehicle velocity and location accuracy

由圖7可知，當(dāng)汽車(chē)行駛速度約70 km/h時(shí)，10 m定位精度可以滿(mǎn)足實(shí)際需求.然而，隨著車(chē)速增大，對(duì)定位精度的要求開(kāi)始提高，當(dāng)車(chē)速達(dá)到108 km/h，對(duì)定位精度要求達(dá)到3 m.可以看出，當(dāng)前大部分的GPS設(shè)備并不能滿(mǎn)足該應(yīng)用需求.

(3)通信延時(shí)與行人速度相關(guān)性分析.

行人的步行速度對(duì)于基于車(chē)聯(lián)網(wǎng)V2P的行人碰撞風(fēng)險(xiǎn)檢測(cè)效果也存在一定的影響.圖8(a)、8(b)和8(c)分別考慮了在定位誤差為10 m，行車(chē)速度分別為72 km/h、90 km/h和108 km/h時(shí)，不同行人速度達(dá)到及時(shí)發(fā)出預(yù)警的最低通信延時(shí)要求.

圖8 通信延時(shí)與行人速度的獨(dú)立性關(guān)系Fig.8 Independency analysis of communication delay and pedestrian velocity

由圖8可知，當(dāng)車(chē)速?gòu)?2 km/h增加至108 km/h的過(guò)程中，tcommd數(shù)值從大于1 s下降0.3～0.4 s，最終達(dá)到臨界值0 s，即通信延時(shí)要求提高.另外，圖8(a)和圖8(b)幾乎呈現(xiàn)出同一個(gè)趨勢(shì)，即隨著行人運(yùn)動(dòng)速度的加快，對(duì)通信延時(shí)的要求略有提升.

3 結(jié)論

本文基于車(chē)聯(lián)網(wǎng)V2P環(huán)境下實(shí)時(shí)獲取汽車(chē)—行人相對(duì)位置、速度和運(yùn)動(dòng)方向等信息，構(gòu)建了典型的人—車(chē)沖突場(chǎng)景下的幾何模型.考慮車(chē)聯(lián)網(wǎng)系統(tǒng)的通信延時(shí)、定位精度，以及人—車(chē)運(yùn)動(dòng)的不確定性特點(diǎn)，提出了人—車(chē)碰撞風(fēng)險(xiǎn)評(píng)估模型.通過(guò)仿真實(shí)驗(yàn)，分析了車(chē)聯(lián)網(wǎng)通信延時(shí)、定位精度和目標(biāo)運(yùn)動(dòng)速度之間的關(guān)聯(lián)性關(guān)系.相對(duì)于V2V與V2I，車(chē)聯(lián)網(wǎng)環(huán)境下V2P安全問(wèn)題研究較少，本文提出的基于人—車(chē)通信的碰撞風(fēng)險(xiǎn)識(shí)別方法對(duì)行人安全保護(hù)研究具有一定的參考價(jià)值.研究結(jié)果指出了車(chē)聯(lián)網(wǎng)系統(tǒng)通信延時(shí)與定位精度的基本要求.

[1]PENG L,WU C,HUANG Z,et al.Novel vehicle motion model considering driver behavior for trajectory prediction and driving risk detection[J].Transportation Research Record:Journal of Transportation Research Board,2014(2434):123-134.

[2]WU C,PENG L,HUANG Z,et al.A method of vehicle motion prediction and collision risk assessment with a simulated vehicular cyber physical system[J].Transportation Research Part C (Emerging Technologies),2014,47(2):179-191.

[3]PENG L,WU C,HUANG Z,et al.A multi-sensor approach for comprehensive detection and warning of vehicle collision[C].International Conference of Transportation Information and Safety,2013:1662-1670.

[4]DAVID K,FLACH A.CAR-2-X and pedestrian safety[J].IEEE Vehicular Technology Magazine,2010,5(1):70-76.

[5]HO P,CHEN J.WiSafe:Wi-Fi pedestrian collision avoidance system[J].IEEE Transactions on Vehicular Technology,2017,66(6):4564-4578.

[6]JIANG X,WANG W,BENGLER K,et al.Analysis of drivers’performance in response to potential collision with pedestrians at urban crosswalks[J].IET Intelligent Transport Systems,2017,11(9):546-552.

[7]HUSSAIN A,EASA S M.Reliability analysis of leftturn sight distance at signalized intersections[J].Journal of Transportation Engineering,2016,142(3):1-12.

[8]呂集爾,朱留華,鄭容森,等.駕駛員反應(yīng)時(shí)間對(duì)行車(chē)安全的影響[J].交通運(yùn)輸系統(tǒng)工程與信息,2014,14(2):80-86.[LV J E,ZHU L H,ZHENG R S,et al.Effects of driver’s reaction time on safe driving[J].Journal of Transportation Systems Engineering and Information Technology,2014,14(2):80-86.]

[9]彭理群,吳超仲,黃珍.基于變精度粗糙集的汽車(chē)碰撞危險(xiǎn)態(tài)勢(shì)評(píng)估[J].交通運(yùn)輸系統(tǒng)工程與信息,2013,13(5):120-126.[PENG L Q,WU C Z,HUANG Z.Situation assessment of vehicle collision risk based on variable precision rough set[J].Journal of Transportation Systems Engineering and Information Technology,2013,13(5):120-126.]

[10]張良力,祝賀,吳超仲,等.基于ARMA預(yù)測(cè)模型的交叉口車(chē)輛碰撞風(fēng)險(xiǎn)評(píng)估[J].交通運(yùn)輸系統(tǒng)工程與信息,2015,15(5):239-245.[ZHANG L L,ZHU H,WU C Z,et al.Risk estimation to vehicles collision at intersection based on arma prediction model[J].Journal of Transportation System Engineeing and Information Techndogy,2015,15(5):239-245.]