任潤(rùn)雨 (昆明理工大學(xué) 交通工程學(xué)院,云南 昆明650000)
REN Runyu (School of Traffic Engineering, Kunming University of Science and Technology, Kunming 650000, China)
隨著我國(guó)交通運(yùn)輸行業(yè)的迅猛發(fā)展,汽車保有量不斷增多,隨之而來(lái)的交通事故問(wèn)題越來(lái)越成為我國(guó)交通運(yùn)輸行業(yè)的一個(gè)重大難題。僅2017 年我國(guó)交通事故總數(shù)就達(dá)到了203 049 起,其中機(jī)動(dòng)車事故182 343 起,汽車事故139 412 起[1]??梢钥闯觯煌ㄊ鹿实膰?yán)重危害,尤其是機(jī)動(dòng)車交通事故。針對(duì)這樣的問(wèn)題,我國(guó)交通安全領(lǐng)域的專家和學(xué)者對(duì)此進(jìn)行了大量的研究,其中車輛碰撞預(yù)警系統(tǒng)的應(yīng)用被認(rèn)為是可以減少交通事故的方法之一。
在車輛碰撞預(yù)警系統(tǒng)中,需要對(duì)車輛的實(shí)時(shí)位置或運(yùn)動(dòng)軌跡進(jìn)行估計(jì)和預(yù)測(cè)。肖獻(xiàn)強(qiáng)、王其東等建立視覺(jué)概念,通過(guò)車速預(yù)估車輛的行駛軌跡,根據(jù)TLC 對(duì)駕駛員發(fā)出車輛跑偏告警[2]。王建強(qiáng)、遲瑞娟、張磊通過(guò)對(duì)車輛實(shí)時(shí)位置的簡(jiǎn)單估計(jì),提出了追尾報(bào)警算法[3]。隨著通信技術(shù)和定位技術(shù)的不斷發(fā)展,V2X 技術(shù)可通過(guò)基站或其他車輛采用特定的通信方式得到環(huán)境信息,同時(shí),差分全球定位系統(tǒng),載波相位差分技術(shù)等定位技術(shù)的精度更高,響應(yīng)也更靈敏[4-6]。這些技術(shù)廣泛應(yīng)用于車輛主動(dòng)安全系統(tǒng)中,所以也對(duì)車輛碰撞預(yù)警的算法提出了新的要求和目標(biāo)[7-8]。盤(pán)朝奉、丁亞強(qiáng)等根據(jù)簡(jiǎn)單卡爾曼濾波算法,固定基本運(yùn)動(dòng)狀態(tài)對(duì)車輛的運(yùn)動(dòng)軌跡進(jìn)行了實(shí)時(shí)預(yù)估[9]。湖南大學(xué)的宋曉琳等人結(jié)合車聯(lián)網(wǎng)的應(yīng)用前景,通過(guò)對(duì)車輛位置的預(yù)測(cè),搭建了一種協(xié)同碰撞預(yù)警系統(tǒng),朝著更加實(shí)用的方向研究進(jìn)行[10]。李剛、王野等通過(guò)卡爾曼濾波算法對(duì)電機(jī)電動(dòng)汽車的行駛狀態(tài)進(jìn)行估計(jì),且預(yù)估效果顯著[11]。通過(guò)對(duì)以上文獻(xiàn)的分析,現(xiàn)有車輛軌跡預(yù)測(cè)算法中的誤差問(wèn)題依然是問(wèn)題的重點(diǎn)。在實(shí)際應(yīng)用的過(guò)程中,北京航空航天大學(xué)的馬玉喆、張順舟、丁能根等人通過(guò)彎道補(bǔ)償和多級(jí)預(yù)警的方法改善了經(jīng)典碰撞預(yù)警算法在彎道情況表現(xiàn)不佳的問(wèn)題[12]。馮弟瑤、陳君毅、王宏雁等人通過(guò)仿真研究,優(yōu)化了在追尾沖突中的車輛碰撞預(yù)警算法中的關(guān)鍵參數(shù)[13]。而且在車輛碰撞預(yù)警算法中,遇到出現(xiàn)交通沖突情況時(shí),經(jīng)典碰撞預(yù)警算法雖然保障了安全性,但是對(duì)于交通沖突的出現(xiàn),并不能準(zhǔn)確地進(jìn)行預(yù)警,影響了駕駛員的駕駛安全。
所以本文針對(duì)這樣的問(wèn)題,對(duì)車輛基本狀態(tài)的參數(shù)進(jìn)行合理選擇,來(lái)建立一種能夠減少誤差影響的車輛軌跡預(yù)測(cè)算法。并結(jié)合該方法,設(shè)計(jì)了一種車載交通沖突預(yù)警系統(tǒng),對(duì)道路中出現(xiàn)交通沖突進(jìn)行甄別,在保障安全的情況下,提高預(yù)警的準(zhǔn)確度。最后通過(guò)仿真實(shí)驗(yàn)驗(yàn)證了其有效性。
卡爾曼濾波算法以其簡(jiǎn)便的計(jì)算和準(zhǔn)確的預(yù)估大量應(yīng)用于物體的狀態(tài)估計(jì)和預(yù)測(cè)[14-15]。其中容積卡爾曼濾波算法較其他幾種濾波方法相比,濾波的精度和穩(wěn)定性都有所提高。由于容積卡爾曼濾波算法所具有的優(yōu)點(diǎn),而且根據(jù)已有研究可以看出,標(biāo)準(zhǔn)卡爾曼濾波與擴(kuò)展卡爾曼濾波在軌跡預(yù)測(cè)方面依然存在著誤差較大的問(wèn)題,所以本文選用容積卡爾曼濾波算法對(duì)車輛的基本狀態(tài)進(jìn)行估計(jì)和預(yù)測(cè)[16]。
本文中討論的車輛基本狀態(tài)預(yù)估問(wèn)題根據(jù)車載傳感器得到車輛的位置信息(x,y,z)、縱向加速度ax、側(cè)向加速度ay、橫擺角速度γ、航向角δ 等信息,然后通過(guò)卡爾曼濾波去估計(jì)車輛的位置信息(x,y,z)、縱向速度vx、側(cè)向速度vy和橫擺角速度γ。因此,設(shè)狀態(tài)向量為:
系統(tǒng)輸入為:
觀測(cè)向量為:
則可得車輛系統(tǒng)離散化的狀態(tài)方程和觀測(cè)方程為:
式中:wk和vk分別為狀態(tài)估計(jì)的過(guò)程噪聲和觀測(cè)噪聲,二者相互獨(dú)立,均為零均值的高斯白噪聲,設(shè)它們的協(xié)方差矩陣分別為Q和R。CKF 算法步驟如下。步驟1:時(shí)間更新
式中:Sk|k為Pk|k的平方根;Xi,k|k為計(jì)算的容積點(diǎn);為通過(guò)狀態(tài)方程傳播輸出的容積點(diǎn);為狀態(tài)向量的一步預(yù)測(cè)值;Pk+1|k為誤差協(xié)方差一步預(yù)測(cè)值。
步驟2:量測(cè)更新
式中:Sk+1|k為Pk+1|k的平方根;Xi,k+1|k為計(jì)算的容積點(diǎn);Zi,k+1|k為通過(guò)測(cè)量方程傳播輸出的容積點(diǎn);y?k+1|k為測(cè)量的一步預(yù)測(cè)值;Pyk+1yk+1為信息協(xié)方差矩陣;Pxk+1yk+1為交叉協(xié)方差矩陣的一步預(yù)測(cè)值;Kk+1為卡爾曼增益矩陣;x?k+1|k+1為當(dāng)前時(shí)刻的狀態(tài)向量;Pk+1|k+1為當(dāng)前時(shí)刻的誤差協(xié)方差矩陣。
通過(guò)上式更新時(shí)間間距ΔT,對(duì)車輛的運(yùn)動(dòng)狀態(tài)進(jìn)行估計(jì),可以提高估計(jì)準(zhǔn)確度,減少噪聲的影響,得到更加精確的車輛運(yùn)動(dòng)狀態(tài)數(shù)據(jù),為之后的車輛軌跡預(yù)測(cè)作鋪墊。
利用Matlab/Simulink 仿真軟件,通過(guò)仿真實(shí)驗(yàn)進(jìn)行驗(yàn)證,假設(shè)車輛以2m/s2的加速度從0m/s 加速至10m/s 后勻速運(yùn)動(dòng)5s,通過(guò)容積卡爾曼濾波算法對(duì)如上所述的仿真場(chǎng)景中的車輛運(yùn)動(dòng)狀態(tài)進(jìn)行估計(jì),將車輛位置和車速的測(cè)量誤差與估計(jì)值誤差進(jìn)行對(duì)比,仿真結(jié)果如圖1、圖2 所示。
通過(guò)對(duì)比可以看出,測(cè)量值在噪聲的影響下有著一定的誤差,而估計(jì)值在經(jīng)過(guò)容積卡爾曼濾波算法的濾波之后,減少了一定的誤差。在本次實(shí)驗(yàn)中,車輛位置的測(cè)量值誤差平均數(shù)為1.55m,誤差最大值為2.33m,估計(jì)值誤差平均數(shù)為0.41m,誤差最大值為0.87m,濾波之后的誤差減少了1.14m,誤差最大值減少了1.46m;車輛速度的測(cè)量值誤差平均數(shù)為0.74m/s,誤差最大值為1.57m/s,估計(jì)值誤差平均值為0.22m/g,最大值為0.54m/g,誤差平均值減少了0.52m/s,最大值減少了1.02m/s,提高了估計(jì)的精度。當(dāng)車輛的運(yùn)動(dòng)狀態(tài)發(fā)生變化時(shí),測(cè)量值和估計(jì)值都會(huì)發(fā)生大幅的擾動(dòng)變化,但是通過(guò)濾波之后,削弱了這方面的影響。而且無(wú)論是車輛位置,還是車速的變化狀態(tài)與測(cè)量值相比都更為精確,這保證了之后的車輛軌跡預(yù)測(cè)的精確度。
圖1 車輛位置測(cè)量值誤差與估計(jì)值誤差對(duì)比
圖2 車速測(cè)量值與估計(jì)值誤差對(duì)比
而車輛軌跡的預(yù)測(cè)需要容積卡爾曼濾波算法每經(jīng)過(guò)ΔT,對(duì)車輛的基本運(yùn)動(dòng)狀態(tài)進(jìn)行狀態(tài)估計(jì),得到所估計(jì)的數(shù)值后,再將式(6) 重復(fù),計(jì)算N次,即可得到NΔT后的車輛位置。保存記錄每一次的所預(yù)測(cè)的位置就可以得到車輛的預(yù)測(cè)軌跡。
為驗(yàn)證所設(shè)計(jì)的車輛軌跡預(yù)測(cè)算法,本文通過(guò)運(yùn)用Prescan 軟件,進(jìn)行典型場(chǎng)景的仿真試驗(yàn),并與基于擴(kuò)展卡爾曼濾波算法的車輛軌跡預(yù)測(cè)算法進(jìn)行對(duì)比。其中Prescan 仿真軟件搭載的模擬傳感器可以為本文提供數(shù)據(jù)支持[17]。
(1) 直線場(chǎng)景。車輛起步經(jīng)兩次加速至15m/s,如圖3 所示。
由圖3 可知,由于加速度的變化,使得兩種車輛位置預(yù)測(cè)算法都受到了加速度變化的影響,且產(chǎn)生了一定的滯后。但是擴(kuò)展卡爾曼濾波的整體預(yù)測(cè)精度不如容積卡爾曼濾波。而且容積卡爾曼濾波穩(wěn)定性更好,可以在很短的時(shí)間內(nèi)進(jìn)行調(diào)整,使之精度提高。
(2) 彎道場(chǎng)景。車輛勻速入彎及出彎,車速為15m/s,彎道半徑40m。
根據(jù)圖4 可以看出,車輛在轉(zhuǎn)彎時(shí),隨著車輛的運(yùn)動(dòng)狀態(tài)發(fā)生變化,車輛位置的預(yù)測(cè)也會(huì)受到干擾,此時(shí)兩種預(yù)測(cè)方法都受到了影響。但是依然可以看到擴(kuò)展卡爾曼濾波的預(yù)測(cè)誤差明顯高于容積卡爾曼濾波,且調(diào)整的能力不如容積卡爾曼濾波算法。容積卡爾曼濾波算法的精度更高,穩(wěn)定性更好。
圖3 直線加速場(chǎng)景2.5s 位置預(yù)測(cè)誤差
圖4 彎道場(chǎng)景2.5s 位置預(yù)測(cè)誤差
車輛碰撞預(yù)警系統(tǒng)作為車輛主動(dòng)安全技術(shù)的一項(xiàng)重要技術(shù)手段廣泛應(yīng)用于現(xiàn)代車輛之中,通過(guò)雷達(dá)等傳感器感知外界的信息,對(duì)可能形成的車輛碰撞提供預(yù)警[18]。但是經(jīng)典的車輛碰撞預(yù)警系統(tǒng)在運(yùn)用于交通沖突情形時(shí),會(huì)出現(xiàn)預(yù)警準(zhǔn)確度不高,預(yù)警次數(shù)過(guò)于頻繁的問(wèn)題。在道路交通可觀測(cè)的情況下,不同道路使用者之間在時(shí)空上互相干擾,這一干擾逼迫其中(至少) 一方采取避讓行為,否則就會(huì)發(fā)生碰撞,這種狀況被稱為交通沖突[19]。這是由于常規(guī)的預(yù)警算法針對(duì)的是當(dāng)前時(shí)刻的他車運(yùn)動(dòng)狀態(tài)做出的反應(yīng),而且局限于碰撞。而交通沖突發(fā)生時(shí),他車可能會(huì)做出避讓操作,所以若他車在較為安全的距離改變自身運(yùn)動(dòng)狀態(tài),可能不再會(huì)對(duì)本車造成安全方面的影響,這時(shí)經(jīng)典碰撞預(yù)警算法就不能準(zhǔn)確的進(jìn)行預(yù)警。
本文針對(duì)以上所出現(xiàn)的問(wèn)題,基于車輛的軌跡預(yù)測(cè)算法,對(duì)未來(lái)的車輛之間可能形成的交通沖突現(xiàn)象進(jìn)行預(yù)測(cè)和判斷。所以本文將所設(shè)計(jì)的車輛碰撞預(yù)警系統(tǒng)稱為交通沖突預(yù)警系統(tǒng)。本文所設(shè)計(jì)的交通沖突預(yù)警系統(tǒng)集中于對(duì)車—車之間的交通沖突進(jìn)行預(yù)警,通過(guò)車輛本身所搭載的傳感器獲取本車數(shù)據(jù),通過(guò)V2X 系統(tǒng)獲取他車的運(yùn)動(dòng)狀態(tài)數(shù)據(jù),從而達(dá)到安全預(yù)警的作用。
預(yù)警機(jī)制根據(jù)所預(yù)測(cè)的危險(xiǎn)狀態(tài)分為二等。根據(jù)車輛的減速操作分為普通危險(xiǎn)狀態(tài)預(yù)警和極限危險(xiǎn)狀態(tài)預(yù)警。極限危險(xiǎn)狀態(tài)即為在當(dāng)前情況下必須馬上進(jìn)行緊急剎車制動(dòng)否則一定會(huì)造成碰撞的狀態(tài)。該狀態(tài)以極限安全距離為基準(zhǔn)進(jìn)行判定,極限危險(xiǎn)狀態(tài)預(yù)警示意圖如圖5 所示。
圖5 極限危險(xiǎn)狀態(tài)示意圖
其中安全距離的確定,根據(jù)研究我們選取極限制動(dòng)距離作為基準(zhǔn)進(jìn)行合理的設(shè)置[20]。車輛制動(dòng)距離與車輛制動(dòng)特性、車速等有密切的關(guān)系。根據(jù)研究,總的制動(dòng)距離為:
t1為駕駛員把右腳移動(dòng)到制動(dòng)踏板上所需要的時(shí)間;t2為開(kāi)始踏下踏板到汽車上出現(xiàn)制動(dòng)力所經(jīng)過(guò)的時(shí)間;t3為制動(dòng)力增長(zhǎng)時(shí)間;t4為制動(dòng)力達(dá)到最大值以后的持續(xù)制動(dòng)時(shí)間;t5為停車后到制動(dòng)力解除所需要的時(shí)間。jmax為汽車最大制動(dòng)減速度(m/s2),如表1;V0為汽車制動(dòng)初速度(m/s)。
根據(jù)我國(guó)車輛設(shè)計(jì)標(biāo)準(zhǔn)GB877258-87,車輛制動(dòng)系統(tǒng)協(xié)調(diào)時(shí)間,經(jīng)測(cè)定t2的均值為0.09s,則t3值如表2 所示。
表1 各類型車輛的最大制動(dòng)減速度表
表2 制動(dòng)系統(tǒng)協(xié)調(diào)時(shí)間及制動(dòng)力增長(zhǎng)時(shí)間表
根據(jù)以上制動(dòng)的計(jì)算,以制動(dòng)距離為限進(jìn)行危險(xiǎn)狀態(tài)的判定。
由于車輛軌跡預(yù)測(cè)算法考慮的是與時(shí)間的關(guān)系,所以普通危險(xiǎn)狀態(tài)的確定則以時(shí)間為判斷的標(biāo)準(zhǔn),同時(shí)還要考慮駕駛員的判斷反應(yīng)時(shí)間。駕駛員從感知到危險(xiǎn)狀況到做出反應(yīng)的時(shí)間約為0.3s~0.8s,為駕駛員預(yù)留1s 的時(shí)間,以此作為普通危險(xiǎn)狀態(tài)的判斷依據(jù),從而使駕駛員有足夠的時(shí)間判斷當(dāng)前的狀況并進(jìn)行合理的操作。所以根據(jù)以上論述,基于容積卡爾曼濾波的車輛軌跡的預(yù)測(cè)時(shí)間為3s,則普通運(yùn)動(dòng)狀態(tài)的判斷時(shí)間為2.5s。普通危險(xiǎn)狀態(tài)預(yù)警示意圖如圖6 所示。
預(yù)警系統(tǒng)根據(jù)以上所劃定的危險(xiǎn)狀態(tài)進(jìn)行預(yù)警,通過(guò)燈光和振動(dòng)結(jié)合的方式對(duì)駕駛員進(jìn)行提醒,提醒駕駛員進(jìn)行合理的操作[21]。預(yù)警系統(tǒng)的基本預(yù)警機(jī)制:(1) 在駕駛員進(jìn)行合理的操作后,系統(tǒng)判斷脫離危險(xiǎn)狀態(tài)則預(yù)警結(jié)束;若駕駛員雖然進(jìn)行了減速操作但是預(yù)警系統(tǒng)判定沒(méi)有脫離危險(xiǎn)狀態(tài),則會(huì)繼續(xù)進(jìn)行提醒且增強(qiáng)燈光閃爍頻率和振動(dòng)力度,直至預(yù)警系統(tǒng)判定脫離危險(xiǎn)狀態(tài)。(2) 若預(yù)警發(fā)生后,危險(xiǎn)源所在車輛主動(dòng)進(jìn)行減速操作,預(yù)警系統(tǒng)判定危險(xiǎn)源不會(huì)對(duì)本車造成危險(xiǎn),使得本車脫離危險(xiǎn)狀態(tài),則預(yù)警結(jié)束。(3) 若預(yù)警系統(tǒng)進(jìn)行預(yù)警,而駕駛員沒(méi)有進(jìn)行合理的操作進(jìn)行規(guī)避,從而進(jìn)入極限危險(xiǎn)狀態(tài)時(shí),則預(yù)警系統(tǒng)會(huì)強(qiáng)制進(jìn)行減速操作以避免交通事故的發(fā)生。
圖6 普通危險(xiǎn)狀態(tài)預(yù)警示意圖
通過(guò)仿真實(shí)驗(yàn)對(duì)所設(shè)計(jì)的交通沖突預(yù)警系統(tǒng)進(jìn)行模擬和驗(yàn)證。根據(jù)實(shí)際道路上所出現(xiàn)的交通沖突問(wèn)題搭建典型路況下的仿真場(chǎng)景,路況中的車輛基本數(shù)據(jù)也根據(jù)實(shí)際進(jìn)行合理設(shè)置。與車輛碰撞預(yù)警算法中的Honda 模型算法進(jìn)行對(duì)比仿真實(shí)驗(yàn),Honda 模型是本田汽車開(kāi)發(fā)的用于車輛碰撞預(yù)警和防避撞的算法模型,公式如下:
其中:V是本車車速,Vrel是兩車相對(duì)車速,V2是目標(biāo)車車速,a1、a2分別是本車和目標(biāo)車的最大減速度,t1、t2分別是系統(tǒng)延遲時(shí)間和制動(dòng)時(shí)間。其中,a1、a2都取7.4m/s2、t1=0.5s、t2=1.5s。
仿真實(shí)驗(yàn)利用Prescan 仿真軟件進(jìn)行,該軟件可以通過(guò)模擬傳感器獲得所需要的數(shù)據(jù),方便我們構(gòu)建預(yù)警系統(tǒng)進(jìn)行仿真實(shí)驗(yàn)。
(1) 追尾沖突仿真實(shí)驗(yàn)。深顏色的A 車和淺顏色的B 車以Vkm/h(V取60km/h) 速度勻速行駛,二車相距40m,行駛10s 后A 車進(jìn)行緊急制動(dòng),減速至停止。實(shí)驗(yàn)A 車在制動(dòng)停止2s 后重新啟動(dòng)以2.5m/s2的加速度加速至60km/h 后勻速行駛。實(shí)驗(yàn)B 車分別搭載沖突預(yù)警系統(tǒng)和基于Honda 算法模型的碰撞預(yù)警系統(tǒng),若實(shí)驗(yàn)B 車發(fā)生制動(dòng),在制動(dòng)停止后,實(shí)驗(yàn)B 車重新啟動(dòng)以3m/s2的加速度進(jìn)行加速至60km/h,對(duì)不同的預(yù)警系統(tǒng)進(jìn)行仿真實(shí)驗(yàn)并進(jìn)行對(duì)比,仿真場(chǎng)景如圖7 所示。
根據(jù)多次仿真實(shí)驗(yàn),可以發(fā)現(xiàn)在追尾沖突仿真場(chǎng)景下,二者都可以成功防撞,沒(méi)有事故的發(fā)生。但是基于Honda 算法的碰撞系統(tǒng)的預(yù)警次數(shù)都比基于軌跡預(yù)測(cè)的沖突預(yù)警系統(tǒng)要多,而且基于軌跡預(yù)測(cè)的沖突預(yù)警系統(tǒng)準(zhǔn)確預(yù)警了可能發(fā)生的沖突,說(shuō)明在追尾沖突的情況下,基于軌跡預(yù)測(cè)的沖突預(yù)警系統(tǒng)要比基于Honda 模型的碰撞預(yù)警系統(tǒng)更為準(zhǔn)確,仿真結(jié)果對(duì)比如表3 所示。
(2) 側(cè)面沖突仿真實(shí)驗(yàn)。假設(shè)有一個(gè)十字交叉口,深顏色的A 車以45km/h 的速度勻速直行通過(guò)交叉口,淺顏色的B 車以45km/h 的速度勻速左轉(zhuǎn)通過(guò)交叉口,二車起始位置相距100m,二車行駛4s 后實(shí)驗(yàn)B 車緊急制動(dòng)至停止,停止1s 后重新啟動(dòng),以2.5m/s2的加速度加速至45km/h,實(shí)驗(yàn)A 車分別搭載沖突預(yù)警系統(tǒng)和基于Honda 算法模型的防避撞系統(tǒng),若實(shí)驗(yàn)A 車發(fā)生制動(dòng),在制動(dòng)停止后,實(shí)驗(yàn)A 車重新啟動(dòng)以3m/s2的加速度進(jìn)行加速至45km/h,對(duì)不同的預(yù)警系統(tǒng)進(jìn)行仿真實(shí)驗(yàn)并進(jìn)行對(duì)比,若兩車會(huì)在交叉口發(fā)生碰撞,仿真場(chǎng)景如圖8 所示。
圖7 追尾沖突仿真實(shí)驗(yàn)示意圖
表3 追尾沖突實(shí)驗(yàn)仿真結(jié)果對(duì)比
圖8 側(cè)面沖突仿真實(shí)驗(yàn)示意圖
根據(jù)表4,由仿真實(shí)驗(yàn)可以看出,在側(cè)面沖突仿真實(shí)驗(yàn)場(chǎng)景下,二者都成功實(shí)現(xiàn)了避免碰撞,沒(méi)有事故的發(fā)生。當(dāng)他車發(fā)生運(yùn)動(dòng)狀態(tài)的變化時(shí),基于軌跡預(yù)測(cè)的交通沖突預(yù)警系統(tǒng)準(zhǔn)確判斷到了這一變化,并反饋給駕駛員。說(shuō)明它的預(yù)警更準(zhǔn)確,預(yù)警次數(shù)也更少,增強(qiáng)了安全性,仿真對(duì)比結(jié)果如表4 所示。
綜上所述,可以得到以下結(jié)論:(1) 基于容積卡爾曼濾波算法,建立了基于該算法的車輛軌跡預(yù)測(cè)算法模型。進(jìn)行了不同算法的對(duì)比試驗(yàn),試驗(yàn)表明,基于容積卡爾曼濾波的車輛軌跡預(yù)測(cè)算法車輛運(yùn)動(dòng)狀態(tài)估計(jì)更精確,誤差更小。(2) 設(shè)計(jì)了基于軌跡預(yù)測(cè)的交通沖突預(yù)警系統(tǒng),針對(duì)在發(fā)生交通沖突時(shí)經(jīng)典碰撞預(yù)警算法中出現(xiàn)的預(yù)警不準(zhǔn)確的問(wèn)題,與基于Honda 模型算法的經(jīng)典碰撞預(yù)警系統(tǒng)做仿真對(duì)比實(shí)驗(yàn)。建立仿真實(shí)驗(yàn)場(chǎng)景并經(jīng)過(guò)多次仿真實(shí)驗(yàn)進(jìn)行驗(yàn)證,實(shí)驗(yàn)表明基于軌跡預(yù)測(cè)的交通沖突預(yù)警系統(tǒng)能夠使預(yù)警更為準(zhǔn)確,使駕駛安全性有所增強(qiáng)。
表4 側(cè)面沖突實(shí)驗(yàn)仿真結(jié)果對(duì)比