導航：安全管理網>> 安全管理>> 行業(yè)安全>> 交通運輸>>正文

基于車車通信的車輛防碰撞算法

文檔作者：陳友榮1 2 萬錦昊2 陳俊潔1 任條娟1 文檔來源： 1．浙江樹人大學信息科技學院2．常州大學信息科學與工程學院		點擊數：	更新時間： 2021年04月27日
下載地址：點擊這里	文件大?。?4.71 MB 共10頁	文檔格式： PDF	下載點數： 1 點（VIP免費）

全屏查看

內容預覽 [文件共10頁]

本文件共10頁，如需編輯使用，請下載。

注：預覽效果可能會出現部分文字亂碼（如口口口）、內容顯示不全等問題，下載是正常的。

	文件大?。?.71 MB 共10頁文件格式：PDF 下載點數：1 點（VIP會員免費）

下一篇：工程車輛強制維護與節(jié)油

上一篇：基于油田企業(yè)車隊車輛管理分析研究

文本預覽

僅提取頁面文字內容，供快速閱讀使用。

研究與開發(fā)
基于車車通信的車輛防碰撞算法
陳友榮L2，萬錦昊2。陳俊潔1，任條娟1
(1．浙江樹人大學信息科技學院，浙江杭州310015；
2．常州大學信息科學與工程學院，江蘇常州213164)
摘要：為了提前預測車輛碰撞事故和降低碰撞事故發(fā)生概率，提出了基于車車通信的車輛防碰撞算法(VACA)。
VACA根據自身和周圍鄰居車輛的北斗位置坐標，在水平和垂直兩個方向上分別采用Kalman預測算法預測下
一時刻的車輛行駛狀態(tài)，采用數據預判斷方法直接確定一定發(fā)生碰撞或不發(fā)生碰撞的情況。當不能直接判斷
時，則計算加速度可變下的安全距離，建立和求解碰撞狀態(tài)預測模型，獲得碰撞預測時間最小值。如果該最小
值小于閾值，則發(fā)出報警信號提醒駕駛員。仿真結果表明，與基于車輛間通信的智能防碰撞報警模型(IVCWM)
和車輛提前預警的防碰撞算法(ECWA)比較，VACA可提前發(fā)現碰撞情況，而且更準確，有一定的應用價值。
關鍵詞：車車通信；防碰撞；北斗定位；預警
中圖分類號：TP393 文獻標識碼：A
doi：10．1 1959／j．issn．1000-0801．2016289
Vehicle anti．collision
'● · · 1● ●
vehicle to VenlCle
algorithm based on
communication
CHEN Youron91’。，WAN Jinha02，CHEN Junjiel，REN Tiaojuanl
1．College of Information Science and Technology，Zhejiang Shuren University，Hangzhou 310015，China
2．School of Information Science＆Engineering，Changzhou University，Changzhou 213164，China
Abstract：In order to improve the accuracy of predicting vehicle collision accidents and reduce the probability of
collision accidents，vehicle anti．collision algorithm fVACA)based on vehicle to vehicle communication was
proposed．According to Beidou location coordinates of vehicle itself and other vehicles in the vicinity，VACA used
Kalman prediction algorithm to predict next vertical and horizontal locations of vehicles．VACA used data prejudge
method to directly judge whether collision will happen．When it could’t be directly judged，safe distance with
variable acceleration was calculated，and collision state prediction model was established and solved，then minimum
collision prediction time could be obtained．If the minimum time was less than threshold value，alarm signal would
be sent to remind driver．Simulation results show that compared with IVCWM and ECWA，VACA can predict
collision accident mole accurately and has certain application value．
Key words：vehicle to vehicle communication，anti-collision，Beidou localization，warning
收稿日期：2016—09—13：修回日期：2016—11-14
基金項目：浙江省公益性技術應用研究計劃基金資助項目(No．2015C33028，No．2016C33038)；國家自然科學基金資助項目(No．
61501403)；浙江省自然科學基金資助項目(No．LYl5F030004)
Foundation Items：Zhejiang Provincial Public Welfare Technology Application and Research Project of China(No．2015C33028，No．
2016C33038)，The National Natural Science Foundation of China(No．61501403)，Natural Science Foundation of Zhejiang Province of China
(No．LⅣ15F030004)
萬方數據
1 引言
全世界每年大約有124萬人死于交通事故，2 000萬。
5 000萬人經受由于交通事故而造成的非致命傷害。按照
目前的交通事故趨勢，預測到2030年，交通事故將增加
65％，并將成為世界排名第5的主要死亡原因。在經濟方
面，由于道路交通事故受傷而引起的直接經濟損失估計為
5 180億美元，其中低收入國家的經濟損失占其國民生產
總值的1％．中等收入國家的占其國民生產總值的1．5％．
發(fā)達國家的占其國民生產總值的2％。由于交通事故造成
高死亡率和嚴重的經濟損失，聯合國在2011年5月倡導
一個全球計劃——“十年道路安全行動2011-2020”．大力
提倡安全駕駛【11。
在中國，汽車已經成為人們的日常代步工具。據統計，
2014年全國汽車保有量達到1．54億輛，從2003年的2 400萬
輛增長到1．54億輛，近十年汽車年均增加1 100多萬輛，
是2003年汽車數量的6．4倍。車市的繁榮一方面拉動了
內需，有力地促進了經濟增長；另一方面也引發(fā)了能源、環(huán)
境、交通等一系列危機，特別是最近幾年交通安全問題日
益突出，中國道路交通安全形勢十分嚴峻，傷亡人數居高
不下。2014年全國交通事故死亡人數約為3．4萬人，每萬
車死亡人數為2．22人，直接經濟損失約8億元。交通事故
已成為我國公民主要死亡原因之一，嚴重威脅著人民群眾
生命和財產的安全【2】。雖然我國政府相關部門開展了大量
卓有成效的工作，如改善道路狀況、加大交通違法的處罰
力度、加強駕駛員的安全教育等。但是由于交通管理部門
缺乏大量的人力、物力、財力，難以徹底查處和杜絕一些違
規(guī)現象，違規(guī)處罰也僅具有事后懲戒作用，而且交通事故
的發(fā)生固然有人為因素，也有許多非人為甚至不可預測、
不可控制的因素，因此僅僅依靠單純的交通管理仍無法有
效地改善交通事故的發(fā)生。
在交通事故中，碰撞是交通事故的主要表現形式。美
國高速公路安全管理局的數據顯示，79％的追尾事故是由
于駕駛者的分心。如果駕駛者能提前半秒意識到危險，則
事故發(fā)生率可降到60％。奔馳公司的研究數據表明：如果
駕駛者能提前1—2 s預測到未來交通風險．并采取正確的
操作，則大多數的碰撞事故可以避免[3】。縱觀上述事故原
因．除提高駕駛員駕駛技能、強化駕駛員自覺遵守交規(guī)意
識之外。迫切需要一種技術手段提醒駕駛員．從而預防車
輛碰撞事故的發(fā)生，車輛防碰撞系統由此應運而生。
目前，車輛防碰撞系統中的防碰撞算法研究已經取得
一定的成果。如參考文獻『41評估當車輛闖紅燈時語音告警
信息對車輛防碰撞的效果，并分析其中的偶然關系。實驗
證明：語音告警信息能及時幫助駕駛者檢測闖紅燈車輛，
使駕駛者有充足的時間和空間減速，從而避免沖突車輛的
碰撞。參考文獻[2，5，6]研究車輛在直線行駛過程中的防碰撞
算法。其中參考文獻[2】根據速度、加速度等車輛行駛信息，
考慮到駕駛者類型和自身車輛和跟隨車輛的行駛關系，提
出了一種基于車輛間通信的智能防碰撞報警模型
(intelligent vehicle eollision warning model based on
intervehicle communication，IVCWM)。參考文獻f51根據車載
雷達、GPS和車載攝像頭，提出基于人工勢場的引導策略
和道路危險勢場．建立彈性繩模型，實現高速公路上的車
道保持和緊急避障功能。參考文獻【6】結合激光雷達測距和
機電控制技術，提出了一種車輛防追尾碰撞系統的實現方
案。參考文獻【7，8]研究車輛在轉彎過程中的防碰撞算法。
其中，參考文獻[7]通過雷達、GPS、攝像頭等傳感器，采集
車輛狀態(tài)信息和駕駛人操作信息，分析駕駛人行為特征，
并結合估計的道路曲率．提出彎道車輛碰撞報警算法。參
考文獻『81提出在雙向停車控制的農村交叉口上右轉車輛
防碰撞報警系統。該系統根據GPS數據，分析車輛轉彎
的實際加速度，判斷接近車輛和轉彎車輛間是否可能發(fā)生
碰撞。如果發(fā)生碰撞，則對轉彎車輛的駕駛員發(fā)出警報。參
考文獻f3，9—111研究直行和轉彎的車輛防碰撞算法。其中，
參考文獻[3]提出一種基于模擬車載網絡物理系統的車輛
運動預測和碰撞風險評估方法。該方法考慮車輛的運動或
位置、駕駛者的行為和道路幾何信息，預測車輛位置和計
算車輛間的實時距離，并比較安全距離的閾值，評估車輛
碰撞風險。參考文獻『91提出反復監(jiān)督的模糊神經網絡控制
算法，保持車輛間距離在一個安全范圍內，從而避免交通
事故的發(fā)生。參考文獻[10]主要考慮自身車輛和目標車輛
的方位角和相對角，計算非側面和側面的防碰撞模塊，采
用灰色模糊理論求解模塊，確定目標危險度。參考文獻【11]
基于車車通信的關系信息(relationship information，RI)，計
算是否會存在潛在的碰撞，提出一種車輛提前預警的防碰
撞算法(early collision warning algorithm，ECWA)。
綜上所述，參考文獻f2—101只是根據當前位置、速度、
加速度等行駛狀態(tài)，直接判斷是否發(fā)生碰撞風險，沒有
對未來碰撞事故進行預測。而且參考文獻[2，4—8]只是考
慮車輛在某一種場景下行駛的防碰撞算法。雖然參考文
萬方數據
塑堡壅蘭莖壟：竺：
獻f3，9—11]考慮了多個場景，但是沒有考慮車輛變道、加
速度可變等問題，即車輛行駛的位置、速度和加速度是一
個具有方向性的可變矢量。同時考慮到如果分解成多個情
況考慮，則算法就比較復雜，很難做到面面俱到。因此，考慮
中國的北斗定位模塊，提出一種基于車車通信的車輛防碰
撞算法(vehicle anti．collision algorithm，VACA)。每個車輛安
裝一個帶有亞米級北斗定位模塊和無線通信模塊的防碰撞
設備．通過車車通信廣播自身北斗坐標，接收周圍鄰居車輛
的北斗坐標。根據自身和鄰居車輛的實時位置坐標，VACA
將車輛行駛方向分解成水平和垂直兩個方向，分別對每一
個方向采用Kalman預測算法預測下一個時刻的位置、速度
和加速度，并進行數據的預判斷，快速選出不可能碰撞或一
定碰撞的情況。對于其他情況，計算考慮加速度可變的安全
距離，建立碰撞狀態(tài)預測模型。求解該模型，獲得水平和垂
直方向都達到安全距離的碰撞預測時間最小值。當該最小
值小于設置的閾值，則發(fā)出報警提醒駕駛員。VACA可適用
于車輛行駛的多個場景(同向行駛、相向行駛、十字路El
等)，考慮加速度可變情況，符合實際情況。與IVCWM和
ECWA比較，VACA可提前發(fā)現碰撞情況，更準確。
2防碰撞算法原理
碰撞預警設備方案如圖1所示。
圖1碰撞預警設備方案
在VACA中，作如下假設。
(1)所有車輛安裝如圖1所示的碰撞預警設備。通過
該設備，車輛可采集自身的北斗定位坐標，接收鄰居車輛
的位置坐標，并存儲在位置信息表中。
(2)碰撞預警設備主要由亞米級北斗定位模塊、STM32
處理器模塊、無線通信模塊、語言預警模塊和電源模塊組
成。其中，無線通信模塊具有1 km以上的通信距離，可實
現車輛19的單跳通信：亞米級北斗定位模塊可獲取車輛的
地理坐標信息．其定位誤差在1 m以內；語音預警模塊根
據算法計算的結果，采用語音提醒的方式發(fā)出預警內容，
提醒駕駛人員：STM32處理器模塊是碰撞預警設備的處理
核心，實現北斗定位信息的采集、通信、處理和決策預警等
功能。
(3)無線通信模塊只單跳廣播自身的信息，具有較小
的通信時延，不多跳傳輸數據。
(4)北斗定位模塊可提供有效的位置信息。
基于碰撞預警設備，利用車車通信技術實現車輛與周
圍1跳通信范圍內其他車輛的位置信息交換，并提出一種
基于車車通信的車輛防碰撞算法。該算法只根據自身和鄰
居車輛的位置信息．預測到達安全距離的時間，判斷是否
存在碰撞可能，并提醒駕駛人員注意。該算法包括位置信
息獲取、Kalman預測和碰撞狀態(tài)預測，具體原理如下。
2．1 位置信息獲取和Kalman預測
每間隔1 s通過北斗定位模塊采集其輸出經緯度．采
用如下地球坐標經典計算式可獲知位置坐標：
xS=rxcos#xcosA，產r×cos戤sinA (1)
其中，護和儼分別表示本車輛的地球橫坐標和縱坐
標，r表示地球平均半徑，驢表示本車輛所在的緯度，A表示
本車輛所在的經度。將計算的當前自身地球坐標存儲到信
息表中，并通過無線廣播發(fā)送最新位置信息分組。同時接
收周圍其他鄰居車輛的最新位置信息分組．判斷是否第一
次出現。如果第一次出現，則建立一個新的信息表，將數據
存儲到該信息表中，否則將數據添加到已有信息表中。如
果在一段時間內沒有接收到該鄰居車輛的位置信息分組．
則表示該車輛已經離開本車輛的通信范圍，刪除該車輛的
信息表。
當獲知自身車輛和其周圍鄰居車輛的最新位置信息．
采用Kalman預測算法對自身車輛和周圍車輛的下一時刻
水平和垂直方向的狀態(tài)信息進行預測¨2】。令Ct=[X。，"；，儡1T作
為t時刻的車輛行駛狀態(tài)，其中葺、奶、儡分別表示車輛在
￡時刻水平或垂直方向的位置、速度和加速度，則根據測量
值的不斷輸人，循環(huán)執(zhí)行Kalman預測算法，則可不斷輸出
水平方向和垂直方向的下一個時刻預測值。
2．2碰撞狀態(tài)預測
如果分別分析不同場景下車輛是否發(fā)生碰撞，則算法
比較復雜，很難做到面面俱到。同時考慮到不管車輛如何行
駛，發(fā)生碰撞的結果是兩個車輛的位置發(fā)生重疊。因此分解
車輛碰撞行為，分別從水平方向和垂直方向研究車輛的防
碰撞。如圖2所示，將車輛的行駛行為分解成水平方向和垂
直方向，則車輛的防碰撞問題轉化成同一方向的防碰撞問
題。以水平方向為例，說明該方向的碰撞狀態(tài)預測方法。
萬方數據
：墮： j豳豳豳——一
圖2行駛方向的水平和垂直方向分解
2．2．1數據的預判斷
為簡便程序運算，根據當前時刻的值和下一時刻的預
測值，分析水平或垂直方向狀態(tài)無變化、同向行駛預測軌
跡重合、相向行駛預測軌跡重合、反向不碰撞和預測行駛
軌跡不重合5種情況，并確定一定會發(fā)生碰撞以及一定不
會發(fā)生碰撞的情況，做出報警或不報警的操作。
情況1：如圖3所示，當兩車輛在水平方向都沒有速
度和加速度，即臻1=ht，《1=吒t時，如果|《一砍l≤吐n，
其中，如表示距離判斷閾值，則兩車輛的水平方向預測軌
跡將發(fā)生重疊，需要進一步判斷垂直方向，否則不存在發(fā)
生碰撞的可能。
- _
-rA叭
1 『
J
( )，二匡蠆
l 9，l
鞫3水平方向無變化
B
情況2：如圖4所示．當車輛A和車輛B往同一方向
行駛。若在后面行駛的車輛A的下一時刻預測位置在車輛
B的下一時刻預測位置的前面，即滿足式(2)，則兩車輛的
水平方向預測軌跡將發(fā)生重疊。
((吒一囂1)X＆：一曼r1)≥0)＆
((砍一x：)×(鬈1一戈f1)≤0) (2)
車輛A，． 車輛B
圖4同向運動預測軌跡重合
情況3：如圖5所示，當車輛A和車輛B往相向方向
行駛且車輛A當前時刻位置到下一時刻預測位置的直線
與車輛B當前時刻位置到下一時刻預測位置的直線有重
合，即滿足式(3)，則可判斷兩車輛的水平方向預測軌跡將
發(fā)生重疊。
(％一管1)×蛾一露1)≤o)&amp;amp;
((《一《)x(式1一蒼1)≤0) (3)
車輛A ，- ，： ，， 車輛B
圖5相向運動預測軌跡重合
情況4：如圖6所示，車輛A和車輛B向不同方向行
駛，且車輛A當前時刻位置到下一時刻預測位置的直線與
車輛B當前時刻位置到下一時刻預測位置的直線不重合，
即滿足式(4)，則可判斷不會發(fā)生碰撞。
(x：一《)×(曼?Lx：)≥o&amp;amp; xt?+l--xt"、X(蠟1一x：)≤0 (4) _西tI≮t, 車輛A 車輛B
圖6反向行駛不碰撞
情況5：如圖7和8所示，當在下一個時刻，車輛A和
B在水平方向的預測軌跡沒有重疊．則需要進一步分析和
處理，具體內容如下。
圖8相向預測軌跡不重合
201 6289-4
享一
萬方數據
2．2．2安全距離計算
車輛制動時加速度隨時間變化的過程如圖9所示。其
中，t，表示駕駛員反應時間(一般為0．7—1．5 s)，tb表示制動
器協調時間(一般為0．5 s)，名表示制動減速度增長時間，
‰表示最大減速度，其方向與當前車輛速度相反。當緊急
制動時，‰一般為7．5—8 m／s2，普通制動時為3—5 m／s2。車
輛安全距離主要包括3個部分，并以水平方向安全距離為
例說明這3個部分[13】。
弋，、?！?
似＼
圖9加速度隨時間的變化過程
(I)在≠，+fb時間內，水平位移S?？杀硎緸椋?
Sl=(tb+t,)vAx+=1(氣+‘)2口，A (5)
其中，”，表示車輛A在當前時刻的水平方向速度，
∥表示車輛A在當前時刻的水平方向加速度。
(2)￡。時間段內，其水平加速度為：
口(．j})=(‰一吒A)k／t,+口? (6)
水平速度可表示為：
v=KA+(乇+I)qA+(a一一霹)后2／2t；+露后(7)
其中，瓦與道路的摩擦系數有關。則水平位移&amp;amp;表
示為：
是=e'vdk=‘E+fs(氣+fr)口。A+
《2qA／3+《口一／6 (8)
(3)在“時間段內，水平加速度恒定為Ⅱ嗌，直到速度
降到零，則水平位移島為：
．曼：三：=—L一(諺+(氣+‘)《+2 3
am。2口。?！?
” “1
(‰+《)fs／2)2 (9)
(4)所有階段的水平位移和Hp水平方向的安全距離
鼠．。(《，《)。
Db．，(世，《A)=墨+是+是(10)
2．2．3碰撞狀態(tài)預測
在實際車輛行駛過程中，車輛的加速度是可變的。假
設車輛加速度是線性變化且未來1 s內兩車輛不會發(fā)生碰
撞，則車輛A和B的水平加速度為： 啪)=學峨A
啪)=竿q。?)
其中，_j}表示預測時間，qt，A和口：，。分別表示已知當前
時刻車輛A和B的水平加速度，秣和錨分別表示經過
lj}時間后，車輛A和B的預測水平加速度，島表示數據采
集周期。以車輛B作為參考物，則車輛A的相對水平加速
度為：
口(七)=(a器+咚t，B一口：，A一毒蒜)k／Ar+
《．A—qt．B=4．j}+4 (12)
其中，4=(啾+口：，。一口¨t一瞄)／A，，4=《，。一《，即
當前時刻的相對水平速度為K=1，：．A—v二t．B，則對水
平變加速度進行定積分可求得水平速度關于時間的變化。
V(．j})=巧+r口(七)船=K+r(Alk+鳴)曲
：魚七z+4后+K2 z I (13)
當前時刻的相對水平距離為Dl=彳：．A一墨Ⅲ則對
”∞)進行定積分，獲得車輛A和B的相對水平距離關于時
間的變化式為：
DAk)=Dl+rV(后渺=D1+r(粵七2+4．j}+巧渺
：孚|j}，+每．j}z+K．j}+Dl (14)
將式(12)、式(13)代入式(10)，可獲得自變量為％的水
平方向安全距離為：
Db，。(后)=皿．j}4+B3k3+B2k2+Bik+Bo (15)
目=一群／(Sa一) (16)
色=一(244+氣群+2(tb+tr)A，)／(4am。) (17)
E=一((24+tsAl+(氣+fr)4)(K+ts4／2+tsa。。／2+
(tb+‘)4))／(2口。。)+4(氣+‘+ts)+
4((fb+I)2／2+《／4)+q(tb+tr)Al (18)
且=一((24+t,Al+(氣+f，)4)(巧+ts4／2+t,a。。／2+
(名+I)4))／(2口。。)+幺(氣+f，+氣)+
4((氣+fr)2／2+e／4)+t(氣+‘)4 f19)
萬方數據
玩=一(K+氣4／2+t口一／2+(tb+f，)4)2／
(2口。ax)+K(tb+‘+氣)+4((氣+‘)2／2+《／3)+
乎口一／6+氣(氣+f，)4 (20)
根據式(13)和式(14)，在水平方向上，當見@)≤Dn鼬)
時，兩車輛水平方向位置重合。同理，在垂直方向上，當
以l|})≤D∞)時，兩車輛垂直方向位置重合。因此車輛h的
碰撞狀態(tài)預測問題轉換為以下優(yōu)化模型：
min(k)
s．t．0≤n，(k)<-Ddk)．
0≤D』后)≤Db√后)k∈月+ (21)
2．2．4碰撞模型求解
直接采用最優(yōu)化算法求解優(yōu)化模型(21)的方法計算量
較大，不適合在處理能力有限的STM32處理器中運算，因
此采用以下步驟求解。令：
聯(七)=q(七)一Db，，(后)
=C4k4+Gk3+C2k2+C1尼+Co≤0 (22)
D：(|j})=D，(七)一Db，，(七)≤0 (23)
其中，_D：(七)和D：(|j})分別為兩車水平和垂直方向的
相對位移差減去其安全距離的函數，C4=一B4，C3=A。16一B，，
C2劃112一B2，Cl=I，l-B1，Co=Dl-Bo。
步驟1 采用如下方法計算不等式(22)的解。利用一
元四次方程求根公式求解函數或(后)=0的正實數根。如果
沒有正實數根，則表示當ki>0時，函數聯(七)沒有與戈軸
相交．代入0判斷kI>0區(qū)間的函數值。如果函數值大于
0，則模型(21)無正實物解，跳到步驟4，否則解為區(qū)間k≥
0。如果凡。有個正實數解，則將這些正實數根和0從小到
大排序，可得髫l，z2，?，戈。，+1 xl=0)，分別選擇一2、xi+菇“)12，i=1，
?，凡。一1和‰+2共凡，+1個值代入函數，計算函數值并判斷
該函數值是否小于零，從而獲得水平方向的解，即區(qū)間九。
步驟2采用步驟1的方法，計算不等式(23)的解。如
果無正實物解，跳到步驟4，否則獲得垂直方向的解，即
區(qū)間矽，。
步驟3如果區(qū)間矽；和矽，沒有交集，則模型(21)無正
實物解，跳到步驟4，否則計算下確界K=in“≯；n柏，即優(yōu)
化模型(21)的解(車輛的碰撞預測時間)。
步驟4如果模型(21)無正實數解，則表示不可能發(fā)
生碰撞。不執(zhí)行報警操作，否則判斷和報警閾值時間‰的
大小。當K<‰時，執(zhí)行報警，通過語音預警模塊輸出警報
信號。
3算法實現
VACA主要采用Kalman預測算法和基于加速度可變
的相對-T-I司安全距離計算方法，建立防碰撞的優(yōu)化模型，
求解該優(yōu)化模型并根據計算結果判斷是否進行語音預警。
VACA的具體步驟如圖10所示。
圖10 VACA實現流程
步驟1 參數初始化，將車輛的行駛行為分解成水平
方向和垂直方向，則車輛的防碰撞問題轉換成同一方向的
防碰撞問題。
步驟2讀取自身北斗定位模塊輸出的經緯度數據．
轉化為地球橫坐標和縱坐標。通過無線通信模塊廣播發(fā)送
自身的位置信息分組，并將自身車輛的信息采集時間、位
置坐標更新到自身車輛信息表中。
步驟3監(jiān)聽其他車輛的位置信息分組，更新鄰居車
輛信息表。如果監(jiān)聽到位置信息分組．讀取該車輛ID、信
息采集時間和位置坐標。判斷是否第一次接收該車輛的位
萬方數據
麴翌窒皇墨壟塑：
置信息分組。如果第一次接收，則在鄰居車輛位置信息表
中新建一個該鄰居車輛ID的信息行．將位置坐標和信息
采集時間存儲到該信息行中，否則將這些數據添加到已有
的該鄰居車輛信息行中。如果在一段時間內沒有接收到該
鄰居車輛的位置信息包，則表示該車輛已經離開自身車輛
的通信范圍，刪除該車輛的信息行。
步驟4根據自身車輛和鄰居車輛的信息表，采用
Kalman預測算法預測下一時刻水平方向和垂直方向的自
身車輛和鄰居車輛的位置坐標．速度和加速度等行駛狀態(tài)
數據，且m=l。
步驟5令兩車輛水平方向和垂直方向的預測軌跡
沒有發(fā)生重疊，即‰=0，‰=0。其中，H噸表示兩車輛水
平方向的預測軌跡是否發(fā)生重疊的標識符，y缸表示兩車
輛垂直方向的預測軌跡是否發(fā)生重疊的標識符。根據自身
車輛和鄰居車輛m的當前時刻行駛狀態(tài)數據(位置、速度
和加速度)和下一時刻的預測數據，對水平方向和垂直方
向上數據進行預判斷，即分析水平或垂直方向上狀態(tài)無變
化(對應變量賦值2)、同向行駛預測軌跡重合(對應變量
賦值1)、相向行駛預測軌跡重合(對應變量賦值1)和反向
不碰撞(對應變量賦值0)4種情況下的預測軌跡，確定
Hnag和ynag的值，直接確定將會發(fā)生碰撞和不會發(fā)生碰撞
的情況。如果‰=2或y堍=2，則不會發(fā)生碰撞，m=m+l，
直接跳到步驟7。如果H血s=1且V血s=I，則將發(fā)生碰撞，馬
上報警，m=m+l，直接跳到步驟7。
步驟6預測水平方向和垂直方向的安全距離，根據
當前時刻和下一個時刻的位置、速度和加速度，建立碰撞
狀態(tài)預測模型(21)，并求解該預測模型，m=m+l。如果模
型(21)無正實數解，則表示不發(fā)生碰撞，執(zhí)行不報警操作，
跳到步驟7，否則獲得正實數解K。判斷K值和預先設置
的閾值K。的大小。如果K<鼠，執(zhí)行報警操作，通過語音預>Ⅳm，其中Nm表示當前鄰居車輛位置
信息表中鄰居車輛個數，則跳到步驟2，否則跳到步驟5。
4算法仿真
4。1 實驗數據獲取和參數選擇
當自身車輛周圍存在多輛鄰居車輛時，自身車輛可接
收鄰居車輛的位置信息，采用VACA迭代計算自身車輛和
某一鄰居車輛的碰撞預測時間和預測是否發(fā)生碰撞，即多
輛車輛碰撞預測問題可轉化成多個兩車輛碰撞預測問題。
因此在實驗數據獲取過程中，只考慮兩車輛情況，分別在兩
車輛上放置實驗數據獲取設備。該設備采集和廣播自身車
輛行駛過程中的北斗位置數據，并存儲所有歷史數據。分析
兩車輛的實際行駛位置數據，從中選擇部分位置數據表示
相向行駛、同向行駛和十字路口3種場景下的變加速運動，
并假設該數據可精確表示車輛的行駛位置。同時在每一個
場景的變加速運動數據中選擇3個點，模擬勻速運動和勻
加速運動的車輛位置數據。采用MATLAB軟件計算3個場
景下3種運動的碰撞預測時間、預警時刻、預警位置、預警
臨界時刻和預警臨界位置等參數．獲得仿真結果值。仿真參
數設置見表1。
表1參數設置
參數取值
路徑損失指數Loss
制動減速度Ⅱr呻／(m·s‘2)
距離判斷閾值dJm
報警閾值時間KJs
駕駛員反應時間tJs
制動協調時間￡b／s
完全制動時間蚺
4．6
—5
2
2
l
0．5
1．2
4．2仿真結果分析
如圖11所示，車輛沿著黑色行駛軌跡循環(huán)行駛，與車
輛的實際行駛路徑基本一致。選擇數據采集周期1 s和變
加速度運動數據。采用VACA獲得車輛實際行駛過程中的
車輛行駛路徑和預警結果。
場景1：如圖12所示，車輛A、B位于同一車道，且兩
車輛相向行駛。在初始時刻0，車輛A、B開始接收到對方
車輛位置信息，并計算兩車輛間的安全距離與相對位移
差，采用Kalman預測算法獲得下一時刻的預測位置。求解
模型(21)獲得碰撞預測時間。在時刻1—3，車輛不需要報
萬方數據
電信科學2016年第11期
圖12相向行駛場景F車輛行駛路徑和預瞀位置(單位：m)
警。在時刻4，車輛A和B的碰撞預測時間小于報警閾值
時間，因此兩車輛在當前位置發(fā)出報警。如果車輛A和B
繼續(xù)行駛，則在時刻7，兩車輛達到預警臨界位置，此時車
輛A和B的安全距離大于車輛間距離。將發(fā)生碰撞。
場景2：如圖13所示，車輛A、B位于同一車道，且兩
車輛同向行駛。在初始時刻0，車輛A、B開始接收到對方
車輛位置信息。后車A突然加速，進入追趕狀態(tài)，從而可
能與速度較慢的前車輛B發(fā)生碰撞。在時刻l一5，車輛A
不需要報警。在時刻6，車輛A的碰撞預測時間小于報警
閾值時間，因此發(fā)出警報。如果車輛A和B繼續(xù)行駛，則
在時刻8，兩車輛達到預警臨界位置，此后車輛A將與車
輛B發(fā)生追尾碰撞。
羽13 同向行駛場景下車輛行駛路徑和預警位置(單位：m
場景3：如圖14所示，車輛A、B通過十字路口時，車
輛B緩慢駛向十字路口，而車輛A以極快的速度駛向十
字路口。在時刻I～6，兩車輛預測不需要報警。在時刻7，車
輛A和B的碰撞預測時間都小于報警閾值時間，因此車
輛A和B都發(fā)出警報。如果車輛A和B繼續(xù)行駛，則在時
∥ A車行駛路徑
●A車預測位置
B車行駛路徑
-．B車預測位置
rl預警臨界位置
事預警位置
吲14十字路I_I場景F 1。輛行駛路徑和預臀f、，葭(單位：111)
刻9，兩車輛達到預警臨界位置，此后車輛A和B將發(fā)生
碰撞。總之，在相向行駛場景、同向行駛場景和十字路M行
駛場景下，VACA都能預測到未來的碰撞情況。
為方便說明算法的預測結果，選擇數據采集周期0．1 s。
在每一個實際數據間均勻補充9個點，獲得兩車輛變速運動
的位置數據，并模擬勻速運動和勻加速運動的車輛位置數
據。在每個位置點，計算車輛間距離和安全距離，從而獲得
準確的預警臨界時刻。如圖15所示，不管兩車輛是勻速運
動或勻加速運動，還是變加速運動，在每一個場景中，當算
法報警時VACA的預警時刻都比其預警臨界時刻提前2 s
左右。因此利用VACA可預測到兩車輛的碰撞，且提前發(fā)
出預警。
在仿真過程中，擴展IVCWM算法【2】在十字路M場景
的應用，即將車輛行駛行為分成水平方向和垂直方向，每
個方向上分別應用IVCWM算法計算碰撞預測時間。擴展
ECWA在相向行駛和同向行駛兩個場景下的應用，即將車
輛相對距離除以相對速度的值作為碰撞預測時間。因此可
比較相向行駛、同向行駛和十字路口3個場景下VACA、
IVCWM和ECWA的碰撞預測時間誤差。其中，碰撞預測
時間誤差定義為車輛開始預測時．每一個時刻的碰撞預測
時間與預警臨界時刻的誤差平均值。
如圖16所示．當兩車輛勻速運動和勻加速運動時，車
輛加速度是一個常量，車輛位置數據有規(guī)律地變化，因此
3個場景下的VACA能精確預測到碰撞．其碰撞預測時間
誤差最小。當兩車輛變速運動時，車輛的速度和加速度變
化明顯，因此VACA的碰撞預測時間誤差大于勻速和勻加
速運動時的碰撞預測時間誤差。但是由于VACA考慮加速
度可變情況，建立和求解加速度可變的優(yōu)化模型，模型的
解更符合車輛行駛的實際情況，因此與IVCWM和ECWA
相比，VACA的碰撞預測時間誤差也最小。ECWA只考慮
郴
伽
伽
姍
姍
m
瑚
姍
萬方數據
嫂研究與開發(fā)堋．
場景
(c)變加速運動
圖15 3種運動下3個場景的VACA預警時刻
和預警臨界時刻比較
車輛到相對速度方向所在直線的距離和相對速度，沒有考
慮車輛的加速度，且比較適合于同向行駛，其相向行駛和
十字路口場景下的碰撞預測時間誤差起伏較大。IVCW只
是考慮7兀'A(time to avoidance)、TI'C(time to collision)等幾
個關鍵參數。碰撞判斷模型比較簡單，因此ECWA和
IVCWM算法的碰撞預測時間誤差較大。總之，不管在同向
行駛或相向行駛場景下．還是在十字路口場景下。與
ⅣCWM和ECWA相比，VACA預測更準確，可提高碰撞避
免的概率。
5 結束語
設計碰撞預警設備，提出一種基于車車通信的車輛防
碰撞算法。首先，提出算法原理，包括位置坐標獲取、
Kalman預測和碰撞狀態(tài)預測。其中將車輛的行駛行為分
解成水平方向和垂直方向，分別預測下一時刻水平或垂直
望
橢
媸
星
盔
孱
照
趔
翅
望
則
悠
君；苴
幕
照
靼
櫥
曼VAcA算法
_墾I壘VECcWwMA算算法法霧_ ||||_ 圉一
場景
(b)勻加速運動
場景
(c)變加速運動
圖16 3種運動下3個場景的碰撞預測時間誤差比較
方向車輛狀態(tài)信息，并進行位置數據的預判斷．直接確定
一定發(fā)生或不發(fā)生碰撞情況，執(zhí)行報警或不報警操作。當
不能直接判斷碰撞情況時，實時計算自身車輛與其他車輛
在兩個方向上且加速度可變的相對位移差和安全距離差．
建立碰撞狀態(tài)預測模型(21)。求解該預測模型，計算碰撞預
測時間最小值。一旦滿足報警條件，則向駕駛人員發(fā)出警
報。其次，提出算法的實現步驟。最后給出算法的仿真參
數，分析相向行駛、同向行駛和十字路13 3種場景．比較
VACA的預警時刻和預警臨界時刻，比較VACA、IVCWM
和ECWA的碰撞預測時間誤差。
總之，VACA可適用于車輛行駛的多個場景(同向行
駛、相向行駛碰撞、十字路口等)，考慮加速度可變情況，更
加符合實際情況。與IVCWM和ECWA算法比較．VACA
的碰撞報警時間更精確，可提前發(fā)現碰撞情況．提高碰撞
避免的概率。但是VACA對北斗定位模塊的定位精度要求
萬方數據
：蘭!： ．羹鱟—■■■一
較高，需要亞米級北斗定位模塊，當前民用北斗定位模
塊無法滿足本算法的定位精度要求．因此下一階段目標
是考慮采用市場上定位精度較低但成本便宜的民用北
斗定位模塊，引入超聲波等其他檢測手段，研究多數據
融合的車輛防碰撞算法，進一步降低算法所需要的硬件
成本。
參考文獻：
[1] MUKHTAR A，XIA L，TANG T B． Vehicle detection
techniques for collision avoidance systems：a review[J】．IEEE
Transactions on Intelligent Transportation Systems，2015，16(5)：
2318．2338．
【2】WANG J F'YAN XD'NIE S'et a1．Research on intelligent vehicle
collision warning model based on intervehicle communication叨．
Mathematical Problems in Engineering,2013：1-7．
[3]wu c Z，PENG L Q，HUANG Z，et a1．A method of vehicle
motion prediction and collision risk assessment with a simulated
vehicular cyber physical system[J】．Transportation Research Part C，
2014，47(2)：179-191．
【4】YAN X D，XUE Q W，MA L，et a1．Driving simulator based
test on the effectiveness of auditory red·light running vehicle
warning system based on time—tO—collision sensor【J1．Sensors，
2014，14(2)：3631—3651．
[5]曹吳天，宋曉琳，黃江．基于彈性繩理論的自主車輛防碰撞
的路徑規(guī)劃[J]．汽車工程，2014，36(10)：1230-1236．
CAO H T，SONG X L，HUANG J．Path planning of autonomous
vehicle for collision avoidance based on elastic band theory[J]．
Automotive Engineering，2014，36(10)：1230·1236．
【6】尹小琴，朱喜行，張盼盼．高速公路車輛防追尾碰撞系統的
設計與控制研究【J】．汽車工程，2014，36(9)：1080-1084．
YIN X Q，ZHU X H，ZHANG P P．A study on the design and
control of vehicle rear-end collision avoidance system in freeway[J]．
Automotive Engineering，2014，36(9)：1080—1084．
【7】遲瑞娟，肖慶，丁潔云．基于風險狀態(tài)預估的彎道車輛前撞
報警算法【J】．中國公路學報，2013，26(4)：146·153．
CHI R J，XIAO Q，DING J Y．Vehicle forward collision
warning algorithm based on risk prediction on curved roads[J]．
China Journal of Highway and Transport，2013，26(4)：146-153．
[8】DABBOUR E，EASA S．Proposed collision warning system for
right··turning vehicles at two—way stop··controlled rural
intersections叨．Transportation Research Part C，2014，42(42)：
121．13l_
【9】9 MON Y J，LIN C M．Supervisory recurrent fuzzy neural network
control for vehicle collision avoidance system design【J】．Neural
Computer＆Application，2012，2l(8)：2163—2169．
【10】胡鴻豪，李磊．基于灰色模糊理論汽車防撞系統的仿真研究【J】．
系統仿真學報，2013，25(1 1)：2091—2099．
HU H H．U L．Simulation study of vehicle collision avoidance
system based on grey and fuzzy theory[J】．Journal of System
Simulation，2013，25(1 1)：2091-2099．
【11]HUANG C M，LIN S Y．An early collision warning algorithm
for vehicles based on V2V communication[J】．International
Journal of Communication Systems，2012，25(6)：779·795．
【12】LIU Y Y，LIAN B W，ZHAO H W，et a1．Indoor pseudolite
relative localization algorithm wit}l Kalman her[J]．Acta Physica
Sinica，2014，63(22)：1-7．
【13】王登貴，張敬東，張健，等．車輛縱向安全距離算法及其防
撞預警系統研究【J】．計算機測量與控制，2014，22(7)：
2203-2205，2222．
WANG D G，ZHANG J D，ZHANG J，et a1．Research on
vehicle vertical safety distance algorithm and anti-collision
alarm system[33．Computer Measurement＆Control，2014，22(7)：
2203．2205，2222．
【作者簡介】
陳友榮(1982一)，男，博士，浙江樹人大學
信息科技學院副教授，常州大學信息科學
與工程學院碩士生導師，主要研究方向為
無線傳感網和物聯網。
萬錦昊(1994一)，男，常州大學信息科學與
工程學院碩士生。主要研究方向為無線傳
感網和車聯網。
陳俊潔(1995一)，女，浙江樹人大學信息科
技學院本科在讀，主要研究方向為車聯網
算法仿真。
任條娟(1965一)，女，浙江樹人大學信息科
技學院院長、教授，主要研究方向為無線
傳感網和車聯網。

網友評論 more

交通運輸最新內容

11-17