[发明专利]一种基于自适应扩展卡尔曼滤波的车辆轨迹跟踪方法

说明书

一种基于自适应扩展卡尔曼滤波的车辆轨迹跟踪方法，包括以下步骤：首先，在智能网联交通系统中，通过DSRC技术自动识别行驶的车辆并获取相关数据，实现车载系统与路边单元的信息交互；接着，针对采集的相关信息，首先通过量化公式对路边单元与车载系统的方位差进行量化，其次通过自回归滑动平均法对加速度进行预测，最后利用自适应扩展卡尔曼滤波进行轨迹预测；最后，将处理好的信息广播给路边单元，以便于下一次与车载系统的信息交互。本发明提供了一种基于自适应扩展卡尔曼滤波的车辆轨迹跟踪方法。

技术领域

本发明属于交通领域，尤其是涉及智能网联交通系统下的一种基于自适应扩展卡尔曼滤波的车辆轨迹跟踪方法。

背景技术

随着我国经济的快速发展，人民生活水平的日益提高，私家车开始进入各家各户，很好的方便了家人的出行。但车辆的普及和大众化也使得城市交通环境日益恶化，出现了车流不均衡、交通拥挤、车尾碰撞、侧方碰撞等交通现象。伴随着基础设施薄弱和交通网络拥堵，道路交通事故的数量日益增加，高交通事故发生率正在向全社会拉响警报，因此道路交通安全受到极大的关注。近年来，虽然我国对道路基础设施以及交通网络进行了很大的改善，使得交通事故数量和伤亡人数有所减少，但事故总数和发生率仍然很高。

与传统的道路交通系统相比，智能网联交通系统更加趋向于由“人”、“路”、“车”以及公路交通设施等进行信息交互的动态系统。根据各国大量的统计研究后发现，驾驶人的失误是导致交通事故的主要因素。因此，在当前道路基础设施已经不能再完善的情况下，获取道路其他车道车辆的状态信息并加工处理广播给当前车辆的工作刻不容缓，这使得驾驶员能更好的采取相应的补救措施，减小驾驶员因失误导致的交通事故。

发明内容

为了克服现有车辆之间信息传输方式的安全性较低、车辆事故发生概率较高的不足，本发明提供了一种基于自适应扩展卡尔曼滤波的车辆轨迹跟踪方法。

本发明解决其技术问题所采用的技术方案是：

一种基于自适应扩展卡尔曼滤波的车辆轨迹跟踪方法，所述预测方法包括如下步骤：

1)在智能网联交通系统中，通过DSRC技术自动识别行驶的车辆并获取相关数据，实现车载系统与路边单元的信息交互，其中，信息交互的步骤如下：

步骤1.1：当行驶车辆进入定向天线所覆盖的范围内时，车载系统会与路边单元通过DSRC技术实现双向通信，使得双方能同时发送自身存储单元上的信息，其中，车载系统发送的信息包括车辆的当前速度、当前位置和时间戳，路边单元发送的信息包括其他车道上车辆的预测位置、位于哪个方向上、几车道和加速度；

步骤1.2：路边单元将获取到的车辆信息发送到边缘云服务器进行一系列的运算操作；

2)边缘云服务器根据路边单元与车载系统之间的方位差，进行方位角计算并做相应的量化处理，针对位置信息对车辆行驶方向进行量化，其中，量化过程为：

步骤2.1：将位置信息转换成以视角存在的数字信息，其中，车辆的k时刻路边单元与车载系统之间的方位角相对于路边单元的定义为：

在此，各参数定义如下：

在k时刻路边单元与车载系统之间的方位角；

将k时刻的车辆位置转化为方位角的反三角函数；

σ_k：在k时刻由信号反射引起的轴承误差噪声；

(x_k,y_k)：在k时刻车辆的当前位置；

步骤2.2：以十字路口中心作为坐标原点，对k时刻路边单元与车载系统之间的方位角进行量化处理，确定车辆所在的方向，其中，量化公式如下：