[发明专利]面向混行交通流中智能网联车辆的行车安全性评价方法

说明书

本发明公开了面向混行交通流中智能网联车辆的行车安全性评价方法，涉及城市交通路网通行服务领域。所述评价方法包括：1)利用速度时间序列VS，构建基于ARMA模型与广义RBF神经网络的联合预测模型，预测下一时段智能网联车辆的行车速度V_t+1；2)定义并计算行车安全性评价指标；3)确定评价指标对应的等级数值，构造行车安全性评价模型，进行行车安全性评价。本发明充分利用智能网联车辆所处的环境下其信息传递的快速性与准确性，提高了智能网联车辆使用的智能性与安全性，并且对常规车辆的信息传递时效性也起到了促进作用。

技术领域

本发明涉及城市交通路网通行服务领域，尤其涉及一种面向混行交通流中智能网联车辆的行车安全性评价方法。

背景技术

混行交通流是未来3～5年后的交通流常态。所谓混行就是路段上行驶的车辆不仅是常规车辆，还包括智能网联车辆。当前智能网联车关键技术不断得到突破，如何确保在混行条件下智能网联车辆的安全运行越来越受到研究者们的重视。因此，对混行交通流环境下智能网联车辆的行车安全性进行评价成为极具研究价值的课题。

近年来，不安全驾驶行为造成的交通事故一直居高不下，行车安全问题愈发突出。其中，车辆追尾碰撞是一类常见的交通事故也是影响行车安全性的重要原因，约占事故总数的25％～40％，驾驶员的反应能力的局限性是造成车辆追尾碰撞发生的主要原因之一；智能网联车辆能够通过车联网更快捕捉交通实时信息传达给驾驶员，从而在一定程度上降低因信息迟滞而导致的追尾碰撞事故发生概率。然而随着近年来智能网联车辆的增加，国内却没有面向混行交通流中智能网联车辆的行车安全性评价方法。比如，在智能网联车辆根据云端数据成编队行驶时，编队中某一辆车突然变道会影响车辆编队的行驶，极易诱发交通事故，从而影响其他车辆的行车安全性。可见，由此带来的出行效率和驾驶员对智能交通系统的信任程度降低，制约着智能交通系统的发展。目前只有两种针对常规车辆的行车安全性评价方法。一种是基于交通事故的行车安全性评价方法，该方法能够给出公路路段的总体安全水平，同时又利于找出对行车安全性影响大的路段。另外一种是基于道路交通设施的行车安全性评价方法，该方法依据工程经验，判断不同道路交通流的安全性，确定其权重，给出评分等级，最后进行加权综合，得出整个道路上行车安全水平。这两种方法具有针对性强、简单易行的优点。但这两种方法预测行车速度准确性低，无法获得智能网联车的行车安全性，且没有考虑到预测速度、设计车速和变道智能网联车辆的侧向加速度等因素，不能够体现智能网联车辆在运动过程中的实际运动状态与预测运动状态。因此，这两种方法不适用于智能网联车辆的行车安全性评价。

因此，借助智能网联车的关键技术，评价混行交通流环境下智能网联车辆行车安全性，从而使智能网联车辆成编队行驶、常规车辆按规定行使，成为保证行车安全，加强智能交通系统建设，提高出行效率，实现社会经济性的重要途径。

发明内容

针对现有技术中存在不足，本发明提供了面向混行交通流中智能网联车辆的行车安全性评价方法，克服了预测行车速度信息准确性低，无法获得精确的行车安全性信息等问题，提高了行车安全性。

本发明是通过以下技术方案实现上述技术目的的。

面向混行交通流中智能网联车辆的行车安全性评价方法，构建基于ARMA模型与广义RBF神经网络的联合预测模型，预测下一时段智能网联车辆的行车速度V_t+1，定义并计算行车安全性评价指标，由评价指标对应的等级数值构造行车安全性评价模型，进行行车安全性评价。

进一步，所述联合预测模型为：

其中，e_i为ARMA模型或广义RBF神经网络在联合预测模型中的权重，C_it为广义RBF神经网络或ARMA模型对V_t+1在目标时刻t的预测结果，f_t为随机噪声，且f_t∈[0,1]。