[发明专利]一种基于轨道预测的智能车辆换道碰撞概率评估方法

权利要求书

1.一种基于轨道预测的智能车辆换道碰撞概率评估方法，其特征在于，包括以下步骤：

1)选定目标车辆所在的路段，获取车辆尺寸、车辆实时运动参数及目标车辆与周边车辆的纵向相对距离L₀；

2)建立冲突预测的原始坐标系，将原始坐标系均匀划分为2M×3N个栅格，其中M＝10，N＝1；

3)冲突预测概率计算：运用隐马尔科夫模型，即HMM模型，对目标车辆到达各个栅格的概率进行预测，输入换道车辆当时的速度和加速度，利用前向算法预测当目标车辆换道时，目标车辆该时刻的位置和加速状态；

根据所得到的目标路段原始坐标系，以及目标车辆、周边车辆的车辆运动参数和纵向相对距离，进行冲突预测概率计算，包括以下步骤：

3.1)对在车道上行驶的车辆的位置、速度进行分段取样，在采样时间内，车辆的位置和速度发生改变，同时车辆的位置对应的隐含态也将随之改变，从当前的位置到目的地位置进行变迁，这一过程定义为汽车观测状态转移的过程；在HMM模型中，车辆的速度和位置，与不同的运动模式有关，所述运动模式有急加速、缓加速、稳态行驶、缓减速和急减速，而现实当中，运动模式难以直接观测，因此，将运动模式作为HMM模型的隐含态；

综上所述，构建基于观测态和隐含态的HMM模型，该HMM模型的表达式为：

λ＝(A,B,π,n,m)

其中，

π_i＝p(t_i),1≤i≤n

其中

其中B_jk＝p(k|t_j)

式中，λ表示一个五元组，HMM模型由状态转移概率矩阵A、混淆矩阵B、初始概率分布π、所设定的隐含态个数n以及在某一特定隐含态下所具有的观测状态个数m决定，因此，HMM模型用一个五元组λ来进行表示；π＝{π₁,π₂,...,π_i)表示HMM模型的初始概率分布；p(t_i)表示在系统时间T＝0时刻的出现隐含态i的初始概率，i表示各个隐含态，总共有n个隐含态，π_i表示在系统时间T＝0时刻的出现隐含态i的初始概率；A表示HMM模型中的状态转移矩阵；A矩阵中，t_j^T表示表示采样时间T时刻处于隐含状态i，t_j^T+1表示T+1时刻处于隐含状态j，表示从采样时间T时刻的隐含状态i到T+1时刻隐含状态j的转移概率，矩阵中的元素A_ij表示从采样时间T时刻的隐含状态i到T+1时刻隐含状态j的转移概率；将隐含态定义为行驶过程中不同的运动模式，B表示HMM模型中的混淆矩阵，矩阵的元素B_jk表示在隐含状态j出现时观察到观测态k的概率；序列中每一个隐态都会与一个观测态相对应；观测态对应的是不同的运动模式下，该车在车道上会到达不同的位置，即栅格；n表示所设定的隐含态的个数，其最大值随建模时所设的隐含态个数而改变；m表示隐马尔科夫算法在某一特定隐含态下所具有的观测状态的个数；

3.2)确定HMM模型参数数值，采用EM算法，计算可能性最大的模型参数；

3.2.1)π由EM算法中对拉格朗日函数中的π_i求偏导得到，即：

式中：事先给定在0到T时刻内的观测序列O＝(o₁,o₂，...,o_T)，隐藏序列I＝(i₁,i₂,...i_T)，其中o_T表示每个时刻的观测状态结果，i_T表示每个时刻的隐含状态结果；π_i表示在系统时间T＝0时刻的出现隐含态i的初始概率；为HMM模型参数的当前估计值；表示O和I联合出现的概率；表示观测序列O在给定HMM模型参数值后出现的条件概率；

3.2.2)A矩阵元素中A_ij的迭代计算

式中，为HMM模型参数的当前估计值；事先给定在0到T时刻内的观测序列O＝(o₁,o₂，...,o_T)，隐藏序列I＝(i₁,i₂,...i_T)，其中o_T表示每个时刻的观测状态结果，i_T表示每个时刻的隐含状态结果；A_ij表示从采样时间T时刻的隐含状态i到T+1时刻隐含状态j的转移概率；表示在给定HMM模型参数下，上一时刻隐含状态为i和下一时刻隐含态为j，出现观测序列O＝(o₁,o₂，...,o_T)的概率；表示在给定HMM模型参数下，隐含状态为i，出现观测序列O＝(o₁,o₂，...,o_T)的概率；

3.2.3)B矩阵元素中B_jk的迭代计算

式中：为HMM模型参数的当前估计值；事先给定在0到T时刻内的观测序列O＝(o₁,o₂，...,o_T)，隐藏序列I＝(i₁,i₂,...i_T)，其中o_T表示每个时刻的观测状态结果，i_T表示每个时刻的隐含状态结果；表示在给定HMM模型参数下，隐含状态为i，出现观测序列O＝(o₁,o₂，...,o_T)的概率；I(o_n＝k)为判定因子，当且仅当观测状态o_n为k时为1，否则为0；

通过以上计算，能够得到当前汽车的HMM模型参数λ＝(π,A,B,n,m)；

4)根据前向算法输出的结果进行分析，计算出t时刻后目标车辆和周围车辆的相对位移D_i，D_i＝(L_i-L₁)，式中，D_i为目标车辆与周边车辆在t时刻的相对位移，L_i为周围车辆在0～t时段内的纵向位移，L₁为目标车辆在0～t时段内的纵向位移，t为预测时间区间；

5)换道碰撞条件判别：根据各车辆初始位置、运动状态以及预测信息，计算t时间后目标车辆与周围车辆的相对位置，确定碰撞临界位置，从而推导碰撞概率P_H，P_H为各个栅格处计算所得预测碰撞概率之和；

6)利用Matlab对前向算法进行编程实现，将目标车辆和周围车辆t时刻到达各个栅格的概率分布用热力图进行可视化输出，定义P_t为碰撞预警概率阈值，若P_HP_t，则不予预警，若P_HP_t，则利用车辆人机交互系统对驾驶员进行预警，以达到换道碰撞预测的目的。