[发明专利]基于高精度定位的V2X碰撞预警实车测试系统及方法

说明书

本发明属于车联网领域，特别涉及一种基于高精度定位的V2X碰撞预警实车测试系统及方法，该系统包括：待测车辆：搭载V2X模块、通讯模块和高精度定位模块；目标车辆：搭载V2X模块、通讯模块和高精度定位模块，V2X模块和高精度定位模块均与通讯模块连接；上位机：用于对通讯模块发送的待测车辆数据和目标车辆数据进行分析，判断测试是否合格。通过待测车辆和目标车辆这样的实车与上位机连接组成测试系统，并运用相应的测试方法，能够真实可靠地获取车辆测试数据，并获得真实可靠的测试结果，相比于现有技术中通过仿真软件搭建仿真场景进行测试的方法，能够提高V2X测试的真实性，同时能测试发现V2X应用与实车测试可能出现的兼容性等问题。

技术领域

本发明属于车联网领域，特别涉及一种碰撞预警实车测试系统及方法。

背景技术

随着经济与社会的快速发展，人民生活水平的日益提高，我国机动车保有量正在迅速增加。根据最新数据，截至2018年底，我国机动车保有量已达3.27亿，机动车驾驶人数首次突破4亿，达到4.09亿。伴随着机动车数量的快速增长，交通事故的发生也愈加频繁。仅2018年我国就发生交通事故24.5万起，死亡63194人，造成直接财产损失为13.8亿元。其中，发生在交叉路口处的交通事故约占交通事故总数的50％。因此，如何及时发现车辆在交叉路口处的碰撞风险并预警，成了当前智能交通领域亟需解决的一个热点问题。

车联网技术是物联网在智能交通领域的应用，是以车内网、车际网和车载自组网为基础，依照约定的通信协议和数据交互标准，通过完成车与车、车与网络间的无线通信和信息交互，实现对交通的智能管理和控制的一体化网络。其特征可以总结为全面感知、可靠传输和智能处理。车辆通过车载传感器感知运行状态信息，并通过车与车、车与路侧设备之间的链接通路将信息传递给其他车辆，使得每辆车都能实时收到周围车辆的信息。相比于通过雷达、红外线进行感知的传统探测技术，基于车联网的感知技术具有性能稳定，不易受天气，电磁等外部环境影响的特点。车联网技术的出现，为解决交叉路口处的车辆碰撞问题提供了新的解决思路。

针对车辆在交叉路口处的碰撞预警通常分为两步：第一步是对车辆的行驶轨迹和状态进行预测，第二步是根据先前的预测结果判断车辆之间的碰撞风险并做出相应的决策。现有的车辆行驶轨迹预测方法主要分为基于运动学模型和基于机器学习两大类。基于运动学模型的轨迹预测方法可以在短期预测中取得了较高的精度，但由于车辆行驶受诸如驾驶员特性、交通状况等不确定因素影响，并呈现出复杂且不规则的曲线形态，单一的运动学模型很难达到理想的预测效果。所以，基于运动学的轨迹预测方法只能进行短期预测，其预测时间范围不超过1s。一旦超过这个时间范围，轨迹预测便会产生较大的误差。同时，基于机器学习的车辆轨迹预测方法计算复杂度高，无法综合考虑多种组合因素的影响且需要人工设定部分运算参数，一旦参数设置不当则会影响轨迹预测精度。因此，无论是基于运动学模型的车辆轨迹预测还是基于机器学习的车辆轨迹预测，交通场景的复杂性和驾驶员驾驶风格的多样性都使得轨迹预测充满不确定因素，进而会影响到碰撞预警系统的性能。

针对上述情况，现有技术公开了一种基于车联网环境系统的交叉路口处车辆碰撞预警方法。远程服务中心首先判断当前时刻第一车辆、第二车辆是否均在同一路口范围内且均驶向路口；若是则远程服务中心通过优化后第一车辆LSTM神经网络预测得到当前时刻第一车辆预测批次样本，通过优化后第二车辆LSTM神经网络预测得到当前时刻第二车辆预测批次样本，并据此结合碰撞风险计算模型计算得到碰撞风险时间序列，然后将碰撞风险时间序列每个序列值与风险阈值比较，若碰撞风险大于风险阈值，则远程服务中心控制第一车辆和第二车辆减速行驶以规避碰撞风险。

上述技术虽然能够解决现有预测方法用到的运动学模型和基于机器学习存在的问题，但是其仍然停留在仿真测试的层面，即基于仿真软件搭建仿真场景，并在仿真场景中搭建测试车辆的动力学模型，并设置相关V2X算法，基于仿真场景进行V2X的算法测试。所以，仍然会存在仿真测试不能落实到实车上的问题，与真实的场景相比也存在真实性、可靠性方面的问题。

发明内容