基于V2P的避撞算法研究

发布时间：2020-09-30 00:11

　　汽车保有量的急剧增加导致交通事故频发,其中车辆与行人之间的事故尤为严重。国内外学者专家对于车辆与行人之间的避撞和安全预警已做了大量研究,但这些研究较少考虑到不同驾驶员自身对车辆控制能力及不同行人之间的差异。为此,论文研究驾驶员的行为并对驾驶员的综合素质做出以安全为主的优劣等级评判,同时选取交通路口为特定场景,针对不同类型的驾驶员与行人,研究了一种基于博弈论的人车避撞算法。工作内容具体如下:1.基于CAN总线信息的驾驶员综合素质评判方法研究。研究中,开发了实时的车载CAN数据信息采集平台,并建立了以行车安全性为主,乘车舒适度和车辆油耗度为辅的评判驾驶员综合素质的模型。首先,从CAN总线信息中选取评判参数构建驾驶员综合素质的评判体系,并用熵权法结合向量范数修正模糊层次分析法,求取各个评判参数的权重;其次,运用模糊理论建立各个评判参数的隶属度函数,求取模糊评判矩阵;最后,结合最大隶属度原则分等级评判驾驶员的综合素质。实测数据实验证明:该模型能够准确评判驾驶员的综合素质,并提醒驾驶员改善驾驶行为。2.路口场景下的V2P避撞算法研究。选取无信号灯路口为特定场景,研究了一种基于博弈论的V2P避撞算法,该算法给予不同类型车辆和行人最优的通行策略避免碰撞。首先,将车辆与行人在路口的穿插延误支付、碰撞风险支付量化,建立车辆与行人的交通博弈模型;其次,引入车辆的交通奖罚支付改进了博弈模型,通过设定实验环境参数仿真,对比分析改进前后博弈模型的结果,证明了所研究的避撞算法引入交通奖罚支付后,提高了车辆对行人的让行率;最后,借鉴病毒传播模型的思想,分析交通参与人的违章行为,数值模拟仿真进一步证明了避撞算法中引入交通奖罚的必要性。本研究为今后车辆与过街行人避撞系统的开发提供了理论上的参考。
【学位单位】：重庆邮电大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：U491
【部分图文】：

驾驶员行为,研究体系,驾驶行为

1.2 国内外研究现状1.2.1 驾驶员行为研究现状驾驶员行为研究不仅内容杂、思路广，而且对实验环境、数据的准确性要求较高，且涉及生理、心理学等诸多领域。在国外，实验基础设施相对完备，对驾驶行为的研究已经做了许多探索，如驾驶行为状态检测，意图识别等；在国内，过去由于实验基础设施不够完备，驾驶行为研究起步较晚，所做的研究主要是针对驾驶行为仿真建模。但近几年，研究驾驶员行为的实验平台陆续搭建[9]，关于对驾驶员行为的分析也迅速成为了研究的焦点。目前，热点主要集中在驾驶意图的识别和驾驶状态的监测两方面[10-13]，驾驶员行为研究体系如下图 1.2 所示。

行人,动态实体,运动模型,车辆

图 1.3 人车混行运动模型研究现状动模型的研究主要包括车辆本身的运动状态和 1.2.1 节所研究。文献[31]中将车辆的运动模型分为三个层次：基于为的运动模型和基于交互感知的运动模型。基于物理的运理定律控制的动态实体，利用物理属性预估车辆状态短时动模型将车辆表示为独立的动态实体，根据车辆的历史轨车辆的运行状态进行长期的预测；基于交互感知的运动模中彼此交互的动态实体，结合实时的道路交通情况来研究人的思维起伏和选择路径的随意性，行人的运动模式一直研究点主要集中在行人检测和行人轨迹预测两方面[32-36]。作环境下的快速行人检测和动态跟踪方法，选定 Haar-lik练以检测行人，再结合扩展卡尔曼滤波连续自适应均

数据,蓝牙,传感器,汽车诊断

信息采集系统中以 CAN 总线协议为基础，使用数据采集模块 Openxc-vi(OpenXC Vehicle Interface，Openxc-vi)和 GPS 传感器取代多种悬挂式传感器，硬件平台的总体设计框架如图2.1所示。平台中，Android 4.0版本以上的手机与Openxc-vi模块和蓝牙传感器均采用蓝牙无线连接，而 Openxc-vi 与汽车诊断口 2(On-BoardDiagnostic 2，OBD Ⅱ)连接。Openxc-viCAN总线接口OBDⅡGPS 传感器图 2.1 数据采集系统平台框架1. Openxc-vi 模块Openxc-vi 是一个“Dongle”式的数据采集模块，如图 2.2 所示，采用了 ARMCortex-M3 微控制器（恩智浦的 LPC1769）为核心单元，控制着电源、时钟、CAN总线接口、蓝牙和 USB 五个电路模块。Openxc-vi 就像车辆应用程序的接口，将其直接插到车辆 OBD Ⅱ口

【参考文献】