交叉口环境下的智能网联汽车危险状态研究

摘 要：道路交叉口的交通安全问题是世界各国面临的共同难题。车联网和智能网联驾驶汽车技术的飞速发展为解决交通安全问题提供了新的机会。本文旨在通过分析车联网环境下车辆简化模型和事故冲突类型，以碰撞时间（Time to Collision）为评价指标，建立时空冲突结合的智能网联汽车危险状态表示方法，通过设置修正系数改正模型，并且利用仿真模型对修正前后的结果进行对比，结果表明修正后的模型对车辆危险状态的表示更加符合实际情况。

关键词：智能网联；交叉口；时空冲突；危险状态

中图分类号：U491.23 文献标识码：A 文章编号：1671-2064（2017）07-0020-04

Abstract：Intersection traffic safety issues are common problems in the world. The sharping development of Internet of Vehicle and Intelligent Connected Vehicle provided a brand-new technology to solve traffic safety problems. A viable model was proposed to depict the risk status of vehicles at the intersections. Simplified model was analyzed and accident condition categories of connected vehicles with wireless networks to build the system of evaluating indicator with Time to Collision. Moreover， a method was proposed to describe the temporal-spatial conflict by setting the correction parameter. What's more， comparing the simulation models on amendment before and after which shows the amendment one is more correspond to the reality dangerous state of vehicles at the intersection.

Key words：Intelligent and Connected； Intersection； Temporal-spatial conflict； Risk status

1 研究背景

道路交叉口的交通安全题是世界各国面临的共同难题。针对交叉口安全问题的研究主要集中于人、车、路、环境等交通影响因素及其与交通事故的关系分析方面，并以此为依据改善道路设计、加强交通管控措施等，或者在车辆上安装主被动型安全装置来提高行车安全，但这些传统的道路设计、交通控制和管理技术只能在一定程度上减少交通流的冲突数或降低冲突的严重程度，并不能有效的防止交通事故的发生，无法达到交叉口安全效益最优，更难以从本质上解决交通问题。尤其是对于无信号灯控制的交叉口，虽然国家有一部分针对无信号灯控制交叉口的让行通过的法律法规，但在复杂的交通环境下，无信号灯控制的交叉口仍呈现无序状态，其安全水平低于有信号灯控制交叉口。

车联网和智能网联驾驶汽车的发展为解决交通安全问题提供了新的机会。车联网能够实现车路协同系统，通过采集车辆的信息，经过服务器整理分析，为车辆提供安全可靠的服务。对于提高行车安全、缓解交通拥堵以及未来的节能减排都具有重大的意义。随着无线技术的发展，网络通信能力的增强大幅度的提升了整个系统的实时性。也使得安全预警成为可能。本文在分析道路交叉口冲突的基础上，以车辆与冲突区域之间的碰撞时间作为依据，提出一种时空冲突结合的车辆危险状态表示方法。

2 研究方法

2.1 车辆简化模型分析

对于车辆在道路交叉口发生冲突的分析中，通常将车辆视为质点、矩形及圆形或椭圆形。在文献[1]中，作者提出一套车辆协同碰撞预警系统，将车辆看作质点，利用车辆的位置、速度、航向等信息计算车辆在未来可能发生冲突的位置。在文献[2]中，作者将车辆看作质点，利用最接近点法（Closest Point of Approach），计算两辆车在通过交叉口时的最小相对距离，以此作为判断车辆安全的依据。

在文献[3]中，将车辆看作以车辆对角线为直径的圆模型，计算车辆之间的距离，分析车辆的碰撞时间，提出冲突消解算法。

在实际交通运行环境中，如果只计算质点之间的距离，在冲突检测方面会造成较大的误差。CPA最接近点方法通常在航海中使用，用于船舶对周边船舶位置及速度的获取，并且通过该方法确定船舶行驶是否存在危险。由于船舶的尺寸对于海洋航行来说可以忽略不计。另外，航海时没有像陆地一样的典型十字交叉口，所以需要方位角及航向确定位置，以及速度向量判断危险。将车辆看作圆形一是因为质点计算存在误差，二是因为将车辆看作矩形计算复杂，三是因为车辆在行驶过程中存在一定的安全区域。因此，本文中将车辆看作矩形进行计算。首先与质点方法相比，将车辆看作矩形计算更加准确，也能够更加清楚的描述车辆之间的相对位置关系。另外，与圆形方法相比，主要是从预警的角度考虑，对于预警的依据分析需要更加准确的车辆相对位置的描述，而且如果预警的效果使车辆能够在临界位置停下，即是避免了现实运行环境中的交通事故。

2.2 碰撞时间（Time to Collision TTC）

对于一维交通，也就是车辆在同方向上行驶的交通环境，车辆之间的关系可以通过相对距离和相对速度进行表示；而对于二维交通，也就是在道路交叉口处，车辆之间还存在行驶方向，转向等因素影响，造成的冲突以及事故种类也较多，因此，需要提出更符合实际的碰撞时间计算方法，更合理的表示危险程度。以典型的双向两车道道路交叉口为例进行说明。假设双向四车道交叉口，不同方向上两辆直行的车辆通过交叉口。如图1所示。

图中红色区域为冲突区域。A车由西向东行驶，B车由南向北行驶。两辆车的碰撞时间（TTC）的差值决定了是否存在冲突，对于碰撞来说，是一个二值问题，即碰撞或者没有碰撞。如果将车辆看做质点，那么当两个质点同时运动到某一点时，也就是两个质点的TTC相同，则认为此时质点之间存在冲突。而如果将车辆看作矩形，车辆在冲突区域会发生下面几种方式的碰撞。

1）两辆车几乎同时到达冲突区域，如图2（a）所示，车辆A的右前点和车辆B的左前点在冲突区域接触，两辆车发生碰撞。

2）车辆A首先进入冲突区域，在未通过冲突区域时，车辆B到达冲突区域，两辆车发生侧碰。如图2（b）所示。

3）车辆B首先进入冲突区域，在未离开冲突区域时，车辆A到达，两辆车发生侧碰。如图2（c）所示。

对于车辆A，存在

（1）

（2）

其中，tA1，tA2分别是车辆A车头到达冲突区域前和车尾离开冲突区域的时间。dA为车辆距离冲突区域前沿的距离，KB为车辆B的宽度，LA为车辆A的长度。

同理对车辆B有：

（3）

（4）

其中，tB1，tB2分别是车辆B车头到达冲突区域前和车尾离开冲突区域的时间。dB为车辆距离冲突区域前沿的距离，KA为车辆A的宽度，LB为车辆B的长度。

2.3 危险状态表示方法

基于对车辆通过冲突区域时间的分析，由于此时车辆在交叉口处并不是质点，而是将车辆作为矩形考虑。因此，如果其中一辆车的到达时间正好处于另外一辆车到达时间与离开时间组成的区间内时，说明此时如果两车保持当前运行状态不变的话，未来就可能同时出现在冲突区域，发生碰撞事故。以A车为例，P（A）表示A车发生碰撞事故的概率，有

（5）

当时，A车的到达时间越接近阈值区间的下边界，或者A车的离开时间越接近阈值区间的上边界，车辆发生碰撞事故的概率越大。发生事故的概率计算如下：

（6）

由于车辆的制动距离与驾驶员的反应时间、制动减速度等因素有关，因此，本文选取车辆的安全制动距离作为距离计算的临界点。假设车辆面对可能存在的事故时只能以减速制动的方式进行避让，那么，当车辆与冲突区域的距离小于车辆的安全制动距离时，车辆即使以最大的减速度进行减速，也无法在冲突区域前停下，因此无法避让事故。也就是对于由时间参数计算得到的事故发生概率在不同的距离下对于不同的驾驶员紧急程度不同。根据上述关系，建立修正系数β表示当前碰撞事故发生的概率对于驾驶员的紧急程度，对危险状态识别方法进行改进。如图3所示，dA为车辆距离冲突区域的实际距离，而dAS为车辆的安全制动距离，定义修正系数β的计算方法如下：

（7）

（8）

其中，td为驾驶员的反应时间，amax为车辆的最大减速度。

根据制动距离，驾驶员的反应时间和速度之间的关系建立的修正系数能够弥补式6计算碰撞事故概率时对距离因素的忽略，而制动距离的计算与车速及驾驶员的反应时间有关，因此修正系数能够表示相同的距离对于不同的驾驶员所引起的紧急程度不同。

从上述分析可知，利用安全制动距离、车速和驾驶员反应时间得到的修正系数能够较好的反映车辆状态与事故发生紧急程度之间的关系。因此，合并式7和式8，得到在交叉口场景下车辆危险状态识别方法如下：

当tA1∈[tB1 tB2]时，

（9）

当tA1[tB1 tB2]时，

（10）

并且

（11）

3 数据分析

利用MATLAB对两辆车以不同方向直行通过交叉口的交通场景进行仿真。其中，仿真实验能够根据两辆车的外观尺寸计算冲突区域的位置及大小。在仿真实验中，系统可以对车辆距离冲突区域的初始位置、车辆的初速度、驾驶员的反应时间以及车辆的最大制动减速度进行设置。在仿真过程中，车辆的运动模型采用随机加速与随机慢化相结合的混合模型，主要规则如下：

加速：在车速未达到最高车速时，车辆进行加速，加速度由正常加速度范围内随机得到，当车辆达到最高车速时，车辆保持最高车速行驶；

随机慢化：表示车辆在运行过程中可能遇到的不确定状态，通过减速操作进行应对，仿真过程中车辆会以一定的慢化概率进行减速，减速度由正常减速度范围内随机得到。本文采取固定的随机慢化概率。表1中为仿真过程中具体参数的设置。

利用不同的初始速及位置对上述交叉口处车辆危险状态的识别方法进行分析。由于篇幅限制，本节只列出部分仿真结果。图4、图5所示分别为仿真实验中车速及车辆与冲突区域之间的距离的变化，由图中看出，车辆在加速到最高车速后经历了随机慢化过程，因此，速度曲线有波动，而车辆与冲突区域之间的距离逐渐减小。由于是分析车辆状态与事故发生概率之间的关系，因此，车辆在行驶过程中不存在遭遇冲突的紧急制动情况，存在上述情况的计算方法有待于进一步进行研究。

图6所示为利用修正系数β对碰撞事故概率计算方法进行修正前后的计算结果对比。由图中观察得到，修正前的计算结果随着车辆与冲突区域的距离越来越近，呈现先平稳后增加的趋势。在距离较远时，发生碰撞事故的概率非常小，这一阶段符合实际情况。但是，在与冲突区域仍有较远距离时（>200米），此时计算得到的碰撞事故发生概率突然增大，这并不符合实际情况，造成这一误差的原因是计算概率时只考虑时间冲突区域，而没有考虑到空间冲突的影响。因此，此结果在表示车辆危险状态时存在较大的误差，并不能作为对驾驶员进行安全预警的依据。而修正后的结果同样表现为先平稳后增加。在距离较远时，事故发生概率非常小，随着距离逐渐减小，事故发生概率以较平缓的速度增加，当距离接近冲突区域时，发生碰撞事故的概率突然增大，表示此时车辆非常容易发生碰撞事故，处于紧急的危险状态。曲线表示的整个过程符合实际情况。

图7、图8、图9中所示为不同初始条件（初始车速A车为30km/h，B车为20km/h；初始位置两车距离冲突区域均为1000m）下的车速、位置及结果对比图。结果表明本研究提出的危险状态识别方法比修正前的算法更符合实际情况。

4 结语

道路交叉口的交通安全问题是世界各国面临的共同难题。车联网和智能网联驾驶汽车技术的飞速发展为解决交通安全问题提供了新的机会。本文旨在通过分析车联网环境下车辆简化模型和事故冲突类型，以碰撞时间（Time to Collision）为评价指标，建立时空冲突结合的智能网联汽车危险状态表示方法，通过设置修正系数改正模型，并且利用仿真模型对修正前后的结果进行对比，结果表明修正后的模型对车辆危险状态的表示更加符合实际情况。

参考文献

[1]Ronald Miller， Qingfeng Huang. An adaptive peer-to-peer collision warning system. IEEE Vehicle Technology Conference，2002.

[2]Chung-Ming Huang， Shih-Yang Lin， Chia-Ching Yang， Chih-Hsun Chou. A Collision Pre-warning algorithm based on v2v communication. Proceedings of the 4th International Conference on Ubiquitous Information Technologies and Applications，2009.

[3]俄文娟.无信号交叉口车车冲突检测与消解算法研究[M].吉林大学，2012.