[发明专利]一种基于风险动态平衡的车辆跟驰模型

说明书

本发明公开了一种基于风险动态平衡的车辆跟驰模型，用于拟合车辆跟驰运动过程，并能为自适应巡航控制系统和自动驾驶系统的车辆跟驰系统提供理论基础和算法支持。本发明基于前车运动状态构建前车纵向风险场，通过考虑后车在前车风险场中的位置，量化跟驰过程中后车承受的风险值，并基于风险动态平衡理论计算后车的驾驶行为，进而构建了一种基于风险动态平衡理论的车辆跟驰模型。与已有模型相比，本发明量化了跟驰过程中后车承受的风险值。并且，基于风险动态平衡理论构建的跟驰模型能够有效的解释跟驰行为。同时，本发明能够以较高的精度拟合跟驰过程，且与GHR等模型相比，能够有效拟合车辆的停车起步过程。

技术领域

本发明涉及交通安全领域，特别是一种基于风险动态平衡的车辆跟驰模型。

背景技术

近年来，随着我国汽车产业及运输业的快速发展，我国道路交通安全面临着严峻的挑战。已有数据表明，追尾事故占高速公路交通事故总数的30％左右，是高速公路交通事故的主要类型。同时也有研究表明80％以上的交通事故是由于驾驶人的不当行为造成的。而车辆跟驰模型可以揭示车辆跟驰的机理，分析驾驶人行为造成的影响，同时也能为自适应巡航控制系统和自动驾驶系统的车辆跟驰系统提供理论基础和算法支持,避免由人因导致的追尾事故。因此，很多研究学者对车辆跟驰模型进行了一系列的研究。

在1953年，车辆跟驰的概念首先由Pipes提出。在此之后，Chandler等人提出了一种建立在驾驶人直觉驾驶基础上的刺激-反应车辆跟驰模型，模型把两车的相对速度作为唯一的刺激量。针对Chandler等人提出的跟驰模型忽视了车辆速度和车间距离两个因素的问题，Gazis等人把刺激参数从单一的相对速度延伸到速度、相对速度和相对车间距，提出了著名的GHR模型。随后，有一系列的学者对GHR模型进行了调整和优化。同时，随着刺激－反应理论的发展，1995年Bando等人又从另一个刺激角度提出了一个最优速度(optimalvelocity,OV)模型，模型任务驾驶人会会根据两车间距确定一个优化的速度目标，进而调整车速。Helbing和Tilch在OV模型的基础上考虑了两车的速度差，提出了广义力(Generalized Force,GF)跟车模型。针对GF模型中加减速速率不合理的情况，Jiang等人考虑了正负速度差，扩展了GF模型，并将该模型成为全速差(Full velocity difference,FVD)模型，该模型能够有效结合OV模型和GJ模型的优点。

然而，尽管大多数构建的车辆跟驰模型在确定的实际场景中能够有效模拟车辆跟驰行为，但是对车辆以某种方式进行跟驰的原因仍不清楚。进而，Wilde提出的风险动态平衡理论(Risk Homeostasis Theory,RHT)认为，驾驶人通过比较其期望风险与其驾驶行为带来的风险来改变其当前的驾驶行为。然而，虽然RHT能够有效的解释跟驰行为，但是如何量化跟驰过程中，后车驾驶人承受的风险是其应用于跟驰模型的关键问题。因此，本发明基于前车运动状态量化了前车纵向风险，构建了前车纵向风险场模型，通过考虑后车在前车纵向风险场中的位置，量化后车跟驰过程中承受的风险，并通过计算期望风险对应的位置计算后车跟驰行为，构建了一种基于风险动态平衡的车辆跟驰模型。

发明内容

针对现有模型存在的不足，本发明旨在提供一种能够量化跟驰过程中后车承受风险并以该风险确定后车跟驰行为的基于风险动态平衡的车辆跟驰模型，该模型具体包括如下步骤：

步骤1，基于车辆纵向风险场模型，结合前车运动状态，在平行于车辆的平面坐标系中构建前车纵向风险场；

步骤2，基于前车当前时刻运动状态完成预瞄时刻前车纵向风险场的预测；

步骤3，基于后车期望风险和通过步骤2获得的预瞄时刻前车纵向风险场确定后车期望风险对应位置；

步骤4，基于后车当前位置和通过步骤3获得的后车期望风险对应的位置计算后车加速度；

进一步地，步骤1所述的“前车纵向风险场”的构建是基于车辆纵向风险场模型，并将前车的位置和前车的速度代入其中：