[发明专利]非信控交叉口安全预警和管控方法和系统

说明书

本发明提供非信控交叉口安全预警和管控方法和系统，采用毫米波雷达和激光雷达获取目标的状态；对获取的目标的状态进行修正，获取修正后的目标的状态；利用修正后的目标的状态训练获得优化后的预警模型，所述预警模型用于预测目标的最佳预警位置；利用预警模型确定目标的最佳预警位置并根据目标的最佳预警位置发出预警信号。本发明将应用于无人驾驶领域的雷达、激光传感器等多种传感器及多元感知融合技术创新应用于非信控交叉口，与市面上现有产品相比，适配性、精度得到极大提升；同时，在保证系统完整功能的同时，大幅提升产品安全性能。

技术领域

本发明涉及非信控交叉口安全预警和管控系统，属于控制系统和通信技术领域。

背景技术

路交叉口作为交通的必要组成部分，是构建路网的重要节点，其承载交通，将道路连接。随着经济的发展、车辆保有量的提升，城市道路交叉路口及其附近地区交通事故发生概率高达60％，乡镇地区该占比更高。如何降低非信控交叉口的安全风险，减少交通事故的发生，是需要解决的技术问题。

在无人驾驶飞速发展的背景下，多传感器应用及多元感知融合技术得到初步尝试，且收到良好成效。但该技术在路口安全产品领域未见合理有效的应用。现有针对非信控交叉口的行业内已采用的一些解决方案，往往仅采用单一感知设备，检测精度、适用场景受到限制，通常仅仅针对单个场景解决点对点的问题，适配性不足，从而带来无法灵活适应不同场景(城市、国道等)、不同环境因素(如车辆、天气、道路状况等)下的问题。同时，现有产品体系化建设考虑不足，与后端的联动、分析不足，未高效利用检测数据资源。

发明内容

本发明旨在提高交叉口安全预警精度，降低非信控交叉口的安全风险，减少交通事故的发生，为实现该技术目的，本发明采用以下技术方案。

一方面，本发明提供非信控交叉口安全预警和管控方法，包括：

采用毫米波雷达和激光雷达获取目标的状态；对获取的目标的状态进行修正，获取修正后的目标的状态；

利用修正后的目标的状态训练获得优化后的预警模型，所述预警模型用于预测目标的最佳预警位置；

利用预警模型确定目标的最佳预警位置并根据目标的最佳预警位置发出预警信号。

进一步地，对获取的目标的状态进行修正的方法具体包括以下步骤：

分别对于激光雷达以及毫米波雷达获取目标的状态进行初始化；

分别确定激光雷达以及毫米波雷达检测到的目标随时间变化的状态中不确定性程度；

利用卡尔曼滤波方法，根据激光雷达检测到的目标随时间变化的状态中不确定性程度对激光雷达感知的目标的状态进行修正获得修正后的目标的状态；

利用扩展卡尔曼滤波方法，根据毫米波雷达检测到的目标随时间变化的状态中不确定性程度对毫米波雷达感知的目标的状态进行修正获得修正后的目标的状态；

对于激光雷达以及毫米波雷达检测到的目标修正后状态趋同，则最终确定修正后的目标的状态。

进一步地，所述预警模型采用粒子群算法与BP神经网络相结合的模型，所述模型的训练方法如下：

第一阶段：将输入的选定交叉路口历史的目标状态从BP神经网络的输入层经过隐层逐层计算，得到输出层各节点的输出值，进而求得输出层的均方差；

第二阶段：将BP神经网络的输出层的均方差作为PSO算法中粒子的适应值；利用PSO算法，从该类交叉口的所有历史数据中，寻找到针对该类交叉口的全局最优解，使得均方差值最小，就为该类路口的最佳预警方案。

再进一步地，PSO算法的执行步骤如下：

将该类交叉口历史的目标位置与速度信息进行如下表示：