基于RTSSEP试验平台的车辆避障准确度模型仿真

基于RTSSEP试验平台的车辆避障准确度模型仿真

张良力;吴超仲;吴青

【摘要】分析了当前车辆避碰系统传感器端在对障碍物信息进行检测时,易受到道路交通环境因素干扰而产生虚报、漏报现象的原因,对车载传感器检测到的障碍物信息进行了性质归类.在此基础上介绍了车辆避障准确度模型.采用蒙特卡罗方法模拟车辆在运行过程中的碰撞判定,并依此对模型的仿真算法进行了设计.整个仿真试验在室内道路交通系统仿真试验平台(RTSSEP)上实施,结果表明仿真方法能有效模拟障碍物信息准确度模型的执行过程,可为进一步开展建模研究提供信息依据.【期刊名称】《交通运输系统工程与信息》

【年(卷),期】2010(010)001

【总页数】5页(P67-71)

【关键词】智能交通;车辆避碰系统;准确度模型;信息检测;仿真方法;试验平台【作者】张良力;吴超仲;吴青

【作者单位】武汉理工大学智能运输系统研究中心,武汉,430063;武汉理工大学水路公路交通安全控制与装备教育部工程研究中心,武汉,430063;武汉理工大学智能运输系统研究中心,武汉,430063;武汉理工大学水路公路交通安全控制与装备教育部工程研究中心,武汉,430063;武汉理工大学物流工程学院,武汉,430063

【正文语种】中文

【中图分类】U491

1 引言

为了最大限度地保障驾驶者安全,部分机动车辆目前配备了车辆避碰系统,其主要目的是为了提高车辆自主检测及避让障碍物的能力.在现行的车辆避碰系统中,障碍物信息检测主要采用了激光、红外线[1]、超声波[2]和毫米波雷达[3]等检测技术.由于道路交通环境中存在着电磁干扰或光照强度时变等对障碍物信息采集不利的情形,车载传感器会产生虚报或漏报的现象,任何不可靠的障碍物信息都有可能导致车辆避碰决策失误.因此车辆避碰系统在已选用检测精度高、抗干扰能力强的车载传感器的前提下,还需对检测到的障碍物信息或其滤波结果进行准确度评估,保障车辆避碰系统决策模块得到准确的输入信息.

从信息融合层次结构角度划分,障碍物信息准确度模型属于特征级信息融合模型.目前国内外相关领域的研究大多将其与其它层次的融合模型相结合[4,5],模型仿真验证研究方面亦是如此.本文提到的障碍物信息准确度模型与仿真研究则是依据特征级信息融合模型特点进行展开,即对车辆避碰系统数据级和决策级模型相关输入输出作出了前提假定.为解决障碍物信息准确度建模与仿真(Modeling and Simulation,M&S)信息采集问题,笔者所在课题组研制了道路交通系统仿真试验平台(Road Transport System Simulation and Experiment Platform,RTSSEP).本文涉及的模型仿真数据信息均来源于该平台.

2 传感器端信息分析及对策

利用奈曼-皮尔逊准则[6]对车载传感器端采集的信息作如下归类:

(a)车辆实际无碰撞可能,经传感器检测得出无碰撞危险,事件概率记为P00;

(b)车辆实际无碰撞可能,而经传感器检测得出有碰撞危险,出现虚报警情况,事件概率记为P01;

(c)车辆实际有碰撞可能,而经传感器检测得出无碰撞危险,出现漏报警情况,事件概率

记为P10;

(d)车辆实际有碰撞可能,经传感器检测得出有碰撞危险,事件概率记为P11.

由上述分类可推知:在不经过准确度评估的前提下,车辆单纯依靠传感器在某时刻检测出前方是否有碰撞危险将是一个概率事件.即使试验过程中对传感器值进行测算和标定,在任意时刻直接读取传感器得出的结果将不确定.从脱离对传感器完全依赖角度出发,若车辆在感知障碍物信息的同时,能依据自身及障碍物周边的危险程度分布情况,对传感器端采集的信息或滤波结果进行特征匹配,随即对障碍物信息的准确程度作出评估,然后供避碰决策模块使用,可提高避碰系统的可靠程度.

3 障碍物信息准确度模型

设表征车辆在时刻 t与障碍物之间位置关系Vt包含3个状态自变量 xt、yt、ht,分别代表 t时刻车辆与障碍物在同一坐标系中的横向位置偏差、纵向位置偏差和航向角偏差.设T为Vt更新时间步长,取值介于车辆避碰系统计算周期以及用于避碰动作的最小时长之间.则t时刻车辆对障碍物的位置感知为;在此前提下,车辆碰撞判定函数定义为当C(◦)为0时表示车辆不会发生碰撞,为1时车辆会发生碰撞.引进作为准确度模型补充变量之一.在试验条件下,对只需遇险警告的避碰系统可建立危险可能分布函数p(Vt|W0:t)来表征车辆当前的危险分布;如需要对车辆运行进行干预,则还需建立p(Vt:t+T|W0:t)对T时间内的碰撞危险分布进行预测.将车辆碰撞判定函数定义为H0:C(Vt:t+T)=0以及H1:C(Vt:t+T)=1,车载传感器在t时刻检测到引发碰撞的外部障碍物信息准确度模型[7]为

将此比值作为准确度调节阈值,可比对决定车辆在运行过程中的准确度.以恒定虚报警概率P′01作为约束条件求得其它P′ij(i,j∈ {0,1}),P′01为 P(B(W0:t)＞ζ|H0);经传感器检测得出C(Vt:t+T)=1即表示车辆有碰撞可能的概率P′11为 P(B(W0:t)＞ξ|H1).当ξ为1时,可将车辆避碰系统传感器端在运行时采集信息的漏检和误检概

率降在最低限度.

对于不同类型的车辆避碰系统,其调节阈值ξ因系统对信息的漏检或误检的要求不同而差别很大.为消除以上差异,实现车辆避碰系统各功能的无缝切换,利用贝叶斯风险价值理论对式(1)进行改写

式中cij(i,j∈{0,1})为碰撞风险价值系数,其中c00、c11对应于上述奈曼-皮尔逊准则中的(a)与(c),c10、c01对应于(d)与(b).在存在漏检或误检前提下对传感器端采集的信息进行分析可考虑将c00与c11置0,即仅考虑错误信息对障碍物信息准确度影响[7].

4 准确度模型仿真方法

由于车辆对可能造成碰撞的障碍物在t时刻的状态无法知晓,C(Vt:t+T)在很大程度上表现为非线性状态方程,利用样本随机数或模拟样本随机数进行统计试验或模型验证.首先,针对干扰车载传感器信息采集的噪声选择使用某种滤波方法建立碰撞危险可能分布函数p(Vt|W0:t),根据噪声呈现的线性、高斯性分布选择使用卡尔曼滤波或粒子滤波方法进行滤波和预测[8].其次,从 p(Vt|W0:t)选取若干样本

Vti(i=1,2,…,N).再次,根据样本Vti(i=1,2,…,N)随机模拟Vti:ti+T并代入车辆碰撞判定函数.最后,计算蒙特卡罗均值.假设可能会造成碰撞的蒙特卡罗均值为

相应的,未造成碰撞的蒙特卡罗均值则为

将上述两个均值代入车辆避碰系统障碍物准确度模型式(2)中进行比对,有

若两者比值即则认定车辆会发生碰撞;若0＜B(W0:t)＜1,则认定车辆不会发生碰撞.符号右边部分中 P(H1)、P(H0)分别为车辆发生碰撞和不发生碰撞的先验概率,其值