车联网环境下多意图跟踪的车辆碰撞预警方法研究

In vehicular networks, realizing inter-vehicle collision warning by using V2V cooperation creates a new way for improving vehicle driving safety. However, when discarding the driving intentions, the present V2V based inter-vehicle collision warning systems often behaves a low performance with high false reports, which have no capability to adapt to the multi vehicles driving road. In what way to find the true intentions hidden behind the neighboring vehicles and to perceive the danger situation caused by the neighboring vehicles are becoming a key scientific issue, which should be resolved at first. For this purpose, the research proposes a new concept: relative intention, and correlates it with the inter-vehicle collision scenarios to discover the danger intentions and its evolving forms. And then, model the forms with temp-spatial features by using temp-spatial data analyzing techniques. Taking advantages of multidimensional time series analysis, Dynamic Bayesian Network (DBN) and quantum computation techniques, the research constructs recognition patterns for the danger intentions and designs a real-time recognition algorithm. Base on the output of the recognitions, the recognized danger intentions，vehicle status and vehicle locations are fused using D-S theory. By this way, the inter-vehicle collision warning mode is created. Finally, use the warning mode to track different target's driving intentions and predict the collisions that may occur. The whole research tries to propose a new approach to realize the inter-vehicle collision warning in vehicular networks, and to offer new ideas for ADAS development both in theory and practice. Besides, it will promote the application of V2V cooperation techniques.

车联网环境下利用车车协同实现车辆碰撞预警，为提升汽车行驶安全水平创造了新途径。然而，由于没有考虑驾驶意图方面的因素，现有基于车车协同的汽车碰撞预警方法存在实时性低、误报率高的问题，难以适应有多车行驶的复杂道路环境。如何发现其他车辆运行状态背后的真实意图，识别其对本车构成的危险影响，是需要解决的关键问题。因此，本项目提出"相对意图"概念，通过"相对意图"与碰撞场景的关联，研究危险意图的动态演化形式；利用时空轨迹数据分析法，建立危险意图的时空特征数据模型；利用多维时间序列分析、动态贝叶斯网络、量子计算等，建立危险意图的识别模型和快速求解方法；运用D-S证据理论对危险意图、车辆运动状态和位置信息进行融合，建立车辆碰撞预测模型；基于这一模型实现对多个目标车辆的意图跟踪和碰撞预测。本项目试图在车联网环境下提出汽车碰撞预警的新方法，在理论和实践上为安全辅助驾驶研究提供新思路，促进车车协同的应用和推广。

如何有效的防止汽车碰撞事故发生，提升道路车辆行驶安全性一直是汽车安全辅助驾驶领域的热点研究问题。很多情况下，车辆碰撞的发生是由于驾驶员不能及时和准确感知周边车辆行驶状态背后的真实意图，无法对危险做出有效的应急反应。车联网环境下的车车信息交互与信息共享技术为车辆之间了解行车意图创造了条件，为实现车辆防撞预警提供了新思路。本课题尝试在车联网环境下引入驾驶意图因素，为具有多车行驶的复杂道路交通环境下的汽车碰撞危险辨识和预警探索新方法。围绕基于车车状态信息交互的车辆主动安全应用需求，对车辆运动状态辨识与轨迹信息提取方法进行了研究，提出了基于嵌入多传感器融合的车辆状态估计方法，在保证一定辨识精度的要求下降低了信息感知成本。利用时序分析、因子分析和聚类方法对不同行车意图下的行为特征进行了分析和特征提取，建立了基于车辆状态参量的行为表征方法以及特征的轨迹映射模式。综合运用实车试验和模拟驾驶试验手段，开展不同危险场景（如超车、抢道）下的汽车碰撞演练，从时空角度分析各种危险行车意图引发碰撞危险的规律及其动态演化形式，建立表征危险意图的数据模型。利用隐马尔科夫模型构建危险意图的辨识模型并研究了基于期望最大化的模型训练求解方法。综合意图识别结果、车辆运动状态以及轨迹信息建立车车碰撞预测模型，并设计了考虑多车意图的车辆碰撞冲突预测方法，仿真试验表明所提出的方法比传统基于轨迹预测的车辆碰撞预测方法具有更好的预警效果。此外，构建了一套基于多传感信息融合的车辆防撞预警原型系统，提出了一种基于滑动窗的车辆碰撞危险辨识和预警方法并开展了道路实车验证。本项目试图在车联网环境下探索汽车防撞预警的新方法，在理论和实践上为安全辅助驾驶研究提供新思路，促进车车协同的应用和推广。