本技術(shù)涉及車輛碰撞預警，具體說是一種基于微分博弈的行車避碰預警方法及處理裝置。

背景技術(shù)：

1、無控交叉口是道路交通中比較危險的區(qū)域之一，由于沒有信號燈等設(shè)施來引導和控制車輛行駛，交通事故的發(fā)生率相對較高。根據(jù)交通安全事故統(tǒng)計數(shù)據(jù)，無控交叉口交通事故在總交通事故中所占比重較大。

2、具體而言，無控交叉口交通事故占總交通事故的比例隨著地區(qū)和時間的不同而存在差異，但總體上，在許多城市和地區(qū)，無控交叉口交通事故占比均在20％以上。由國家交通管理局經(jīng)過統(tǒng)計得出：2022年交叉口處交通事故率為30％，2021年交叉口處交通事故率為32％。交叉口作為道路交通事故的重要場所之一，需要加強交通管理和技術(shù)手段，提高交通安全水平。

3、為了解決交叉路口的車輛碰撞問題，有研究者提出基于碰撞時間預警算法，但該算法中的碰撞時間受多種因素的影響，導致碰撞時間預測不可靠；還有研究者提出基于車輛行駛速度的預警方法，但是該方法未考慮道路條件以及交通流量，在比較復雜的路況下可能無法準確評估碰撞風險；因此目前缺少對復雜場景下的針對沖突車輛后含有多個跟隨車輛的交叉口碰撞預警的問題，因此，如何克服上述存在的技術(shù)問題和缺陷成為需要重點解決的問題。

技術(shù)實現(xiàn)思路

1、為了克服目前缺少對復雜場景下的針對沖突車輛后含有多個跟隨車輛的交叉口碰撞預警的問題，本技術(shù)提供了基于微分博弈的行車避碰預警方法及處理裝置，采用了如下的技術(shù)方案：

2、第一方面，本技術(shù)提供了基于微分博弈的行車避碰預警方法，包括：

3、步驟s1，采集車輛軌跡參數(shù)，所述車輛軌跡參數(shù)包括車輛的位置坐標參數(shù)以及車輛的速度參數(shù)；

4、步驟s2，對采集的車輛軌跡參數(shù)進行處理，獲取車輛預測軌跡參數(shù)；

5、步驟s3，基于獲取的所述車輛預測軌跡參數(shù)，對車輛進行碰撞風險檢測，獲取車輛碰撞風險發(fā)生的概率；

6、步驟s4，獲取沖突車輛的安全預警距離，判斷沖突車輛的安全預警距離與沖突車輛與交叉口停止線處的距離的關(guān)系；

7、步驟s5，根據(jù)獲取車輛碰撞風險發(fā)生的概率和沖突車輛的安全預警距離與沖突車輛與交叉口停止線處的距離的關(guān)系，判斷是否觸發(fā)預警博弈過程；

8、步驟s6，如果觸發(fā)預警博弈過程，則面向避碰預警的沖突車輛采用微分博弈方法，進行合適的預警決策。

9、進一步地，所述步驟s1中的采集車輛軌跡參數(shù)，包括：

10、根據(jù)車輛配備的多種傳感器獲取的車輛軌跡參數(shù)，實現(xiàn)對車輛軌跡參數(shù)的采集。

11、進一步地，所述步驟s2中的對采集的車輛軌跡參數(shù)進行處理，獲取車輛預測軌跡參數(shù)，包括：

12、(1)根據(jù)車輛軌跡參數(shù)，構(gòu)建車輛軌跡狀態(tài)方程；

13、(2)基于卡爾曼濾波算法，構(gòu)建車輛軌跡參數(shù)的預測方程；

14、(3)獲取車輛軌跡參數(shù)的觀測值，構(gòu)建車輛觀測軌跡狀態(tài)方程；

15、(4)基于卡爾曼濾波算法，構(gòu)建車輛軌跡參數(shù)的更新方程；

16、進一步地，所述步驟s3中的基于獲取的所述車輛預測軌跡參數(shù)，對車輛進行碰撞風險檢測，獲取車輛碰撞風險發(fā)生的概率，包括：

17、若主車hv和遠車rv直行駛?cè)虢徊婵谠谝欢〞r間段內(nèi)先后到達碰撞區(qū)域，則有可能發(fā)生碰撞事故；反之，若主車hv到達碰撞區(qū)域邊界處時，遠車rv已駛離碰撞區(qū)域邊界，或主車hv駛離碰撞區(qū)域邊界處時，遠車rv未到達碰撞區(qū)域邊界，則兩車不發(fā)生碰撞；

18、記主車hv到達碰撞區(qū)域邊界處時，遠車rv已駛離碰撞區(qū)域邊界為隨機事件a；主車hv駛離碰撞區(qū)域邊界處時，遠車rv未到達碰撞區(qū)域邊界為隨機事件b；則隨機事件a和隨機事件b相互獨立且互斥；

19、記交叉口發(fā)生碰撞為隨機事件c，則隨機事件c發(fā)生的概率p(c)為：

20、p(c)＝1-p(a∪b)＝1-p(a)-p(b)

21、通過查詢概率表獲得隨機事件a的概率p(a)，隨機事件b的概率使用同樣的方法獲得p(b)，可獲得碰撞隨機事件c發(fā)生的概率p(c)。

22、進一步地，所述步驟s3中的基于獲取的所述車輛預測軌跡參數(shù)，對車輛進行碰撞風險檢測，獲取車輛碰撞風險發(fā)生的概率，還包括：

23、如果隨機事件c發(fā)生的概率p(c)＞0.05,則判定主車hv和遠車rv存在碰撞風險，需要根據(jù)車輛當前位置信息決定是否觸發(fā)預警博弈過程；如果隨機事件c發(fā)生的概率p(c)≤0.05，則駕駛員仍以自然駕駛狀態(tài)駕駛車輛行駛。

24、進一步地，所述步驟s5中的根據(jù)獲取車輛碰撞風險發(fā)生的概率和沖突車輛的安全預警距離與沖突車輛與交叉口停止線處的距離的關(guān)系，判斷是否觸發(fā)預警博弈過程，包括：

25、取安全預警距離為觸發(fā)預警博弈的距離上限，記安全預警距離為dw，記沖突車輛與交叉口停止線處的距離為d，當且僅當d和p(c)同時滿足如下公式：

26、

27、則沖突車輛雙方觸發(fā)預警博弈過程。

28、進一步地，所述步驟s6中的面向避碰預警的沖突車輛采用微分博弈方法，進行合適的預警決策，包括：

29、(1)定義沖突車輛雙方博弈參與者的微分博弈損益函數(shù)

30、

31、其中，沖突車輛雙方僅包含主車hv和遠車rv，h(·)為參參與者雙方的最終收益，j(·)為博弈雙方的碰撞成本函數(shù)；為了簡化計算，將最終收益定義為常量，st為博弈參與者(即沖突車輛雙方)的軌跡參數(shù)，uhv(t)、urv(t)為博弈雙方的控制變量，預警博弈結(jié)束的時刻為te；

32、(2)沖突車輛雙方博弈參與者的碰撞成本函數(shù)

33、無控交叉口處存在碰撞風險的主車和遠車在觸發(fā)預警博弈過程后，需要根據(jù)構(gòu)建的碰撞成本函數(shù)估計沖突雙方碰撞的成本，當碰撞成本最小時，車輛將獲得最大的收益；

34、從沖突雙方的安全特性、環(huán)境特性和駕駛員特性三方面構(gòu)建沖突車輛雙方博弈參與者的碰撞成本函數(shù)：

35、

36、其中，安全性能指標為isafe，環(huán)境特性指標為ieot，駕駛員特性指標參數(shù)為κ；

37、由此可知，較大的κ預示著沖突車輛駕駛員較為激進，因此，κ與環(huán)境特性指標ieot的權(quán)重成正比，在對碰撞風險進行計算時更注重通行效率，κ與安全特性指標isafe成反比，保守型駕駛員更偏重通行安全；

38、(3)獲取沖突車輛在博弈過程中領(lǐng)導者的最優(yōu)決策

39、首先觸發(fā)預警博弈過程的車輛即為領(lǐng)導者；

40、計算領(lǐng)導者最優(yōu)決策的方法是，先根據(jù)跟隨者的損益函數(shù)計算跟隨者在任意一個領(lǐng)導者決策條件下的最優(yōu)決策集合，然后領(lǐng)導者根據(jù)自身的損益函數(shù)計算使領(lǐng)導者損益最大的決策。

41、第二方面，本技術(shù)還提供了基于微分博弈的行車避碰預警裝置，包括：

42、車輛軌跡參數(shù)采集模塊，用于采集車輛軌跡參數(shù)，所述車輛軌跡參數(shù)包括車輛的位置坐標參數(shù)以及車輛的速度參數(shù)；

43、車輛軌跡參數(shù)預測模塊，用于對采集的車輛軌跡參數(shù)進行處理，獲取車輛預測軌跡參數(shù)；

44、獲取碰撞風險概率模塊，用于基于獲取的所述車輛預測軌跡參數(shù)，對車輛進行碰撞風險檢測，獲取車輛碰撞風險發(fā)生的概率；

45、安全預警距離判斷模塊，用于獲取沖突車輛的安全預警距離，判斷沖突車輛的安全預警距離與沖突車輛與交叉口停止線處的距離的關(guān)系；

46、預警博弈觸發(fā)判斷模塊，用于根據(jù)獲取車輛碰撞風險發(fā)生的概率和沖突車輛的安全預警距離與沖突車輛與交叉口停止線處的距離的關(guān)系，判斷是否觸發(fā)預警博弈過程；

47、微分博弈預警模塊，用于如果觸發(fā)預警博弈過程，則面向避碰預警的沖突車輛采用微分博弈方法，進行合適的預警決策。

48、第三方面，本技術(shù)提供了一種電子設(shè)備，包括：

49、一個或多個處理器；存儲器；以及一個或多個計算機程序，其中所述一個或多個計算機程序被存儲在所述存儲器中，所述一個或多個計算機程序包括指令，當所述指令被所述設(shè)備執(zhí)行時，使得所述設(shè)備執(zhí)行如第一方面所述的方法。

50、第四方面，本技術(shù)提供了一種計算機可讀存儲介質(zhì)，該計算機可讀存儲介質(zhì)中存儲有計算機程序，當其在計算機上運行時，使得計算機執(zhí)行如第一方面所述的方法。

51、第五方面，本技術(shù)提供了一種計算機程序，當所述計算機程序被計算機執(zhí)行時，用于執(zhí)行第一方面所述的方法。

52、在一種可能的設(shè)計中，第五方面中的程序可以全部或者部分存儲在與處理器封裝在一起的存儲介質(zhì)上，也可以部分或者全部存儲在不與處理器封裝在一起的存儲器上。

53、與現(xiàn)有技術(shù)相比，本技術(shù)實施例主要有以下有益效果：

54、1.本技術(shù)提供的無控交叉口避碰預警方法，借助v2x技術(shù)實現(xiàn)沖突車輛間的遠距離或非視距環(huán)境下的數(shù)據(jù)交互，數(shù)據(jù)可靠性強，實時性高。

55、2.本技術(shù)提供的碰撞風險檢測方法，使用卡爾曼濾波技術(shù)預測車輛軌跡參數(shù)，能夠體現(xiàn)車輛駛?cè)虢徊婵谶^程中駕駛?cè)藢囕v的動態(tài)調(diào)整過程，使得碰撞風險檢測的數(shù)據(jù)支撐更貼近實際，保證預警成功率。

56、3.本技術(shù)提供的基于距離指標和碰撞風險指標作為觸發(fā)條件來觸發(fā)車輛碰撞預警，能夠避免過早的無效預警，降低預警冗余度。

57、4.本技術(shù)通過從車輛沖突雙方的安全特性、環(huán)境特性和駕駛員特性構(gòu)建碰撞成本函數(shù)來獲取車輛的最大收益，既能保證交叉口處的行車安全效能，又可提高交叉口通行效率。

58、5.本技術(shù)提供的基于微分博弈的車輛避碰預警方法，綜合考慮博弈雙方在博弈過程中的收益和成本，能夠避免同時對沖突車輛發(fā)出預警，有效消解碰撞強度，極大提高預警的有效性。