暴雨天氣情況下變換車道的預警算法

畢雁冰

(深圳信息職業技術學院， 廣東 深圳 518172)

【信息科學與控制工程】

暴雨天氣情況下變換車道的預警算法

畢雁冰

(深圳信息職業技術學院， 廣東 深圳 518172)

根據南方特殊氣候，以及當前多數車輛的預警系統因基于車輛參數而誤報率增加的情況，建立了一種具有駕駛員生物特性以及車輛未來軌跡預測的預警算法；在暴雨情況下，駕駛員的前方，側方視線會受到不同程度的限制，后視鏡功能因結霧而基本喪失，加上路面因積水而導致阻力減少，駕駛員因對于車輛的控制程度降低而出現車輛偏離正常行駛軌跡而變換車道的情況；而傳統的預警系統因雨天因素誤報率也會大大增加；針對上述問題，提出一種基于未來軌跡預測以及駕駛員意圖判斷的變換車道預警算法。

駕駛員生物特性；汽車未來軌跡；暴雨路面；誤報率

目前，道路預警系統大多數是通過雷達或者攝像頭提取車輛前方道路參數和自身車輛參數來計算判斷當前的車輛安全。這種系統因忽略了駕駛員對于車輛的行駛意圖，以及缺乏對于車輛未來路線的預測計算，因此在惡劣氣候條件下，往往會發出錯誤警報或者強制執行動作，造成駕駛員分神或發生事故。

國外對于車道預警的研究近年來主要趨向于駕駛員生物特性對評測的影響，尤其是駕駛員視覺等方面更加側重。例如加利福尼亞研究中心將隱形馬爾科夫模型作為對駕駛意圖評測的主要途徑；Tezuka等提出基于貝葉斯參數建立駕駛員意圖評測模型。

國內對于車道預警研究較多，而前期主要集中在前方路面特征點提取以及車輛自身參數的模型等方面。吉林大學動態模擬國家重點實驗室提出的基于駕駛員駕駛意圖建立觀測模型，同時加入了駕駛員生物特征作為判斷參數，提升了系統的準確度和靈活性。

南方地區雨季較長，臺風中車輛事故數量所占比重較大。其根本原因在于暴雨天氣中，駕駛員在車輛前方、側方的視線極大受限，加上后視鏡因積水或結霧，很難判斷自身車輛位置，保持與周圍車輛的一個安全距離，而路面也會因水膜而阻力減小。在這種情況下，往往因駕駛員對于車輛的操作失誤或者車輛失控而造成車輛壓線或是變換車道。

本文通過基于采集道路標線特征點算法推測判斷當前車輛位置，結合對于車輛工況參數和駕駛員生物特征的分析，判斷駕駛員駕駛意圖，并根據車輛未來軌跡計算車輛與周圍車輛發生碰撞的危險指數，及時對駕駛員發出預警指示。

1 車輛行駛區域特征分析

1.1 車道圖像閾值分割

基于視覺的車道偏離預警系統處理的信息來源主要是攝像頭所采集的車前方圖像,由于對于系統有用的圖像信息是車道線的信息,而圖像中大部分信息對于系統運行都是沒有意義的,而且因路面積水反光，圖像中出現的很多噪聲也會影響車道線的識別,為了準確搜索到車道標志線同時減少圖像處理的運算量，只對包含道路信息部分的圖像進行處理。

首先對于包含車道線信息的圖像進行左右分割，如圖1所示。

圖1 前方圖像劃分示意圖

分別對道路圖像的左右區域劃分成16Pix×Pix的子圖像(圖2)，并對每個子圖像設置一個相應的閾值進行分割操作。

將每個子圖像組作為研究對象。假設一個子圖像組由N個子圖像組成。

首先，統計第j(j=1,2,…,N)個子圖像中像素的灰度直方圖，灰度等級為Ii[i]，i=0,1,…，255。定義該子圖像的對比度為

(1)

式(1)中：

(2)

用子圖像組所包含的子圖像的對比度組成一組數列，稱之為對比度序列，記為：Dj(j=1,2,…,N)。

對每個子圖像設置相應閾值分割去除圖像中的噪聲點，顯化車道線像素，因此有利于車道標志線的搜索以及車道標志線的擬合。采用Otsu法進行閾值分割是每個子圖像生成二值圖像。

所生成的二值圖像合并成最后的道路區域二值圖像，并將其作為最終的結果圖(圖3)。

圖2 前方圖像細化示意圖

圖3 實驗結果圖

1.2 車輛行駛軌跡的確定

駕駛員對于汽車的操縱主要集中在對汽車方向盤、油門踏板、制動踏板和離合器的操作。而汽車的縱向速度和方向盤轉角決定了汽車的橫向加速度，汽車油門踏板和制動踏板決定了汽車的縱向加速度。因此，汽車加速度的增量主要還是由汽車的縱向速度、方向盤轉角和油門踏板、制動踏板所決定。在預測的過程中，本文假定在預瞄時間段t到t+Tp內，汽車的運動學參數(橫、縱向速度和橫、縱向加速度)保持不變。因此，本文可以通過汽車橫、縱向加速度的穩態增益表得到汽車在當前時刻的穩態加速度增益。

汽車的運動是剛體平面運動，其側向和縱向運動是相互關聯的。汽車的預期行駛軌跡是由當前時刻汽車的運動狀態(側縱向位置、速度、加速度和航向角)和駕駛員輸入的側縱向加速度增量決定的，由于汽車性能的限制，汽車本身可能產生的側向加速度和縱向加速度是有一定限制的，如果固定當前時刻汽車的運動狀態，汽車在駕駛員預瞄時段內所可能到達的行車區域實際上就是由汽車性能允許范圍內變化的側向加速度和縱向加速度增量所決定的。

在當前時刻，如果駕駛員不轉動方向盤也不調整油門踏板，汽車將按當前的狀態繼續行駛下去；如果駕駛員轉動方向盤或者是調整油門踏板，則都將改變汽車的橫向和縱向運動狀態。也就是說，在預瞄時間段內，油門踏板的輸入既影響著汽車在其動坐標系下的縱軸方向位移、速度和加速度的變化，同時也影響著其橫軸方向位移、速度和加速度的變化；方向盤轉角的輸入也同樣影響著汽車在其動坐標系下橫軸方向位移、速度、加速度和汽車航向角的變化以及縱軸方向位移、速度和加速度的變化。因此，在預瞄時間段t到t+Tp內，每給定一個汽車當前的側向加速度和縱向加速度，就可計算出未來t+Tp時刻一個汽車可能到達的預期位置。根據無窮小原則，將Tp細分為J等分，對每一微小等分，由于持續時間很短，可以忽略汽車縱向與橫向之間的相互影響，因此能夠利用簡化公式分別求出汽車縱向與橫向在這段時間后的狀態。按照這種方法累加到最后一步，即可求得汽車在預瞄時間Tp后的狀態。

圖4 預期軌跡計算示意圖

在運算過程中始終以初始車輛坐標系為基準。 如圖4所示,從坐標系(xn,yn) 到(x0,y0) 的轉換矩陣為

從而給出公式：

(j=1,…,4)

式中j=1,2,…,J，其中

1.3 基于駕駛員行車意圖的駕駛安全性評價指標

判斷駕駛員換道意圖前，如果有轉向燈信號觸發，系統自動默認為駕駛員有換道意圖；如果攝像頭觀測到車輛即將觸碰雙實線，系統自動默認駕駛員沒有換道意圖。

駕駛員有換道意圖時，由于此時要觀查即將所換道一側的車況，因視線受限而會向其一側偏頭，根據前方攝像頭所拍攝圖像，系統設定的初始值以及當前駕駛員頭部角度，獲得駕駛員頭部偏轉角度，將駕駛員頭部水平偏轉角度設置為hi，同時判斷hi是否在合理閾值范圍當中；變換車道過程中，如果所換車道上有其他車輛，駕駛員或是加速，或是減速以避開側向車輛，將車輛單位時間內車速的變化幅度設置為vh；換道時的方向盤轉動角度設置成wi。上述3個參數與駕駛員換道意圖成正比關系。駕駛員換道意圖評價參數為

根據車輛未來軌跡與車道標志線的位置，首先確定車輛當前的行駛狀態，如果判斷車輛有換道趨勢，讀取駕駛員換道意圖評價參數；如果參數高于設定閾值，系統設置為駕駛員有換道意圖，因此不予預警；當駕駛員換道意圖評價參數低于設定閾值，系統設置為駕駛員沒有換道意圖，發出預警信息(如圖5)。

圖5 目標車輛換道過程

周圍車輛對于當前車輛的影響主要包括側向距離，橫向相對速度及距離，當駕駛員意圖參數達到閾值時，根據對應每一個加速度值，計算汽車所能到達的位置，根據汽車預期軌跡點相對于周圍車輛的橫、縱向距離來判斷車輛目前所處于的狀態。如果計算出目標車輛與周圍車輛即將發生碰撞，系統及時發出預警信息。

當駕駛員意圖參數沒有達到閾值，按照上述過程計算目標車輛的未來軌跡以及與周圍車輛的位置關系，當車輛未來軌跡可避免與前車碰撞，系統不發出預警信息。

2 車道實驗及分析

偏離預警系統的實驗路況,大抵可以分4種,如圖6所示。在駕駛員無意圖情況下，變換車道可以分為所換車道無車、所換車道側面車輛預警、所換車道后車預警、所換車道前車預警等情況。

比較現有的預警算法，本系統更加具有地域針對性，在保證減少誤報率的同時，預警的精確度更加提升，給駕駛員預留的反應時間更加合理(參見表1)。

3 結論

系統提前計算出車輛未來軌跡，估算與周圍車輛的位置關系，判斷當前車輛在可行區域的行車狀況，給予駕駛員充分的反應時間；引入駕駛員行車意圖，系統更加的人性化，可以極大的減少空預警率，減少系統對于駕駛員的影響；取代傳統的模糊算法和神經元算法，簡化計算流程，系統運行更加的快速，保證系統運行的實時性。

圖6 車道實驗示意圖

初始速度/(m·s-1)側向縱向初始加速度/(m·s-2)側向縱向空預警比例/%本文算法TLC算法偏離時間/s本文算法TLC算法直線車道直線軌跡015．650．010260．056236．2023．001．020．78曲線軌跡0．00215．650．263．12-0．413978．4031．501．010．54曲線車道直線軌跡015．650．010260．056237．6428．101．030．97曲線軌跡-0．00315．65-0．25317-0．412139．0135．320．980．71

[1] GODTHELP H,MILGRAM P,BLAAUW G J.The development of a time-related measure to describe driver strategy[J].Human Factors,2011,26(3):257-268.

[2] LEBLANC D J.CAPC:A Road-Departure Prevention System[J].IEEE Control Systems,2014,16(6):61-71.

[3] CHEN T.JOCHEM,POMERLEAU D.AURORA:A Vision-Based Roadway Departure Warning Systems[J].Proc of IEEE IROS95,2015(8):243-248.

[4] PARAG H,BATAVIA.Driver-Adaptive Lane Departure Warning Systems[M].PhD thesis,Carnegie Mellon University,2012.

[5] LEE S K,KWON W,LEE J.A Vision Based Lane Departure Warning System[C]//Proceedings of the 2010 IEEE/RSJ International Conference on Intelligent Robots and Systems,0-7803-5184-3/99,160-165.

[6] GUO Konghui,GUAN H.Modeling of Driver/Vehicle Directional Control System[J].Vehicle System Dynamics,2013,22:141-184.

[7] GUAN Xin,GAO Zhenhai,GUO Konghui.Driver Fuzzy Decision Model of Vehicle Preview Course and Simulation under Typical Road Conditions[J].Automotive Engineering,2011,23(1):13-17

(責任編輯 楊繼森)

Warning Algorithm of Changing Lane in Storm Situation

BI Yan-bing

(Shenzhen Institute of Information Technology, Shenzhen 518172, China)

According the south special climate, and that the warning systems based on vehicle parameter cause the mistake warning, we built one algorithm that based on driver’s bios characteristic and the future trajectory of vehicle. In storm situation, in the front way of driver, the side vision will be affected different degrees. The back mirror’s function was lost because frog. And the obstruction was reduced by water on lane. The driver’s control on vehicle was reduced and the vehicle will change the lane as its normal way was changed. The tradition system’s mistake warning will be increased as the climate.

driver’s bios character; future way of vehicle; the surface of way in storm; the mistake warning

2016-12-25；

2017-01-25 作者簡介：畢雁冰(1975—)，男，博士，副教授，主要從事汽車動態模擬與實時信號處理研究。

10.11809/scbgxb2017.05.024

format:BI Yan-bing.Warning Algorithm of Changing Lane in Storm Situation[J].Journal of Ordnance Equipment Engineering,2017(5):106-109.

U461.91;O241.5

A

2096-2304(2017)05-0106-04

本文引用格式：畢雁冰.暴雨天氣情況下變換車道的預警算法[J].兵器裝備工程學報，2017(5):106-109.