一种车辆主动安全预警方法和运用该方法的安全预警系统

摘要

本发明涉及车辆主动安全控制和移动互联技术领域，尤其涉及一种车辆主动安全预警方法和运用该方法的安全预警系统。安全预警系统包括移动智能终端、无线通信网络和卫星定位系统，而主动安全预警方法则是在移动智能终端上安装数据预处理模块、轨迹追踪和预估模块、危险预警模块这三个软件，使自车能够根据目标范围内的行人及他车信息作出是否有碰撞危险的判断，并在必要情况下发出安全警报。通过对普遍普及的智能手机的巧妙地利用，使低成本车辆和行人能够享受到主动安全技术的保护，又不泄漏个人隐私，普及度高，成本低，易被大众接受。

说明书

技术领域

本发明涉及车辆主动安全控制和移动互联技术领域，尤其涉及一种车辆主动安全预警方法和运用该方法的安全预警系统。 

背景技术

车辆主动安全控制系统可以实现车辆碰撞预警和对驾驶操作的干预，使驾驶变得更加安全和轻松。近年来，该技术领域的研究热度不断升温，基于雷达、摄像头等环境探测传感器的主动安全控制系统如ACC(自适应巡航)、EBA(紧急制动辅助)、LKA(车道保持辅助)等已经成熟，并且还在不断被优化。如韩国专利KR2007023392A(ADAPTIVE CRUISE CONTROL SYSTEM AND METHOD CONSIDERING DRIVING ENVIRONMENT,CAPABLE OF AUTOMATICALLY CONTROLLING AN INTER-CAR DISTANCE ESPECIALLY WHEN IT IS RAINY OR DARK)介绍了利用雨量传感器、夜间驾驶传感器优化现有ACC系统，使车辆具有更好的环境感知功能，从而更加准确地实现主动安全控制。 

然而，现阶段还远不能实现完全意义上的道路主动安全。首先，车载雷达和摄像头主要用于探测前后方向的车辆，对于左右方向较远，或者驾驶员视觉的死角范围内的障碍物，或有障碍物遮挡的高速 小型机动车辆，无法预先提出警报。其次，主动安全控制系统价格昂贵，目前只应用在高级别车型上，对于道路车辆占比最大的普通家用轿车来说，还无法实现该功能。第三，微车、摩托车和路上的行人更是无法享受主动安全技术带来的安全和舒适。 

随着车联网概念的兴起，基于互联的新技术——V2V，即Vehicle-to-Vehicle(也称作Car-to-Car)也被提出。所谓V2V，即是通过车载传感器等设备实现车辆之间的信息交换技术，在可能发生碰撞时，及时提醒驾驶员，避免交通事故的发生。汽车业界对于V2V技术的主要焦点放在了车载组件上。然而，虽然这些相关的车载组件在技术上已经取得了很大的进步，但是除了V2V技术本身之外，技术的普及程度也是十分重要的因素，如果不能普及，则根本不能发挥预期作用。 

随着移动互联技术的快速发展，如今人们的生活正在发生着深刻的变化。现在，几乎每个人都会随身携带一部智能手机，安装了各种各样的应用软件，人们可以随时知道自己的地理位置，可以利用导航技术顺利到达目的地，而智能手机通过卫星定位系统可以对外发出所在地理位置信息而不泄漏隐私(如不发出手机号等个人信息)。 

发明内容

本发明的目的在于提供一种车辆主动安全预警方法和运用该方法的安全预警系统。它利用广泛普及的智能手机对外发送卫星定位系统定位的智能手机持有者所在位置信息，并通过安装在智能手机等移动智能终端上的软件对自己和他人的位置信息进行速度位置的计算预 测，并在有碰撞危险时报警，具有主动安全预警的功能，并可以广泛普及。 

对于本发明的主动安全预警方法来说，上述技术问题是这样解决的： 

一种基于移动智能终端位置信息的车辆主动安全预警方法，包括如下步骤： 

(1)自车目标范围内移动目标的移动智能终端通过无线通信网络将卫星定位系统定位的他们的位置数据传送至自车移动智能终端的数据预处理模块上； 

(2)自车移动智能终端上的数据预处理模块根据自车的位置适时计算自车每一时刻的行驶距离和行驶速度，根据目标范围内移动目标的位置适时计算移动目标每一时刻的行驶距离和行驶速度，并将得出的自车和目标范围内移动目标的数据传输给自车移动智能终端上的轨迹追踪和预估模块； 

(3)自车移动智能终端上的轨迹追踪和预估模块根据前几个时刻自车的位置、速度信息，预估自车下一时刻的位置、速度和运动方向，根据前几个时刻目标范围内移动目标的位置、速度信息预估下一时刻目标范围内移动目标的位置、速度和运动方向，并将得出的自车和目标范围内移动目标的数据信息传输给自车移动智能终端上的危险预警模块； 

(4)自车移动智能终端上的危险预警模块根据自车的位置、速度和运动方向以及目标范围内移动目标的位置、速度和运动方向判断是 否有碰撞危险，并在判断为有碰撞危险时发出危险警报。 

进一步的，所述步骤(1)中目标范围为以自车为中心半径为250米的圆形区域。 

所述步骤(2)中自车移动智能终端上的数据预处理模块在检测到小范围内有密集多机以相同速度、相同方向运行时，则将该目标判断为密集多机成组。 

所述自车移动智能终端上的数据预处理模块在进行密集多机成组判断时，将目标范围内移动目标上一时刻和当前时刻位置的连线方向作为速度方向。 

判断为密集多机成组时以相同速度、相同方向运行的他机分布范围不大于半径为6m²的圆形区域。 

所述步骤(2)中当数据预处理模块判断他机为密集多机成组时，以自车局部坐标系为标准，将离自车最远的他机为边界框画出矩形框线，并以矩形框线离自车最近的角作为危险目标点。 

所述步骤(2)中自车或目标范围内移动目标的速度计算方法为：首先从移动智能终端的存储芯片上调用当前时刻t和前一时刻t-1的位置信息，再根据这两个时刻的大地坐标(x_t，y_t)、(x_t-1，y_t-1)通过两点距离公式计算出两点距离D(t)，再根据速度计算公式V(t)＝D(t)/Δt计算出当前时刻速度大小V(t)，其中Δt为系统计算周期。 

所述步骤(2)中自车或目标范围内移动目标根据速度计算公式计算出的当前时刻速度V(t)需通过低通滤波进行滤波处理，然后再将经 过低通滤波处理后的速度V'(t)作为当前时刻的速度大小，并输入到自车移动智能终端上的轨迹追踪和预估模块中去，所述的低通滤波算法公式为：V'(t)＝a₀V(t)+a₁V(t-1)+a₂V(t-2)+b₁V'(t-1)+b₂V'(t-2)，其中：a₀、a₁、a₂、b₁、b₂为滤波常数。 

所述步骤(3)中自车或目标范围内移动目标下一时刻的位置是通过最小二乘轨迹预测算法进行预估的。 

所述最小二乘轨迹预测算法的运算过程为：调用自当前时刻往前k个时刻被测物的位置数据，并将这k个点的轨迹假设成直线，得出下一时刻被测物的x坐标和y坐标的表达式分别为：x＝a'+b't，y＝a″+b″t，通过最小二乘轨迹预测算法计算出使k个时刻轨迹点预估误差最小的a'，b'，a″，b″的值，从而得出下一时刻的预估位置，其中a'，b'，a″，b″通过最小二乘轨迹预测算法的计算公式分别为： 

$a^{\prime }=\frac{\underset{i=1}{\overset{k}{\Sigma }}{t}_i^2\underset{i=1}{\overset{k}{\Sigma }}{x}_i-\underset{i=1}{\overset{k}{\Sigma }}{t}_i\underset{i=1}{\overset{k}{\Sigma }}{x}_i{t}_i}{k\underset{i=1}{\overset{k}{\Sigma }}{t}_i^2-{\left(\underset{i=1}{\overset{k}{\Sigma }}{t}_i\right)}^2},$$b^{\prime }=\frac{\underset{i=1}{\overset{k}{\Sigma }}{t}_i\underset{i=1}{\overset{k}{\Sigma }}{x}_i-k\underset{i=1}{\overset{k}{\Sigma }}{x}_i{t}_i}{k\underset{i=1}{\overset{k}{\Sigma }}{t}_i^2-{\left(\underset{i=1}{\overset{k}{\Sigma }}{t}_i\right)}^2},$

$a^{\prime \prime }=\frac{\underset{i=1}{\overset{k}{\Sigma }}{t}_i^2\underset{i=1}{\overset{k}{\Sigma }}{y}_i-\underset{i=1}{\overset{k}{\Sigma }}{t}_i\underset{i=1}{\overset{k}{\Sigma }}{y}_i{t}_i}{k\underset{i=1}{\overset{k}{\Sigma }}{t}_i^2-{\left(\underset{i=1}{\overset{k}{\Sigma }}{t}_i\right)}^2},$$b^{\prime \prime }=\frac{\underset{i=1}{\overset{k}{\Sigma }}{t}_i\underset{i=1}{\overset{k}{\Sigma }}{y}_i-k\underset{i=1}{\overset{k}{\Sigma }}{y}_i{t}_i}{k\underset{i=1}{\overset{k}{\Sigma }}{t}_i^2-{\left(\underset{i=1}{\overset{k}{\Sigma }}{t}_i\right)}^2}.$

其中，t_i为往前第i个时刻距初始计算时刻的时间间隔，t+1为下一时刻距初始计算点的时间间隔，x_i，y_i为往前第i个时刻被测物的实际坐标。 

所述步骤(3)中自车或目标范围内移动目标下一时刻的速度大小为经过低通滤波处理后的当前时刻速度大小V'(t)。 

所述步骤(3)中自车或目标范围内移动目标下一时刻的速度方向为运用最小二乘法预测的直线方向。 

所述步骤(4)中碰撞危险的判断方式为：根据下一时刻自车的速度信息和位置以及目标范围内移动目标的速度信息和位置计算出碰撞点，若离碰撞点的行驶时间小于危险警报时间，则将危险工况置标志位1，危险预警模块短时间之内进行多次危险工况判断，若危险工况标志位连续5次置1，则发出危险警报。 

对于本发明的安全预警系统来说，上述技术问题是这样解决的： 

包括移动智能终端，用于对外发送自车位置信息，接收目标范围内移动目标位置信息并对目标范围内移动目标位置进行速度运算、轨迹预估和危险报警； 

无线通信网络，用于自车和目标范围内移动目标位置的相互传送； 

卫星定位系统，用于确定移动智能终端所在位置。 

进一步的，所述的移动智能终端为智能手机、车载信息采集装置T-Box、平板电脑、笔记本电脑中的一种或多种。 

本发明的有益效果是：本发明基于广泛普及的能对外发送地理位置信息的智能手机，并通过在智能手机等移动智能终端上安装数据预处理模块、轨迹追踪和预估模块、危险预警模块这三个软件，使自车能够根据目标范围内的行人及他车信息作出是否有碰撞危险的判断，并在必要情况下发出安全警报。通过对普遍普及的智能手机的巧妙地利用，使低成本车辆和行人能够享受到主动安全技术的保护，又不泄漏个人隐私，普及度高，成本低，易被大众接受。 

附图说明

图1为本发明控制主流程图； 

图2为数据预处理模块处理流程图； 

图3为轨迹追踪和预估模块处理流程图； 

图4为危险预警模块处理流程图； 

图5为密集多机成组示意图； 

图6为轨迹追踪与预测的自车位置信息示意图； 

图7为碰撞危险点预测示意图； 

图中：1—数据预处理模块，2—轨迹追踪和预估模块，3—危险预警模块。 

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。 

本发明的主动安全预警系统包括移动智能终端、无线通信网络和卫星定位系统。移动智能终端为智能手机、平板电脑、车载信息采集装置(T-Box)、笔记本电脑等具有用户友好操作界面，且能够安装本发明所需软件的智能载体。自车和他车或他人的移动智能终端均可通过卫星定位系统进行位置定位，并通过无线通信网络对外发送自己的地理位置信息，同时不泄露自己的手机号等个人隐私，即行人车辆的 移动智能终端之间可以同时对外发送自己的位置信息和接受他人的地理位置信息。在这些移动智能终端上还匹配安装了数据预处理模块1、轨迹追踪和预估模块2和危险预警模块3这几个主动安全预警软件。自车的移动智能终端在接收到他人的地理位置信息后，通过安装在其上的数据预处理模块1、轨迹追踪和预估模块2和危险预警模块3的处理，并通过相匹配的地图信息，在自车移动智能终端的显示屏上实时显示自机和他机的位置及运动轨迹。 

假设某车辆在道路上行驶，驾驶员A运行了智能手机中本发明的软件，主动安全预警进入启动状态。如图1所示，驾驶员智能手机中的数据预处理模块1开始接收方圆250m范围内他机的位置信息，并对进入监控范围内的每一个他机分配唯一的临时ID号，他机产生的位置信息存入智能手机存储芯片对应ID的数据位中。当他机移出监控范围，对应的ID号及存储的位置信息自动清除。数据预处理模块1首先调用智能手机储芯片中每一个ID对象在当前时刻和前一时刻(t-1，t)的位置，分别计算出自机和目标范围内移动目标即所有他机的速度大小，由于自己和他机在几个模块中的速度、位置等信息的处理和计算方式是一样的，为了描述方便在后面全部以自机为例进行说明。 

自机在t-1和t两个时刻的大地坐标分别为(x_t，y_t)和(x_t-1，y_t-1)，则通过两点距离公式可以计算出从t-1时刻到当前t时刻自车行驶的距离D(t)，再根据速度计算公式V(t)＝D(t)/Δt计算出当前时刻速度大小V(t)，其中Δt为系统计算周期。车速数据为 避免较大的波动，可以应用低通滤波算法消除曲线峰谷，使车速曲线更加平滑，低通滤波算法公式为： 

V'(t)＝a₀V(t)+a₁V(t-1)+a₂V(t-2)+b₁V'(t-1)+b₂V'(t-2)， 

其中：a₀、a₁、a₂、b₁、b₂为滤波常数，而这一系列滤波常数的计算公式如下： 

ω_d＝2π·1.25·CutOff_Frq 

${\omega }_a=\frac{{\sin \omega }_d\frac{T}{2}}{{\cos \omega }_d\frac{T}{2}}$

$a_0=\frac{{{\omega }_a}^2}{1+\sqrt{2}{\omega }_a+{{\omega }_a}^2}$

a₁＝2a₀

a₂＝a₀

$b_1=\frac{-2({{\omega }_a}^2-1)}{1+\sqrt{2}{\omega }_a+{{\omega }_a}^2}$

$b_2=\frac{-1+\sqrt{2}{\omega }_a-{{\omega }_a}^2}{1+\sqrt{2}{\omega }_a+{{\omega }_a}^2}$

其中CutOff_Frq为滤波的截止频率，默认取值为5，具体取值可根据车速曲线的具体波动进行调整。 

V(t)为未经过低通滤波处理的速度，而数据预处理模块1将经过低通滤波处理后的速度V'(t)作为当前时刻的速度大小，并输入到自车移动智能终端上的轨迹追踪和预估模块2中去。在数据预处理模块1对自车和目标范围内移动目标的行驶距离和行驶速度是根据系统计算周期时刻进行适时计算的。而在进行这一系列计算时还会进行他机密 集多机成组的判断。 

如图5所示，在数据预处理模块1内运动方向判定为当前时刻与前一时刻的位置连线方向(这里的速度方向判断只是在密集多机成组判断中运用，在轨迹追踪和预估模块中还会进行重新判断)。若同一时刻，计算ID编号为5、6、7、8的四个他机在不大于6m²的范围内以相同速度、相同方向运行。此时，本系统判断ID编号为5、6、7、8的四个他机为一个grouping，即为密集多机成组，并给予此grouping ID编号5*6*7*8＝1680，同时删除ID编号为6、7、8的三个他机数据。同时，以自车局部坐标系为标准，将离自机最远的他机为边界框画出矩形线框，并以矩形线框离自机最近的角作为危险目标点，grouping的运动速度和运动方向与ID编号为5的他机一致。 

如图3所示，轨迹追踪和预估模块2将数据预处理模块1输入的经过低通滤波处理过的当前时刻速度V'(t)作为自车的预测的下一时刻速度信息，而对于下一时刻自车的位置估计则通过最小二乘轨迹预测算法进行预测。轨迹追踪和预估模块2调用智能手机存储芯片中自车前k(k<＝10)个时刻的位置信息，由于本系统的计算频率为10Hz以上，所以前k个时刻的运动轨迹可以当成一条直线，对于下一时刻位置的x(t+1)和y(t+1)坐标则可以根据公式x_(t+1)＝a'+b'(t+1)，y_(t+1)＝a″+b″(t+1)得出。由于实际上运动轨迹不可能是直线，因此会存在误差，而x坐标和y坐标的误差公式分别为：ε_i'＝x_i-a'-b't_i，ε_i″＝y_i-a″-b″t_i，k个点的位置在x和y坐标上的方差分别为： $E^{\prime }=\underset{i=1}{\overset{k}{\Sigma }}{(x_i-a^{\prime }-b^{\prime }{t}_i)}^2,$$E^{\prime \prime }=\underset{i=1}{\overset{k}{\Sigma }}{(y_i-a^{\prime \prime }-b^{\prime \prime }{t}_i)}^2,$为使误差最小，需要对a'、b'、a″、b″进行偏微分，最后得出在误差最小时的a'、b'、a″、b″的表达式分别为： 

$a^{\prime }=\frac{\underset{i=1}{\overset{k}{\Sigma }}{t}_i^2\underset{i=1}{\overset{k}{\Sigma }}{x}_i-\underset{i=1}{\overset{k}{\Sigma }}{t}_i\underset{i=1}{\overset{k}{\Sigma }}{x}_i{t}_i}{k\underset{i=1}{\overset{k}{\Sigma }}{t}_i^2-{\left(\underset{i=1}{\overset{k}{\Sigma }}{t}_i\right)}^2},$$b^{\prime }=\frac{\underset{i=1}{\overset{k}{\Sigma }}{t}_i\underset{i=1}{\overset{k}{\Sigma }}{x}_i-k\underset{i=1}{\overset{k}{\Sigma }}{x}_i{t}_i}{k\underset{i=1}{\overset{k}{\Sigma }}{t}_i^2-{\left(\underset{i=1}{\overset{k}{\Sigma }}{t}_i\right)}^2},$

$a^{\prime \prime }=\frac{\underset{i=1}{\overset{k}{\Sigma }}{t}_i^2\underset{i=1}{\overset{k}{\Sigma }}{y}_i-\underset{i=1}{\overset{k}{\Sigma }}{t}_i\underset{i=1}{\overset{k}{\Sigma }}{y}_i{t}_i}{k\underset{i=1}{\overset{k}{\Sigma }}{t}_i^2-{\left(\underset{i=1}{\overset{k}{\Sigma }}{t}_i\right)}^2},$$b^{\prime \prime }=\frac{\underset{i=1}{\overset{k}{\Sigma }}{t}_i\underset{i=1}{\overset{k}{\Sigma }}{y}_i-k\underset{i=1}{\overset{k}{\Sigma }}{y}_i{t}_i}{k\underset{i=1}{\overset{k}{\Sigma }}{t}_i^2-{\left(\underset{i=1}{\overset{k}{\Sigma }}{t}_i\right)}^2}.$

式中，t_i为往前第i个时刻距初始计算时刻的时间间隔，t+1为下一时刻距初始计算点的时间间隔，x_i，y_i为往前第i个时刻被测物的实际坐标。 

将a'、b'、a″、b″分别代入公式x_(t+1)＝a'+b'(t+1)，y_(t+1)＝a″+b″(t+1)中，从而得自车出下一时刻的位置。而下一时刻自车的运动方向则为最小二乘轨迹预测算法预估的直线方向。在轨迹追踪和预估模块2中目标范围内移动目标的下一时刻速度、方向和位置也通过相同的方式进行计算处理。轨迹追踪和预估模块2将得出的自车和目标范围内的移动目标的下一时刻速度，方向和位置输入到危险预警模块3中。 

如图4所示，危险预警模块3根据自车和他车的运行轨迹和运行速度，预测出发生碰撞的位置点，当自车离碰撞点的行驶距离小于危险警报时间3s时，则将危险工况标志位置为1。例如，危险预警模块3根据下一时刻自机及编号为3的他机位置信息和速度信息，计算出在大地坐标系点P(x0，y0)的位置上将发生碰撞(如图7所示)， 而自机离点P的运行时间Δt'为2.8s，此时，危险预警模块4将危险工况标志位置为1并存入存储芯片中，并同时调用存储芯片中前四个时刻的危险工况标志位。若发现前四个时刻危险工况标志位均为1，此时危险预警模块4发出危险警报命令，控制系统发出危险警报。 

当车辆停止时，自机计算位车辆速度信号为0，判断车辆已停止，系统自动退出运行。 

应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。