车车通信环境下基于驾驶意图共享的车辆避撞预警算法

来源：中国血液净化杂志2020年第6期北京时间：

作者：王江锋, 刘雨桐, 王梦玉, 闫学东

单位：北京交通大学 综合交通运输大数据应用技术交通运输行业重点实验室, 北京 100044"],"fundList_en":["National Key R & D Program (2018YFB1600703); National Natural Science Foundation of China (61973028); Joint Laboratory for Internet of Vehicles, Ministry of Education-China Mobile Communications Corporation (ICV-KF2019-01)

摘要：针对传统基于距离或时间的车辆避撞预警算法存在较高误警率的问题，考虑在避撞预警算法中引入驾驶意图共享的概念，提出了基于实际外场复杂车车通信V2V（Vehicle-to-vehicle，V2V）环境下的车辆跟驰避撞预警算法。基于LTE-V构建外场V2V环境，将车辆行驶过程描述为一个时间序列的隐性马尔可夫随机过程，借助隐马尔可夫模型（Hidden Markov Model，HMM）建立驾驶人驾驶意图与车辆相对行驶状态序列之间的隐含关系模型，并给出基于Viterbi算法的驾驶意图预判求解方法，将驾驶意图作为特征因子集成到安全距离模型中，提出基于驾驶意图共享的避撞（Driving Intention Based Collision Avoidance，DI-CA）预警算法。利用构建的V2V试验环境，实现了匀速、加速、减速和紧急制动等4种驾驶意图，以及相对速度和相对距离增加、减小、保持不变等9种组合的车辆行驶状态试验数据获取，并利用试验数据对所提出的DI-CA预警算法进行实证分析。结果表明：所提出预警算法能够针对不同驾驶意图提供有效的车辆碰撞预警。在此基础上将4种驾驶意图下的DI-CA预警算法与Mazda预警算法求得的安全距离进行了对比分析，所提出的DI-CA预警算法的平均预警正确率为84%，高于Mazda预警算法的78%，而DI-CA预警算法的平均误警率和漏警率分别为5%和16%，均明显低于Mazda预警算法，说明所提出的DI-CA预警算法在提升预警效果的同时明显降低了误警率和漏警率，可避免行驶过程中因误警而导致的连续刹车，以及因漏警而导致的可能碰撞事故发生。最后，总结并给出了驾驶意图共享理论应用于车辆避撞预警的研究展望。

关键词：交通工程,避撞预警,隐马尔可夫模型,驾驶意图,车车通信

基金资助：国家重点研发计划项目（2018YFB1600703）；国家自然科学基金项目（61973028）；“车联网”教育部-中国移动联合实验室开放基金项目（ICV-KF2019-01）