暴雨天气情况下变换车道的预警算法

毕雁冰

(深圳信息职业技术学院， 广东 深圳 518172)

【信息科学与控制工程】

暴雨天气情况下变换车道的预警算法

毕雁冰

(深圳信息职业技术学院， 广东 深圳 518172)

根据南方特殊气候，以及当前多数车辆的预警系统因基于车辆参数而误报率增加的情况，建立了一种具有驾驶员生物特性以及车辆未来轨迹预测的预警算法；在暴雨情况下，驾驶员的前方，侧方视线会受到不同程度的限制，后视镜功能因结雾而基本丧失，加上路面因积水而导致阻力减少，驾驶员因对于车辆的控制程度降低而出现车辆偏离正常行驶轨迹而变换车道的情况；而传统的预警系统因雨天因素误报率也会大大增加；针对上述问题，提出一种基于未来轨迹预测以及驾驶员意图判断的变换车道预警算法。

驾驶员生物特性；汽车未来轨迹；暴雨路面；误报率

目前，道路预警系统大多数是通过雷达或者摄像头提取车辆前方道路参数和自身车辆参数来计算判断当前的车辆安全。这种系统因忽略了驾驶员对于车辆的行驶意图，以及缺乏对于车辆未来路线的预测计算，因此在恶劣气候条件下，往往会发出错误警报或者强制执行动作，造成驾驶员分神或发生事故。

国外对于车道预警的研究近年来主要趋向于驾驶员生物特性对评测的影响，尤其是驾驶员视觉等方面更加侧重。例如加利福尼亚研究中心将隐形马尔科夫模型作为对驾驶意图评测的主要途径；Tezuka等提出基于贝叶斯参数建立驾驶员意图评测模型。

国内对于车道预警研究较多，而前期主要集中在前方路面特征点提取以及车辆自身参数的模型等方面。吉林大学动态模拟国家重点实验室提出的基于驾驶员驾驶意图建立观测模型，同时加入了驾驶员生物特征作为判断参数，提升了系统的准确度和灵活性。

南方地区雨季较长，台风中车辆事故数量所占比重较大。其根本原因在于暴雨天气中，驾驶员在车辆前方、侧方的视线极大受限，加上后视镜因积水或结雾，很难判断自身车辆位置，保持与周围车辆的一个安全距离，而路面也会因水膜而阻力减小。在这种情况下，往往因驾驶员对于车辆的操作失误或者车辆失控而造成车辆压线或是变换车道。

本文通过基于采集道路标线特征点算法推测判断当前车辆位置，结合对于车辆工况参数和驾驶员生物特征的分析，判断驾驶员驾驶意图，并根据车辆未来轨迹计算车辆与周围车辆发生碰撞的危险指数，及时对驾驶员发出预警指示。

1 车辆行驶区域特征分析

1.1 车道图像阈值分割

基于视觉的车道偏离预警系统处理的信息来源主要是摄像头所采集的车前方图像,由于对于系统有用的图像信息是车道线的信息,而图像中大部分信息对于系统运行都是没有意义的,而且因路面积水反光，图像中出现的很多噪声也会影响车道线的识别,为了准确搜索到车道标志线同时减少图像处理的运算量，只对包含道路信息部分的图像进行处理。

首先对于包含车道线信息的图像进行左右分割，如图1所示。

图1 前方图像划分示意图

分别对道路图像的左右区域划分成16Pix×Pix的子图像(图2)，并对每个子图像设置一个相应的阈值进行分割操作。

将每个子图像组作为研究对象。假设一个子图像组由N个子图像组成。

首先，统计第j(j=1,2,…,N)个子图像中像素的灰度直方图，灰度等级为Ii[i]，i=0,1,…，255。定义该子图像的对比度为

(1)

式(1)中：

(2)

用子图像组所包含的子图像的对比度组成一组数列，称之为对比度序列，记为：Dj(j=1,2,…,N)。

对每个子图像设置相应阈值分割去除图像中的噪声点，显化车道线像素，因此有利于车道标志线的搜索以及车道标志线的拟合。采用Otsu法进行阈值分割是每个子图像生成二值图像。

所生成的二值图像合并成最后的道路区域二值图像，并将其作为最终的结果图(图3)。

图2 前方图像细化示意图

图3 实验结果图

1.2 车辆行驶轨迹的确定

驾驶员对于汽车的操纵主要集中在对汽车方向盘、油门踏板、制动踏板和离合器的操作。而汽车的纵向速度和方向盘转角决定了汽车的横向加速度，汽车油门踏板和制动踏板决定了汽车的纵向加速度。因此，汽车加速度的增量主要还是由汽车的纵向速度、方向盘转角和油门踏板、制动踏板所决定。在预测的过程中，本文假定在预瞄时间段t到t+Tp内，汽车的运动学参数(横、纵向速度和横、纵向加速度)保持不变。因此，本文可以通过汽车横、纵向加速度的稳态增益表得到汽车在当前时刻的稳态加速度增益。

汽车的运动是刚体平面运动，其侧向和纵向运动是相互关联的。汽车的预期行驶轨迹是由当前时刻汽车的运动状态(侧纵向位置、速度、加速度和航向角)和驾驶员输入的侧纵向加速度增量决定的，由于汽车性能的限制，汽车本身可能产生的侧向加速度和纵向加速度是有一定限制的，如果固定当前时刻汽车的运动状态，汽车在驾驶员预瞄时段内所可能到达的行车区域实际上就是由汽车性能允许范围内变化的侧向加速度和纵向加速度增量所决定的。

在当前时刻，如果驾驶员不转动方向盘也不调整油门踏板，汽车将按当前的状态继续行驶下去；如果驾驶员转动方向盘或者是调整油门踏板，则都将改变汽车的横向和纵向运动状态。也就是说，在预瞄时间段内，油门踏板的输入既影响着汽车在其动坐标系下的纵轴方向位移、速度和加速度的变化，同时也影响着其横轴方向位移、速度和加速度的变化；方向盘转角的输入也同样影响着汽车在其动坐标系下横轴方向位移、速度、加速度和汽车航向角的变化以及纵轴方向位移、速度和加速度的变化。因此，在预瞄时间段t到t+Tp内，每给定一个汽车当前的侧向加速度和纵向加速度，就可计算出未来t+Tp时刻一个汽车可能到达的预期位置。根据无穷小原则，将Tp细分为J等分，对每一微小等分，由于持续时间很短，可以忽略汽车纵向与横向之间的相互影响，因此能够利用简化公式分别求出汽车纵向与横向在这段时间后的状态。按照这种方法累加到最后一步，即可求得汽车在预瞄时间Tp后的状态。

图4 预期轨迹计算示意图

在运算过程中始终以初始车辆坐标系为基准。 如图4所示,从坐标系(xn,yn) 到(x0,y0) 的转换矩阵为

从而给出公式：

(j=1,…,4)

式中j=1,2,…,J，其中

1.3 基于驾驶员行车意图的驾驶安全性评价指标

判断驾驶员换道意图前，如果有转向灯信号触发，系统自动默认为驾驶员有换道意图；如果摄像头观测到车辆即将触碰双实线，系统自动默认驾驶员没有换道意图。

驾驶员有换道意图时，由于此时要观查即将所换道一侧的车况，因视线受限而会向其一侧偏头，根据前方摄像头所拍摄图像，系统设定的初始值以及当前驾驶员头部角度，获得驾驶员头部偏转角度，将驾驶员头部水平偏转角度设置为hi，同时判断hi是否在合理阈值范围当中；变换车道过程中，如果所换车道上有其他车辆，驾驶员或是加速，或是减速以避开侧向车辆，将车辆单位时间内车速的变化幅度设置为vh；换道时的方向盘转动角度设置成wi。上述3个参数与驾驶员换道意图成正比关系。驾驶员换道意图评价参数为

根据车辆未来轨迹与车道标志线的位置，首先确定车辆当前的行驶状态，如果判断车辆有换道趋势，读取驾驶员换道意图评价参数；如果参数高于设定阈值，系统设置为驾驶员有换道意图，因此不予预警；当驾驶员换道意图评价参数低于设定阈值，系统设置为驾驶员没有换道意图，发出预警信息(如图5)。

图5 目标车辆换道过程

周围车辆对于当前车辆的影响主要包括侧向距离，横向相对速度及距离，当驾驶员意图参数达到阈值时，根据对应每一个加速度值，计算汽车所能到达的位置，根据汽车预期轨迹点相对于周围车辆的横、纵向距离来判断车辆目前所处于的状态。如果计算出目标车辆与周围车辆即将发生碰撞，系统及时发出预警信息。

当驾驶员意图参数没有达到阈值，按照上述过程计算目标车辆的未来轨迹以及与周围车辆的位置关系，当车辆未来轨迹可避免与前车碰撞，系统不发出预警信息。

2 车道实验及分析

偏离预警系统的实验路况,大抵可以分4种,如图6所示。在驾驶员无意图情况下，变换车道可以分为所换车道无车、所换车道侧面车辆预警、所换车道后车预警、所换车道前车预警等情况。

比较现有的预警算法，本系统更加具有地域针对性，在保证减少误报率的同时，预警的精确度更加提升，给驾驶员预留的反应时间更加合理(参见表1)。

3 结论

系统提前计算出车辆未来轨迹，估算与周围车辆的位置关系，判断当前车辆在可行区域的行车状况，给予驾驶员充分的反应时间；引入驾驶员行车意图，系统更加的人性化，可以极大的减少空预警率，减少系统对于驾驶员的影响；取代传统的模糊算法和神经元算法，简化计算流程，系统运行更加的快速，保证系统运行的实时性。

图6 车道实验示意图

初始速度/(m·s-1)侧向纵向初始加速度/(m·s-2)侧向纵向空预警比例/%本文算法TLC算法偏离时间/s本文算法TLC算法直线车道直线轨迹015．650．010260．056236．2023．001．020．78曲线轨迹0．00215．650．263．12-0．413978．4031．501．010．54曲线车道直线轨迹015．650．010260．056237．6428．101．030．97曲线轨迹-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

(责任编辑 杨继森)

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 作者简介：毕雁冰(1975—)，男，博士，副教授，主要从事汽车动态模拟与实时信号处理研究。

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：毕雁冰.暴雨天气情况下变换车道的预警算法[J].兵器装备工程学报，2017(5):106-109.