1.一种基于长时轨迹预测的车辆非紧急避撞方法,其特征在于,包括以下步骤:步骤S1:获取本车驾驶员的实时反应时间;
通过驾驶员眼动信号采集装置,捕捉驾驶员眼球聚焦点的变化,判断驾驶员是否意识到突发状况,从而确定反应的开始;
通过肌电信号采集装置,捕捉驾驶员肌肉动作的变化,判断驾驶员是否做出反应,从而确定反应的结束;
将驾驶员眼动信号采集装置和肌电信号采集装置同步时间坐标,从而得出驾驶员的实时反应时间 ;
步骤S2:获取本车的刹车性能参数;
通过实时观测车辆磨损情况得到刹车性能参数,制动器起作用的时间记为 、减速度达到最大值所需的时间记为 以及制动最大减速度记为 ;
步骤S3:获取道路参数;
通过车载传感器,得到道路的附着系数 ,道路纵坡度 ;
步骤S4:获取车辆的状态参数
包括本车及周边车辆,状态参数具体为:汽车质量 、横向速度 、纵向速度 、横向加速度 、纵向加速度 、横摆角 、横摆角速度 、横摆角加速度 、车辆绕 轴的转动惯量 、前轮侧偏刚度 、后轮侧偏刚度 、前轮纵向刚度 、后轮纵向刚度 、前轴到整车质心的距离 、后轴到整车质心的距离 、前轮转向角 、前轮纵向滑移率 、后轮纵向滑移率 ;
步骤S5:构建车辆三自由度动力学模型;
根据车辆的状态参数,选取纵向、横向、侧偏三个自由度,建模如下:步骤S6:基于车辆三自由度动力学模型,构建PINN车辆长时轨迹预测模型;
以时间 与车辆的状态参数 =[ , , , , , , , , , ]作为输入,以横向速度 、纵向速度 、横摆角速度 作为输出,构建三层全连接神经网络并训练;
步骤S7:基于PINN车辆长时轨迹预测模型,得到各时刻本车及周边车辆的横向速度 、纵向速度 ,获取本车及周边车辆的行驶轨迹预测数据;
步骤S8:通过实验获得碰撞风险系数的三个阈值T1、T2、T3,并设置四个碰撞风险区间:步骤S9:根据本车及周边车辆的行驶轨迹预测数据,判定本车的碰撞风险系数;
本车的碰撞风险系数的判定方法如下:
根据行驶轨迹预测数据,将开始预测的时刻定义为0时刻,当两车在某时刻位置的欧氏距离 小于等于1.5 时,将此刻定义为冲突时刻,记为 ,即:为碰撞风险系数,为最短安全时间,为当前车速, 和 分别为两车的横向位置,和 分别为两车的纵向位置;
步骤S10:根据碰撞风险系数所属碰撞风险区间,调用相应的车辆控制方案,实现车辆避碰。
2.根据权利要求1所述的一种基于长时轨迹预测的车辆非紧急避撞方法,其特征在于,步骤S2中,通过车载传感器,记录车辆历史刹车数据与刹车片、刹车盘和轮胎的磨损数据,通过历史刹车数据得到历史制动器起作用的时间、减速度达到最大值所需的时间以及制动最大减速度共三个刹车性能参数,对磨损数据与三个刹车参数数据分别进行拟合,得出车辆磨损程度与各刹车参数的拟合关系。
3.根据权利要求2所述的一种基于长时轨迹预测的车辆非紧急避撞方法,其特征在于,步骤S6中,训练神经网络的损失函数为 :为平均绝对误差,为训练集中数据的数量,和 分别表示训练集中横向速度、纵向速度与摇摆角速度的真值及预测值, 为车辆三自由度动力学误差, 、 、表达式为:、 、 分别为车辆在纵向、横向、侧偏三个自由度上的物理学损失。
4.根据权利要求3所述的一种基于长时轨迹预测的车辆非紧急避撞方法,其特征在于,步骤S7中,行驶轨迹预测数据的获取方法如下:S71:假设各时间间隔内的横向速度 与纵向速度 保持不变,令 ,根据前一时刻的位置与速度,计算出下一时刻的位置,即其中, ,为车辆横向位置,为车辆纵向位置,为行驶轨迹, 为各轨迹预测时刻之间的时间间隔;
S72:进行迭代计算,得出车辆在长时域内各个时刻的横向位置和纵向位置,并根据最新数据不断更新计算。
5.根据权利要求4所述的一种基于长时轨迹预测的车辆非紧急避撞方法,其特征在于,步骤S8中,阈值获得方式为:构建不同碰撞风险系数下的驾驶场景,进行模拟驾驶实验,模拟结束后通过驾驶人员做风险感知问卷进行碰撞风险感知测定,确定风险阈值T1, T2, T3;
四个碰撞风险区间为:低风险区间,碰撞风险系数小于T1;一般风险区间,碰撞风险系数大于T1小于T2;较大风险区间,碰撞风险系数大于T2小于T3;重大风险区间,碰撞风险系数大于T3。
6.根据权利要求5所述的一种基于长时轨迹预测的车辆非紧急避撞方法,其特征在于, 步骤S10中,当处于低风险区间时,减小油门开度为原来的五分之四;
当处于一般风险区间时,减小油门开度为原来的四分之三 ,同时提高电子液压制动系统提供电子制动力为原来的1.5倍;
当处于较大风险区间时,减小油门开度为原来的三分之二,同时提高电子液压制动系统提供电子制动力为原来的2倍;
当处于重大风险区间时,控制车辆进行急刹车操作,同时打开车辆的危险报警闪光灯。
7.一种基于长时轨迹预测的车辆非紧急避撞系统,其特征在于:该系统执行权利要求6的基于长时轨迹预测的车辆非紧急避撞方法,包括信息采集模块、轨迹预测模块、碰撞风险系数分析模块、油门控制模块、制动模块、方向盘模块以及主控模块;
所述信息采集模块用于实时获取本车及周边车辆的状态参数,并获取驾驶人的实时反应时间、驾驶车辆的刹车性能参数以及道路参数;
所述轨迹预测模块通过构建的PINN车辆长时轨迹预测模型,以及信息采集模块中所采集的信息,预测本车及周边车辆的行驶轨迹;
所述碰撞风险系数分析模块通过预测的本车及周边车辆的行驶轨迹,得到碰撞风险系数,并分析碰撞风险系数所处的阈值风险区间;
所述油门控制模块根据阈值风险区间控制油门开度;
所述制动模块根据阈值风险区间控制电子液压制动系统提供的电子助力;
所述方向盘模块根据阈值风险区间调整方向盘助力系统提供的助力力矩大小;
所述主控模块根据阈值风险区间调整驾驶参数。