1.一种网联协同驾驶汽车弯道碰撞预警方法,其特征在于,包括:S1、路侧RSU采集车辆状态信息与弯道环境信息,并上传至EC,其中,EC为边缘云服务器;
S2、EC对输入数据进行融合,并采用Bi-LSTM模型预测弯道处非联网汽车的行驶轨迹;
S3、建立智能网联汽车行车风险场模型,结合周围车辆预测轨迹,实时评估弯道行驶碰撞风险;
建立智能网联汽车行车风险场模型,包括:
其中,R(x,y)为点(x,y)的碰撞风险函数,h代表高斯截面函数的高度,w代表高斯截面函数的宽度,rc代表车辆转弯半径,(xo,yo)代表转弯半径中心点坐标;
S4、利用蒙特卡洛法则,结合人类驾驶数据计算碰撞风险阈值,进行弯道碰撞预警;
利用蒙特卡洛法则,结合人类驾驶数据计算碰撞风险阈值,进行弯道碰撞预警,包括:利用蒙特卡洛法则计算碰撞风险阈值,利用人类驾驶数据修正碰撞风险阈值,通过与实时的碰撞风险进行比较,完成弯道碰撞预警;
利用蒙特卡洛法则计算碰撞风险阈值,包括:
其中,Rk表示驾驶碰撞风险值,meshgrids表示网格点集合,Sc表示智能网联汽车的驾驶场景代价。
2.根据权利要求1所述的一种网联协同驾驶汽车弯道碰撞预警方法,其特征在于,所述路侧RSU采集的信息,包括:自车的状态信息,周围车辆的状态信息以及弯道环境信息;
所述自车的状态信息,包括:车辆位置、车辆方向盘转角、车辆航向角、车辆速度和车辆尺寸;
所述周围车辆的状态信息,包括:车辆位置、车辆速度、车辆历史轨迹和车辆尺寸;
所述弯道环境信息,包括:车道曲率和车道ID。
3.根据权利要求1所述的一种网联协同驾驶汽车弯道碰撞预警方法,其特征在于,EC对输入数据进行融合,包括:对EC数据进行融合,确定非联网汽车轨迹预测模型的输入信息。
4.根据权利要求1所述的一种网联协同驾驶汽车弯道碰撞预警方法,其特征在于,所述的Bi-LSTM模型,包括两个独立的LSTM网络,分别用于处理输入序列的正向和反向信息,从而预测弯道处非联网汽车的行驶轨迹,正向LSTM处理序列从x1到xt,并在每个时间步t生成一个隐藏状态反向LSTM处理序列从xt到x1,并在每个时间步t生成一个隐藏状态对于每个时间步t,将正向和反向LSTM生成的隐藏状态和拼接在一起,形成一个单一的特征向量ht。
5.根据权利要求4所述的一种网联协同驾驶汽车弯道碰撞预警方法,其特征在于,将正向和反向LSTM生成的隐藏状态和拼接在一起,形成一个单一的特征向量ht,包括:其中,α表示用于控制正向和反向特征向量在合并时的贡献度权重参数。
6.一种网联协同驾驶汽车弯道碰撞预警系统,该系统用于执行权利要求1~5任意一项所述的一种网联协同驾驶汽车弯道碰撞预警方法,其特征在于,包括:状态信息采集单元、轨迹预测单元、风险评估模块、以及碰撞预警模块;
所述状态信息采集单元用于获取自车状态信息、周围车辆状态信息、以及道路环境信息;
所述轨迹预测单元根据状态信息采集单元的输入信息,预测自车周围非联网汽车的行驶轨迹;
所述风险评估模块根据自车信息、周围车辆信息及道路环境信息,实时计算自车弯道碰撞风险;
所述碰撞预警模块根据自车在弯道处的实时碰撞风险,通过与内置碰撞风险阈值进行比较,当风险超过阈值时,进行碰撞风险预警。