融合灰色预测和卡尔曼滤波的车辆侧向碰撞预警

doi:10.3901/JME.2024.20.240

机械工程学报 ›› 2024, Vol. 60 ›› Issue (20): 240-250.doi: 10.3901/JME.2024.20.240

扫码分享

融合灰色预测和卡尔曼滤波的车辆侧向碰撞预警

张志勇^1,2, 王宇翔¹, 黄彩霞^2,3, 吴悠¹, 杜荣华¹

1. 长沙理工大学汽车与机械工程学院长沙 410114;
2. 长沙理工大学机械装备高性能智能制造关键技术湖南省重点实验室长沙 410114;
3. 湖南工程学院汽车动力与传动系统湖南省重点实验室湘潭 411104

收稿日期:2023-10-08 修回日期:2024-04-18 出版日期:2024-10-20 发布日期:2024-11-30
通讯作者: 杜荣华,男,1973年出生,博士,教授。主要研究方向为智能汽车主动安全控制,智能交通与车路协同技术。E-mail:csdrh@163.com
作者简介:张志勇,男,1976年出生,博士,副教授。主要研究方向为智能汽车主动安全控制,车辆动力学及控制。E-mail:zzy04@163.com
基金资助:
国家自然科学基金(52472399);湖南省自然科学基金(2022JJ50020，2021JJ30182);湖南省教育厅科学研究(20A018)和机械装备高性能智能制造关键技术湖南省重点实验室(长沙理工大学)开放基金(2020YB02)资助项目。

Vehicle Lateral Collision Warning Based on Grey Prediction and Kalman Filter

ZHANG Zhiyong^1,2, WANG Yuxiang¹, HUANG Caixia^2,3, WU You¹, DU Ronghua¹

1. College of Automobile and Mechanical Engineering, Changsha University of Science and Technology, Changsha 410114;
2. Hunan Province Key Laboratory of Intelligent Manufacturing Technology for High-performance Mechanical Equipment, Changsha University of Science and Technology, Changsha 410114;
3. Hunan Provincial Key Laboratory of Automotive Power and Transmission System, Hunan Institute of Technology, Xiangtan 411104

Received:2023-10-08 Revised:2024-04-18 Online:2024-10-20 Published:2024-11-30

摘要/Abstract

摘要： 车辆碰撞预警是车辆主动安全控制关键技术，常需要利用准确的车辆状态信息进行运动轨迹的高精度预测，再由运动轨迹预测模块判断安全碰撞预警时间内是否存在碰撞风险。为提高碰撞预警精度，建立以恒定转弯率和加速度模型为状态转移方程，平方根容积卡尔曼滤波器为估计算法的状态估计方法，提高目标车相对运动状态的估计精度；提出融合灰色预测的车辆运动轨迹预测方法，通过灰色预测模型对量测变量进行多步预测，再由平方根容积卡尔曼滤波器进行校正，提高目标车相对运动轨迹的预测精度；最后，考虑路面附着系数对安全碰撞预警时间的影响，提出一种车辆侧向碰撞预警方法。数字仿真结果表明，在不同路面附着条件下，提出的车辆侧向碰撞预警方法都准确预测车辆的碰撞时间，提前的预警时间大于安全碰撞预警时间，确保驾驶员或主动避障控制系统能及时操控车辆，提高车辆行驶的安全性。

关键词: 碰撞预警, 轨迹预测, 状态估计, 灰色预测, 卡尔曼滤波

Abstract: Vehicle collision warning is the core technology of vehicle active safety control. It is often necessary to use accurate vehicle state information to precisely predict the motion trajectory, and then determine whether there is a collision risk within the safe collision warning time by the motion trajectory prediction module. To improve the accuracy of collision warning, a state estimation method using constant turning rate and acceleration model as the state transition equation, and square root volume Kalman filter as the estimation algorithm is established first, which is beneficial to improving the estimation accuracy of the relative motion state of the target vehicle. A relative motion trajectory prediction method integrated with grey prediction is then proposed. The measured variables are predicted in multiple steps through the grey prediction model and are corrected by the square root volume Kalman filter to improve the prediction accuracy of the relative motion trajectory of the target vehicle. Considering the influence of road adhesion coefficient on the safe collision warning time, a vehicle lateral collision warning method is proposed at last. The numerical simulation results show that the warning methods proposed can accurately predict the collision time of the vehicle under different road conditions, and the early warning time is greater than the safe collision warning time, so as to ensure that the driver or the active obstacle avoidance control system can control the vehicle timely and improve the safety of vehicle driving.

Key words: collision warning, trajectory prediction, state estimation, grey prediction, Kalman filter

中图分类号:

TG156

张志勇, 王宇翔, 黄彩霞, 吴悠, 杜荣华. 融合灰色预测和卡尔曼滤波的车辆侧向碰撞预警[J]. 机械工程学报, 2024, 60(20): 240-250.

ZHANG Zhiyong, WANG Yuxiang, HUANG Caixia, WU You, DU Ronghua. Vehicle Lateral Collision Warning Based on Grey Prediction and Kalman Filter[J]. Journal of Mechanical Engineering, 2024, 60(20): 240-250.

参考文献

[1] TAK S，WOO S，YEO H，et al. Study on the framework of hybrid collision warning system using loop detectors and vehicle information[J]. Transportation Research Part C-Emerging Technologies，2016，73：202-218.
[2] WANG P，CHAN C Y. Vehicle collision prediction at intersections based on comparison of minimal distance between vehicles and dynamic thresholds[J]. IET Intelligent Transport Systems，2017，11(10)：676-684.
[3] 唐敏，王东强，曾鑫钰. 汽车碰撞预警主动安全预测方法[J]. 计算机科学，2020，47(4)：318-322. TANG Min，WANG Dongqiang，ZENG Xinyu. An active safety prediction method for vehicle collision warning[J]. Computer Science，2020，47(4)：318-322.
[4] GAO Z，CHEN S，REN H，et al. State observation of nonlinear off-road vehicle system under complex maneuver condition[J]. Journal of Mechanical Science and Technology，2020，34(10)：4077-4090.
[5] 余卓平，高晓杰. 车辆行驶过程中的状态估计问题综述[J]. 机械工程学报，2009，45(5)：20-33. YU Zhuoping，GAO Xiaojie. Overview of state estimation problems in vehicle driving[J]. Journal of Mechanical Engineering，2009，45(5)：20-33.
[6] WANG Y，XU L，ZHANG F，et al. An adaptive fault-tolerant EKF for vehicle state estimation with partial missing measurements[J]. IEEE/ASME Transactions on Mechatronics，2021，26(3)：1318-1327.
[7] SCHUBERT R，RICHTER E，WANIELIK G. Comparison and evaluation of advanced motion models for vehicle tracking[C]//11th International Conference on Information Fusion，30 June-3 July，Cologne，Germany. IEEE，2008.
[8] GUSTAFSSON F，HENDEBY G. Some relations between extended and unscented Kalman filters[J]. Signal Processing，IEEE Transactions on，2012，60(2)：545-555.
[9] CHANG L，HU B，LI A，et al. Transformed unscented Kalman filter[J]. IEEE Transactions on Automatic Control，2013，58(1)：252-257.
[10] MENG D，MIAO L，SHAO H，et al. A seventh-degree cubature Kalman filter[J]. Asian Journal of Control，2018，20(1)：250-262.
[11] ARASARATNAM I，HAYKIN S. Cubature Kalman filters[J]. IEEE Transactions on Automatic Control，2009，54(6)：1254-1269.
[12] 张志达，郑玲，李以农，等. 基于鲁棒自适应SCKF的智能汽车目标状态跟踪研究[J]. 机械工程学报，2021，57(20)：181-193. ZHANG Zhida，ZHENG Ling，LI Yinong，et al. Research on intelligent vehicle target state tracking based on Robust adaptive SCKF[J]. Journal of Mechanical Engineering，2021，57(20)：181-193.
[13] 张润生，黄小云，刘晶，等. 基于视觉复杂环境下车辆行驶轨迹预测方法[J]. 机械工程学报，2011，47(2)：16-24. ZHANG Runsheng，HUANG Xiaoyun，LIU Jing，et al. Vehicle trajectory prediction method based on visual complex environment[J]. Journal of Mechanical Engineering，2011，47(2)：16-24.
[14] 张一鸣，周兵，吴晓建，等. 基于前车轨迹预测的高速智能车运动规划[J]. 汽车工程，2020，42(5)：574-580. ZHANG Yiming，ZHOU Bing，WU Xiaojian，et al. High speed intelligent vehicle motion planning based on trajectory prediction of the vehicle ahead[J]. Automotive Engineering，2020，42(5)：574-580.
[15] 谢枫，娄静涛，赵凯，等. 基于行为识别和曲率约束的车辆轨迹预测方法研究[J]. 汽车工程，2019，41(9)：1036-1042. XIE Feng，LOU Jingtao，ZHAO Kai，et al. Research on vehicle trajectory prediction method based on behavior recognition and curvature constraint[J]. Automotive Engineering，2019，41(9)：1036-1042.
[16] 乔少杰，金琨，韩楠，等. 一种基于高斯混合模型的轨迹预测算法[J]. 软件学报，2015，26(5)：1048-1063. QIAO Shaojie，JIN Kun，HAN Nan，et al. A trajectory prediction algorithm based on Gaussian mixture model[J]. Journal of Software，2015，26(5)：1048-1063.
[17] SORSTEDT J，SVENSSON L，SANDBLOM F，et al. A new vehicle motion model for improved predictions and situation assessment[J]. IEEE Transactions on Intelligent Transportation Systems，2011，12(4)：1209-1219.
[18] BERTHELOT A，TAMKE A，DANG T，et al. Handling uncertainties in criticality assessment[C]//2011 IEEE Intelligent Vehicles Symposium (IV). New York：IEEE，2011：571-576.
[19] 张志达，郑玲，吴行，等. 基于鲁棒自适应UKF的分布式电动汽车状态估计[J]. 中国科学：技术科学，2020，50(11)：1461-1473. ZHANG Zhida，ZHENG Ling，WU Xing，et al. Distributed electric vehicle state estimation based on robust adaptive UKF[J]. Science in China：Science of Technology，2020，50(11)：1461-1473．
[20] 乔少杰，韩楠，朱新文，等. 基于卡尔曼滤波的动态轨迹预测算法[J]. 电子学报，2018，46(2)：418-423. QIAO Shaojie，HAN Nan，ZHU Xinwen，et al. Dynamic trajectory prediction algorithm based on Kalman filter[J]. Electronic Journals，2018，46(2)：418-423.
[21] 张志勇，张淑芝，黄彩霞，等. 基于自适应扩展卡尔曼滤波的分布式驱动电动汽车状态估计[J]. 机械工程学报，2019，55(6)：156-165. ZHANG Zhiyong，ZHANG Shuzhi，HUANG Caixia，et al. State estimation of distributed drive electric vehicle based on adaptive extended Kalman filter[J]. Journal of Mechanical Engineering，2019，55(6)：156-165.
[22] PETROV V，FODOR G，KOKKONIEMI J，et al. On unified vehicular communications and radar sensing in millimeter-wave and low terahertz bands[J]. IEEE Wireless Communications，2019，26(3)：146-153.
[23] BHAUMIK S. Square-root cubature-quadrature Kalman filter[J]. Asian Journal of Control，2014，16(2)：617-622.
[24] XIE G，GAO H，QIAN L，et al. Vehicle trajectory prediction by integrating physics-and maneuver-based approaches using interactive multiple models[J]. IEEE Transactions on Industrial Electronics，2018，65(7)：5999-6008.
[25] QIN W，TANG J，LU C，et al. Trajectory prediction based on long short-term memory network and Kalman filter using hurricanes as an example[J]. Computational Geosciences，2021，25(3)：1005-1023.
[26] 陈无畏，王晓，谈东奎，等. 基于最小能耗的电动汽车横摆稳定性灰色预测可拓控制研究[J]. 机械工程学报，2019，55(2)：156-167. CHEN Wuwei，WANG Xiao，TAN Dongkui，et al. Gray predictive extension control of electric vehicle yaw stability based on minimum energy consumption[J]. Journal of Mechanical Engineering，2019，55(2)：156-167.
[27] 魏子茹，卢延辉，王鹏宇，等. 基于CRITIC法的灰色关联理论在无人驾驶车辆测试评价中的应用[J]. 机械工程学报，2021，57(12)：99-108. WEI Ziru，LU Yanhui，WANG Pengyu，et al. Application of grey correlation theory based on CRITIC method in unmanned vehicle test and evaluation[J]. Journal of Mechanical Engineering，2021，57(12)：99-108.
[28] 尹小庆，汪浩，莫宇迪，等. 考虑路面附着因数的车辆向前碰撞预警时间的优化算法[J]. 汽车安全与节能学报，2019，10(2)：178-183. YIN Xiaoqing，WANG Hao，MO Yudi，et al. Optimization algorithm for vehicle forward collision warning time considering road adhesion factor[J]. Journal of Automotive Safety and Energy Conservation，2019，10(2)：178-183.

融合灰色预测和卡尔曼滤波的车辆侧向碰撞预警

Vehicle Lateral Collision Warning Based on Grey Prediction and Kalman Filter

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	蒋帅, 陈铖, 段砚州, 熊瑞. 温度和老化影响下的锂离子电池荷电状态和健康状态联合估计方法研究[J]. 机械工程学报, 2024, 60(18): 266-275.
[2]	楼功茂, 林文文, 王宇作. 基于DMM-EKF的超级电容器剩余使用寿命预测[J]. 机械工程学报, 2024, 60(14): 306-316.
[3]	张彧, 檀祖冰, 曹东璞, 陈龙. 基于视觉和惯性测量单元的里程计关键技术研究综述[J]. 机械工程学报, 2024, 60(10): 3-21.
[4]	李玖法, 邹博文, 任玥. 考虑车-路交互作用的车辆轨迹预测算法研究[J]. 机械工程学报, 2024, 60(10): 76-85.
[5]	褚端峰, 彭赛骞, 胡海洋, 皮大伟. 预见性驾驶风险场模型[J]. 机械工程学报, 2024, 60(10): 160-170.
[6]	周洪龙, 裴晓飞, 刘一平, 赵柯帆. 面向动态不确定场景的自动驾驶车辆时空耦合分层轨迹规划研究[J]. 机械工程学报, 2024, 60(10): 222-234.
[7]	赵林峰, 丰肖, 方婷, 王宁, 陈无畏, 王慧然. 基于前车轨迹预测的智能车辆高速主动避撞方法[J]. 机械工程学报, 2024, 60(10): 289-301.
[8]	谈东奎, 胡港君, 朱波, 胡旭东, 姚明尧. 基于轨迹预测安全边界的智能汽车换道避撞系统[J]. 机械工程学报, 2024, 60(10): 317-328.
[9]	王博, 罗禹贡, 赵超, 王永胜. 面向预期功能安全的汽车队列主动容错控制[J]. 机械工程学报, 2024, 60(10): 384-398.
[10]	王法安, 殷国栋, 庄伟超, 刘帅鹏, 梁晋豪, 卢彦博. 基于多基站IMMKF-DOA辅助车辆协同定位算法研究[J]. 机械工程学报, 2023, 59(4): 125-134.
[11]	王宇, 刘秋发, 彭一真. 非均匀监测条件下滚动轴承剩余寿命预测方法[J]. 机械工程学报, 2023, 59(23): 96-104.
[12]	何洪文, 王浩宇, 王勇, 李双歧. 基于实车运行数据的锂离子电池健康状态估计[J]. 机械工程学报, 2023, 59(22): 46-58.
[13]	魏中宝, 钟浩, 何洪文. 基于多物理过程约束的锂离子电池优化充电方法[J]. 机械工程学报, 2023, 59(2): 223-232.
[14]	刘逸群, 李猛猛, 刘涛, 杨娜, 李卫华, 王剑锋. 电流信号采样偏差下动力电池荷电状态估计研究[J]. 机械工程学报, 2023, 59(16): 288-299.
[15]	胡文, 邓泽健, 张邦基, 曹东璞, 杨彦鼎, 曹恺, 李深. 密集交通场景下无人驾驶重卡换道决策规划方法[J]. 机械工程学报, 2023, 59(12): 332-342.