專利名稱：公路車輛的防撞系統與方法及相關計算機程序產品的制作方法
技術領域：
本發明涉及一種公路車輛(例如汽車)的防撞系統和一種防撞方法。
背景技術：
US2003/55563描述了一種防撞方法，其中涉及針對車輛與其他道路使用者的位置的與時間相關的概率密度預測。觀測到的當前位置、速度、加速度的概率分布用來計算未來位置的概率密度。從概率密度的角度出發，計算車輛與其他道路使用者位于同一時間、同一地點的概率。基于這種概率觸發事件(如向駕駛員發出報警信號或自動剎車)。J.Jansson等人也在大量文章中描述過利用概率密度函數來避免碰撞，例如，2008 ^Ξ Automatica (《自云力4t》)±/人 2347 M 2351 胃的名力 “A framework and automotive application of collision avoidance decision making，，(“防 決. !自^J 化應用”)的文章，或者2004American Control Conference (《2004年美國控制會議》)中
3435-3440 JltStJ一M "Model based statistical tracking and decision making for collision avoidance application”( “基于數據跟蹤的模型和防撞應用中的決策”)的文早。US2003/55563代表了概率密度的時間度量，作為一個狀態矢量的標準分布，其中包括車輛位置的兩維坐標值分布，并通過計算正態分布的參數，即平均狀態矢量和協方差函數。狀態矢量包括代表車輛的二維坐標，二維速度和方向變化率的組成部分。擴展卡爾曼濾波器用于計算正態分布的參數。在防撞被視為變得更大的時刻時，精度會降低。這種防撞的有效性強烈依賴概率密度的準確性。如果某些地點的概率密度被高估，這可能會引起誤報，這將損害對合理報警的依賴。另一方面，如果某些地點的概率密度被低估了，報警不能可能會發生。已知防撞僅利用了車輛運動的力學模型，以預測概率密度函數。這些模型忽略了駕駛員的行為和道路建設等方面的影響，如在防護欄存在的情況下。防護欄界定了概率密度的空間分布范圍，但它可能會以其他方式影響真正的概率密度函數。在很短的時間段內， 駕駛員的行為幾乎沒有影響，稍長的時間段內，駕駛員不該作出任何變化，這是的力學模型可能是準確的。但在更長的時間段內，概率密度不能估計，因為它在很大程度上取決于在力學上不可預知的駕駛員的行為。按照慣例，概率密度僅用于在時間量程內，這樣由于道路建設和駕駛員行為而帶來的誤差可以忽略不計。在這種情況下的力學模型足以滿足需求。在較長時間量程的概率密度的預測被認為是隨機而不準確，以至于我們不能做任何事情以實現碰撞保護。然而，我們已經發現駕駛員行為的解釋不能也可能導致系統的誤報或報警不能。例如，一輛在公路上的車會正常的輕輕轉彎。當車輛方向在這樣的瞬間轉彎運動中機械推算，就可能會引起誤報，因為機械推斷忽視了這樣的事實，在車輛脫離其車道之前或者防護欄阻止的情況下， 駕駛員會不知不覺地改變轉向運動很長時間。
現實的減少這些類型的錯誤的概率密度是可取的。然而，因為涉及到駕駛員行為和道路建設的原因，簡單的力學模型并未獲取。
發明內容
除它之外，本發明提供一種改進的防撞系統，其中可提供更準確的概率密度。根據權利要求1，提供了一種防撞系統。于此，通過使用檢測到的包括車輛的位置在內的初始狀態進行的計算，預測車輛的未來位置的初步概率密度。預測的初步概率密度函數可基于車輛動力學。借助應用于包含道路在內的選定地帶的系數對所預測的初步概率密度函數進行校正。根據在所述地帶的至少一部分中的總初步概率密度函數，計算出對于所選擇地帶中的所有位置都適用的校正系數，。在一個示例中，這使得它可以彌補由于推算造成的誤差，例如無意識的轉彎運動。 正如地圖資料定義的，第一區域包含車輛出行方向的一部分道路。校正系數取代所述的第一區域，校正了不同區域的初始概率密度分布。由于轉向運動推算的原因，第一區域的初始概率密度可能被低估了，在現實中，駕駛員會校正這個誤差。校正系數提供了一種校正的手段。例如，當與第一區域關聯的預測概率密度函數中的初始概率密度總量逐漸變小的時候， 或者，同樣地，當與區別于第一區域的一個或多個其他區域的預測初始概率密度函數中的初始密度函數變大的時候，校正系數可以隨之增大。所述的被低估的第一區域的概率密度以這種方式得以校正。在不考慮駕駛員校正或道路建設方面的情況下，預測初始概率密度經由車輛動力學計算，這種情況是可能發生的。校正的概率密度函數可用于產生碰撞預警信號，或對駕駛控制引發干預。防撞系統可以計算車輛的概率密度函數以對車輛發出預警信號或干預，和/或其他車輛可能對車輛產生碰撞危險而對車輛發出警告信號或干預。因此，例如，由于在道路上不同位置的預測概率密度校正系數可能由車輛本身決定，通過對未來某一時間點的非道路的同一行駛方向的預測概率密度的總額或總量或明確或含蓄的計算，從而產生一個報警信號或干預，以避免與其他道路使用者在這條道路碰撞， 這個條件依賴于總量而進行調整。校正系數可隨著外道路部分的總和變得更大而隨之增加。用來控制這種校正的總量可能是道路外所有位置的總的預測概率密度，或者道路左側部分的總量或者道路右側部分的總量，液也可能是這些總量的組合。在一個實施例中，我們使用根據地圖數據定義的第一個區域，第二和第三地區。第一區域包括車輛行駛方向的一部分，第二個和第三個區域在臨近(即毗鄰)第一區域在行駛方向上相互相反的兩側，包括沿著行駛方向的反向駕駛的道路部分和與道路接壤的路外區域。在這個實施例中，較之于反向駕駛區域的總的初始概率密度和第三區域的總的初始概率密度，因為道路外側區域的總的初始概率密度而校正系數增加的更多。這種方式下，我們考慮的事實是駕駛員更傾向于暫時性的在道路上反向駕駛而在道路外側。在一個實施例中，校正系數F是根據公式F= (1_C2*P2)/P1計算的，其中，Pl和 P2分別是在交通道路部分的車輛行駛方向和相反方向的總的初始概率密度總值，其中C2 是一個大于零而小于一的系數。系數C2是零以上具有這樣的效果，從第一區域到反向交通區域時的概率被減損時，較之于從第一區域到其他非道路區域的概率被減損時，校正系數F會上升較弱。在一個實施例中，校正系數F根據公式F= (1-C2*P2_C3*P3)/P1計算，其中，P3是一個非道路區域的初始概率密度的總量，系數C3介于零和C2之間。事實上，系數C2在系數C3之上有以下效果從第一區域到反向交通區域時的概率被減損時，較之于從第一區域到其他非道路區域的概率被減損時，校正系數F會上升較弱。
參考下列附圖，從實施例的描述中，這些和其他目的及有益方面將會明顯。圖1顯示了一個防撞系統；圖2顯示了道路的幾何示例；圖3顯示了防撞的流程圖。
具體實施例方式防撞系統可以以整體車載的方式實現，也可以具有位于車輛外部的部件。因此，例如，與路側目標或其他車輛有關的信息的提供、概率密度的計算等，可由路側設備來實現而不是在車輛內實現。通過例子，描述在車輛內實現的方案。圖1顯示了在車輛內(比如一輛汽車)的防撞系統的一個實施例，防撞系統包括目標檢測器10、數據處理器12、地圖存儲裝置14、位置檢測器16、速度檢測器18和報警信號發生器19。數據處理器12連接到目標檢測器10、地圖存儲裝置14、位置檢測器16、速度檢測器18和報警信號發生器19。目標檢測器10可被配置為檢測其他車輛的位置和速度，以及確定每一其他車輛的類型級別。目標檢測器10可以是雷達裝置(例如，可能根據從雷達波行程時間和/或波向、多普勒頻移速率和反射幅度級別來確定位置)。作為替代，目標檢測器10可包括從其他車輛的應答器獲取信號的收發器。位置檢測器16可以是包含全球定位系統(GPQ接收器和GPS處理器的GPS單元。 該GPS處理器可以是數據處理器12的一部分。速度檢測器18可包括航向檢測器和安裝為感測車輛車輪的轉速的車輪傳感器。作為替代，速度檢測器18可部分或全部地通過利用 GPS單元測量速度來實現。圖2顯示了道路的幾何示例，其中車輛20中安裝了防撞系統。還借助示例顯示了另一車輛22。標示了道路左側和右側的非道路區域M、26以及道路中用于相反雙方向交通行駛的區域28a*^b。箭頭指示了車輛20、22的行駛方向。這里使用的術語“道路”可以指較長道路的一段，較長道路沿該段繼續向前或向后。在操作中，數據處理器12可保存表示概率密度函數p。(r;t)的信息，概率密度函數P。(r;t)界定了車輛20在未來時間點“t”位于道路上不同位置“r”處的概率。例如，該位置r可由路面上的二維坐標χ、y來表示。數據處理器12保存表示另一車輛22 (以及可選的未顯示的其他車輛)的一個或更多個概率密度函數Pi (r;t)的更多信息。在一個實施例中，信息可表示借助在道路網點采樣的一組相應的概率密度函數值表示的各個概率密度函數，或者表示與這些點相關的位置范圍的概率。在另外一個實施例中，可使用分段表示，其中，信息可表示一段空間內的位置的概率密度函數(借助于該段的預定分布函數的參數來表示的，如正態分布函數N(r)= A*exp (- (r-r0) *C* (r-r0) /2)。在此，r0是模態的位置值，C是逆協方差矩，A是正系數。基于車輛動力學的概率密度函數的信息值的計算方法本身是已知的。一個已知的方法是為車輛20的狀態值矢量S提供一個運動規范。矢量包括車輛的位置r，加上例如方向phi、速度ν、以及這些值的一個或多個時間導數等其他分量。給出狀態矢量S在當前時間點的準確值，運動規范使得針對所有未來時間點預測狀態矢量S(t)成為可能。在一個計算概率密度函數的實施例中，狀態矢量S在當前時間點的初始概率密度被定義。初始概率密度可僅為狀態矢量S的部分分量(如車輛的位置r)賦予精確值，而為其他分量(例如，加速度)界定可能值的分布。在這個實施例中，針對未來時間點的概率分布是根據初始狀態密度的不同狀態矢量獲得的預設狀態矢量總值而來的。運動模型運動規范定義了各種狀態將隨時間的推移而發展至的未來狀態。運動可根據微分方程來確定，也可以提供針對給出的起始狀態對于所選時間增量的相應未來狀態值的表。可使用確定性的運動規范。在一個例子中，該運動規范將矢量的各個分量的變化率與表示導數的一個或更多個其他分量關聯起來，表示最高階導數的分量的變化率被設定為零。可代之以使用非確定性的的運動規范中，其中狀態值的變化被建模為至少部分為隨機的函數(該函數具有根據預設概率分布的隨機參數)而變化。在這種情況下，諸如最高階導數等的初始狀態分量可以忽略。動力學的不變性，如運動規范針對位置偏移或固定旋轉的不變性，可用于借助一個表項為一組狀態矢量值限定未來狀態值。狀態矢量的分量的數量可根據個人想要模擬的效果來選擇，正如運動規范所表達的那樣。在一個例子中，狀態矢量可以和分量(x、y、v、phi)和借助微分方程確定的運動規范一起使用。dx/dt = ν氺cos (phi), dy/dt = ν氺sin (phi),dv/dt = 0，dphi/dt = 0該模型中，速度(ν)和方向(phi)為常數，但它們的值可保持不定，僅用速度和航向的初始概率密度進行描述。可選地，這些參數的初始概率密度可取決于傳感器輸入數據。 相比之下，X與y的值，即道路上車輛位置的坐標，可取具有確定的初始值，但作為替代，根據測量不確定度的初始概率分布也可適用于χ和y的值。另一個例子中，狀態矢量與其分量(χ，y, ν, phi, a, k) 一起使用，運動方程借助微分方程確定。dx/dt = ν氺cos (phi), dy/dt = ν氺sin (phi),dv/dt = a, dphi/dt = k氺νda/dt = 0dk/dt = 0在這個例子中，舉例來說，無需為“a”和“k”設定限定值，只為這些參數的值設定初始概率密度。x、y、v、phi的值可取確定的初始值，或者由初始概率分布加以描述。應該認識到，這些只是模型的一些例子。依賴于所追求的精度，可使用具有不同狀態矢量和/或不同運動方程的其他模型。概率密度的初始計算對于簡單的運動方程，提供參數的概率密度函數在未來時間點的分析表達式是可能的。例如，在具有狀態矢量(x，y，v，phi)的第一示例的情況下，χ的概率密度具有一模態值和與時間乘積成比例增長的方差，Y的改了密度具有一模態值和由ν和Phi限定的分布的方差。作為借助解析表達式的替代，表示未來某時間點的概率密度函數的信息可借助蒙特卡洛方法獲得。這可通過下述實現例如，根據初始概率密度分布而隨機選擇一組初始狀態矢量，針對這些初始狀態矢量中每一個計算在未來某時間點的狀態矢量，并根據計算出的狀態矢量估計概率密度函在未來某時間點的參數。同樣，初始狀態矢量空間的系統性采樣，可作為狀態矢量值的函數用來估計未來狀態矢量的密度。作為替代，可使用迭代計算，其中連續時間點的概率密度分布可以利用先前時間點的概率密度分布及定義從一個時間點到下一個時間點的狀態矢量值的映射的運動規范一一算得。當采用非確定性運動規范時，蒙特卡羅方法也可使用。在每一種情況下，概率密度函數的確定包括收集與初始狀態矢量的分量有關的傳感器數據。根據該傳感器數據可確定初始概率，且根據初始概率密度可計算出表示未來某時間點的概率密度函數。圖3顯示了防撞方法的一個實施例的流程圖。在第一個步驟31中，數據處理器12 從位置檢測器16和速度檢測器18捕捉車輛傳感器數據。數據處理器12根據車輛航向和 /或所檢測位置的變化史，確定車輛的行駛方向。在第二步驟32中，數據處理器12根據初始概率密度和/或根據車輛傳感器數據確定的初始值來計算未來時間點t的第一概率密度函數。這種計算可以以已知的方式執行，例如通過蒙特卡洛方法或借助于概率密度函數的參數的解析表達式。利用地圖數據校正在第三步驟33中，數據處理器12首先針對由地圖存儲設備14的地圖數據定義的一組位置計算由第一概率密度函數定義的總概率。在一個實施例中，地圖數據定義了道路上明確地或隱含地與車輛行駛方向相關的部分。當道路寬度分為兩部分時，從行駛方向看最右邊的部分可能隱含地與沿該方向的行駛相關，而最左邊的部分與沿相反方向的行駛相關。這也適用于車輛靠右行駛國家的操作模式。在其他國家，可使用作用及左右互換的操作模式。在步驟33中，數據處理器12利用檢測到的行駛方向來選擇與行駛方向相關的道路部分。數據處理器12利用在第二步驟32中分別計算的初始概率密度來計算總概率 Pl (其為在與車輛行駛方向相關的道路部分上一組位置的積聚)、類似的針對與行駛方向相反的一組位置的總概率PL、以及針對道路外的一組位置的總概率PR。對這些成組位置的選擇可使它們覆蓋所有可能的位置，在這種情況下，這些概率的總和應該等于一。如果是這樣，可能只需要針對兩組位置直接計算總概率。在一個實施例中，只有Pl和為PL+PR的和的量被使用，只有一個總量需要計算。在另一個實施例中，PL可作為與車輛行駛方向相關的部分的第一側上的一組位置的總量被計算，第一側包含反向行程部分。在這個實施例中，I3R作為與第一側反向的第二側部分上的一組位置的總量被計算。在隨后的第三步驟33中，數據處理器12確定應用于第一概率密度函數的校正系數F，這個第一概率密度函數適用于與車輛行駛方向相關的道路部分。在這個實施例中，校正系數F是根據以下公式計算的F = (1_CL*PL)/P1更廣泛地講，校正系數F是根據以下公式計算的F = (l-CL*PL_CR*ra)/Pl這里的CL和CR是小于1的歸一化因數，并能有效地減少應用于車輛行駛方向的道路部分的左右側部分的位置的概率密度部分。在公式F= (1-CL*PL)/P1中，CR被置零。 CL可設置為例如0.3。根據F’= CL，可為車輛行駛方向的左側道路部分的概率密度函數的一部分確定相應的校正系數F’。計算碰撞概率的應用校正系數F，或校正系數F、F’是用來計算碰撞概率的。通過舉例的方式，與其他道路使用者(如車輛2 的碰撞概率的計算將加以說明。但值得重視的是，作為替代，與非車輛的固定物體或移動物體的碰撞概率可以計算。在第四步驟34中，數據處理器12從目標檢測器10中讀取數據以檢測道路上是否存在其他道路使用者(如車輛22)，或其他道路使用者(如車輛22)至少存在于距目標檢測器10預定距離內。如果是這樣，數據處理器12確定其他道路使用者的狀態參數，如從檢測器信號獲知的目標位置和速度。當目標檢測器10是舉例來說是雷達單元時，目標位置得自接收反射的方向和接收反射的延遲。目標檢測器10的方向上的速度可以由多普勒偏移決定。當其他道路使用者配備應答器且防撞系統具有用于獲取應答器數據的收發器時，應答器數據可提供這樣的信息。在第五步驟35和第六步驟36中，數據處理器12針對檢測到的其他道路使用者執行類似第二步驟32、第三步驟33中的計算。然而，在第五步驟35和第六步驟36中使用的狀態矢量和運動規范，可能不同于在第二步驟32、第三步驟33中所使用的，這取決于裝有防撞系統的車輛20的和其他道路使用者可用的傳感器數據類型間的差別。計算其他道路使用者在未來時間點“t”的概率密度函數和校正系數Fi。可選地，校正系數Fi’用于其他車輛正在行駛的方向上的道路左側部分的概率密度函數的一部分。對于不同的道路使用者，第四步驟34、第五步驟35和第六步驟36可能是重復的， 以確定每個其他道路使用者的概率密度函數和校正系數Fi。通常，只有少數車輛的概率密度函數可被使用，例如反向的最接近的車輛和同向的前方最接近車輛。雖然針對車輛的實施例已經被描述了，但是應該認識到，一般地，第四步驟34和之后的步驟可以適用于其他道路使用者包括行人。經過第六步驟36，或第四步驟34到第六步驟36的重復后，數據處理器12執行第七步驟37，其中，裝有防撞系統的車輛與另一個車輛在未來時間點t占用同一位置的聯合概率得以計算。為此目的，校正系數F和Fi’或Fi的乘積(取決于其他車輛的行駛方向) 和車輛20與其他車輛22在車輛20在行駛方向的道路部分的碰撞區的概率得以計算。這些概率可能是車輛和其他車輛在碰撞區的概率密度的近似積分。校正系數F’和Fi’或Fi 的乘積(取決于其他車輛的行駛方向)和車輛20與其他車輛22在車輛20在行駛反向的道路部分的碰撞區的概率得以類似計算。對計算所得的碰撞概率的響應在第八步驟38中，數據處理器12將從第七步驟37得到有關未來時間點的乘積或有關不同碰撞區的乘積總和，與臨界值進行比較，并根據比較的結果執行防撞行動。防撞行動可能包括啟動報警信號發生器19以在車輛20中提供報警信號，例如報警信號發生器19 的揚聲器(未顯示)中的聲音信號，或積極的干預，如啟動剎車(未顯示)，控制驅動單元 (未顯示)以減少驅動功率(例如通過控制天然氣或電的供應)或控制轉向單元調整車輛的轉向。該行動可能根據結果超出臨界值的碰撞區的位置而調整，例如，如果該區域在車輛正行駛方向的車道上則使用剎車，否則使用轉向。可根據與不同臨界值的比較而采取不同的防撞行動。雖然在第七步驟37和第八步驟38的例子中已經描述了系數被應用到概率中且使用了預定臨界值，應認識到作為替代，臨界值可以與系數成反比例地調整。使用何種組合， 這取決于臨界值與概率和系數的乘積之間的比值。選擇性地，在不同的時間點，第32-38步可以重復，例如，越來越遙遠的將來時間點到預定的最大時間間距，直到發現碰撞概率低于所有時間點的臨界值，或決定采取防撞行動。不同的時間點的臨界值和行動可能是不同的。計算概率密度所需要的信息在一個實施例中，地圖數據從路側站點提供至防撞系統。在這個實施例中，防撞系統可包括接收器以接收這些數據。在一個實施例中，地圖數據來自于預先存儲的關于道路網絡(如用于路徑規劃)的數據庫。在這種情況下，位置檢測器16是用來確定車輛20相對于既定的道路網絡的位置R1，道路邊緣的坐標Re-Rl以及與相對于車輛不同方位的道路部分之間的分割的定義可以從道路邊緣坐標系Re中獲得。另一個替代的實施例中，目標檢測器10用來確定行駛時的地圖數據。例如，當雷達裝置用于檢測來自一排固定(物體的速度與被測速的車輛的速度相同，但方向相反)物體(如防撞護欄、停放的汽車或燈塔)的反射時，可用來識別道路的邊緣(可選地與道路網絡有關的數據庫結合，所述與道路網絡有關的數據庫將這些物體的位置與道路邊緣的位置關聯)以及不同行駛方向的道路部分之間的分割。具有所識別處的邊緣和分割的動態確定的道路圖隨后可用于第三步驟33和第六步驟36中以確定校正系數。在這種情況下，可能不需要位置檢測器16。附加的傳感器或其他傳感器可以用來提高初始狀態矢量和/或初始概率密度的準確性。因此，例如防撞系統可能包括方向傳感器或加速度傳感器。當地圖數據表明碰撞區位于交叉路口或單行道時，數據處理器12可用于禁用校正系數F、Fi的使用。雖然實施例描述了系數F、Fi用于碰撞區概率的計算之后，但是，我們應該認識到作為替代，這些系數可用于概率密度函數的表示。應該認識到，只是顯示了用來計算第三步驟33和第六步驟36的校正系數的一個可能實施例。校正系數是用來減少狀態和運動規范所表示的模型的不準確性的影響。這種模型只有有限的可能范圍內考慮到駕駛員的行為。顯然，在以分鐘為單位的時間尺度內，司機的行為徹底優先于根據運動的純粹力學方程得到的道路位置預測。在不期望駕駛員做任何變化的更短時間尺度內，防撞將在不對駕駛員行為進行模擬的情況下進行。然而，希望將防撞有效的時間尺度延長到一個駕駛員做出具有重大影響的變化的時間尺度。這提出了一個問題，純粹的力學模型是不夠的。另一方面，假設完全隨機的駕駛員行為可導致許多假警報。因此，需用另一種方式慮及合理的駕駛員行為。第三步驟33和第六步驟36中的校正系數提供了一種慮及駕駛員行為的大致方法。一個理智的駕駛員無法避免車輛在道路上以某種程度轉彎，但駕駛員會幾乎不知不覺地正確校正急轉彎，而急轉彎會導致車輛跑出道路或進入反向行車道。如果沒有對這種行為的校正，更長時間尺度的計算將結構性低估道路右行方向上的位置的概率密度。通過根據所計算的道路外位置的總概率密度有效提高用于防撞的右行方向部分概率密度函數，第三步驟33和第六步驟36中的校正系數對此進行了校正。這被視為一種針對未考慮轉彎校正的效應的措施。應該認識到，以精確的方式考慮這一效應并不是必需的。任何至少部分慮及這一效應的校正都提高了防撞系統的可靠性。但是，當然，可通過使用對未考慮到轉彎校正進行更好的校正來實現進一步提高防撞系統的可靠性。在一個簡單的實施例中，校正系數F可在如下假設下計算所有位于車輛20的行駛方向的道路部分外的概率密度都是由于未考慮到轉彎校正。在這個實施例中，校正系數是F = 1/P1然而，當車頭防撞是一個問題的時候，這可能會導致不能檢測到潛在的碰撞。在另一個實施例中，可以通過假設車輛確實存在轉離車道的概率來改進。這可通過使用下列公式來考慮F = (1_CL*PL)/P1這里的CL介于0和1之間，用來計入因未計入轉彎校正而導致的誤差。例如，可使用CL = 0. 3，但例如從0. 1至0. 5范圍內的其他值也可以提供更高的性能。在一個實施例中，系數CL的不同值可用于未來不同時間點的概率密度函數，未來時間越小其值越大，時間越遠其值越小。例如，系數CL= 1用于未來0.2秒的時間，已知司機不會如此迅速地響應且系數CL = 0. 3可用于在未來更長的時間。系數CL連續的變小值用于未來連續增長的時間，例如從1到0. 3逐步減小。在另一個實施例中，將一個最大值施加于PL。在這種情況下，當PL小于臨界值T 且CL設置為CL = T/PL時，CL實際上等于1。在這種情況下，只有當大量潛在的誤差被檢測時，對未采用轉向校正的效應的校正才被觸發。在這種情況下，使用函數CL = g(PL)，其中對于χ < T，g(X) = 1，對于χ > T，g(x) = Τ/χ。也可代之以使用其他方程，如g(x)= 1/(1+X/T)在其他實施例中，可以使用校正系數F = (l-CL*PL_CR*ra)/Pl其中CL和CR都在0和1之間。這樣的方式下，可以考慮從道路上駛離到右側的小概率的影響。如將所示，計算將會在左側和右側引入不對稱，這是基于這樣的假設從行駛方向看，交通將使用道路的右側部分。在使用左側行駛規則的國家，左右側應該互換。為支持不同的駕駛規則，數據處理器12可被配置為支持第一和第二模式且能相互交換了左右角色。 在一個實施例中，地圖存儲設備14存儲將位置關聯到左側或右側駕駛的信息，數據處理器 12被配置為使用位置檢測器16檢測到的位置以檢索該信息并根據當前位置的檢索信息來控制轉向第一或第二模式。在一個實施例中，可從在前時間點的概率密度函數針對未來每一連續時間點迭代計算概率密度函數。原則上，校正系數可應用在每次迭代并用于計算下一次迭代。但是，如果不先進行這種校正而計算所有時間點的概率密度函數，計算會加速。當使用提供單調變化的位置值的運動規范時，結果并不受影響。在一個實施例中，防撞系統的部件都安裝在提供有防撞的車輛20上。作為替代， 例如如果在車輛和這些部件之間提供無線通道的話，部分部件可位于車輛外部。因此，例如目標檢測器10、數據處理器12、地圖存儲裝置14、位置傳感器16和/或速度傳感器18可均位于車輛10外部。例如，路側目標檢測器10、位置傳感器16和/或速度傳感器18可用于與車載數據處理器12通信。數據處理器12可實現為包括可編程處理器的控制電路和內含使得該可編程處理器執行數據處理器12的所述行動的程序存儲器。二者擇一地，控制電路可包括多個可編程處理器和用于一個或多個分布式程序的程序存儲器，以使可編程處理器的組合執行數據處理器12的所述行動。在進一步的實施例中，這些處理器中的部分或全部可實現為設計用來執行行動的專用電路。正如這里所使用的陳述“數據處理器12配置為執行這些行動”是指這些實施例中的每一個都作為替代的實現方案。在一個實施例中，整個系統可車載安裝在車輛上。在其他的實施例中，該系統的部分或全部可在它處實現，例如在路側設備中實現。因此，例如路側設備可用于檢測道路使用者和計算每個道路使用者的概率密度函數，針對道路使用者的至少一部分(例如機動車) 計算和應用校正系數。對于其他類型的道路使用者，如行人或騎自行車的人，其他的計算可用來計算概率密度。因為這些道路使用者的速度普遍低于機動車，所以針對這些道路使用者計算出精度較低的局部概率密度就已足夠。在這樣的路側系統情況中，存儲針對系統活躍路段的有限數量地圖數據即可。該這張地圖可動態更新以納入道路上的事件(例如碰撞、或者諸如雨或冰之類的道路狀況變化。該系統可配備發射器以根據從概率密度函數和校正系數計算出的碰撞概率向道路使用者發出警告信號。作為替代或作為增加，該系統可配置為根據從概率密度函數和校正系數計算出的碰撞概率，控制路側設備(例如交通燈或警示燈)。在另一個實施例中，可使用混合的路側-車內系統。例如，地圖數據和/或與其他車輛有關的信息可從系統的路側部分傳送到車輛。
權利要求
1.一種用于道路車輛的防撞系統，該系統包括地圖存儲裝置，用于存儲道路地圖數據，該道路地圖數據在一包含有道路的區域中區分出多個地帶；車輛狀態檢測器，配置為檢測該車輛的當前狀態的至少一個位置部分；數據處理器，配置為使用檢測到的與該車輛的當前狀態有關的信息，來計算該車輛在該區域中的未來位置的概率密度函數，并計算校正系數，該校正系數適用于所述多個地帶中的第一地帶中所有位置的概率密度函數，所述數據處理器根據所述多個地帶中相應地帶各自的總概率密度函數來確定所述校正系數。
2.根據權利要求1所述的防撞系統，其中所述多個地帶中的第一地帶包括道路中用于沿車輛行駛方向的交通的部分，所述多個地帶中的第二地帶毗鄰沿所述行駛方向的所述第一區域，所述校正系數配置為以偏向所述多個地帶中的第一地帶的方式校正所述第一地帶和所述第二地帶之間的概率密度分布。
3.根據權利要求2所述的防撞系統，其中存儲在所述存儲設備中的所述道路地圖數據區分出所述多個地帶中的第一地帶、第二地帶和第三地帶，所述多個地帶中的第二地帶包括所述道路中用于沿一與該車輛的行駛方向相反的方向行駛的交通的部分，且所述多個地帶中的第三地帶包括與該道路接界的區域，所述概率密度函數界定了與所述多個地帶中的第一地帶有關的總概率密度、與所述多個地帶中的第二地帶有關的總概率密度，和與所述多個地帶中的第三地帶有關的總概率密度，且其中所述數據處理器配置為相較于響應于與所述多個地帶中的第二地帶有關的總概率密度，更強烈地響應于與所述多個地帶中的第三地帶有關的總概率密度增大所述校正系數。
4.根據權利要求2或3所述的防撞系統，其中所述數據處理器配置為根據公式F= (1-C2*P2)/P1來計算所述校正系數F，其中，Pl是與所述多個地帶中的第一地帶有關的總概率密度，P2是與所述多個地帶中的第二地帶有關的總概率密度，其中C2是值小于1且大于零的系數。
5.根據權利要求3所述的防撞系統，其中所述數據處理器配置為根據公式F= (1-C2*P2-C3*P3)/P1來計算所述校正系數F，其中，Pl是與所述多個地帶中的第一地帶有關的總概率密度，P2是與所述多個地帶中的第二地帶有關的總概率密度，P3是與所述多個地帶中的第三地帶有關的總概率密度，且其中C2和C3是值小于1且大于零的系數，C3小于C2。
6.根據上述任一權利要求所述的防撞系統，包括輸出設備，所述數據處理器配置為一旦檢測到所述經校正的概率密度函數對碰撞位置的賦值超出概率的臨界量，則觸發輸出設備產生報警信號。
7.根據上述任一權利要求所述的防撞系統，包括轉向控制器和/或速度控制器，所述數據處理器被配置為一旦檢測到所述經校正的概率密度函數對碰撞位置的賦值超出概率的臨界量，則啟動所述轉向控制器和/或所述速度控制器。
8.根據權利要求6或7所述的防撞系統，包括配置為檢測所述道路上的另一車輛的目標檢測器，其中所述數據處理器配置為使用檢測到的該另一車輛的狀態來計算該另一車輛的另一概率密度函數，并根據利用所述校正系數校正過的、該另一概率密度函數和所述概率密度函數之間的交疊，計算碰撞概率。
9.根據上述任一權利要求所述的防撞系統，其中存儲在所述存儲設備中的所述道路地圖數據區分出單向道路和雙向道路，其中所述數據處理器配置為根據所述數據地圖數據指示所述車輛位于單向道路上還是位于雙向道路上來選擇所述組。
10.根據上述任一個權利要求所述的防撞系統，其中存儲在所述存儲裝置中的所述道路地圖數據區分出與多個第一路段和多個第二路段，其中在所述多個第一路段處道路與其他道路存在交叉路段，所述多個第二路段無所述交叉路段，其中所述數據處理器配置為根據所述道路地圖數據指示該車輛接近所述多個第一路段之一來選擇所述組。
11.一種用于道路上的道路車輛的防撞方法，該方法包括存儲道路地圖數據，該道路地圖數據在一包含有道路的區域中區分出多個地帶； 檢測該車輛的狀態，包括檢測該車輛相對于該道路的至少一個位置； 計算該車輛的未來位置的概率密度函數；根據所述多個地帶中相應地帶各自的總概率密度函數來計算校正系數，該校正系數適用于所述多個地帶中的第一地帶中所有位置的概率密度函數。
12.—種計算機程序產品，包括用于可編程處理器的指令程序，所述指令程序在被所述可編程處理器執行時使所述可編程處理器接收車輛的狀態信息，所述車輛的狀態信息包括該車輛相對于該道路的至少一個位置；根據接收到的狀態信息，計算該車輛的未來位置的概率密度函數； 檢索道路地圖數據，該道路地圖數據在包含該道路的區域中區分出多個地帶，并根據所述多個地帶中相應地帶各自的總概率密度函數來計算校正系數，該校正系數適用于所述多個地帶中的第一地帶中所有位置的概率密度函數。
全文摘要
道路車輛的防撞行動的控制是基于車輛在未來位置的計算的概率密度。一個初始概率密度(32)是通過被檢測到的車輛狀態的估算的力學模型來計算的，至少包括其檢測位置(31)。地圖數據是用來界定包含道路的區域的不同地帶，例如包含沿著車輛行駛方向的交通道路部分的第一區域，與車輛行駛方向相反的交通道路部分的第二區域以及與道路接壤的第三區域。這些區域用來獲取第一區域(33)的計算的概率密度函數的校正系數。校正系數是根據區域內各個地帶的概率密度函數的總量來計算的。這樣就可以彌補源于曲解轉向運動的估算誤差，轉向運動暗示著車輛在道路上移動，但是，駕駛員已經自動校正。
文檔編號B60W30/08GK102576494SQ201080044861
公開日2012年7月11日 申請日期2010年10月5日 優先權日2009年10月5日
發明者泰斯·亨德里克斯·阿德里亞努斯·凡·登·普洛克, 玉龍·普勒格 申請人:荷蘭應用自然科學研究組織Tno