本發(fā)明涉及智能交通技術(shù)領(lǐng)域，具體涉及一種基于路口的v2p避免碰撞方法。

背景技術(shù)：

世界衛(wèi)生組織全球道路安全狀況報(bào)告，每年有124萬人死于交通事故，5000萬人傷殘，其中22％是行人，約20％的交通事故發(fā)生在叉路口。由于我國(guó)人口眾多，交通系統(tǒng)出現(xiàn)嚴(yán)重的人車混行現(xiàn)象，更是加大了車輛與行人的交通沖突，隨著4glte技術(shù)的大規(guī)模應(yīng)用，以及智能手機(jī)的普及，利用現(xiàn)有的網(wǎng)絡(luò)技術(shù)實(shí)現(xiàn)人車交互，降低交通事故，比傳統(tǒng)的避撞方法更為主動(dòng)，有效。

為了解決車輛與行人(v2p，vehicletopedestrian)沖突問題，貝葉斯網(wǎng)絡(luò)、隱馬爾可夫模型、支持向量機(jī)等算法模型被廣泛用車輛與行人運(yùn)動(dòng)的研究。例如有些學(xué)者用貝葉斯網(wǎng)絡(luò)構(gòu)建了一個(gè)模型，從叉路口車輛通行情況的大量數(shù)據(jù)中獲取模型中參數(shù)的先驗(yàn)分布，根據(jù)車輛的狀態(tài)估計(jì)駕駛員是否知道行人橫穿馬路，或者當(dāng)駕駛員將要轉(zhuǎn)向時(shí)左側(cè)是否有人通過人行橫道。也有學(xué)者對(duì)于轉(zhuǎn)彎的車輛提出了一個(gè)運(yùn)動(dòng)規(guī)劃模型,包括行人意圖檢測(cè)模型，間隙檢測(cè)模型和車輛控制三個(gè)子模型，可以檢測(cè)行人之間的適當(dāng)間隙，并選擇最佳速度分布來控制車輛通過間隙。車輛與過街行人信息交互的過程也是一個(gè)博弈過程，國(guó)內(nèi)很多研究者利用重復(fù)博弈在無燈控交叉口建立駕駛員行為模型，給予車輛合理的通行決策，但是重復(fù)博弈加大了碰撞風(fēng)險(xiǎn)且通行效率低下，也有人提出駕駛員與過街行人非合作的動(dòng)態(tài)博弈模型，博弈中考慮到了時(shí)延和風(fēng)險(xiǎn)收益但卻沒有量化。

因此，有必要開發(fā)一種基于路口的v2p避免碰撞方法。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的是提供一種基于路口的v2p避免碰撞方法，以保障道路交通的安全。

本發(fā)明所述的基于路口的v2p避免碰撞方法，包括以下步驟：

步驟一、確定博弈的參與者為車輛和行人，定義行人和車輛的通行策略集，并將駕駛員和過街行人分類；

步驟二、觀測(cè)路口車輛，行人密度，人車從決策區(qū)到?jīng)_突區(qū)域的距離、速度、車速和單位批次過街行人的數(shù)量，分別求解v2p在路口采取不同通行策略的延誤支付和風(fēng)險(xiǎn)支付，計(jì)算雙方的總收益，建立v2p博弈模型，求得兩者最優(yōu)的通行策略組合；

步驟三、引入交通獎(jiǎng)罰支付，獎(jiǎng)勵(lì)在路口主動(dòng)停車避讓行人的駕駛員，處罰與行人搶道的駕駛員，重新計(jì)算雙方的總收益，建立改進(jìn)的v2p博弈模型，求得兩者最優(yōu)的通行策略組合；

步驟四、建立ievri模型，分析交通參與者的心理，證明引入交通獎(jiǎng)罰的必要性。

進(jìn)一步，所述步驟一中，所述行人的策略集定義為p＝{等待，通過}；所述車輛的策略集定義為v＝{等待，通過}；所述行人的類型分為pc＝{老弱病殘?jiān)杏?，其他}；所述駕駛員的類型根據(jù)駕駛員平時(shí)駕車習(xí)慣的安全級(jí)別分為vc＝{安全型，一般型，危險(xiǎn)型}。

進(jìn)一步，所述步驟二中，計(jì)算出的雙方的總收益如下表：

其中，dp^*為行人延誤支付dp采用min-max標(biāo)準(zhǔn)化處理后的結(jié)果，dv^*為駕駛員延誤支付dv采用min-max標(biāo)準(zhǔn)化處理后的結(jié)果，sp^*為行人風(fēng)險(xiǎn)支付sp采用min-max標(biāo)準(zhǔn)化處理后的結(jié)果，sv^*為駕駛員風(fēng)險(xiǎn)支付sv采用min-max標(biāo)準(zhǔn)化處理后的結(jié)果，α延誤支付的權(quán)重，β為風(fēng)險(xiǎn)支付的權(quán)重，β＝1-α。

進(jìn)一步，所述行人延誤支付dp為：

式中：ρp1、ρp2為道路中往返方各自的行人流量；t'為車輛穿越行人的安全穿越間隙；w為一條車道寬度；vp為過街行人的速度；vv為車輛的速度。

進(jìn)一步，所述駕駛員延誤支付dv為：

式中：ρvn為第n條車道車流量；tn為第n條車道行人穿越車輛的安全間隙時(shí)間；ts為行人決斷時(shí)間；tl為車身長(zhǎng)度通過的時(shí)間。

進(jìn)一步，求解所述行人風(fēng)險(xiǎn)支付sp和駕駛員風(fēng)險(xiǎn)支付sv的方法：

設(shè)行人在決策點(diǎn)的加速度為ap，設(shè)駕駛員在決策點(diǎn)的加速度為av，駕駛員到?jīng)_突域的距離分別為lv，行人到?jīng)_突域的距離分別為lp，兩者以此狀態(tài)通過沖突域的時(shí)間差為：

若t<1s，則視雙方的風(fēng)險(xiǎn)為無限大，車輛必須優(yōu)先給行人讓行；

定義所述行人風(fēng)險(xiǎn)支付sp為：

定義所述駕駛員風(fēng)險(xiǎn)支付sv為：

式中：δv為車禍對(duì)駕駛員生命的威脅程度；m為車輛質(zhì)量；np為單位批次過街行人的數(shù)量；δp為車禍對(duì)行人生命的威脅程度；b(vv,np)為車速與單位批次過街行人數(shù)量相對(duì)的勢(shì)，其取值如下：

進(jìn)一步，所述步驟三中，引入交通獎(jiǎng)罰支付為分段函數(shù)，該分段函數(shù)為：

式中：vv表示車輛的速度，加入處罰支付，駕駛員的總收益函數(shù)為：

式中：dp^*為行人延誤支付dp采用min-max標(biāo)準(zhǔn)化處理后的結(jié)果，dv^*為駕駛員延誤支付dv采用min-max標(biāo)準(zhǔn)化處理后的結(jié)果，sp^*為行人風(fēng)險(xiǎn)支付sp采用min-max標(biāo)準(zhǔn)化處理后的結(jié)果，sv^*為駕駛員風(fēng)險(xiǎn)支付sv采用min-max標(biāo)準(zhǔn)化處理后的結(jié)果，γ代表交通獎(jiǎng)罰的權(quán)重，α延誤支付的權(quán)重，β為風(fēng)險(xiǎn)支付的權(quán)重，β＝1-α，且α>β,α>γ，車輛選擇通過f(vv)取正值，否則取負(fù)值。

進(jìn)一步，所述步驟四中，所述ievri模型中i為無知者，代表未受到違章駕駛員影響的人；e為潛伏者，代表被違章者影響尚未決定是否效仿違章駕駛員的人；v為違章者，代表效仿違章駕駛員的人；r為恢復(fù)者，代表受過交通處罰后暫時(shí)不再違反規(guī)則的人；i(t)、e(t)、v(t)、r(t)分別表示t時(shí)刻這四類人的總數(shù)量，滿足以下公式：

i(t)+e(t)+v(t)+r(t)＝1。

進(jìn)一步，所述ievri模型中一個(gè)無知者一旦與潛伏者接觸就必然成為潛伏者的可能，一個(gè)潛伏者有a倍的感染能力，那么t時(shí)刻i將以ae的概率成為e，e將以δ的概率成為r，以b的概率成為v，v將以c的概率成為r，r以σ的概率成為i，且少數(shù)r可能忽視交通處罰，以的概率成為v，c在某種程度上與交通處罰的力度正相關(guān)，處罰力度越大，c越大；

求得ievri模型的平衡點(diǎn)，證明c對(duì)整個(gè)交通系統(tǒng)的穩(wěn)定及演變起著至關(guān)重要的作用即引入交通處罰后，交通參與者的違章率將會(huì)大大減少。

本發(fā)明的有益效果：首先基于行人，車輛在路口的時(shí)延、風(fēng)險(xiǎn)支付建立v2p博弈模型，給予人車合理的優(yōu)先通行決策，并在此基礎(chǔ)上引入駕駛員的獎(jiǎng)罰支付建立改進(jìn)的v2p博弈模型，實(shí)例對(duì)比分析，證明了改進(jìn)的v2p博弈模型增加了車輛的讓行率，更有利于道路交通安全。此外，本發(fā)明中改進(jìn)傳統(tǒng)的病毒傳播模型建立新的ievri模型分析了交通參與者的心理，證明了違章處罰的必要性。

附圖說明

圖1為本發(fā)明的原理圖；

圖2為本發(fā)明的ievri模型框圖；

圖3為本發(fā)明的r0>1時(shí)，交通系統(tǒng)的演變趨勢(shì)；

圖4為本發(fā)明的r0<1時(shí)，交通系統(tǒng)的演變趨勢(shì)。

具體實(shí)施方式

下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明作進(jìn)一步的描述。

本發(fā)明所述的基于路口的v2p避免碰撞方法，重點(diǎn)解決的是路口過街行人和車輛的沖突問題，其主要思路是首先根據(jù)交通流中的人流量、車流量，利用穿插理論求得v2p雙方的延誤支付，然后考慮人車從決策區(qū)到?jīng)_突區(qū)域的距離、速度，車速，提出單位批次過街行人數(shù)量相對(duì)的勢(shì)的概念，求得雙方的風(fēng)險(xiǎn)支付，接著建立v2p博弈模型給予雙方合理的通行效率。但為了進(jìn)一步提高車輛對(duì)行人的避讓率，加入交通獎(jiǎng)罰因素，建立新的v2p博弈模型，并改進(jìn)seir病毒傳播模型，建立ievri模型分析交通參與者的心理，證明引入交通獎(jiǎng)罰的必要性。

本發(fā)明所述的基于路口的v2p避免碰撞方法，包括以下步驟：

步驟一、確定博弈的參與者為車輛和行人，定義行人和車輛的通行策略集，并將駕駛員和過街行人分類。

步驟二、觀測(cè)路口車輛，行人密度，人車從決策區(qū)到?jīng)_突區(qū)域的距離、速度、車速和單位批次過街行人的數(shù)量，分別求解v2p在路口采取不同通行策略的延誤支付和風(fēng)險(xiǎn)支付，計(jì)算雙方的總收益，建立v2p博弈模型，求得兩者最優(yōu)的通行策略組合。

步驟三、引入交通獎(jiǎng)罰支付，獎(jiǎng)勵(lì)在路口主動(dòng)停車避讓行人的駕駛員，處罰與行人搶道的駕駛員，重新計(jì)算雙方的總收益，建立改進(jìn)的v2p博弈模型，求得兩者最優(yōu)的通行策略組合。

步驟四、建立ievri模型，分析交通參與者的心理，證明引入交通獎(jiǎng)罰的必要性。

以下對(duì)本發(fā)明所述的基于路口的v2p避免碰撞方法進(jìn)行詳細(xì)的說明：

本發(fā)明經(jīng)過對(duì)v2p穿越過街行為微觀的分析，博弈的參與者定為行人和車輛，行人的策略集定為p＝{等待，通過}，駕駛員的策略集定為v＝{等待，通過}?？紤]到過街行人的特點(diǎn)，行人的類型分為pc＝{老弱病殘?jiān)杏?，其他}，駕駛員的類型則可根據(jù)平時(shí)他們駕車習(xí)慣的安全級(jí)別分為vc＝{安全型，一般型，危險(xiǎn)型}，針對(duì)不同類型的駕駛員與行人給予不同的通行策略。

本發(fā)明首先建立基于延誤支付和風(fēng)險(xiǎn)支付的v2p博弈模型，其實(shí)施方式如下：

步驟ⅰ、計(jì)算v2p的延誤支付：

延誤支付主要應(yīng)用穿插理論來分析，當(dāng)行人穿越車輛間隙，獲得的時(shí)間收益為車輛的等待延誤如下：

式中：ρp1、ρp2為道路中往返方各自的行人流量(人/s)，t'為車輛穿越行人的安全穿越間隙(s)，w為一條車道寬度(m)，vp為過街行人的速度(m/s)，取1m/s～1.45m/s，vv為車輛的速度。

n條車道的道路，當(dāng)車輛穿越行人間隙獲得的時(shí)間收益為行人的等待延誤dv如下：

式中：ρvn為第n條車道車流量(車/s)；tn為第n條車道行人穿越車輛的安全間隙時(shí)間(s)；ts為行人決斷時(shí)間(s)，取2.0s；tl為車身長(zhǎng)度通過的時(shí)間，一般取標(biāo)準(zhǔn)車0.72s。

步驟ⅱ、計(jì)算v2p的風(fēng)險(xiǎn)支付：

設(shè)行人在決策點(diǎn)的加速度為ap，速度為vp，設(shè)駕駛員在決策點(diǎn)的加速度為av，速度為vv，駕駛員到?jīng)_突域的距離分別為lv，行人到?jīng)_突域的距離分別為lp，兩者以此狀態(tài)通過沖突域的時(shí)間差為：

若t<1s，則視雙方的風(fēng)險(xiǎn)為無限大，車輛必須優(yōu)先給行人讓行。定義v2p碰撞風(fēng)險(xiǎn)的支付函數(shù)為：

式中：m為車輛質(zhì)量(kg)；sv為駕駛員的風(fēng)險(xiǎn)支付；sp為行人的風(fēng)險(xiǎn)支付；δv為車禍對(duì)駕駛員生命的威脅程度，取0.8；np為單位批次過街行人的數(shù)量(人)；δv為車禍對(duì)行人生命的威脅程度，取1；b(vv,np)為車速與單位批次過街行人數(shù)量相對(duì)的勢(shì)，取值如下：

步驟ⅲ、基于延誤和風(fēng)險(xiǎn)的支付函數(shù)建立雙方的總收益，參加表1所示。

表1v2p雙方的總收益

v2p博弈的結(jié)果是為了給予人車合理的通行策略，因此表1中不考慮雙方同為等待的策略，其中，dp^*為行人延誤支付dp采用min-max標(biāo)準(zhǔn)化處理后的結(jié)果，dv^*為駕駛員延誤支付dv采用min-max標(biāo)準(zhǔn)化處理后的結(jié)果，sp^*為行人風(fēng)險(xiǎn)支付sp采用min-max標(biāo)準(zhǔn)化處理后的結(jié)果，sv^*為駕駛員風(fēng)險(xiǎn)支付sv采用min-max標(biāo)準(zhǔn)化處理后的結(jié)果，dp^*、dv^*、sv^*、sp^*的取值為(0，1)；α延誤支付的權(quán)重；β為風(fēng)險(xiǎn)支付的權(quán)重；當(dāng)行人類型為老弱病殘幼孕時(shí)，駕駛員類型安全級(jí)別從高到低，α分別取值0.6，0.7，0.8，當(dāng)行人類型其他時(shí)，駕駛員類型安全級(jí)別從高到低，α分別取值0.7，0.8，0.9，β＝1-α。

本發(fā)明引入交通獎(jiǎng)罰支付改進(jìn)上述的博弈模型以便提高車輛對(duì)行人的避讓率，實(shí)施方式如下：

步驟ⅰ、引入交通獎(jiǎng)罰支付為分段函數(shù)：

式中：vv表示駕駛員在決策區(qū)域的速度。

步驟ⅱ、加入處罰支付，重新定義駕駛員的總收益函數(shù)為：

式中，γ代表交通獎(jiǎng)罰的權(quán)重，γ＝0.3，且α>β,α>γ，車輛選擇通過f(vv)取正值，否則取負(fù)值。

步驟ⅲ：模型對(duì)比分析：實(shí)例計(jì)算，結(jié)果如附圖表2、3所示，表2為基于延誤和風(fēng)險(xiǎn)的v2p博弈模型計(jì)算的行人和車輛的最優(yōu)組合，表3為加入交通獎(jiǎng)罰支付后的v2p博弈模型(即改進(jìn)后的v2p博弈模型)計(jì)算的行人和車輛的最優(yōu)組合(表中加粗字體為v2p通行策略的最優(yōu)組合)。對(duì)比分析，顯然，引入交通獎(jiǎng)罰后的v2p博弈模型能夠提高車輛的讓行率，更能夠保障道路交通的安全。

表2基于延誤和風(fēng)險(xiǎn)的v2p博弈結(jié)果

表3引入交通獎(jiǎng)罰支付的v2p博弈結(jié)果

本發(fā)明改進(jìn)seir模型建立ievri模型，分析交通參與者的心理，證明違章處罰的必要性，模型中i(innocent)為無知者，代表未受到違章駕駛員影響的人，e(exposed)為潛伏者。代表被違章者影響尚未決定是否效仿違章駕駛員的人，v(violator)違章者，代表效仿違章駕駛員的人，r(recovered)為恢復(fù)者，代表受過交通處罰后暫時(shí)不再違反規(guī)則的人，i(t)、e(t)、v(t)、r(t)分別表示t時(shí)刻這四類人的總數(shù)量，有

i(t)+e(t)+v(t)+r(t)＝1(11)。

具體實(shí)施步驟如下：

步驟ⅰ、建立ievri模型：ievri模型如附圖1所示：ievri模型中一個(gè)無知者一旦與潛伏者接觸就必然成為潛伏者的可能，一個(gè)潛伏者有a倍的感染能力，那么t時(shí)刻i將以ae的概率成為e，e將以δ的概率成為r，以b的概率成為v，v將以c的概率成為r，r以σ的概率成為i，且少數(shù)r可能忽視交通處罰，以的概率成為v，c在某種程度上與交通處罰的力度正相關(guān)，處罰力度越大，c越大。

步驟ⅱ、求得模型的平衡點(diǎn)：根據(jù)圖2所述的ievri模型建立如下方程組：

初始值：

d＝{(i,e,v,r)|i,e,v,r≥0且i+e+v+r＝1}(13)

令方程(12)的右端為0，得到方程的平衡點(diǎn)p(i^*,e^*,s^*,r^*)：

由式(13)和式(14)可知，令時(shí)，平衡點(diǎn)p在d內(nèi)存在，且局部漸進(jìn)穩(wěn)定，r0>1時(shí)，平衡點(diǎn)為p(1,0,0,0)，r0決定了整個(gè)系統(tǒng)最終的演變趨勢(shì)，稱r0為違章駕駛行為的傳播閾值，其與δ，b，a相關(guān)。

步驟ⅲ、數(shù)值模擬分析：由上可知，r0直接影響違章駕駛行為傳播的范圍和態(tài)勢(shì)，分析δ，b，a，c對(duì)系統(tǒng)總體的影響。發(fā)明采用數(shù)值模擬的方式來分析系統(tǒng)最終的演變趨勢(shì)，取i(0)＝0.4，e(0)＝0.1，s(0)＝0.1，r(0)＝0.4。

(1)取a＝0.6，b＝0.6，c＝0.2，δ＝0.3，δ＝0.2，仿真結(jié)果如圖3中的(a)所示，增大懲罰因子c＝0.8，潛伏者迫于懲罰則改變因子b＝0.4，δ＝0.5，仿真結(jié)果如如圖3中的(b)所示。

對(duì)比附圖3中的(a)和(b)，r0>1時(shí)，平衡點(diǎn)為p(1,0,0,0)，增大懲罰因子c，違章者能夠更快的趨近于0，系統(tǒng)整體能夠更快的趨于穩(wěn)定，演變?yōu)樗腥硕甲袷亟煌ㄒ?guī)則。

(2)取a＝0.8，b＝0.4，c＝0.2，δ＝0.2，δ＝0.2，仿真結(jié)果如附圖4(a)所示，增大懲罰因子c＝0.8，潛伏者迫于懲罰則改變因子b＝0.2，δ＝0.4，仿真結(jié)果如附圖4(b)所示。

對(duì)比圖4中(a)和(b)，r0<1時(shí)，平衡點(diǎn)在d內(nèi)，增大懲罰因子c，違章者能夠更快的趨近于穩(wěn)定狀態(tài)，且系統(tǒng)中的違章者穩(wěn)定在更少的狀態(tài)，遵守交通規(guī)則的人穩(wěn)定在更多的狀態(tài)。

由此可見，c對(duì)整個(gè)交通系統(tǒng)的穩(wěn)定及演變起著至關(guān)重要的作用，在交通規(guī)則中引入恰當(dāng)?shù)倪`章處罰能夠確保更多的駕駛員遵守交通規(guī)則，機(jī)動(dòng)車通過沒有交通信號(hào)燈交叉路口時(shí)，與行人搶道的行為也應(yīng)該納入交通處罰之中。

本發(fā)明中將無信號(hào)路口影響v2p通行的因子量化，利用博弈對(duì)v2p的通行決策進(jìn)行指導(dǎo)，然后引入獎(jiǎng)罰因子到博弈中提高車輛的讓行率，最后改進(jìn)seir病毒傳播模型分析交通參與者的心理，證明引入獎(jiǎng)罰支付的必要性。