技术领域
[0001] 本申请涉及车辆碰撞预警技术领域，具体说是一种基于微分博弈的行车避碰预警方法及处理装置。
相关背景技术
[0002] 无控交叉口是道路交通中比较危险的区域之一，由于没有信号灯等设施来引导和控制车辆行驶，交通事故的发生率相对较高。根据交通安全事故统计数据，无控交叉口交通事故在总交通事故中所占比重较大。
[0003] 具体而言，无控交叉口交通事故占总交通事故的比例随着地区和时间的不同而存在差异，但总体上，在许多城市和地区，无控交叉口交通事故占比均在20％以上。由国家交通管理局经过统计得出：2022年交叉口处交通事故率为30％，2021年交叉口处交通事故率为32％。交叉口作为道路交通事故的重要场所之一，需要加强交通管理和技术手段，提高交通安全水平。
[0004] 为了解决交叉路口的车辆碰撞问题，有研究者提出基于碰撞时间预警算法，但该算法中的碰撞时间受多种因素的影响，导致碰撞时间预测不可靠；还有研究者提出基于车辆行驶速度的预警方法，但是该方法未考虑道路条件以及交通流量，在比较复杂的路况下可能无法准确评估碰撞风险；因此目前缺少对复杂场景下的针对冲突车辆后含有多个跟随车辆的交叉口碰撞预警的问题，因此，如何克服上述存在的技术问题和缺陷成为需要重点解决的问题。
具体实施方式
[0071] 除非另有定义，本申请所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同；本申请中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请；本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。
[0072] 在本申请中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本申请所描述的实施例可以与其它实施例相结合。
[0073] 为了使本技术领域的人员更好地理解本申请方案，下面将结合附图，对本申请实施例中的技术方案进行清楚、完整地描述。
[0074] 如图1所示，系统架构10可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
[0075] 用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
[0076] 终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(MovingPictureExpertsGroupAudioLayerIII，动态影像专家压缩标准音频层面3)、MP4(MovingPictureExpertsGroupAudioLayerIV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
[0077] 服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上显示的页面提供支持的后台服务器。
[0078] 需要说明的是，本申请实施例所提供的基于微分博弈的行车避碰预警方法一般由服务器/终端设备执行，相应地，基于微分博弈的行车避碰预警装置一般设置于服务器/终端设备中。
[0079] 应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
[0080] 继续参考图2，图中示出了本申请的基于微分博弈的行车避碰预警方法,所述方法包括:
[0081] 步骤S1，采集车辆轨迹参数，所述车辆轨迹参数包括车辆的位置坐标参数以及车辆的速度参数；
[0082] 所述步骤S1中的采集车辆轨迹参数，包括：
[0083] 根据车辆配备的多种传感器获取的车辆轨迹参数，实现对车辆轨迹参数的采集。
[0084] 步骤S2，对采集的车辆轨迹参数进行处理，获取车辆预测轨迹参数；
[0085] 请继续参考图3，图3示出了获取车辆预测轨迹参数的流程图，对采集的车辆轨迹参数进行处理，获取车辆预测轨迹参数，包括：
[0086] S21，根据车辆轨迹参数，构建车辆轨迹状态方程；
[0087] 根据车辆轨迹参数，假设ti时刻车辆的轨迹参数为 即ti时刻的车辆轨迹参数如公式(1)所示：
[0088]
[0089] 式中，(x(ti),y(ti))为ti时刻车辆的位置坐标参数，v(ti)为ti时刻车辆的速度参数，则ti+1时刻车辆的轨迹参数 将依照车辆轨迹状态方程动态变化，车辆轨迹状态方程如公式(2)所示：
[0090]
[0091] 式中，F为车辆状态转移矩阵，满足公式(3)：
[0092]
[0093] I为控制输入矩阵，给出了控制参数对车辆轨迹参数的影响，满足公式(4)：
[0094]
[0095] u(ti)为控制参数向量，主要描述车辆的加速度参数； 为影响轨迹参数的噪声向量，服从期望为0的正态分布，其协方差由协方差矩阵Q来确定。
[0096] S22，获取车辆轨迹参数的观测值，构建车辆观测轨迹状态方程；
[0097] 为了精确地对车辆未来的轨迹进行预测，卡尔曼滤波算法引入了观测方程，假设ti+1时刻车辆检测到的观测轨迹参数为O(ti+1)，O(ti+1)满足式(5)：
[0098]
[0099] 式中，(X(ti+1),Y(ti+1))和V(ti+1)分别为检测到的车辆位置和速度。同时，O(ti+1)参数满足车辆观测轨迹状态方程如式(6)所示：
[0100]
[0101] 式中，H为将车辆轨迹向量参数映射至测量域的转换矩阵，本申请只对测量误差进行考虑，因此，H满足式(7)：
[0102]
[0103] 为测量误差向量，主要受设备检测精度影响，本申请中测量误差同样服从期望为0的正态分布，其协方差由协方差矩阵R来确定；
[0104] S23，基于卡尔曼滤波算法，构建车辆轨迹参数的预测方程；
[0105] 借助上述方程对车辆轨迹参数进行预测时，首先借助ti时刻的车辆轨迹参数对ti+1时刻的车辆轨迹参数进行状态估计，根据卡尔曼滤波算法，车辆轨迹参数的预测方程满足式(8)：
[0106]
[0107] 式中， 为ti+1时刻车辆轨迹参数的状态估计值， 为ti+1时刻车辆轨迹参数的状态估计协方差， 为ti时刻车辆轨迹参数的最优估计值， 为ti时刻车辆轨迹参数的最优估计方差。
[0108] S24，基于卡尔曼滤波算法，构建车辆轨迹参数的更新方程。
[0109] 利用上述所得车辆轨迹参数的状态估计值和状态估计协方差，在读取车辆轨迹参数的观测值的基础上，借助车辆轨迹参数的更新方程将获得车辆轨迹参数的最优估计，车辆轨迹参数的更新方程满足式(9)：
[0110]
[0111] 式中，K为卡尔曼增益， 为ti+1时刻车辆轨迹参数的最优估计值， 为ti+1时刻车辆轨迹参数的最优估计方差。
[0112] 步骤S3，基于获取的所述车辆预测轨迹参数，对车辆进行碰撞风险检测，获取车辆碰撞风险发生的概率；
[0113] 所述步骤S3中的基于获取的所述车辆预测轨迹参数，对车辆进行碰撞风险检测，获取车辆碰撞风险发生的概率，包括：
[0114] 若主车HV和远车RV直行驶入交叉口在一定时间段内先后到达碰撞区域，则有可能发生碰撞事故；反之，若主车HV到达碰撞区域边界处时，远车RV已驶离碰撞区域边界，或主车HV驶离碰撞区域边界处时，远车RV未到达碰撞区域边界，则两车不发生碰撞；
[0115] 记交叉口发生碰撞为随机事件C，则随机事件C发生的概率P(C)满足式(10)[0116]
[0117] 式中，DHV和DRV分别为主车车头和远车车头与碰撞区域边界间的距离，lHV和lRV分别为主车和远车的车长，wHV和wRV分别为主车和远车的车宽，vHV和vRV分别为主车和远车的行驶速度；
[0118] 记主车HV到达碰撞区域边界处时，远车RV已驶离碰撞区域边界为随机事件A；主车HV驶离碰撞区域边界处时，远车RV未到达碰撞区域边界为随机事件B，则随机事件A和B满足式(11)
[0119]
[0120] 由于随机事件A和B相互独立且互斥，因此，式(11)可简化为式(12)：
[0121] P(C)＝1‑P(A∪B)＝1‑P(A)‑P(B)
[0122] (12)
[0123] 进一步，对随机事件A而言，令 则随机事件A的概率P(A)可简化为式(13)：
[0124]
[0125] 记ti时刻主车HV和远车RV预测的ti+1时刻的轨迹参数分别为 和 满足式(14)：
[0126]
[0127] 根据卡尔曼滤波算法， 和 服从正态分布，满足式(15)：
[0128]
[0129] 车辆行驶状态参数中的速度值同样服从正态分布，满足式(16)：
[0130]
[0131] 进一步的，ti+1时刻的kA为常数，假设主车和远车间的速度均为独立分布，则随机事件A的概率P(A)满足式(17)：
[0132] P(A)＝P(vHV＜kA·vRV)＝P{vHV‑kA·vRV＜0} (17)
[0133] 根据独立正态分布运算法则，ti+1时刻(vHV‑kA·vRV)同样服从正态分布，即满足式(18)：
[0134]
[0135] 显然，式(18)可转化为式(19)：
[0136]
[0137] 记(vHV‑kA·vRV)为vHR，令 则式(18)可转化为式(20)：
[0138] vHR～N(vμ,vσ)(20)
[0139] 进一步的，将此正态分布按式(21)进行标准化转换：
[0140]
[0141] 则式(19)的过程可简化为式(22)：
[0142]
[0143] 此时，可通过查询概率表获得随机事件A的概率P(A)，随机事件B的概率P(B)使用同样的方法获得，进一步可获得碰撞随机事件C发生的概率P(C)。
[0144] 所述步骤S3中的基于获取的所述车辆预测轨迹参数，对车辆进行碰撞风险检测，获取车辆碰撞风险发生的概率，还包括：
[0145] 如果随机事件C发生的概率P(C)＞0.05,则判定主车HV和远车RV存在碰撞风险，需要根据车辆当前位置信息决定是否触发预警博弈过程；如果随机事件C发生的概率P(C)≤0.05，则驾驶员仍以自然驾驶状态驾驶车辆行驶。
[0146] 步骤S4，获取冲突车辆的安全预警距离，判断冲突车辆的安全预警距离与冲突车辆与交叉口停止线处的距离的关系；
[0147] 针对冲突车辆后含有多个跟随车辆的交叉口碰撞预警博弈过程进行研究，预警博弈场景如图4所示。其中，主车HV由南向北行驶，远车RV由西向东行驶，场景中HV和RV存在一定的碰撞风险，需要借助相应的预警机制向车辆发出预警信号以避免碰撞发生。预警场景中四支路同样均为单车道，HV和RV保持直行且最靠近交叉口区域，其后随机分布跟随车辆，冲突车辆可实时采集和广播车辆轨迹参数和交通流状态参数。
[0148] 假设t时刻冲突车辆HV和RV的轨迹参数向量SHV(t)、SHV(t)分别满足式(23)、(24)：
[0149] SHV(t)＝[xHV(t),yHV(t),vHV(t)]T (23)
[0150] SRV(t)＝[xRV(t),yRV(t),vRV(t)]T (24)
[0151] 同样地，x(t)和y(t)为车辆的位置坐标，v(t)为车辆行驶速度。
[0152] 利用博弈理论对冲突环境下的预警方法重点在于根据冲突双方的损益确定预警目标车辆。博弈过程中，博弈双方为冲突车辆HV和RV，策略包括向车辆发出预警和不发出预警，损益指明了在特定策略组合下参与者得到的期望损益水平。
[0153] 博弈中的参与者集合、策略集合及损益集合及参与者的共同知识可分别标记为：
[0154] (1)博弈的参与者集合：players＝{HV,RV}；
[0155] (2)每个参与者的决策集合：strategies＝{WSHV,WSRV}；
[0156] (3)每个参与者的损益：profits＝{PFHV(WSHV,WSRV),PFRV(WSHV,WSRV)}；
[0157] (4)参与者的共同知识：commonknowledge＝{SHV(t),SRV(t)}。
[0158] 根据冲突双方的损益确定预警目标车辆，并通过预警提示目标车辆进行减速，这里主要涉及到的是车辆的速度调整过程，因此，为了方便损益函数的构建，将预警策略与车辆速度调整过程进行等价转化，定义预警策略WS满足式(25)：
[0159]
[0160] 记u(t)为博弈参与者车辆V的控制变量，该变量可直观理解为车辆的加速度。当且仅当u(t)为所有博弈参与者的控制变量中的最小值时，即u(t)＝min(uHV,uRV)，该车的预警策略WS＝1。
[0161] 因此，参与者的预警决策集合可转化为：strategies＝{uHV,uRV}，进一步的，参与者的损益集合可转化为：profits＝{PFHV(uHV,uRV),PFRV(uHV,uRV)}。
[0162] 取安全预警距离为触发预警博弈的距离上限，记安全预警距离为DW，满足式(26)：
[0163]
[0164] 式中，v为车辆当前的速度，ad为安全制动减速度，取值范围在‑2m/s2至‑0.9m/s2之间。DB为最小制动距离，满足式(27)：
[0165]
[0166] 其中，amax为车辆最大制动减速度，tr为驾驶员反应时长，td为制动系统延迟时长。
[0167] 步骤S5，根据获取车辆碰撞风险发生的概率和冲突车辆的安全预警距离与冲突车辆与交叉口停止线处的距离的关系，判断是否触发预警博弈过程；
[0168] 所述步骤S5中的根据获取车辆碰撞风险发生的概率和冲突车辆的安全预警距离与冲突车辆与交叉口停止线处的距离的关系，判断是否触发预警博弈过程，包括：
[0169] 取安全预警距离为触发预警博弈的距离上限，记安全预警距离为DW，记冲突车辆与交叉口停止线处的距离为D，当且仅当D和P(C)同时满足式(28)：
[0170]
[0171] 则冲突车辆双方触发预警博弈过程。
[0172] 进一步的，利用车辆到达碰撞区域边界的距离D和最小制动距离DB间的比值D/DB对预警等级进行划分。若D/DB大于1.1，此时冲突车辆距离交叉口很近，触发二级预警，提醒车辆以最大制动减速度进行减速；否则，触发一级预警提醒车辆以舒适制动减速度进行减速。
[0173] 步骤S6，如果触发预警博弈过程，则面向避碰预警的冲突车辆采用微分博弈方法，进行合适的预警决策。
[0174] (1)定义冲突车辆双方博弈参与者的微分博弈损益函数
[0175] 记冲突车辆触发预警博弈过程的时刻为0，预警博弈结束的时刻为te，冲突车辆双方仅包含主车HV和远车RV，t∈[0,te]时刻内，预警博弈过程中车辆的状态方程满足式(29)：
[0176]
[0177] 其中，St为博弈参与者(即冲突车辆双方)的轨迹参数，f(·)为博弈双方的状态函数，uHV(t)、uRV(t)为博弈双方的控制变量，满足式(30)：
[0178]
[0179] 其中，U为含有冲突车辆所有控制变量的集合，冲突车辆双方在进行微分博弈的过程中，参与者双方的目标都是使自身的损益达到最大。
[0180] 对于博弈参与者而言，定义损益函数满足式(31)：
[0181]
[0182] 其中，h(·)为参与者双方的最终收益，J(·)为博弈双方的碰撞成本函数。为了简化计算，将最终收益定义为常量1。
[0183] (2)冲突车辆双方博弈参与者的碰撞成本函数
[0184] 无控交叉口处存在碰撞风险的主车和远车在触发预警博弈过程后，需要根据构建的碰撞成本函数估计冲突双方碰撞的成本，当碰撞成本最小时，车辆将获得最大的收益；
[0185] 从冲突双方的安全特性、环境特性和驾驶员特性三方面构建冲突车辆双方博弈参与者的碰撞成本函数：
[0186] ①安全特性指标
[0187] 安全性能指标使用安全时间进行定量计算，记安全性能指标为Isafe，若t时刻冲突双方车辆距离碰撞区域边界的距离分别为DHV和DRV，两车的行驶速度分别为vHV和vRV，则Isafe满足式(32)至(34)：
[0188]
[0189] 其中，TTC为博弈双方到达碰撞区域边界的时间差，γ确定了博弈双方是否存在潜在碰撞风险，τ为一个大于0的常量，这里取为2。显然，两车到达冲突区域边界的时间差越小，碰撞成本越大。
[0190] ②环境特性指标
[0191] 从交叉口整体的通行效率角度，车辆在驶入交叉口的过程中，如果其他支路上存在更多的车辆，应当在博弈过程中考虑向驾驶员发出预警提醒减速，以避免拥堵的传导效应；从交叉口整体的安全性能考虑，若两支路上车流密度相同，为了给跟随车辆更大的反应距离，以避免发生追尾，应当在博弈过程中向车间距更大的一方发出预警进行减速。图5给出了存在碰撞冲突的交叉口的两种典型交通场景，其中，冲突车辆分别为HV和RV，图5(a)中，HV后方车流密度较大，RV应减速让行；图5(b)中，RV同后方跟随车辆间距更大，RV应减速让行。
[0192] 依据上述思路，借助车流密度因子和车间距因子对环境特性指标进行定义，描述冲突车辆后方跟随车辆的状态。假定冲突车辆能够对周围行驶的车流数据进行读取，采集范围设定为冲突车辆后方100m。
[0193] 记环境特性指标为Ieot，冲突车辆HV和RV在采集范围内后方的跟随车辆数目分别为nHV和nRV，第i个跟随车辆与冲突车辆间的距离为 则 满足式(35)至(38)：
[0194]
[0195] 其中，α、β均为随机数，α∈(0.5,1)。Den为环境特性指标中的车流密度因子，该参数为冲突双方在采集范围内的跟随车辆总数的归一化参数值，可以看到，Gap为环境特性指标中的车间距因子，满足 存在多
个跟随车辆时，跟随车辆对博弈过程的影响与跟随车辆在跟随车流中的排序相关，排序越靠后，对博弈过程的影响越小。显然，环境特性指标与跟随车辆总数成正比，跟随车辆总数越多，环境特性指标越大，碰撞成本越高；环境特性指标与跟随车辆车间距成反比，跟随车辆车间距越小，车间距因子越大，环境特性指标越大，碰撞成本越高。
[0196] ③驾驶员特性指标参数
[0197] 对于交叉口处存在碰撞风险的冲突车辆双方而言，由于驾驶员类型与驾驶行为息息相关，因此，如果能够对冲突车辆的驾驶员类型进行判定，制定的预警决策将更具合理性。对于激进型驾驶员而言，车辆在行驶过程中更加注重通行效率，车辆进行车速调整的频次较为频繁；对于保守型驾驶员来说，由于更加追求安全性能，车辆行驶速度相对更低，车速变化也相对较小。
[0198] 参考上述思路，借助车辆加速度变化率对驾驶员特性指标进行定量计算，并参照最大最小化原则进行归一化处理。
[0199] 记驾驶员特性指标参数为κ，κ满足式(39)：
[0200]
[0201] 其中，ai、ai‑1分别为车辆在ti时刻和ti‑1时刻的加速度，amax为车辆的最大加速度，显然，κ∈(0,1)。若在相邻的时刻内车辆加速度变化量较大，则意味着车辆速度变化较快，驾驶员驾驶风格相对较为激进。
[0202] 在对上述特性指标进行定义的基础上，通过驾驶员特性指标κ对安全特性指标Isafe和环境特性指标Ieot分配不同的权重，以此对博弈双方的驾驶行为进行刻画，构建了博弈双方的碰撞成本函数J(·)。ti时刻博弈双方的碰撞成本函数J(·)满足式(40)：
[0203]
[0204] 可以看到，由于较大的κ预示着冲突车辆驾驶员较为激进，因此，κ与环境特性指标Ieot的权重成正比，在对碰撞风险进行计算时更注重通行效率，κ与安全特性指标Isafe成反比，保守型驾驶员更偏重通行安全。
[0205] (3)获取冲突车辆在博弈过程中领导者的最优决策
[0206] 首先触发预警博弈过程的车辆即为领导者；计算领导者最优决策的方法是，先根据跟随者的损益函数计算跟随者在任意一个领导者决策条件下的最优决策集合，然后领导者根据自身的损益函数计算使领导者损益最大的决策。
[0207] 假设冲突车辆在博弈过程中的领导者为HV，跟随者为RV，t时刻博弈双方做出的决策和最优决策分别为(uHV,uRV)和
[0208] 根据前面的分析，对HV做出的任意一个决策为uHV，RV都将对应做出决策uRV，使RV的损益函数PFHV(uHV,uRV)最大，显然，uRV与uHV相关。进一步的，对含有HV车辆所有控制变量的决策集合uHV∈U，将存在一个使RV的损益函数最大的决策集合ρ(uHV)，使得uRV＝ρ(uHV)。
[0209] 此时，对领导者HV而言，若博弈双方的决策 满足式(41)至(43)：
[0210]
[0211] 则认为 是满足斯坦伯格均衡的最优决策。
[0212] 式(41)确定了RV决策与HV决策的相关性，确保了两者之间存在相应的反应函数；式(42)要求RV的决策始终属于允许的决策集合，保证了RV决策的合法性；式(43)给出了斯坦伯格均衡决策的判定条件。
[0213] 具体来说，冲突双方在一次博弈过程中，计算满足斯坦伯格均衡的最优决策的过程可分为两步：
[0214] ①首先由领导者HV计算跟随者RV与领导者HV之间的反应函数，
[0215] ②然后由领导者HV根据损益函数确定最优决策集合。
[0216] 根据庞特里亚金极大值原理，对[0,te]时间内含有两个博弈参与者的微分博弈过程而言，若任意t∈[0,te]时刻博弈双方的状态方程f(t,St,uHV(t),uRV(t))在实数集上连续可微，所有博弈参与者的最终收益函数h(·)和碰撞成本函数J(·)在实数集上连续可微，且 为博弈双方满足斯坦伯格均衡的最优决策集合，则跟随者RV一定存在一个伴随向量ξRV，满足式(44)至(47)：
[0217]
[0218] 此时，RV的最优决策 满足式(48)：
[0219]
[0220] 可以看到，式(45)中，当伴随向量ξRV确定时，可以得到RV的在当前反应函数下的最优决策的解，记该最优决策解为 则领导者HV的最优决策解 将满足式(49)：
[0221]
[0222] 同时，式(49)满足式(50)至(53)：
[0223]
[0224] 继续参考图6，图6示出了一种避碰预警决策博弈过程的流程图，具体步骤如下：
[0225] 步骤1、获取更新车辆轨迹参数，进入步骤2；
[0226] 步骤2、判断冲突车辆与交叉口停止线处的距离为D与安全预警距离DW之间的关系；
[0227] 如果冲突车辆与交叉口停止线处的距离为D小于等于安全预警距离DW，则进入步骤3；
[0228] 如果冲突车辆与交叉口停止线处的距离为D大于安全预警距离DW，则返回步骤1；
[0229] 步骤3、获取两车碰撞风险概率P(C)的值；如果P(C)≥0.05则进入步骤4；
[0230] 如果P(C)＜0.05，则重新计算碰撞风险，并返回步骤1；
[0231] 步骤4、触发预警博弈过程；
[0232] 步骤5、确定博弈参与者身份；
[0233] 步骤6、确定领导者最优决策；
[0234] 步骤7、确定预警对象；
[0235] 步骤8、判断冲突车辆与交叉口停止线处的距离为D与最小制动距离DB之间的关系，如果D/DB≥1.1，则触发一级预警；如果D/DB＜1.1，则触发二级预警。
[0236] 本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，该计算机程序可存储于计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，前述的存储介质可为磁碟、光盘、只读存储记忆体(Read‑OnlyMemory，ROM)等非易失性存储介质，或随机存储记忆体(RandomAccessMemory，RAM)等。
[0237] 应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本申请中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
[0238] 继续参考图7，本实施例所述的基于微分博弈的行车避碰预警装置包括：
[0239] 车辆轨迹参数采集模块701，用于采集车辆轨迹参数，所述车辆轨迹参数包括车辆的位置坐标参数以及车辆的速度参数；
[0240] 车辆轨迹参数预测模块702，用于对采集的车辆轨迹参数进行处理，获取车辆预测轨迹参数；
[0241] 获取碰撞风险概率模块703，用于基于获取的所述车辆预测轨迹参数，对车辆进行碰撞风险检测，获取车辆碰撞风险发生的概率；
[0242] 安全预警距离判断模块704，用于获取冲突车辆的安全预警距离，判断冲突车辆的安全预警距离与冲突车辆与交叉口停止线处的距离的关系；
[0243] 预警博弈触发判断模块705，用于根据获取车辆碰撞风险发生的概率和冲突车辆的安全预警距离与冲突车辆与交叉口停止线处的距离的关系，判断是否触发预警博弈过程；
[0244] 微分博弈预警模块706，用于如果触发预警博弈过程，则面向避碰预警的冲突车辆采用微分博弈方法，进行合适的预警决策。
[0245] 为解决上述技术问题，本申请实施例还提供计算机设备。具体请参阅图8，图8为本实施例计算机设备基本结构框图。
[0246] 所述计算机设备8包括通过系统总线相互通信连接存储器8a、处理器8b、网络接口8c。需要指出的是，图中仅示出了具有组件8a‑8c的计算机设备8，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。其中，本技术领域技术人员可以理解，这里的计算机设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程门阵列(Field‑Programmable GateArray，FPGA)、数字处理器(Digital Signal Processor，DSP)、嵌入式设备等。
[0247] 所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
[0248] 所述存储器8a至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，所述存储器8a可以是所述计算机设备8的内部存储单元，例如该计算机设备8的硬盘或内存。在另一些实施例中，所述存储器8a也可以是所述计算机设备8的外部存储设备，例如该计算机设备8上配备的插接式硬盘，智能存储卡(SmartMediaCard，SMC)，安全数字(SecureDigital，SD)卡，闪存卡(FlashCard)等。当然，所述存储器8a还可以既包括所述计算机设备8的内部存储单元也包括其外部存储设备。本实施例中，所述存储器8a通常用于存储安装于所述计算机设备8的操作系统和各类应用软件，例如基于微分博弈的行车避碰预警方法及处理装置的程序代码等。此外，所述存储器8a还可以用于暂时地存储已经输出或者将要输出的各类数据。
[0249] 所述处理器8b在一些实施例中可以是中央处理器(CentralProcessingUnit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器8b通常用于控制所述计算机设备8的总体操作。本实施例中，所述处理器8b用于运行所述存储器8a中存储的程序代码或者处理数据，例如运行所述基于微分博弈的行车避碰预警方法及处理装置的程序代码。
[0250] 所述网络接口8c可包括无线网络接口或有线网络接口，该网络接口8c通常用于在所述计算机设备8与其他电子设备之间建立通信连接。
[0251] 本申请还提供了另一种实施方式，即提供一种非易失性计算机可读存储介质，所述非易失性计算机可读存储介质存储有基于微分博弈的行车避碰预警方法及处理装置的程序，所述基于微分博弈的行车避碰预警方法及处理装置可被至少一个处理器执行，以使所述至少一个处理器执行如上述的基于微分博弈的行车避碰预警方法及处理装置的步骤。
[0252] 通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本申请各个实施例所述的方法。
[0253] 显然，以上所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例，附图中给出了本申请的较佳实施例，但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现，相反地，提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明，对于本领域的技术人员来而言，其依然可以对前述各具体实施方式所记载的技术方案进行修改，或者对其中部分技术特征进行等效替换。凡是利用本申请说明书及附图内容所做的等效结构，直接或间接运用在其他相关的技术领域，均同理在本申请专利保护范围之内。
