一种基于模糊控制的园区低速电动无人车行人警示方法及系统与流程

1.本发明涉及自动驾驶技术领域，特别是一种基于模糊控制的园区低速电动无人车行人警示方法及系统。


背景技术：

2.自动驾驶商业化探索中，特定场景先行落地已形成渐进式突围之势。特别是景区、办公区、校园等封闭园区内从事载人、载物或环卫清扫工作等低速电动无人车的示范、应用已屡见不鲜。虽然低速电动无人车都必须具备避障功能，可以避免对行人的硬性伤害。但是，近距离突然出现在身前的车辆或从身边快速通过的车辆都很容易对行人产生惊吓；而且，在封闭园区内行人的行走更为随意、放松且缓慢，过多的避障行为增加车辆的损耗，也往往会降低道路车辆的通行效率。为了提升人车交互性，有些车辆在低速时会持续发出警示音，或者司机提前鸣喇叭，但是过多的噪音，特别是汽车喇叭声往往会引起行人的不适、甚至反感，也影响人们的工作、生活和休闲。
3.有的自动驾驶清扫车通过检测车辆前方是否有障碍物进入安全距离区域，控制声音报警器或灯光警示器进行提示工作。该方法没有考虑到车辆侧面行人侵入导致的风险，且声光报警只有一种模式，无法针对不同危险度对声光报警进行相应的调整，人性化程度不高。
4.一种提醒行人的车载警示方法及其系统，判断行人与车辆之间的距离与预设的安全距离和危险距离之间的关系，通过发出高压喷气、灯光警示、车载扬声器警示等方式进行行人警示。该方法同样没有考虑到车辆侧面行人侵入导致的风险；而且判断条件仅根据行人与车辆之间的距离，并没有考虑行人和车辆的速度等信息，不能对发生碰撞危险度进行准确地判断；报警方式虽然有多种，但是每种报警方式没有根据危险度进行调整，提示效果不好，行人主观感受欠佳。


技术实现要素：

5.本发明的目的在于提供一种基于模糊控制的园区低速电动无人车的行人警示方法及系统来克服或至少减轻现有技术的上述缺陷中的至少一个。
6.为实现上述目的，本发明提供一种基于模糊控制的园区低速电动无人车行人警示方法，其包括：
7.s1，获取当前时刻的周围行人、自车及环境的状态信息；
8.s2，计算危险区域内每个人与车辆之间的最小纵向距离最小横向距离纵向相对速度和车辆最大减速度其中，有下标v2p的参数表示人与车辆之间的变量，有下标v的参数表示车辆的变量，i＝1，2
…
n表示第i个人；
9.s3，将步骤s2计算得到的最小纵向距离最小横向距离纵向相对速度
和车辆最大减速度分别设置相应的模糊集，再根据模糊集设置相应的隶属函数模糊化，最后利用预设的模糊规则获取纵向危险度横向危险度和综合危险度di；
10.s4，根据环境背景声级强度、环境光照强度解模糊，计算预警提示音声级强度、频率和预警灯灯光光照强度，进行声光预警；
11.s5，返回步骤s1，直至车辆熄火或人为关闭预警提示开关。
12.进一步地，步骤s3中获取纵向危险度的方法具体包括：
13.步骤s31a，按参数设置模糊集：
14.i.将最小纵向距离设置为4个模糊集：近模糊集nx、较近模糊集mnx、较远模糊集mfx和远模糊集fx；
15.ii.将车辆最大减速度设置为4个模糊集：大模糊集ba、较大模糊集mba、较小模糊集msa和小模糊集sa；
16.iii.将纵向危险度设置为5个模糊集：大模糊集dx、较大模糊集mdx、中等模糊集mx、较小模糊集msx和小模糊集sx；
17.步骤s32a，为每一个模糊集设置隶属函数：
18.i.将trimf函数作为最小纵向距离的较近模糊集mnx和较远模糊集mfx与车辆最大减速度中较大模糊集mba、较小模糊集msa和小模糊集sa的隶属函数；
19.ii.将trapmf函数作为最小纵向距离的近模糊集nx和远模糊集fx与车辆最大减速度中大模糊集的隶属函数；
20.步骤s33a，利用如下表格所列的第一模糊规则获取纵向危险度步骤s33a，利用如下表格所列的第一模糊规则获取纵向危险度
[0021][0022]
步骤s3中获取横向危险度的方法具体包括：
[0023]
步骤s31b，按参数设置模糊集：
[0024]
i.将最小横向距离设置为4个模糊集：近模糊集ny、较近模糊集mny、较远模糊集mfy和远模糊集fy；
[0025]
ii.将纵向相对速度设置为4个模糊集：大模糊集bs、较大模糊集mbs、较小模糊集mss和小模糊集ss；
[0026]
iii.将横向危险度设置为5个模糊集：大模糊集dy、较大模糊集mdy、中等模糊集my、较小模糊集msy和小模糊集sy；
[0027]
步骤s32b，为每一个模糊集设置隶属函数：
[0028]
i.将trimf函数作为最小横向距离中的较近模糊集mny和较远模糊集mfy与纵向相对速度中的较大模糊集mbs、较小模糊集mss、小模糊集ss的隶属函数；
[0029]
ii.将trapmf函数作为最小横向距离中的近模糊集ny、远模糊集fy与纵向相对速度中的大模糊集bs的隶属函数；
[0030]
步骤s33b，利用如下表格所列的第二模糊规则获取横向危险度步骤s33b，利用如下表格所列的第二模糊规则获取横向危险度
[0031]
步骤s3中获取综合危险度di的方法具体包括：
[0032]
步骤s31c，按参数设置模糊集：将综合危险度di设置为5个模糊集：大模糊集dm、较大模糊集mdm、中等模糊集mm、较小模糊集msm和小模糊集sm；
[0033]
步骤s32c，根据纵向危险度和横向危险度利用如下表格所列的第三
[0034]
模糊规则获取综合危险度di：
[0035][0036]
进一步地，步骤s4具体包括：
[0037]
s41，按参数设置模糊集：
[0038]
i.将预警提示音声级强度对应综合危险度di分为5个模糊集：大模糊集ds、较大模糊集mds、中等模糊集ms、较小模糊集mss和小模糊集ss；
[0039]
ii.将预警灯灯光光强度对应综合危险度di分为5个模糊集：大模糊集dl、较大模糊集mdl、中等模糊集ml、较小模糊集msl和小模糊集sl；
[0040]
s42，为每一个模糊集设置隶属函数：将trimf函数作为预警提示音声级强度和预警灯灯光光强度全部模糊集的隶属函数；
[0041]
s43，获取预警提示音声级强度：计算预警提示音声级强度，取所有人的预警提示音声级强度的最大值，当该最大值小于预警提示音启动阈值时，不启动预警提示音扬声器；当该最大值大于预警提示音启动阈值、但小于环境背景声级强度时，按照预设强度值输出声级强度；否则按照该最大值设置输出，作为输出声级强度；
[0042]
s44，获取预警提示音频率；
[0043]
s45，获取预警灯灯光光强度：计算预警灯灯光光强度，取所有人的预警灯灯光光强度的最大值，当该最大值小于环境光照强度时，不启动预警灯；否则按照该最大值设置输出，作为输预警灯灯光光强度。
[0044]
进一步地，步骤s43和/或步骤s45均采用式(3)提供的重心法计算每个人的预警提示音声级强度和预警灯灯光光强度：
[0045][0046]
式中，z表示任意模糊量，fr(z)表示任意模糊量z对应的隶属度,sz表示重心值。
[0047]
进一步地，步骤s44采用式(4)提供的线性比例计算预警提示音频率f；
[0048][0049]
式中，f
min
为设定最小频率，f
max
为设定最大频率，v为车辆当前速度，v
max
为车辆最大速度。
[0050]
本发明还提供一种基于模糊控制的园区低速电动无人车行人警示系统，其包括：
[0051]
传感器，其用于获取当前时刻的周围行人、自车及环境的状态信息；
[0052]
计算模块，其用于计算危险区域内每个人与车辆之间的最小纵向距离最小横向距离纵向相对速度和车辆最大减速度其中，有下标v2p的参数表示人与车辆之间的变量，有下标v的参数表示车辆的变量，i＝1，2
…
n表示第i个人；
[0053]
推理模块，其用于将计算模块计算得到的最小纵向距离最小横向距离纵向相对速度和车辆最大减速度分别设置相应的模糊集，再根据模糊集设置相应的隶属函数，利用预设的模糊规则获取纵向危险度横向危险度和综合危险度di，最后结合环境背景声级强度、环境光照强度解模糊，计算预警提示音声级强度、频率和预警灯灯光光照强度；
[0054]
执行设备，其用于根据计算的预警提示音声级强度、频率和预警灯灯光光照强度结果，进行声光预警，直至车辆熄火或人为关闭预警提示开关；
[0055]
进一步地，推理模块具体包括：
[0056]
第一模糊集设置单元，其用于将最小纵向距离设置为4个模糊集：近模糊集nx、较近模糊集mnx、较远模糊集mfx和远模糊集fx，将车辆最大减速度设置为4个模糊集：大模糊集ba、较大模糊集mba、较小模糊集msa和小模糊集sa，将纵向危险度设置为5
个模糊集：大模糊集dx、较大模糊集mdx、中等模糊集mx、较小模糊集msx和小模糊集sx；
[0057]
第一隶属函数设置单元，其用于为每一个模糊集设置：将trimf函数作为最小纵向距离的较近模糊集mnx和较远模糊集mfx与车辆最大减速度中较大模糊集mba、较小模糊集msa和小模糊集sa的隶属函数，将trapmf函数作为最小纵向距离的近模糊集nx和远模糊集fx与车辆最大减速度中大模糊集的隶属函数；
[0058]
纵向危险度获取单元，其用于利用如下表格所列的第一模糊规则获取纵向危险度
[0059][0060]
第二模糊集设置单元，其用于将最小横向距离设置为4个模糊集：近模糊集ny、较近模糊集mny、较远模糊集mfy和远模糊集fy；将纵向相对速度设置为4个模糊集：大模糊集bs、较大模糊集mbs、较小模糊集mss和小模糊集ss；将横向危险度设置为5个模糊集：大模糊集dy、较大模糊集mdy、中等模糊集my、较小模糊集msy和小模糊集sy；
[0061]
第二隶属函数设置单元，其用于为每一个模糊集设置隶属函数：将trimf函数作为最小横向距离中的较近模糊集mny和较远模糊集mfy与纵向相对速度中的较大模糊集mbs、较小模糊集mss、小模糊集ss的隶属函数；将trapmf函数作为最小横向距离中的近模糊集ny、远模糊集fy与纵向相对速度中的大模糊集bs的隶属函数；
[0062]
横向危险度获取单元，其用于利用如下表格所列的第二模糊规则获取横向危险度
[0063][0064]
第三模糊集设置单元，其用于按参数设置模糊集：将综合危险度di设置为5个模糊
集：大模糊集dm、较大模糊集mdm、中等模糊集mm、较小模糊集msm和小模糊集sm；
[0065]
综合危险度获取单元，其用于根据纵向危险度和横向危险度利用如下表格所列的第三模糊规则获取综合危险度di：
[0066][0067]
进一步地，推理模块具体包括：
[0068]
第四模糊集设置单元，其用于按参数设置模糊集：将预警提示音声级强度对应综合危险度di分为5个模糊集：大模糊集ds、较大模糊集mds、中等模糊集ms、较小模糊集mss和小模糊集ss；将预警灯灯光光强度对应综合危险度di分为5个模糊集：大模糊集dl、较大模糊集mdl、中等模糊集ml、较小模糊集msl和小模糊集sl；
[0069]
第四隶属函数设置单元，其用于为每一个模糊集设置隶属函数：将trimf函数作为预警提示音声级强度和预警灯灯光光强度全部模糊集的隶属函数；
[0070]
预警提示音计算单元，其用于获取预警提示音声级强度和预警提示音频率：计算预警提示音声级强度，取所有人的预警提示音声级强度的最大值，当该最大值小于预警提示音启动阈值时，不启动预警提示音扬声器；当该最大值大于预警提示音启动阈值、但小于环境背景声级强度时，按照预设强度值输出声级强度；否则按照该最大值设置输出，作为输出声级强度；
[0071]
预警灯灯光光强度计算单元，其用于计算预警灯灯光光强度：取所有人的预警灯灯光光强度的最大值，当该最大值小于环境光照强度时，不启动预警灯；否则按照该最大值设置输出，作为输预警灯灯光光强度。
[0072]
进一步地，预警提示音计算单元和/或预警灯灯光光强度计算单元均采用式(3)提供的重心法计算每个人的预警提示音声级强度：
[0073][0074]
式中，z表示任意模糊量，fr(z)表示任意模糊量z对应的隶属度,sz表示重心值。
[0075]
进一步地，预警提示音计算单元采用式(4)提供的线性比例计算预警提示音频率f；
[0076][0077]
式中，f
min
为设定最小频率，f
max
为设定最大频率，v为车辆当前速度，v
max
为车辆最大速度。
[0078]
本发明由于通过视觉、激光雷达和超声波雷达检测行人与车辆的距离、速度、方位
等信息，通过光学和声音传感器采集环境光照和声音信息，并结合自动驾驶感知、预测和路径规划结果的车辆规划位置、速度、加速度等行驶状态信息，采用模糊控制方法计算在车辆对行人的危险度，依据心理声学和生理光学计算报警提示声音的响度、频率以及警示灯的光照强度参数，提升警示效果，优化行人主观心理感受。
附图说明
[0079]
图1为本发明实施例所提供的基于模糊控制的园区低速电动无人车方法的流程图。
[0080]
图2为本发明实施例所提供的人与车辆之间的最小纵向距离的隶属度函数示意图。
[0081]
图3为本发明实施例所提供的车辆最大减速度的隶属度函数示意图。
[0082]
图4为本发明实施例所提供的人与车辆之间的最小横向距离的隶属度函数示意图。
[0083]
图5为本发明实施例所提供的人与车辆之间的纵向相对速度的隶属度函数示意图。
[0084]
图6为本发明实施例所提供的预警提示音声级强度的隶属度函数示意图。
[0085]
图7为本发明实施例所提供的预警灯灯光光照强度的隶属度函数示意图。
[0086]
图8为本发明实施例所提供的基于模糊控制的园区低速电动无人车行人警示系统框图。
具体实施方式
[0087]
下面结合附图和实施例对本发明进行详细的描述。
[0088]
如图1所示，本发明实施例提供的基于模糊控制的园区低速电动无人车行人警示方法包括：
[0089]
s1，获取当前时刻的周围行人、自车及环境的状态信息。所述状态信息包括：行人位置、速度，自车的位置、速度、加速度、规划轨迹，环境背景声级强度、环境光照强度。
[0090]
特别需要说明的是，园区低速电动无人车上安装激光雷达、摄像头、毫米波雷达、超声波雷达、gnss和imu等传感器，采用现有自动驾驶的感知、预测、规划等方法，获取行人的位置、速度，自车的位置、速度、加速度、规划轨迹。同时，园区低速电动无人车上安装声音和光学传感器，采集环境背景声级强度、环境光照强度。
[0091]
s2，计算危险区域内每个人与车辆之间的最小纵向距离最小横向距离纵向相对速度和车辆最大减速度其中，有下标v2p的参数表示人与车辆之间的变量，有下标v的参数表示车辆的变量，i＝1，2
…
n表示第i个人。
[0092]
需要说明的是，本实施例只有一个低速无人电动车，为了简化计算，将人的加速度视为0，那么，车的减速度作为参数，但是i表示当第i个人在危险区里面时候的最大减速度，即该减速度是针对这个第i个人。
[0093]
危险区域存在于车辆前方及两侧，设定为从车辆尾部开始，延规划轨迹为中心，车体两侧设定宽度(如1.5m)，车辆前方设定距离(如30米)范围内的区域。
[0094]
优选地，s2的最小纵向距离最小横向距离纵向相对速度和车辆最大减速度的计算方法包括：
[0095]
首先，根据每个行人的位置和速度计算通过危险区域的位置和时间。
[0096]
然后，查找规划计算的当行人在危险区域内自车的位置和减速度，计算每个人在车辆纵向上人车的最小距离和车辆最大减速度车辆横向上人车的最小距离和纵向相对速度其中，车辆纵向上人车的最小距离是指人到车辆前端中心点的距离；车辆横向上人车的最小距离是指人到规划轨迹线的距离。
[0097]
s3，将步骤s2计算得到的最小纵向距离最小横向距离纵向相对速度和车辆最大减速度分别设置相应的模糊集，再根据模糊集设置相应的隶属函数模糊化，最后利用预设的模糊规则获取纵向危险度横向危险度和综合危险度di。
[0098]
s4，根据环境背景声级强度、环境光照强度解模糊，计算预警提示音声级强度、频率和预警灯灯光光照强度，进行声光预警。
[0099]
s5，返回步骤s1，直至车辆熄火或人为关闭预警提示开关。
[0100]
本实施例由于通过视觉、激光雷达和超声波雷达检测行人与车辆的距离、速度、方位等信息，通过光学和声音传感器采集环境光照和声音信息，并结合自动驾驶感知、预测和路径规划结果的车辆规划位置、速度、加速度等行驶状态信息，采用模糊控制方法计算在车辆对行人的危险度，依据心理声学和生理光学计算报警提示声音的响度、频率以及警示灯的光照强度参数，提升警示效果，优化行人主观心理感受。
[0101]
在一个实施例中，步骤s3中获取综合危险度di的方法具体包括：
[0102]
步骤s31c，设置模糊集：将综合危险度di设置为5个模糊集：大模糊集dm、较大模糊集mdm、中等模糊集mm、较小模糊集msm和小模糊集sm。
[0103]
步骤s32c，根据纵向危险度和横向危险度利用如下表格所列的第三模糊规则获取综合危险度di：
[0104][0105]
根据纵向危险度和横向危险度分别可以通过下面的实施例实现
[0106]
在一个实施例中，步骤s3中获取纵向危险度的方法具体包括：
[0107]
步骤s31a，设置模糊集：将最小纵向距离设置为4个模糊集：近模糊集nx、较近模糊集mnx、较远模糊集mfx和远模糊集fx。将车辆最大减速度设置为4个模糊集：大模糊集ba、较大模糊集mba、较小模糊集msa和小模糊集sa。将纵向危险度设置为5个模糊集：大模糊集dx、较大模糊集mdx、中等模糊集mx、较小模糊集msx和小模糊集sx。
[0108]
步骤s32a，根据每一个模糊集设置隶属函数：例如，可以将trimf函数(1)作为最小纵向距离的较近模糊集mnx和较远模糊集mfx与车辆最大减速度中较大模糊集mba、较小模糊集msa、小模糊集sa的隶属函数，将trapmf函数(2)作为最小纵向距离的近模糊集nx和远模糊集fx与和车辆最大减速度中大模糊集ba的隶属函数。当然，上述实施例还可以选择现有技术中的其他形式的隶属度函数。
[0109][0110][0111]
式中，z表示任意模糊量，f(z；m,n,p)表示任意模糊量z对应的隶属度，m、n、p及q为预设的阈值，实际设计时，可以通过调整上述隶属函数中的参数m、n、p及q，使个模糊量的隶属函数处于不同的范围。分别得出如图2-3所示的各模糊变量的隶属函数。
[0112]
步骤s33a，利用如下表格所列的第一模糊规则获取纵向危险度步骤s33a，利用如下表格所列的第一模糊规则获取纵向危险度
[0113]
在一个实施例中，步骤s3中获取横向危险度的方法具体包括：
[0114]
步骤s31b，设置模糊集：将最小横向距离设置为4个模糊集：近模糊集ny、较
近模糊集mny、较远模糊集mfy和远模糊集fy。将纵向相对速度设置为4个模糊集：大模糊集bs、较大模糊集mbs、较小模糊集mss和小模糊集ss。将横向危险度设置为5个模糊集：大模糊集dy、较大模糊集mdy、中等模糊集my、较小模糊集msy和小模糊集sy。
[0115]
步骤s32b，为每一个模糊集设置隶属函数：例如，可以将trimf函数(1)作为最小横向距离中的较近模糊集mny和较远模糊集mfy与纵向相对速度中的较大模糊集mbs、较小模糊集mss、小模糊集ss的隶属函数，将trapmf函数(2)作为最小横向距离中的近模糊集ny、远模糊集fy和纵向相对速度中的大模糊集bs的隶属函数。当然，上述实施例还可以选择现有技术中的其他形式的隶属度函数。实际设计时，可以通过调整上述隶属函数中的参数m、n、p及q，使个模糊量的隶属函数处于不同的范围。分别得出如图4-5所示的各模糊变量的隶属函数。
[0116]
步骤s33b，利用如下表格所列的第二模糊规则获取横向危险度步骤s33b，利用如下表格所列的第二模糊规则获取横向危险度
[0117]
在一个实施例中，步骤s4具体包括：
[0118]
s41，将预警提示音声级强度对应综合危险度di分为5个模糊集：大模糊集ds、较大模糊集mds、中等模糊集ms、较小模糊集mss和小模糊集ss，如ds对应dm，ss对应sm。本发明实例综合选用三角形隶属度函数函数，对于预警提示音声级强度中的5个模糊集都以trimf函数作为隶属函数。实际设计时，可以通过调整上述隶属函数中的参数m、n、p，使个模糊量的隶属函数处于不同的范围。分别得出如图6所示的各模糊变量的隶属函数。
[0119]
s42，获取预警提示音声级强度：计算预警提示音声级强度，取所有人的预警提示音声级强度的最大值，当该最大值小于预警提示音启动阈值时，不启动预警提示音扬声器；当该最大值大于预警提示音启动阈值、但小于环境背景声级强度时，按照预设强度值输出声级强度(例如：环境背景声级强度+3db)；否则按照该最大值设置输出，作为输出声级强度。
[0120]
s43，获取预警提示音频率。
[0121]
s44，将预警灯灯光光强度对应综合危险度di分为5个模糊集：大模糊集dl、较大模糊集mdl、中等模糊集ml、较小模糊集msl和小模糊集sl，模糊集都以trimf函数作为隶属函数，如dl对应dm，sl对应sm。
[0122]
s45，获取预警灯灯光光强度：计算预警灯灯光光强度，取所有人的预警灯灯光光强度的最大值，当该最大值小于环境光照强度时，不启动预警灯；否则按照该最大值设置输
出，作为输预警灯灯光光强度。
[0123]
在一个实施例中，s42采用式(3)提供的重心法计算每个人的预警提示音声级强度，s43采用式(4)提供的线性比例计算预警提示音频率；s44采用式(3)提供的重心法计算每个人的预警灯灯光光强度；
[0124][0125][0126]
式中，z表示任意模糊量，fr(z)表示任意模糊量z对应的隶属度,sz表示重心值，f
min
为设定最小频率，f
max
为设定最大频率，v为车辆当前速度，v
max
为车辆最大速度。
[0127]
基于同一发明构思，本发明实施例还提供了一种基于模糊控制的园区低速电动无人车行人警示系统，由于该系统所解决问题的原理与前述方法相似，因此该系统的实施可以参见前述方法的实施，重复之处不再赘述。
[0128]
第二方面，参照图8所示，本发明实施例还提供一种基于模糊控制的园区低速电动无人车行人警示系统，其包括传感器、计算模块、推理模块和执行设备，其中：
[0129]
传感器用于获取当前时刻的周围行人、自车及环境的状态信息。传感器可包括gnss、imu、摄像头、激光雷达、毫米波雷达、超声波雷达、线控底盘上轮速/转角传感器、声音传感器、光线传感器等。
[0130]
计算模块用于计算危险区域内每个人与车辆之间的最小纵向距离最小横向距离纵向相对速度和车辆最大减速度其中，有下标v2p的参数表示人与车辆之间的变量，有下标v的参数表示车辆的变量，i＝1，2
…
n表示第i个人。
[0131]
推理模块用于将计算模块计算得到的最小纵向距离最小横向距离纵向相对速度和车辆最大减速度分别设置相应的模糊集，再根据模糊集设置相应的隶属函数，利用预设的模糊规则获取纵向危险度横向危险度和综合危险度di，最后结合环境背景声级强度、环境光照强度解模糊，计算预警提示音声级强度、频率和预警灯灯光光照强度。
[0132]
执行设备用于根据计算的预警提示音声级强度、频率和预警灯灯光光照强度结果，进行声光预警，直至车辆熄火或人为关闭预警提示开关。
[0133]
在一个实时例中，推理模块具体包括第四模糊集设置单元、第四隶属函数设置单元、预警提示音计算单元和预警灯光光强度计算单元，其中：
[0134]
第四模糊集设置单元，其用于按参数设置模糊集：将预警提示音声级强度对应综合危险度di分为5个模糊集：大模糊集ds、较大模糊集mds、中等模糊集ms、较小模糊集mss和小模糊集ss；将预警灯灯光光强度对应综合危险度di分为5个模糊集：大模糊集dl、较大模糊集mdl、中等模糊集ml、较小模糊集msl和小模糊集sl；
[0135]
第四隶属函数设置单元，其用于为每一个模糊集设置隶属函数：将trimf函数作为预警提示音声级强度和预警灯灯光光强度全部模糊集的隶属函数；
[0136]
预警提示音计算单元：采用重心法解模糊并计算预警提示音声级强度，计算预警
提示音频率；
[0137]
预警灯灯光光强度计算单元：采用重心法解模糊并计算预警灯灯光光强度；
[0138]
在一个实施例中，推理模块具体包括第三模糊集设置单元和综合危险度获取单元，其中：
[0139]
第三模糊集设置单元用于将综合危险度di设置为5个模糊集：大模糊集dm、较大模糊集mdm、中等模糊集mm、较小模糊集msm和小模糊集sm。
[0140]
综合危险度获取单元用于根据纵向危险度和横向危险度利用如下表格所列的第三模糊规则获取综合危险度di：
[0141][0142]
在一个实施例中，推理模块具体包括第一模糊集设置单元、第一隶属函数设置单元和纵向危险度获取单元，其中：
[0143]
第一模糊集设置单元用于将最小纵向距离设置为4个模糊集：近模糊集nx、较近模糊集mnx、较远模糊集mfx和远模糊集fx。将车辆最大减速度设置为4个模糊集：大模糊集ba、较大模糊集mba、较小模糊集msa和小模糊集sa。将纵向危险度设置为5个模糊集：大模糊集dx、较大模糊集mdx、中等模糊集mx、较小模糊集msx和小模糊集sx。
[0144]
第一隶属函数设置单元用于根据每一个模糊集设置隶属函数：例如，可以将trimf函数(1)作为最小纵向距离的较近模糊集mnx和较远模糊集mfx与车辆最大减速度中较大模糊集mba、较小模糊集msa、小模糊集sa的隶属函数，将trapmf函数(2)作为最小纵向距离的近模糊集nx和远模糊集fx与和车辆最大减速度中大模糊集ba的隶属函数。当然，上述实施例还可以选择现有技术中的其他形式的隶属度函数。
[0145]
纵向危险度获取单元用于利用如下表格所列的第一模糊规则获取纵向危险度
[0146][0147]
在一个实施例中，推理模块具体包括第二模糊集设置单元、第二隶属函数设置单元和横向危险度获取单元，其中：
[0148]
第二模糊集设置单元用于设置模糊集：将最小横向距离设置为4个模糊集：近模糊集ny、较近模糊集mny、较远模糊集mfy和远模糊集fy。将纵向相对速度设置为4个模糊集：大模糊集bs、较大模糊集mbs、较小模糊集mss和小模糊集ss。将横向危险度设置为5个模糊集：大模糊集dy、较大模糊集mdy、中等模糊集my、较小模糊集msy和小模糊集sy。
[0149]
第二隶属函数设置单元用于为每一个模糊集设置隶属函数：例如，可以将trimf函数(1)作为最小横向距离中的较近模糊集mny和较远模糊集mfy与纵向相对速度中的较大模糊集mbs、较小模糊集mss、小模糊集ss的隶属函数，将trapmf函数(2)作为最小横向距离中的近模糊集ny、远模糊集fy和纵向相对速度中的大模糊集bs的隶属函数。当然，上述实施例还可以选择现有技术中的其他形式的隶属度函数。实际设计时，可以通过调整上述隶属函数中的参数m、n、p及q，使个模糊量的隶属函数处于不同的范围。分别得出如图4-5所示的各模糊变量的隶属函数。
[0150]
横向危险度获取单元用于利用如下表格所列的第二模糊规则获取横向危险度
[0151][0152]
最后需要指出的是：以上实施例仅用以说明本发明的技术方案，而非对其限制。本领域的普通技术人员应当理解：可以对前述各实施例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同替换；这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

技术特征：
1.一种基于模糊控制的园区低速电动无人车行人警示方法，其特征在于，包括：s1，获取当前时刻的周围行人、自车及环境的状态信息；s2，计算危险区域内每个人与车辆之间的最小纵向距离最小横向距离纵向相对速度和车辆最大减速度其中，有下标v2p的参数表示人与车辆之间的变量，有下标v的参数表示车辆的变量，i＝1，2
…
n表示第i个人；s3，将步骤s2计算得到的最小纵向距离最小横向距离纵向相对速度和车辆最大减速度分别设置相应的模糊集，再根据模糊集设置相应的隶属函数模糊化，最后利用预设的模糊规则获取纵向危险度横向危险度和综合危险度d
i
；s4，根据环境背景声级强度、环境光照强度解模糊，计算预警提示音声级强度、频率和预警灯灯光光照强度，进行声光预警；s5，返回步骤s1，直至车辆熄火或人为关闭预警提示开关。2.如权利要求1所述的基于模糊控制的园区低速电动无人车行人警示方法，其特征在于，步骤s3中获取纵向危险度d
ix
的方法具体包括：步骤s31a，按参数设置模糊集：i.将最小纵向距离设置为4个模糊集：近模糊集nx、较近模糊集mnx、较远模糊集mfx和远模糊集fx；ii.将车辆最大减速度设置为4个模糊集：大模糊集ba、较大模糊集mba、较小模糊集msa和小模糊集sa；iii.将纵向危险度设置为5个模糊集：大模糊集dx、较大模糊集mdx、中等模糊集mx、较小模糊集msx和小模糊集sx；步骤s32a，为每一个模糊集设置隶属函数：i.将trimf函数作为最小纵向距离的较近模糊集mnx和较远模糊集mfx与车辆最大减速度中较大模糊集mba、较小模糊集msa和小模糊集sa的隶属函数；ii.将trapmf函数作为最小纵向距离的近模糊集nx和远模糊集fx与车辆最大减速度中大模糊集的隶属函数；步骤s33a，利用如下表格所列的第一模糊规则获取纵向危险度步骤s33a，利用如下表格所列的第一模糊规则获取纵向危险度
步骤s3中获取横向危险度的方法具体包括：步骤s31b，按参数设置模糊集：i.将最小横向距离设置为4个模糊集：近模糊集ny、较近模糊集mny、较远模糊集mfy和远模糊集fy；ii.将纵向相对速度设置为4个模糊集：大模糊集bs、较大模糊集mbs、较小模糊集mss和小模糊集ss；iii.将横向危险度设置为5个模糊集：大模糊集dy、较大模糊集mdy、中等模糊集my、较小模糊集msy和小模糊集sy；步骤s32b，为每一个模糊集设置隶属函数：i.将trimf函数作为最小横向距离中的较近模糊集mny和较远模糊集mfy与纵向相对速度中的较大模糊集mbs、较小模糊集mss、小模糊集ss的隶属函数；ii.将trapmf函数作为最小横向距离中的近模糊集ny、远模糊集fy与纵向相对速度中的大模糊集bs的隶属函数；步骤s33b，利用如下表格所列的第二模糊规则获取横向危险度步骤s33b，利用如下表格所列的第二模糊规则获取横向危险度步骤s3中获取综合危险度d
i
的方法具体包括：步骤s31c，按参数设置模糊集：将综合危险度d
i
设置为5个模糊集：大模糊集dm、较大模糊集mdm、中等模糊集mm、较小模糊集msm和小模糊集sm；步骤s32c，根据纵向危险度和横向危险度利用如下表格所列的第三模糊规则获取综合危险度d
i
：
3.如权利要求1或2所述的基于模糊控制的园区低速电动无人车行人警示方法，其特征在于，步骤s4具体包括：s41，按参数设置模糊集：i.将预警提示音声级强度对应综合危险度d
i
分为5个模糊集：大模糊集ds、较大模糊集mds、中等模糊集ms、较小模糊集mss和小模糊集ss；ii.将预警灯灯光光强度对应综合危险度d
i
分为5个模糊集：大模糊集dl、较大模糊集mdl、中等模糊集ml、较小模糊集msl和小模糊集sl；s42，为每一个模糊集设置隶属函数：将trimf函数作为预警提示音声级强度和预警灯灯光光强度全部模糊集的隶属函数；s43，获取预警提示音声级强度：计算预警提示音声级强度，取所有人的预警提示音声级强度的最大值，当该最大值小于预警提示音启动阈值时，不启动预警提示音扬声器；当该最大值大于预警提示音启动阈值、但小于环境背景声级强度时，按照预设强度值输出声级强度；否则按照该最大值设置输出，作为输出声级强度；s44，获取预警提示音频率；s45，获取预警灯灯光光强度：计算预警灯灯光光强度，取所有人的预警灯灯光光强度的最大值，当该最大值小于环境光照强度时，不启动预警灯；否则按照该最大值设置输出，作为输预警灯灯光光强度。4.如权利要求3所述的基于模糊控制的园区低速电动无人车行人警示方法，其特征在于，步骤s43和/或步骤s45均采用式(3)提供的重心法计算每个人的预警提示音声级强度和预警灯灯光光强度：式中，z表示任意模糊量，f
r
(z)表示任意模糊量z对应的隶属度,s
z
表示重心值。5.如权利要求3所述的基于模糊控制的园区低速电动无人车行人警示方法，其特征在于，步骤s44采用式(4)提供的线性比例计算预警提示音频率f；式中，f
min
为设定最小频率，f
max
为设定最大频率，v为车辆当前速度，v
max
为车辆最大速度。6.一种基于模糊控制的园区低速电动无人车行人警示系统，其特征在于，包括：
传感器，其用于获取当前时刻的周围行人、自车及环境的状态信息；计算模块，其用于计算危险区域内每个人与车辆之间的最小纵向距离最小横向距离纵向相对速度和车辆最大减速度其中，有下标v2p的参数表示人与车辆之间的变量，有下标v的参数表示车辆的变量，i＝1，2
…
n表示第i个人；推理模块，其用于将计算模块计算得到的最小纵向距离最小横向距离纵向相对速度和车辆最大减速度分别设置相应的模糊集，再根据模糊集设置相应的隶属函数，利用预设的模糊规则获取纵向危险度横向危险度和综合危险度d
i
，最后结合环境背景声级强度、环境光照强度解模糊，计算预警提示音声级强度、频率和预警灯灯光光照强度；执行设备，其用于根据计算的预警提示音声级强度、频率和预警灯灯光光照强度结果，进行声光预警，直至车辆熄火或人为关闭预警提示开关。7.如权利要求6所述的基于模糊控制的园区低速电动无人车行人警示系统，其特征在于，推理模块具体包括：第一模糊集设置单元，其用于将最小纵向距离设置为4个模糊集：近模糊集nx、较近模糊集mnx、较远模糊集mfx和远模糊集fx，将车辆最大减速度设置为4个模糊集：大模糊集ba、较大模糊集mba、较小模糊集msa和小模糊集sa，将纵向危险度d
ix
设置为5个模糊集：大模糊集dx、较大模糊集mdx、中等模糊集mx、较小模糊集msx和小模糊集sx；第一隶属函数设置单元，其用于为每一个模糊集设置：将trimf函数作为最小纵向距离的较近模糊集mnx和较远模糊集mfx与车辆最大减速度a
vxi
中较大模糊集mba、较小模糊集msa和小模糊集sa的隶属函数，将trapmf函数作为最小纵向距离的近模糊集nx和远模糊集fx与车辆最大减速度中大模糊集的隶属函数；纵向危险度获取单元，其用于利用如下表格所列的第一模糊规则获取纵向危险度纵向危险度获取单元，其用于利用如下表格所列的第一模糊规则获取纵向危险度第二模糊集设置单元，其用于将最小横向距离设置为4个模糊集：近模糊集ny、较近模糊集mny、较远模糊集mfy和远模糊集fy；将纵向相对速度设置为4个模糊集：大模糊集bs、较大模糊集mbs、较小模糊集mss和小模糊集ss；将横向危险度设置为5个模糊
集：大模糊集dy、较大模糊集mdy、中等模糊集my、较小模糊集msy和小模糊集sy；第二隶属函数设置单元，其用于为每一个模糊集设置隶属函数：将trimf函数作为最小横向距离中的较近模糊集mny和较远模糊集mfy与纵向相对速度中的较大模糊集mbs、较小模糊集mss、小模糊集ss的隶属函数；将trapmf函数作为最小横向距离中的近模糊集ny、远模糊集fy与纵向相对速度中的大模糊集bs的隶属函数；横向危险度获取单元，其用于利用如下表格所列的第二模糊规则获取横向危险度横向危险度获取单元，其用于利用如下表格所列的第二模糊规则获取横向危险度横向危险度获取单元，其用于利用如下表格所列的第二模糊规则获取横向危险度第三模糊集设置单元，其用于按参数设置模糊集：将综合危险度d
i
设置为5个模糊集：大模糊集dm、较大模糊集mdm、中等模糊集mm、较小模糊集msm和小模糊集sm；综合危险度获取单元，其用于根据纵向危险度和横向危险度利用如下表格所列的第三模糊规则获取综合危险度d
i
：。8.如权利要求6或7所述的基于模糊控制的园区低速电动无人车行人警示系统，其特征在于，推理模块具体包括：第四模糊集设置单元，其用于按参数设置模糊集：将预警提示音声级强度对应综合危险度d
i
分为5个模糊集：大模糊集ds、较大模糊集mds、中等模糊集ms、较小模糊集mss和小模糊集ss；将预警灯灯光光强度对应综合危险度d
i
分为5个模糊集：大模糊集dl、较大模糊集mdl、中等模糊集ml、较小模糊集msl和小模糊集sl；第四隶属函数设置单元，其用于为每一个模糊集设置隶属函数：将trimf函数作为预警提示音声级强度和预警灯灯光光强度全部模糊集的隶属函数；预警提示音计算单元，其用于获取预警提示音声级强度和预警提示音频率：计算预警
提示音声级强度，取所有人的预警提示音声级强度的最大值，当该最大值小于预警提示音启动阈值时，不启动预警提示音扬声器；当该最大值大于预警提示音启动阈值、但小于环境背景声级强度时，按照预设强度值输出声级强度；否则按照该最大值设置输出，作为输出声级强度；预警灯灯光光强度计算单元，其用于计算预警灯灯光光强度：取所有人的预警灯灯光光强度的最大值，当该最大值小于环境光照强度时，不启动预警灯；否则按照该最大值设置输出，作为输预警灯灯光光强度。9.如权利要求8所述的基于模糊控制的园区低速电动无人车行人警示系统，其特征在于，预警提示音计算单元和/或预警灯灯光光强度计算单元均采用式(3)提供的重心法计算每个人的预警提示音声级强度：式中，z表示任意模糊量，f
r
(z)表示任意模糊量z对应的隶属度,s
z
表示重心值。10.如权利要求8所述的基于模糊控制的园区低速电动无人车行人警示系统，其特征在于，预警提示音计算单元采用式(4)提供的线性比例计算预警提示音频率f；式中，f
min
为设定最小频率，f
max
为设定最大频率，v为车辆当前速度，v
max
为车辆最大速度。

技术总结
本发明公开了一种基于模糊控制的园区低速电动无人车行人警示方法及系统，其包括：S1，获取当前时刻的周围行人、自车及环境的状态信息；S2，计算危险区域内每个人与车辆之间的最小纵向距离最小横向距离纵向相对速度和车辆最大减速度S3，将步骤S2计算得到的最小纵向距离最小横向距离纵向相对速度和车辆最大减速度分别设置相应的模糊集，再根据模糊集设置相应的隶属函数模糊化，最后利用预设的模糊规则获取纵向危险度横向危险度和综合危险度D


技术研发人员：沈延鹏
受保护的技术使用者：北京清丰智行科技有限公司
技术研发日：2022.12.26
技术公布日：2023/6/28