基于V2X的弱势交通参与者碰撞预警算法

过滤算法

为了减少计算量，对不存在碰撞风险的目标进行滤除：

1. 计算行人和车辆之间的相对位置$(\Delta x,\Delta y)$，设定阈值$x_0,y_0$得到车辆前方的行人；
2. 根据行人的朝向做二次有效目标筛选，由于行人运动不确定性大，可以采用多次朝向进行加权判断行人的朝向。

上述过滤算法选择车辆坐标系作为全局坐标系。

预警算法

采用轨迹预测（详情见主页）和碰撞检测（详情见主页）实现弱势交通参与者预警算法。

考虑到人的运动具有不确定性大的特点，采用考虑高斯噪声的CV模型预测行人未来的位置。此时人的位置不再是一个质点，而是具有协方差的椭圆，如果$x$和$y$方向上的方差相同而且互相独立，即初始协方差矩阵为$P_0=k\cdot eye(2)$，那么人可能的位置这是一个圆，这有利于后续的碰撞检测的实现。

车辆运动具有规则性强的特点，可以采用CTRA模型预测将来的位置。考虑到车的形状，可以采用$2.5\times 6\mathrm{m}$的矩形来近似代替车辆的真实俯视图。

因此，只需要在每一个预测步内，做圆和矩形模型是否相交的判断，即可知道车辆和行人是否存在碰撞风险。伪代码如下；

X_car = [x_car y_car v_car heading_car yaw_rate_car a_car];
X_person = [x_p y_p v_p heading_p];
for i = 1 : 1 : 30 # 仿真步长为0.1，预测未来3s
	预测人在当前时刻下的位置;
	预测车在当前时刻下的位置;
	圆和矩形相交判断；
	if 相交
		disp('warning');
		break;
	end
end