CN107784406A - 基于adas的驾驶风险综合判断*** - Google Patents
基于adas的驾驶风险综合判断*** Download PDFInfo
- Publication number
- CN107784406A CN107784406A CN201610723917.3A CN201610723917A CN107784406A CN 107784406 A CN107784406 A CN 107784406A CN 201610723917 A CN201610723917 A CN 201610723917A CN 107784406 A CN107784406 A CN 107784406A
- Authority
- CN
- China
- Prior art keywords
- adas
- automobile
- sensor
- sensor group
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Finance (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Accounting & Taxation (AREA)
- Educational Administration (AREA)
- Technology Law (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Traffic Control Systems (AREA)
Abstract
基于ADAS的驾驶风险综合判断***,包括:ADAS智能终端、服务器端、终端;所述ADAS智能终端包括车载传感器模块、中央处理器、车内输出模块、无线通讯模块,所述中央处理器分别与车载传感器模块、车内输出模块、无线通讯模块相连,服务器端分别与无线通讯模块、终端信号连接。本***给汽车保险提供量化的分析,信息客观,方便汽车保险的设计。
Description
技术领域
本发明涉及汽车电子设备与保险应用领域,具体说是一种基于ADAS的驾驶风险综合判断***。
背景技术
近年来ADAS市场增长迅速,利用安装于车上的各式各样的传感器,在第一时间收集车内外的环境数据,进行静、动态物体的辨识、侦测与追踪等技术上的处理,从而能够让驾驶者在最快的时间察觉可能发生的危险,以引起注意和提高安全性。
但是在目前的ADAS的各类应用中,仍然以主要简单的被动式报警为主,如:超速提醒、车道偏离警告、车前后碰撞预警等,未能充分发挥其潜在价值,也无法为保险公司车险续费定价提供依据。
发明内容
为了解决现有技术存在的上述问题,本发明提供了基于ADAS的驾驶风险综合判断***,给汽车保险提供量化的分析,信息客观,方便汽车保险的设计。
为实现上述目的,本发明采用如下技术方案,基于ADAS的驾驶风险综合判断***,包括:ADAS智能终端、服务器端、终端;所述ADAS智能终端包括车载传感器模块、中央处理器、车内输出模块、无线通讯模块,所述中央处理器分别与车载传感器模块、车内输出模块、无线通讯模块相连,服务器端分别与无线通讯模块、终端信号连接。
进一步的,所述车载传感器模块,包括加速度传感器组、重力传感器组、地磁传感器组、车辆控制传感器、摄像传感器、雷达传感器;通过加速度传感器组、重力传感器组、地磁传感器组、车辆控制传感器采集数据确定汽车行驶状态,通过摄像传感器、雷达传感器、中央处理器确定汽车周边状态。
进一步的,确定汽车周边状态具体为:所述摄像传感器获取汽车相应方向的图像,所述雷达传感器获取周边物体距离,所述中央处理器通过图像识别技术识别周边物体大小、相对速度,所述ADAS智能终端设置所述汽车周边物体相对速度和距离阈值,根据设置的所述汽车周边物体相对距离、物体大小、天气状况,确定汽车周边状态。
进一步的,所述加速度传感器组传感汽车相应方向的加速度值,所述重力传感器组传感汽车在重力方向上的加速度值,所述地磁传感器组传感汽车与地磁方向的角度值;ADAS智能终端设置所述汽车加速度值的阈值,所述ADAS智能终端根据所述地磁传感器组和所述重力传感器组的数据及其初始数据建立旋转矩阵,通过变换矩阵获取汽车在空间的矢量角度从而获取汽车的运行姿态,所述ADAS智能终端构建空间三维坐标系,根据所述加速度传感器组采集的汽车加速度值以及获取的汽车运行姿态,确定汽车在三维坐标系轴向上的加速度分量,然后根据设置的所述汽车加速度值的阈值及汽车运行姿态,确定汽车的行驶状态;所述汽车的状态包括正常行驶、急加速行驶、变道行驶、急刹车、下坡加速行驶中的一种或几种。
进一步的,确定驾驶风险评分:设置汽车行驶状态统计量与驾驶风险评分的确定关系,统计车辆的行驶状态,统计不同汽车周边状态下相应的汽车行驶状态关系,根据统计的汽车行驶状态、汽车行驶状态统计量、与汽车驾驶习惯的确定关系确定该车辆的汽车驾驶风险评价。
更进一步的,服务器端安装有ADAS驾驶行为及风险综合判断数据模型,进行如下处理:对行驶数据做行驶区域划分;同一行驶区域的数据进行各单因子评价;基于评估因素权重矩阵,对各单因子评价进行重要度排序,和综合评估计算,获得综合驾驶风险评价;储存该评价结果,今后按需可输出至用户访问端和保险公司访问端。
更进一步的,所述服务器端安装有ADAS驾驶行为及风险综合判断数据模型,其模型中采用神经网络自学习机制:
负面反馈机制:基于地区的出险情况、事故数据,判断其关键性操作,调整相应值的权重和阀值;
正面反馈机制:基于地区良好的行驶状况和较少的事故率,车速、加速度等操作的阀值相应向上微调。
本发明由于采用以上技术方法,能够取得如下的技术效果:本发明将大数据的不同的汽车周边状态下汽车行驶状态关系结合汽车行驶状态及汽车行驶状态统计量与汽车保险的确定关系,确定该车辆的驾驶风险,给汽车保险提供量化的分析方法,信息客观,方便汽车保险的设计。
附图说明
本发明共有附图3幅:
图1为ADAS驾驶行为及风险综合判断数据模型结构示意图;
图2为本***结构框图;
图3为ADAS智能终端数据结构示意图。
具体实施方式
为使本发明的实施例的目的、技术方案和优点更加清楚,下面结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚完整的描述:
实施例1
基于ADAS的驾驶风险综合判断***,包括:ADAS智能终端、服务器端、终端;所述ADAS智能终端包括车载传感器模块、中央处理器、车内输出模块、无线通讯模块,所述中央处理器分别与车载传感器模块、车内输出模块、无线通讯模块相连,服务器端分别与无线通讯模块、终端信号连接。所述服务器端将汽车驾驶风险分析结果发送到所述终端,通过终端与服务器端建立网络连接,可以通过终端4向服务器端发送请求,获取指定或绑定汽车的状态信息或汽车驾驶风险分析结果,也可以直接由服务器端向终端发送汽车状态信息或汽车驾驶风险分析结果。
所述车载传感器模块,包括加速度传感器组、重力传感器组、地磁传感器组、车辆控制传感器、摄像传感器、雷达传感器;通过加速度传感器组、重力传感器组、地磁传感器组、车辆控制传感器采集数据确定汽车行驶状态,通过摄像传感器、雷达传感器、中央处理器确定汽车周边状态;确定汽车周边状态具体为:所述摄像传感器获取汽车相应方向的图像,所述雷达传感器获取周边物体距离,所述中央处理器通过图像识别技术识别周边物体大小、相对速度,所述ADAS智能终端设置所述汽车周边物体相对速度和距离阈值,根据设置的所述汽车周边物体相对距离、物体大小、天气状况,确定汽车周边状态。
所述加速度传感器组传感汽车相应方向的加速度值,所述重力传感器组传感汽车在重力方向上的加速度值,所述地磁传感器组传感汽车与地磁方向的角度值;ADAS智能终端设置所述汽车加速度值的阈值,所述ADAS智能终端根据所述地磁传感器组和所述重力传感器组的数据及其初始数据建立旋转矩阵,通过变换矩阵获取汽车在空间的矢量角度从而获取汽车的运行姿态,所述ADAS智能终端构建空间三维坐标系,根据所述加速度传感器组采集的汽车加速度值以及获取的汽车运行姿态,确定汽车在三维坐标系轴向上的加速度分量,然后根据设置的所述汽车加速度值的阈值及汽车运行姿态,确定汽车的行驶状态;所述汽车的状态包括正常行驶、急加速行驶、变道行驶、急刹车、下坡加速行驶中的一种或几种。所述地磁传感器组包括三个轴向正交的地磁传感器,所述重力传感器组包括三个轴向正交的重力传感器。***建立一个空间坐标系O-XYZ,该空间坐标系的Z轴垂直于水平面,在该坐标系中,以该空间一个确定位置的地磁传感器组数据为其初始数据C0(X0、Y0、Z0),重力传感器组的初始数据G0(0、0、-1)。当设备运动时,所述地磁传感器组输出为G1(r、s、t),重力传感器组输出的数据为C1(X1、Y1、Z1),对采集的所述地磁传感器组和所述重力传感器组的实时数据C1、G1和其初始数据C0、G0进行归一化处理,即根据所述地磁传感器组和所述重力传感器组的数据及其初始数据建立旋转矩阵,通过变换矩阵获取所述智能终端设备在空间的矢量角度。由于所述重力传感器组安装在智能终端设备上,所述重力传感器组绕三个坐标轴旋转的角度即为ADAS智能终端设备在空间中与三个轴的角度,若所述重力传感器组绕X轴旋转的角度为α,绕Y轴旋转的角度为β,绕Z轴旋转的角度为γ,则所述重力传感器组与三个轴的角度为(α、β、γ)。
旋转矩阵表示的是任意矢量绕坐标系O-XYZ轴线旋转时的坐标变换,矢量绕坐标系O-XYZ三个轴线旋转的变换矩阵为:
X(α)=1000cosαsinα0-sinαcosα
Y(β)=cosβ0-sinβ010sinβ0cosβ
Z(γ)=cosγsinγ0-sinγcosγ0001
由此,对C0、C1、G0、G1建立联立方程:
G0=G1×X(α)Y(β)Z(γ)(1)
C0=C1×X(α)Y(β)Z(γ)(2)
通过矩阵变换和公式(1)(2),得到:
sinβ=r-cosβ·sinα=s-cosβ·cosα=t---(3)
X cosβ·cosγ+Y cosβ·sinγ=X1-Zsinβ(Xsin α·sinβ+Ycosα)cosγ+(Ysinα·sinβ-Xcosα)sinγ=Y1-Zsinαcosβ(Xcosα·sinβ-Ysinα)cosγ+(Ycosα·sinβ+Xsinα)sinγ=Z1-Zcosαcosβ---(4)
由于矢量角度(α、β、γ)和地磁传感器的空间角度并非一一对应,例如角度矢量(30°,60°,100°)和(-150°,120°,-80°)表示一个空间角度,为了消除这种重复的表示,限制各个角度的取值范围:-180°≤α<180°,-90°≤β<90°,-180°≤γ<180°。
通过(3)、(4)求出α、β、γ,即所述重力传感器组与三个轴的角度矢量为(α、β、γ),也即是汽车与三个轴的角度矢量为(α、β、γ),由此,确定了汽车的方位和角度,即汽车的运行姿态。
确定驾驶风险评分:设置汽车行驶状态统计量与驾驶风险评分的确定关系,统计车辆的行驶状态,统计不同汽车周边状态下相应的汽车行驶状态关系,根据统计的汽车行驶状态、汽车行驶状态统计量、与汽车驾驶习惯的确定关系确定该车辆的汽车驾驶风险评价。
实施例2
作为对实施例1的补充,服务器端安装有ADAS驾驶行为及风险综合判断数据模型,进行如下处理:对行驶数据(GPS定位数据及实施路况信息)做行驶区域划分;同一行驶区域的数据进行各单因子评价;基于评估因素权重矩阵,对各单因子评价进行重要度排序,和综合评估计算,获得综合驾驶风险评价;储存该评价结果,今后按需可输出至用户访问端和保险公司访问端;
其模型中采用神经网络自学习机制:
负面反馈机制:基于地区的出险情况、事故数据,判断其关键性操作(如车速、加速、变道),调整相应值的权重和阀值;如区域内超速事故较多,意味着该地区高车速、多急加速的风险系数较高,而相对更远的跟车车距安全系数更高;
正面反馈机制:基于地区良好的行驶状况和较少的事故率,车速、加速度等操作的阀值相应向上微调。
以往只基于汽车自身行驶状态的简单数据(时速、急加速、急减速&刹车、急转弯)的概括评估,未考虑不同外部环境、不同地区驾驶操作的区别,无法客观真实反映驾驶员驾驶风险,本驾驶风险评分模型,通过ADAS智能终端,获取更多与行车相关的内部及外部数据信息,作为计算因子,可以对驾驶员不同驾驶环境下的操作状态进行细分和独立评价,便于更好的反映驾驶风险评分;
通过第三方实时路况信息、车辆行驶姿态和基于GPS的地区划分机制,为不同路况状况下的驾驶操作风险建立更客观科学的评估方法;例如:在山路地区,合理低速、多刹车、多转弯、周边车距较近会被判断为合理,而高车速、多急加速等行为会判断为高风险操作而降低评分;但在在高速公路,合理高速、多加速、少刹车、周边车距较远会被判断为合理,不合理低速、急速变道等行为判断为高风险操作而降低评分;
通过神经网络的自学***原的苏州行驶,获得的评分不同;同样多山的重庆和大连,由于行驶条件区别,评分也会不同。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明披露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (7)
1.基于ADAS的驾驶风险综合判断***,其特征在于,包括:ADAS智能终端、服务器端、终端;所述ADAS智能终端,包括车载传感器模块、中央处理器、车内输出模块、无线通讯模块,所述中央处理器分别与车载传感器模块、车内输出模块、无线通讯模块相连,服务器端分别与无线通讯模块、终端信号连接。
2.根据权利要求1所述基于ADAS的驾驶风险综合判断***,其特征在于,所述车载传感器模块,包括加速度传感器组、重力传感器组、地磁传感器组、车辆控制传感器、摄像传感器、雷达传感器;通过加速度传感器组、重力传感器组、地磁传感器组、车辆控制传感器采集数据确定汽车行驶状态,通过摄像传感器、雷达传感器、中央处理器确定汽车周边状态。
3.根据权利要求2所述基于ADAS的驾驶风险综合判断***,其特征在于,确定汽车周边状态具体为:所述摄像传感器获取汽车相应方向的图像,所述雷达传感器获取周边物体距离,所述中央处理器通过图像识别技术识别周边物体大小、相对速度,所述ADAS智能终端设置所述汽车周边物体相对速度和距离阈值,根据设置的所述汽车周边物体相对距离、物体大小、天气状况,确定汽车周边状态。
4.根据权利要求3所述基于ADAS的驾驶风险综合判断***,其特征在于,所述加速度传感器组传感汽车相应方向的加速度值,所述重力传感器组传感汽车在重力方向上的加速度值,所述地磁传感器组传感汽车与地磁方向的角度值;ADAS智能终端设置所述汽车加速度值的阈值,所述ADAS智能终端根据所述地磁传感器组和所述重力传感器组的数据及其初始数据建立旋转矩阵,通过变换矩阵获取汽车在空间的矢量角度从而获取汽车的运行姿态,所述ADAS智能终端构建空间三维坐标系,根据所述加速度传感器组采集的汽车加速度值以及获取的汽车运行姿态,确定汽车在三维坐标系轴向上的加速度分量,然后根据设置的所述汽车加速度值的阈值及汽车运行姿态,确定汽车的行驶状态;所述汽车的状态包括正常行驶、急加速行驶、变道行驶、急刹车、下坡加速行驶中的一种或几种。
5.根据权利要求1所述基于ADAS的驾驶风险综合判断***,其特征在于,服务器端确定驾驶风险评分:设置汽车行驶状态统计量与驾驶风险评分的确定关系,统计车辆的行驶状态,统计不同汽车周边状态下相应的汽车行驶状态关系,根据统计的汽车行驶状态、汽车行驶状态统计量、与汽车驾驶习惯的确定关系确定该车辆的汽车驾驶风险评价。
6.根据权利要求5所述基于ADAS的驾驶风险综合判断***,其特征在于,服务器端安装有ADAS驾驶行为及风险综合判断数据模型,进行如下处理:对行驶数据做行驶区域划分;同一行驶区域的数据进行各单因子评价;基于评估因素权重矩阵,对各单因子评价进行重要度排序和综合评估计算,获得综合驾驶风险评价;储存该评价结果。
7.根据权利要求5或6所述基于ADAS的驾驶风险综合判断***,其特征在于,服务器端安装有ADAS驾驶行为及风险综合判断数据模型,其模型中采用神经网络自学习机制:
负面反馈机制:基于地区的出险情况、事故数据,判断其关键性操作,调整相应值的权重和阀值;
正面反馈机制:基于地区良好的行驶状况和较少的事故率,车速、加速度等操作的阀值相应向上微调。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610723917.3A CN107784406A (zh) | 2016-08-25 | 2016-08-25 | 基于adas的驾驶风险综合判断*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610723917.3A CN107784406A (zh) | 2016-08-25 | 2016-08-25 | 基于adas的驾驶风险综合判断*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107784406A true CN107784406A (zh) | 2018-03-09 |
Family
ID=61438419
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610723917.3A Pending CN107784406A (zh) | 2016-08-25 | 2016-08-25 | 基于adas的驾驶风险综合判断*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107784406A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111114561A (zh) * | 2019-12-19 | 2020-05-08 | 中铁轨道交通装备有限公司 | 基于adas技术的有轨电车辅助驾驶***及控制方法 |
CN111210163A (zh) * | 2020-01-15 | 2020-05-29 | 桂林电子科技大学 | 一种基于多源数据的公交车辆风险评价***与方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103678952A (zh) * | 2013-11-14 | 2014-03-26 | 昆明理工大学 | 一种电梯风险评估方法 |
CN103871242A (zh) * | 2014-04-01 | 2014-06-18 | 北京工业大学 | 一种驾驶行为综合评价***与方法 |
CN104112301A (zh) * | 2014-06-23 | 2014-10-22 | 深圳市一体数科科技有限公司 | 基于车载终端和服务器端的汽车驾驶行为分析方法及*** |
CN104866969A (zh) * | 2015-05-25 | 2015-08-26 | 百度在线网络技术(北京)有限公司 | 个人信用数据处理方法和装置 |
CN105513358A (zh) * | 2016-01-04 | 2016-04-20 | 烟台中正新技术有限公司 | 驾驶行为评估和车辆行驶状态监测预警***及方法 |
-
2016
- 2016-08-25 CN CN201610723917.3A patent/CN107784406A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103678952A (zh) * | 2013-11-14 | 2014-03-26 | 昆明理工大学 | 一种电梯风险评估方法 |
CN103871242A (zh) * | 2014-04-01 | 2014-06-18 | 北京工业大学 | 一种驾驶行为综合评价***与方法 |
CN104112301A (zh) * | 2014-06-23 | 2014-10-22 | 深圳市一体数科科技有限公司 | 基于车载终端和服务器端的汽车驾驶行为分析方法及*** |
CN104866969A (zh) * | 2015-05-25 | 2015-08-26 | 百度在线网络技术(北京)有限公司 | 个人信用数据处理方法和装置 |
CN105513358A (zh) * | 2016-01-04 | 2016-04-20 | 烟台中正新技术有限公司 | 驾驶行为评估和车辆行驶状态监测预警***及方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111114561A (zh) * | 2019-12-19 | 2020-05-08 | 中铁轨道交通装备有限公司 | 基于adas技术的有轨电车辅助驾驶***及控制方法 |
CN111210163A (zh) * | 2020-01-15 | 2020-05-29 | 桂林电子科技大学 | 一种基于多源数据的公交车辆风险评价***与方法 |
CN111210163B (zh) * | 2020-01-15 | 2023-04-07 | 桂林电子科技大学 | 一种基于多源数据的公交车辆风险评价***与方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11726493B2 (en) | Modifying behavior of autonomous vehicles based on sensor blind spots and limitations | |
CN107784708A (zh) | 一种基于不同路况来判断驾驶风险的方法 | |
US12001217B1 (en) | Detecting sensor degradation by actively controlling an autonomous vehicle | |
US11518395B1 (en) | Cross-validating sensors of an autonomous vehicle | |
US8195394B1 (en) | Object detection and classification for autonomous vehicles | |
CN107945574B (zh) | 一种车辆碰撞预警方法、装置及设备 | |
US9207679B1 (en) | System and method for determining position and distance of objects using road fiducials | |
CN113792566B (zh) | 一种激光点云的处理方法及相关设备 | |
CN104812645B (zh) | 用于控制车辆的设备和方法 | |
CN113128303A (zh) | 一种自动驾驶方法、相关设备及计算机可读存储介质 | |
US20130197736A1 (en) | Vehicle control based on perception uncertainty | |
CN106781697A (zh) | 车载式不良天气实时感知及防碰撞预警方法 | |
CN115390554A (zh) | 一种设计运行区域odd判断方法、装置及相关设备 | |
KR20140138762A (ko) | 차선 표지 검출 | |
CN112512887B (zh) | 一种行驶决策选择方法以及装置 | |
US10380757B2 (en) | Detecting vehicle movement through wheel movement | |
CN108806018A (zh) | 一种数据处理方法、数据处理设备和智能汽车 | |
CN112672942A (zh) | 一种车辆换道方法及相关设备 | |
US20230048680A1 (en) | Method and apparatus for passing through barrier gate crossbar by vehicle | |
CN114693540A (zh) | 一种图像处理方法、装置以及智能汽车 | |
US20230054974A1 (en) | Intersection Risk Indicator | |
CN107784406A (zh) | 基于adas的驾驶风险综合判断*** | |
US11874126B1 (en) | Map with location-based observations, actions, and rules | |
CN208432903U (zh) | 无人驾驶车辆场端控制*** | |
CN116091855A (zh) | 车辆的停靠位置确定方法及装置、车辆 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180309 |