CN114852084A - 一种严重拥堵路况下预测前车制动行为的装置及方法 - Google Patents

一种严重拥堵路况下预测前车制动行为的装置及方法 Download PDF

Info

Publication number
CN114852084A
CN114852084A CN202210373247.2A CN202210373247A CN114852084A CN 114852084 A CN114852084 A CN 114852084A CN 202210373247 A CN202210373247 A CN 202210373247A CN 114852084 A CN114852084 A CN 114852084A
Authority
CN
China
Prior art keywords
vehicle
time
braking
front vehicle
speed
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
Application number
CN202210373247.2A
Other languages
English (en)
Inventor
郭应时
王智鹏
陆辉
路易斯
王畅
付锐
袁伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Changan University
Original Assignee
Changan University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Changan University filed Critical Changan University
Priority to CN202210373247.2A priority Critical patent/CN114852084A/zh
Publication of CN114852084A publication Critical patent/CN114852084A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/08—Interaction between the driver and the control system
    • B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/08—Interaction between the driver and the control system
    • B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
    • B60W2050/143—Alarm means
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2510/00—Input parameters relating to a particular sub-units
    • B60W2510/18—Braking system
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/10—Longitudinal speed
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/80—Spatial relation or speed relative to objects

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • General Physics & Mathematics (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Human Computer Interaction (AREA)
  • Mathematical Physics (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及交通安全设施技术领域，具体涉及一种严重拥堵路况下预测前车制动行为的装置及方法。本发明对前车的制动行为进行预测，提醒驾驶员注意避让，从而大大降低交通事故的发生的概率。

Description

一种严重拥堵路况下预测前车制动行为的装置及方法
技术领域
本发明涉及交通安全设施技术领域，具体涉及一种严重拥堵路况下预测前车制动行为的装置及方法。
背景技术
随着国民经济的发展，汽车保有量也迅速攀升。汽车给人们带来方便与快捷的同时，交通事故发生的概率在不断增大，道路交通安全越来越受到重视。当驾驶员处于长期常态拥堵路段和特定时间(早高峰、晚高峰等)内，由于车辆数量多，车辆行驶路线复杂，加上人群、非机动车等干扰，使得车辆需要不断的停止再起步。
由于驾驶员无法提前预知前车的制动行为状态，因而必须保持精神集中。而在这种严重拥堵的路况下，不断的停止再起步令驾驶员精神疲惫，无法持续保持精神集中，加之大多数驾驶员在这种拥堵路况下会通过手机、广播等放松精神压力，导致出现交通事故(特别是追尾事故)的概率大大增加。
发明内容
针对现有技术中存在的问题，本发明的目的在于提供一种严重拥堵路况下预测前车制动行为的装置及方法，对前车的制动行为进行预测，提醒驾驶员注意避让，从而大大降低交通事故的发生的概率。
为了达到上述目的，本发明采用以下技术方案予以实现。
技术方案一：
一种严重拥堵路况下预测前车制动行为的装置，包括车载GPS、车辆运动参数模块、毫米波雷达、前车图像处理模块、喇叭和工控机；
车载GPS用于获取自车的定位信息，车辆运动参数模块用于获取自车的速度和制动减速度，毫米波雷达用于采集前车与自车的相对速度和相对距离；前车图像处理模块用于采集前车的图像信息并根据图像信息识别前车制动灯点亮情况；喇叭用于播报语音来提醒驾驶员；
工控机用于接收并储存车载GPS获取的自车定位信息，判断自车是否处于严重拥堵工况；工控机还用于预测前车的制动时刻和制动减速度；工控机还用于控制喇叭播报提醒语音；
工控机分别与车载GPS、车辆运动参数模块、毫米波雷达、前车图像处理模块、喇叭连接。
技术方案二：
一种严重拥堵路况下预测前车制动行为的方法，包括以下步骤：
步骤1，自车正常行驶，车载GPS和车辆运动参数模块分别连续采集100h自车的定位信息和速度；
步骤2，工控机对100h小时的自车的速度和定位信息进行处理：将自车在1分钟内进行了4次及以上的启动停止，且最高速度不超过30公里每小时的情况作为严重拥堵工况，将对应的路段作为严重拥堵路段；
步骤3，当车辆再次进入严重拥堵路段并处于严重拥堵工况后，车辆运动参数模块获取自车的速度和制动减速度，毫米波雷达采集前车与自车的相对速度Δv和相对距离，前车图像处理模块采集前车的图像信息并根据图像信息识别前车制动灯点亮时刻；
步骤4，工控机根据自车速度v和前车相对速度Δv，得到前车速度v1＝Δv+v；参考图2，建立以横坐标为时间t、纵坐标为前车车速v1的直角坐标系；每隔
Figure BDA0003589639050000031
在该直角坐标系上标出前车速度v1的对应点，所有的点就表示了前车速度v1与时间t的变化关系v1(t)；通过一条光滑曲线将离散点连接起来，得到前车速度与时间的曲线，用该曲线来表示前车速度v1与时间t的变化关系v1(t)；
步骤5，收集20组样本数据，建立20组样本下的制动时刻预测模型和制动减速度预测模型；
步骤6，当前车再次启动，利用制动时刻预测模型预测出此次前车从启动到制动的时间mt，利用制动减速度预测模型预测出此次前车的制动减速度a；工控机根据预测的前车制动时刻，控制喇叭播报提醒语音来提醒驾驶员前车制动；工控机根据预测的前车制动减速度，控制喇叭播报提醒语音来提醒驾驶员前车制动的强度；
同时工控机每获得一组新的样本后，使用所有的样本重新建立制动时刻预测模型和制动减速度预测模型。
与现有技术相比，本发明的有益效果为：对前车的制动行为进行预测，提醒驾驶员注意避让，从而大大降低交通事故的发生的概率。
附图说明
下面结合附图和具体实施例对本发明做进一步详细说明。
图1为本发明严重拥堵路况下预测前车制动行为的装置的结构示意图；
图2为本发明严重拥堵路况下预测前车制动行为的方法中，前车速度v1与时间t的变化关系示意图；
图3为本发明严重拥堵路况下预测前车制动行为的方法的实施例的前车速度v1与时间t的变化关系示意图。
具体实施方式
下面将结合实施例对本发明的实施方案进行详细描述，但是本领域的技术人员将会理解，下列实施例仅用于说明本发明，而不应视为限制本发明的范围。
参考图1，一种严重拥堵路况下预测前车制动行为的装置，包括车载GPS、车辆运动参数模块、毫米波雷达、前车图像处理模块、喇叭和工控机；
车载GPS用于获取自车的定位信息，车辆运动参数模块用于获取自车的速度和制动减速度，毫米波雷达用于采集前车与自车的相对速度和相对距离；前车图像处理模块用于采集前车的图像信息并根据图像信息识别前车制动灯点亮情况；喇叭用于播报语音来提醒驾驶员；
工控机用于接收并储存车载GPS获取的自车定位信息，判断自车是否处于严重拥堵工况；工控机还用于预测前车的制动时刻和制动减速度；工控机还用于控制喇叭播报提醒语音；
工控机分别与车载GPS、车辆运动参数模块、毫米波雷达、前车图像处理模块、喇叭连接。
前车指在自车前方、距离自车最近且处于同一车道的车辆；当自车和自车前方距离最近的车辆的在与车道垂直方向上的距离小于2m时，则两车处于同一车道。
一种严重拥堵路况下预测前车制动行为的方法，包括以下步骤：
步骤1，自车正常行驶，车载GPS和车辆运动参数模块分别连续采集100h自车的定位信息和速度；
步骤2，工控机对100h小时的自车的速度和定位信息进行处理：将自车在1分钟内进行了4次及以上的启动停止，且最高速度不超过30公里每小时的情况作为严重拥堵工况，将对应的路段作为严重拥堵路段；
步骤3，当车辆再次进入严重拥堵路段并处于严重拥堵工况后，车辆运动参数模块获取自车的速度和制动减速度，毫米波雷达采集前车与自车的相对速度Δv和相对距离，前车图像处理模块采集前车的图像信息并根据图像信息识别前车制动灯点亮时刻；
识别前车制动灯是否点亮，具体的，(1)将图片进行HSV颜色空间分割得到二值图并进行高斯变换得到分散的灰度值；(2)将灰度值归一化后作为加权比例系数，因该系数在值在由HSV颜色阈值检测到的车尾灯区域中比较大，其他区域系数值则较小，从而确定车尾灯所在的区域；(3)图像中检测到的车尾灯区域后，使用最大类间方差法将原图像分割为前景和背景两部分；(4)利用形态学变换消除图像中的尾灯区域的内部孔洞从而得到车尾灯的轮廓；(5)通过轮廓数目排除转向灯开启的情况，当所得轮廓数目为2，可排除转向灯开启的情况；(6)双闪灯状态识别：利用尾灯物理特征排除干扰轮廓确定车辆开启双闪灯、制动灯和雾灯。(7)对识别出尾灯轮廓的车辆，运用车辆跟踪算法对车辆尾灯进行跟踪并记录车辆尾灯的开启与熄灭时间，当车辆尾灯开启所持续的时间则可排除雾灯开启情况，再利用尾灯开启与熄灭的规律最终确定制动灯的开启情况。
步骤4，工控机根据自车速度v和前车相对速度Δv，得到前车速度v1＝Δv+v；参考图2，建立以横坐标为时间t、纵坐标为前车车速v1的直角坐标系；每隔
Figure BDA0003589639050000061
在该直角坐标系上标出前车速度v1的对应点，所有的点就表示了前车速度v1与时间t的变化关系v1(t)；通过一条光滑曲线将离散点连接起来，得到前车速度与时间的曲线，用该曲线来表示前车速度v1与时间t的变化关系v1(t)；
步骤5，收集20组样本数据，建立20组样本下的制动时刻预测模型和制动减速度预测模型；
参考图3，样本具体指：前车在停止时刻tEi-1停止，接着在启动时刻tBi到停止时刻tEi进行了一次启动-行驶-停止的过程，在启动时刻tBi+1到停止时刻tEi+1再次进行了一次启动-行驶-停止的过程；
当满足以下三个条件时：
①tBi-tEi≥3s，tBi+1-tEi+1≥3s；
②t∈(tEi-1,tBi)∪(tEi,tBi+1)时，v1(t)＝0km/h；
③t∈(tBi，tEi)时，v1(t)≤30km/h；
则将t∈(tBi，tEi)时的v1(t)作为一组样本，其中，i为序号，i＝1,2,…,n。
具体的，建立i组样本下的制动时刻预测模型，子步骤为：
子步骤5.11，令第i个样本中前车制动时刻为tli，则前车从启动到制动的时间mti＝tli-tBi；分别获得第1组到第i组样本的前车从启动到制动的时间mt1、mt2、…、mti；
子步骤5.12，得到i组样本下的前车平均从启动到制动的时间
Figure BDA0003589639050000071
子步骤5.13，分别获得第1组样本中前车在tB1+0.01mt′时刻、tB1+0.02mt′时刻、…、tB1+0.85mt′时刻对应的速度
Figure BDA0003589639050000072
分别获得第2组样本中前车在tB2+0.01mt′时刻、tB2+0.02mt′时刻、…、tB2+0.85mt′时刻对应的速度
Figure BDA0003589639050000073
……
分别获得第i组样本中前车在tBi+0.01mt′时刻、tBi+0.02mt′时刻、…、tBi+0.85mt′时刻对应的速度
Figure BDA0003589639050000074
子步骤5.14，以第1组到第i组样本的
Figure BDA0003589639050000075
为输入量，前车从启动到制动的时间mt为输出量，采用BP神经网络进行多元非线性拟合，建立制动时刻预测模型。
具体的，建立i组样本下的制动减速度预测模型，子步骤为：
子步骤5.21，令第i个样本中前车制动时刻为tli，前车制动时刻速度为
Figure BDA0003589639050000081
则前车从启动到制动的时间mti＝tli-tBi；分别获得第1组到第i组样本的前车从启动到制动的时间mt1、mt2、…、mti；
子步骤5.22，获得第1组样本中的前车制动减速度
Figure BDA0003589639050000082
获得第2组样本中的前车制动减速度
Figure BDA0003589639050000083
……
获得第i组样本中的前车制动减速度
Figure BDA0003589639050000084
子步骤5.23，以第1组到第i组样本的前车从启动到制动的时间mt及前车制动时刻速度
Figure BDA0003589639050000085
为输入量，前车制动减速度a为输出量，采用BP神经网络进行多元非线性拟合，建立制动减速度预测模型。
步骤6，当前车再次启动，利用制动时刻预测模型预测出此次前车从启动到制动的时间mt，利用制动减速度预测模型预测出此次前车的制动减速度a；
工控机根据预测的前车制动时刻，控制喇叭播报提醒语音来提醒驾驶员前车制动；工控机根据预测的前车制动减速度，控制喇叭播报提醒语音来提醒驾驶员前车制动的强度；
同时工控机每获得一组新的样本后，使用所有的样本重新建立制动时刻预测模型和制动减速度预测模型。
重新建立模型后，当前车再次启动，则利用重新建立的制动时刻预测模型和制动减速度预测模型分别重新预测前车的制动时刻及制动减速度。
虽然，本说明书中已经用一般性说明及具体实施方案对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。

Claims (5)

1.一种严重拥堵路况下预测前车制动行为的装置，其特征在于，包括车载GPS、车辆运动参数模块、毫米波雷达、前车图像处理模块、喇叭和工控机；
车载GPS用于获取自车的定位信息，车辆运动参数模块用于获取自车的速度和制动减速度，毫米波雷达用于采集前车与自车的相对速度和相对距离；前车图像处理模块用于采集前车的图像信息并根据图像信息识别前车制动灯点亮情况；喇叭用于播报语音来提醒驾驶员；
工控机用于接收并储存车载GPS获取的自车定位信息，判断自车是否处于严重拥堵工况；工控机还用于预测前车的制动时刻和制动减速度；工控机还用于控制喇叭播报提醒语音；
工控机分别与车载GPS、车辆运动参数模块、毫米波雷达、前车图像处理模块、喇叭连接。
2.一种严重拥堵路况下预测前车制动行为的方法，其特征在于，包括以下步骤：
步骤1，自车正常行驶，车载GPS和车辆运动参数模块分别连续采集100h自车的定位信息和速度；
步骤2，工控机对100h小时的自车的速度和定位信息进行处理：将自车在1分钟内进行了4次及以上的启动停止，且最高速度不超过30公里每小时的情况作为严重拥堵工况，将对应的路段作为严重拥堵路段；
步骤3，当车辆再次进入严重拥堵路段并处于严重拥堵工况后，车辆运动参数模块获取自车的速度和制动减速度，毫米波雷达采集前车与自车的相对速度Δv和相对距离，前车图像处理模块采集前车的图像信息并根据图像信息识别前车制动灯点亮时刻；
步骤4，工控机根据自车速度v和前车相对速度Δv，得到前车速度v1＝Δv+v；参考图2，建立以横坐标为时间t、纵坐标为前车车速v1的直角坐标系；每隔
Figure FDA0003589639040000021
在该直角坐标系上标出前车速度v1的对应点，所有的点就表示了前车速度v1与时间t的变化关系v1(t)；通过一条光滑曲线将离散点连接起来，得到前车速度与时间的曲线，用该曲线来表示前车速度v1与时间t的变化关系v1(t)；
步骤5，收集20组样本数据，建立20组样本下的制动时刻预测模型和制动减速度预测模型；
步骤6，当前车再次启动，利用制动时刻预测模型预测出此次前车从启动到制动的时间mt，利用制动减速度预测模型预测出此次前车的制动减速度a；工控机根据预测的前车制动时刻，控制喇叭播报提醒语音来提醒驾驶员前车制动；工控机根据预测的前车制动减速度，控制喇叭播报提醒语音来提醒驾驶员前车制动的强度；
同时工控机每获得一组新的样本后，使用所有的样本重新建立制动时刻预测模型和制动减速度预测模型。
3.根据权利要求2所述的严重拥堵路况下预测前车制动行为的方法，其特征在于，步骤5中的样本，具体的，前车在停止时刻tEi-1停止，接着在启动时刻tBi到停止时刻tEi进行了一次启动-行驶-停止的过程，在启动时刻tBi+1到停止时刻tEi+1再次进行了一次启动-行驶-停止的过程；
当满足以下三个条件时：
①tBi-tEi≥3s，tBi+1-tEi+1≥3s；
②t∈(tEi-1，tBi)∪(tEi，tBi+1)时，v1(t)＝0km/h；
③t∈(tBi，tEi)时，v1(t)≤30km/h；
则将t∈(tBi，tEi)时的v1(t)作为一组样本，其中，i为序号，i＝1，2，…，n。
4.根据权利要求2所述的严重拥堵路况下预测前车制动行为的方法，其特征在于，步骤5中，建立制动时刻预测模型的子步骤如下：
子步骤5.11，令第i个样本中前车制动时刻为tli，则前车从启动到制动的时间mti＝tli-tBi；分别获得第1组到第i组样本的前车从启动到制动的时间mt1、mt2、…、mti；
子步骤5.12，得到i组样本下的前车平均从启动到制动的时间
Figure FDA0003589639040000031
子步骤5.13，分别获得第1组样本中前车在tB1+0.01mt′时刻、tB1+0.02mt′时刻、...、tB1+0.85mt′时刻对应的速度
Figure FDA0003589639040000032
分别获得第2组样本中前车在tB2+0.01mt′时刻、tB2+0.02mt′时刻、...、tB2+0.85mt′时刻对应的速度
Figure FDA0003589639040000041
……
分别获得第i组样本中前车在tBi+0.01mt′时刻、tBi+0.02mt′时刻、...、tBi+0.85mt′时刻对应的速度
Figure FDA0003589639040000042
子步骤5.14，以第1组到第i组样本的
Figure FDA0003589639040000043
为输入量，前车从启动到制动的时间mt为输出量，采用BP神经网络进行多元非线性拟合，建立制动时刻预测模型。
5.根据权利要求2所述的严重拥堵路况下预测前车制动行为的方法，其特征在于，步骤5中，建立制动减速度预测模型的子步骤如下：
子步骤5.21，令第i个样本中前车制动时刻为tli，前车制动时刻速度为
Figure FDA0003589639040000044
则前车从启动到制动的时间mti＝tli-tBi；分别获得第1组到第i组样本的前车从启动到制动的时间mt1、mt2、…、mti；
子步骤5.22，获得第1组样本中的前车制动减速度
Figure FDA0003589639040000045
获得第2组样本中的前车制动减速度
Figure FDA0003589639040000046
……
获得第i组样本中的前车制动减速度
Figure FDA0003589639040000047
子步骤5.23，以第1组到第i组样本的前车从启动到制动的时间mt及前车制动时刻速度
Figure FDA0003589639040000051
为输入量，前车制动减速度a为输出量，采用BP神经网络进行多元非线性拟合，建立制动减速度预测模型。
CN202210373247.2A 2022-04-11 2022-04-11 一种严重拥堵路况下预测前车制动行为的装置及方法 Pending CN114852084A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210373247.2A CN114852084A (zh) 2022-04-11 2022-04-11 一种严重拥堵路况下预测前车制动行为的装置及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210373247.2A CN114852084A (zh) 2022-04-11 2022-04-11 一种严重拥堵路况下预测前车制动行为的装置及方法

Publications (1)

Publication Number Publication Date
CN114852084A true CN114852084A (zh) 2022-08-05

Family

ID=82629860

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210373247.2A Pending CN114852084A (zh) 2022-04-11 2022-04-11 一种严重拥堵路况下预测前车制动行为的装置及方法

Country Status (1)

Country Link
CN (1) CN114852084A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115482662A (zh) * 2022-09-09 2022-12-16 湖南大学 一种危险工况下驾驶员避撞行为预测方法及***

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115482662A (zh) * 2022-09-09 2022-12-16 湖南大学 一种危险工况下驾驶员避撞行为预测方法及***
CN115482662B (zh) * 2022-09-09 2024-05-28 湖南大学 一种危险工况下驾驶员避撞行为预测方法及***

Similar Documents

Publication Publication Date Title
US11518380B2 (en) System and method for predicted vehicle incident warning and evasion
CN107415956B (zh) 用于检测和传送非连接车辆的打滑的***和方法
US20180053413A1 (en) System and method for processing traffic sound data to provide driver assistance
EP3475135A1 (en) Apparatus, system and method for personalized settings for driver assistance systems
CN109564734B (zh) 驾驶辅助装置、驾驶辅助方法、移动体和程序
WO2018056104A1 (ja) 車両制御装置、車両制御方法、および移動体
US11878670B2 (en) Apparatus and method for controlling vehicle to perform occupant assistance according to detection accuracy of autonomous sensor
CN112977453A (zh) 用于车辆自动换道设备和方法
CN114852084A (zh) 一种严重拥堵路况下预测前车制动行为的装置及方法
CN115257527B (zh) 尾灯显示的控制方法、装置及车辆
EP4141816A1 (en) Scene security level determination method, device and storage medium
CN112339761A (zh) 夜间驾驶车辆速度限制
US20220375349A1 (en) Method and device for lane-changing prediction of target vehicle
CN114212023B (zh) 车灯控制方法及装置
CN117184109A (zh) 基于车联网的车辆控制方法及控制***
CN116476845A (zh) 紧急制动方法、装置、车辆及可读存储介质
EP4227923B1 (en) Automatic recognition of anomalous situations along roads travelled by motor-vehicles for intelligent motorvehicle driving speed control along the roads
CN113353087B (zh) 一种驾驶辅助方法、装置及***
CN115384403A (zh) 一种预测前车制动的驾驶分心预警装置及预警方法
CN115892053A (zh) 一种用于改进自动驾驶性能的车载智能管理方法和***
CN114596727A (zh) 用于车辆的辅助方法、***、相应的车辆和存储介质
US20230117467A1 (en) Passing assist system
US20230177950A1 (en) Vehicle information processing system, vehicle information processing method, and non-transitory storage medium
CN115359683A (zh) 一种基于深度学习的车辆轨迹检测方法
CN111746384A (zh) 一种辅助驾驶方法、装置及***

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