CN103085815A - 一种识别驾驶员换道意图的方法 - Google Patents
一种识别驾驶员换道意图的方法 Download PDFInfo
- Publication number
- CN103085815A CN103085815A CN2013100167433A CN201310016743A CN103085815A CN 103085815 A CN103085815 A CN 103085815A CN 2013100167433 A CN2013100167433 A CN 2013100167433A CN 201310016743 A CN201310016743 A CN 201310016743A CN 103085815 A CN103085815 A CN 103085815A
- Authority
- CN
- China
- Prior art keywords
- data
- chaufeur
- module
- information
- driving
- 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
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种识别驾驶员换道意图的方法,所述方法包括:记录初始时刻;运行三个驾驶员子模型;通过安装在车辆上的传感器采集并记录环境信息及车辆状态信息,将采集的信息存储在信息存储单元中;从信息存储单元中提取数据,将提取的数据存储在数据存储单元中;提取三个驾驶员子模型运行的仿真数据,将仿真数据存储在相对应的三个存储单元中;将数据存储单元中的数据分别与所述三个存储单元中的数据进行匹配比较,最终得到驾驶意图。本发明的方法不会对驾驶员的驾驶产生干扰,实时性好,能够快速准确地识别驾驶员换道意图。
Description
技术领域
本发明涉及一种利用驾驶员模块识别驾驶员换道意图的方法,该方法可用于开发智能辅助驾驶系统,提高车辆驾驶安全性。
背景技术
当前,全球各大城市的交通问题日益严重,交通事故和交通拥挤已经成为交通的主要难题。中国每年交通事故50万起,因交通事故死亡人数均超过10万人,稳居世界第一。其中由驾驶员驾驶行为不当引起的交通事故占到总数的75%以上,因此,研究驾驶员的驾驶行为以及发展相应的辅助驾驶系统具有重要的理论和应用价值。
多份调查报告显示,因车道偏离引发的交通事故占了相当大的比例,但是由于汽车安全驾驶预警系统对当前道路交通安全的态势评估时,一般对驾驶员的驾驶行为动机或驾驶意图作忽略处理,仅从当前车辆状态和外界道路环境角度进行评估,得出的结论往往与驾驶员意愿不一致,导致系统直接使用者-驾驶员会对预警装置的有效性和准确性持怀疑态度,频繁的误报也会使驾驶员分神或精神紧张,导致可避免的交通事故却发生意外的现象出现。产生这种现象的根本原因是预警系统未能识别出驾驶员的真实意图及其变化趋势,对当前安全态势做出了错误估计。由此可见,忽略驾驶员对车辆控制的真实意图,单纯以车辆状态和车外环境信息作为依据估计当前车辆危险态势,是在信息不充分的基础上做出的判断,其综合态势评估结果绝非准确。如果车载预警系统在车辆行使过程中能对驾驶员所持的驾驶意图进行识别与提取,将其与车辆状态和车外道路信息实现交互和融合并应用于道路交通环境安全态势评估中,真正意义上实现构成道路交通的“人-车-环境”三者之间的交互和融合,可有效提高系统对当前危险态势评估的效率,进而提高系统预警的准确性。因此,研究驾驶意图识别方法对机动车安全驾驶预警系统的研究具有重要意义。
经查阅现有技术,驾驶员换道意图识别方法是通过对驾驶员操控汽车的动作及头部姿态进行图像采集、处理,从而判断驾驶员当前是否具有换道意图。由于驾驶员头部偏转具有一定的随意性,并且图像处理受环境(例如,光照)影响,通过驾驶员的头部姿态识别换道意图准确率不高而且容易造成误判,因此,这种方法在实际使用中存在很大的局限性。
发明内容
本发明的目的在于提供一种识别驾驶员换道意图的方法,该方法通过比较代表驾驶意图的驾驶员模块实时仿真的数据以及驾驶员的驾驶数据,从而识别驾驶员的换道驾驶意图,来辅助驾驶员更安全和有效的操控汽车。
根据本发明的目的,提供一种识别驾驶员换道意图的方法,所述方法包括:记录初始时刻;运行三个驾驶员子模块;通过安装在车辆上的传感器采集并记录环境信息及车辆状态信息,将采集的信息存储在信息存储单元中;从信息存储单元中提取数据,将提取的数据存储在数据存储单元中;提取三个驾驶员子模块运行的仿真数据,将仿真数据存储在相对应的三个存储单元中;将数据存储单元中的数据分别与所述三个存储单元中的数据进行匹配比较,最终得到驾驶意图。
三个驾驶员子模块是由驾驶员模块根据三个驾驶路径来区分。
所述三个驾驶路径为直行轨迹、左换道轨迹和右换道轨迹。
环境信息包括车道边界和道宽信息、车辆在车道中的位置信息,车辆状态信息包括方向盘转角。
从信息存储单元中提取数据的步骤包括:取初始时刻后0.5s的方向盘转角数据,利用插值提取这0.5s内的N组数据,将这N组数据以向量数组的形式存储在数据存储单元中。
提取三个驾驶员子模块运行的仿真数据的步骤包括:提取三个驾驶员子模块运行后0.5s的仿真数据,利用插值提取N个数,将这N个数以向量数组的形式存储在相对应的三个存储单元中。
N组数据和N个数在时间序列上能够对应。
进行数据匹配比较的步骤包括:根据下面的公式分别计算三个驾驶员子模块的S(Model)数值
比较这三个S(Model)数值的大小,最小的S(Model)所对应的驾驶员子模块对应的驾驶意图即识别为驾驶员的驾驶意图。
驾驶员模块包括路径规划模块、预瞄模块、预测模块、比较模块、控制模块。路径规划模块规划所述三个驾驶路径,由此将驾驶员模块区分成三个驾驶员子模块。预瞄模块根据来自路径规划模块的驾驶路径数据得到当前预瞄时间内的预期轨迹数据。预测模块根据当前车辆状态信息和驾驶环境信息,预测下一预瞄时间内的车辆预测轨迹数据。比较模块接收来自预瞄模块的预期轨迹数据和来自预测模块的预测轨迹数据,并通过这两个轨迹数据的比对获得侧向位置误差。控制模块根据比较模块得到的侧向位置误差计算方向盘转角。
预瞄时间是1.5s。
对应于直行轨迹的预期轨迹数据为车辆前进方向的直线,对应于左换道轨迹的预期轨迹数据为车辆前进方向偏左斜率为-0.053的直线,对应于右换道轨迹的预期轨迹数据为车辆前进方向偏右斜率为0.062的直线。
本发明的优点在于:提出了一种通过实时比较驾驶员模块的仿真数据和驾驶员的数据来识别驾驶员换道意图的方法,这种方法不会对驾驶员的驾驶产生干扰,实时性好,能够快速准确地识别驾驶员换道意图,为开发智能辅助驾驶系统提供了支撑。
附图说明
图1是利用驾驶员模块识别驾驶员换道意图的方法的原理图。
图2是驾驶员模块的结构图。
图3是本发明的驾驶员换道意图识别方法的流程图。
具体实施方式
下面将参照附图详细描述根据本发明的驾驶员意图识别方法。
根据图1的驾驶员换道意图识别方法的原理图,本发明方法以已建立好的驾驶员模块103为基础,通过“行为追踪”来识别驾驶员108的驾驶意图,即,在即将到来的下一个时间驾驶员108控制车辆107如何动作。因为驾驶员模块103能够仿真模拟驾驶员108的驾驶行为,所以在同样的驾驶环境下,驾驶员模块103仿真得到的驾驶数据与驾驶员108的驾驶数据存在一定程度上的相似。因此在驾驶员108驾驶车辆107的同时同步运行代表不同驾驶意图(例如,直线行驶、左换道、右换道)的驾驶员模块103,然后再将驾驶员模块103仿真得到的数据与车辆107中车载传感器采集到的驾驶数据进行比较,匹配结果更好的驾驶员模块103所代表的驾驶意图即识别为驾驶员108的驾驶意图。因为本发明用到的驾驶员模块103计算控制的车辆动力学模型104能够模拟和代表车辆107的动力学特性,所以,驾驶员模块103运行和驾驶员108驾驶车辆107具有同时同步特性,因此可以实现实时的识别驾驶员108的驾驶意图。
具体的说,如图1所示,一方面,环境信息101被环境信息采集传感器102采集,然后转换成适合于被驾驶员模块103处理的信息1021。驾驶员模块103处理信息1021,将处理得到的信息1031(包括方向盘转角δ,如图2所示)输出到车辆动力学模型104。车辆动力学模型104处理来自驾驶员模块103的信息1031,并将处理得到的信息(即,车辆状态信息)1041输出到驾驶员模块103,作为驾驶员模块103的反馈信息,以修正处理得到的信息1031。同时驾驶员模块103将处理得到的信息1031输出到数据比较意图识别模块105。另一方面,环境信息101被驾驶员108接收,驾驶员108控制车辆107,使之应对环境信息101,例如,控制车辆107直行或左换道或右换道。车辆107的反应被驾驶员108接收,以作为控制车辆107的反馈。同时,车辆107的反应被车载传感器106接收,车载传感器106将关于车辆107反应的信息1061输出到数据比较意图识别模块105。数据比较意图识别模块105将来自驾驶员模块103的处理信息1031与来自车载传感器106的信息1061进行比较,以识别驾驶员108的换道意图。
在上述原理中所用到的硬件设备包括安装在车辆107上的(1)方向盘转角传感器、(2)视觉传感器、(3)存储信息的信息存储单元A、(4)对各个传感器采集到的信息进行处理的处理器。安装在车辆107上的方向盘转角传感器采集驾驶员108转动方向盘的角度δ。安装在车辆107上的视觉传感器记录环境信息101(其包括车道边界和车辆107在车道中的位置),采集环境信息101作为车辆状态信息。信息存储单元A用于存储视觉传感器采集到的数据以及由驾驶员模块103仿真得到的驾驶数据。
所用到的硬件设备中的(4)处理器的功能包括:(a)记录环境信息101和车辆状态信息;(b)使用驾驶员模块103模拟仿真驾驶员108驾驶行为;(c)将驾驶员模块103模拟得到的驾驶行为数据与驾驶员108的驾驶行为数据进行比较;(d)识别驾驶员108换道意图。
在图1中示出的原理框图中涉及的驾驶员模块103的具体构造如图2所示。
驾驶员模块103包括五个部分:路径规划模块201、预瞄模块202、预测模块203、比较模块204、控制模块205。
为了简化驾驶员换道意图识别的方法,根据驾驶员108驾驶车辆107的实际情况,假设驾驶员108在驾驶过程中的驾驶意图主要是直行、左换道、右换道。这样的简化不会脱离驾驶员108的实际驾驶意图。因此,以直行、左换道、右换道的驾驶意图为例,路径规划模块201规划三个驾驶路径,即为直行轨迹、左换道轨迹和右换道轨迹。由此将驾驶员模块103分成三个驾驶员子模块,其分别代表直行轨迹驾驶、左换道轨迹驾驶和右换道轨迹驾驶,代表不同驾驶意图的驾驶员子模块的不同本质体现在对于驾驶预期估计的不同上。这三个驾驶员子模块共用路径规划模块201、预瞄模块202、预测模块203、比较模块204、控制模块205。
在驾驶员108驾驶车辆107的初期,这三个驾驶路径根据对一般熟练驾驶员的驾驶行为进行统计拟合得到。例如,由约15个熟练驾驶员在道路上进行驾驶,通过车载视觉传感器采集到车道边界线信息以及车辆107在道路中随着时间改变的位置信息,然后,根据这15个人驾驶车辆107时采集到的数据拟合并平均,而得到驾驶员108在驾驶车辆107时的直行轨迹、左换道轨迹、右换道轨迹。而在驾驶员108驾驶车辆107经过若干次换道(例如,10次)之后,路径规划模块201根据此驾驶员108的这几次换道的轨迹数据进行自适应的调整,以获得符合此驾驶员108驾驶习惯的驾驶路径。
预瞄模块202根据来自路径规划模块201的驾驶路径数据得到当前预瞄时间(Tp=1.5s)内的预期轨迹数据,即,得到当前预描时间(Tp=1.5s)内的预期轨迹点Pn(xn,yn)。以双车道,每个车道宽2.5米为例,由多人实验拟合得到预期轨迹。近似的预期轨迹为:预期直行轨迹为车辆107前进方向的直线(以车道中线为基准),预期左换道轨迹为车辆107前进方向偏左斜率为-0.053的直线,预期右换道轨迹为车辆107前进方向偏右斜率为0.062的直线。
每个驾驶员子模块的预期轨迹的获得方法参照上面对于预瞄模块202的描述,预期轨迹能够模拟仿真大多数驾驶员108在相应三个驾驶意图下的驾驶行为。因此使用这三个驾驶员子模块在识别驾驶员108驾驶意图时能够确保一定的准确性。然而,为了使意图识别得到的结果更为准确,需要对驾驶员108的驾驶行为进行自适应的调整,以符合驾驶员108驾驶习惯的驾驶路径。
预测模块203通过车辆动力学模型104,根据当前车辆状态信息1041和驾驶环境信息1021,预测下一预瞄时间内的车辆107会达到的状态,即,预测轨迹数据。当前车辆状态信息1041由车辆动力学模型104获取,车辆107的位置信息由车载传感器获取。将这些信息输入到预测模块203,那么就会得到预瞄时间(Tp=1.5s)内车辆107所要到达的位置坐标点
控制模块205根据比较模块204得到的侧向偏差误差En计算侧向加速度a和方向盘转角改变量Δδ,然后在求和节点206中根据所计算的方向盘转角改变量Δδ以及驾驶员模块103根据车辆状态信息1041计算的当前方向盘转角δ’,计算最终方向盘转角δ并输出至车辆动力学模型104。
在驾驶员模块103中利用PD控制来获取方向盘转角改变量Δδ。
公式如下:
Δδn=kp·ayn+kd·a'yn (4)
由公式(1),第n步的侧向位置偏差En通过预测轨迹点的侧向坐标减去预期轨迹点的侧向坐标。由公式(2),根据车载传感器获取第n步侧向速度vvn,计算到达预期位置的侧向加速度ayn。由公式(3),通过第n步侧向加速度和第n-1步侧向加速度的差除以预瞄时间即可得到第n步侧向加速度的导数a'yn。由公式(4),通过PD控制,得到第n步方向盘转角改变量。由公式(5),第n-1步的方向盘转角加上第n步方向盘转角改变量就可以得到最终方向盘转角。
由于如何实现PD控制属于现有技术,在此不再赘述。
在驾驶员108驾驶车辆107的同时同步运行上述三个驾驶员子模块,驾驶员108的驾驶数据和三个驾驶员子模块仿真得到的驾驶数据存储在信息存储单元A中,然后被上述处理器处理。
另外,本发明所使用的驾驶员模块103基于现有的QN-MHP认知体系,这样,驾驶员模块103能够体现驾驶员108的信息处理过程和生理局限(例如延时、视觉局限、运动局限等),使之既能从机理上解释驾驶员108的驾驶行为和驾驶规律,又能从驾驶数据上模拟仿真驾驶员108的驾驶。QN-MHP认知体系属于现有方法,在此不再赘述。
根据在图1中示出的原理框图,参照图3描述本发明的驾驶员换道意图识别方法,其主要包括如下步骤。
当驾驶员108启动并驾驶车辆107时,在步骤301中,将初始时刻记为a(通常a=0)。在时刻a即运行三个驾驶员子模块,如上所述,三个驾驶员子模块初期的预期轨迹采用一般驾驶员的预期轨迹,当驾驶员108驾驶车辆107经历若干次(例如,10次)换道后采用自适应的形式修正为符合自己驾驶习惯的预期轨迹。
接下来,在步骤302中,同时安装在车辆上的视觉传感器开始采集并记录环境信息1021及车辆状态信息,具体包括:方向盘转角δ、车道边界和道宽信息、车辆107在车道中的位置信息等,将采集的这些信息储存在信息存储单元A中,例如以0.1s的时间间隔,0.5s的时窗记录这些信息。
从信息存储单元A中提取数据,具体操作为:在步骤304中,取时刻a后0.5s的方向盘转角δ数据,利用牛顿插值方法提取这0.5s内的N组(例如,10组)数据,将这N组数据以向量数组的形式存储在数据存储单元B中。同时在步骤305-310中,取三个驾驶员子模块运行后0.5s的仿真方向盘转角δ数据,利用插值提取N个(例如,10个)数,将这N个数以向量数组的形式存储在相对应的存储单元C、D、E中。在上述操作中,根据时间进行插值同时保证了仿真得到的N个数据和视觉传感器采集的N组数据在时间序列上能够对应。
这样,在步骤311和312中,就能够将数据存储单元B中的数据分别与存储单元C、D、E中的数据进行匹配比较,最终得到驾驶意图。
由于驾驶员108意图所对应的驾驶员模块103仿真出的驾驶数据与驾驶员108驾驶数据更为匹配,所以两者对应时间序列的数据相减后的平方和最小。进行上述数据匹配可以用以下公式:
对应三个驾驶员子模块,将会根据上式计算得到三个S(Model)数值。然后比较这三个数值的大小,最小的S(Model)所对应的驾驶员子模块对应的驾驶意图即识别为驾驶员108的驾驶意图。
循环以上步骤304-312,以a时刻0.1s后的下一时刻b为新的起点,将时刻b点记为a(对应于步骤303和313),重新记录数据到数据存储单元B中,然后与存储单元C、D、E中的数据进行比较得到意图。不断的迭代以上步骤即可实时的实现驾驶员驾驶意图的识别。
本发明不限于上述示例,可进行各种改变。
Claims (10)
1.一种识别驾驶员换道意图的方法,所述方法包括:
记录初始时刻;
运行三个驾驶员子模块;
通过安装在车辆上的传感器采集并记录环境信息及车辆状态信息,将采集的信息存储在信息存储单元中;
从信息存储单元中提取数据,将提取的数据存储在数据存储单元中;
提取三个驾驶员子模块运行的仿真数据,将仿真数据存储在相对应的三个存储单元中;
将数据存储单元中的数据分别与所述三个存储单元中的数据进行匹配比较,最终得到驾驶意图。
2.根据权利要求1所述的方法,其中,三个驾驶员子模块是由驾驶员模块根据三个驾驶路径来区分。
3.根据权利要求2所述的方法,其中,所述三个驾驶路径为直行轨迹、左换道轨迹和右换道轨迹。
4.根据权利要求1所述的方法,其中,环境信息包括车道边界和道宽信息、车辆在车道中的位置信息,车辆状态信息包括方向盘转角。
5.根据权利要求1所述的方法,其中,从信息存储单元中提取数据的步骤包括:取初始时刻后0.5s的方向盘转角数据,利用插值提取这0.5s内的N组数据,将这N组数据以向量数组的形式存储在数据存储单元中,
提取三个驾驶员子模块运行的仿真数据的步骤包括:提取三个驾驶员子模块运行后0.5s的仿真数据,利用插值提取N个数,将这N个数以向量数组的形式存储在相对应的三个存储单元中。
6.根据权利要求5所述的方法,其中,N组数据和N个数在时间序列上能够对应。
7.根据权利要求1所述的方法,其中,进行数据匹配比较的步骤包括:根据下面的公式分别计算三个驾驶员子模块的S(Model)数值
比较这三个S(Model)数值的大小,最小的S(Model)所对应的驾驶员子模块对应的驾驶意图即识别为驾驶员的驾驶意图。
8.根据权利要求2至4中的任一项所述的方法,其中,驾驶员模块包括路径规划模块、预瞄模块、预测模块、比较模块、控制模块,
路径规划模块规划所述三个驾驶路径,由此将驾驶员模块区分成三个驾驶员子模块,
预瞄模块根据来自路径规划模块的驾驶路径数据得到当前预瞄时间内的预期轨迹数据,
预测模块根据当前车辆状态信息和驾驶环境信息,预测下一预瞄时间内的车辆预测轨迹数据,
比较模块接收来自预瞄模块的预期轨迹数据和来自预测模块的预测轨迹数据,并通过这两个轨迹数据的比对获得侧向位置误差,
控制模块根据比较模块得到的侧向位置误差计算方向盘转角。
9.根据权利要求8所述的方法,其中,预瞄时间是1.5s。
10.根据权利要求8所述的方法,其中,对应于直行轨迹的预期轨迹数据为车辆前进方向的直线,对应于左换道轨迹的预期轨迹数据为车辆前进方向偏左斜率为-0.053的直线,对应于右换道轨迹的预期轨迹数据为车辆前进方向偏右斜率为0.062的直线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013100167433A CN103085815A (zh) | 2013-01-17 | 2013-01-17 | 一种识别驾驶员换道意图的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013100167433A CN103085815A (zh) | 2013-01-17 | 2013-01-17 | 一种识别驾驶员换道意图的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103085815A true CN103085815A (zh) | 2013-05-08 |
Family
ID=48199077
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2013100167433A Pending CN103085815A (zh) | 2013-01-17 | 2013-01-17 | 一种识别驾驶员换道意图的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103085815A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106022291A (zh) * | 2016-05-31 | 2016-10-12 | 北京理工大学 | 一种基于神经信号的紧急状态下驾驶员刹车意图检测方法 |
CN107264531A (zh) * | 2017-06-08 | 2017-10-20 | 中南大学 | 一种半结构化环境中智能车辆自主换道超车运动规划方法 |
CN108437986A (zh) * | 2017-02-16 | 2018-08-24 | 上海汽车集团股份有限公司 | 车辆驾驶辅助系统及辅助方法 |
CN108891414A (zh) * | 2018-05-22 | 2018-11-27 | 通化市聚诚网络科技有限公司 | 一种车道变换辅助方法及装置 |
CN110146100A (zh) * | 2018-02-13 | 2019-08-20 | 华为技术有限公司 | 轨迹预测方法、装置及存储介质 |
CN110569783A (zh) * | 2019-09-05 | 2019-12-13 | 吉林大学 | 一种驾驶人换道意图识别方法及系统 |
CN110758382A (zh) * | 2019-10-21 | 2020-02-07 | 南京航空航天大学 | 一种基于驾驶意图的周围车辆运动状态预测系统及方法 |
CN111213195A (zh) * | 2017-10-19 | 2020-05-29 | 维宁尔美国公司 | 用于车辆车道变更检测的系统和方法 |
WO2020187257A1 (zh) * | 2019-03-18 | 2020-09-24 | 长城汽车股份有限公司 | 车辆异常换道控制方法、装置及系统 |
CN112097883A (zh) * | 2020-08-25 | 2020-12-18 | 西安交通大学 | 一种多车道动态称重车辆快速匹配方法、系统及称台 |
CN112590663A (zh) * | 2020-12-23 | 2021-04-02 | 恒大新能源汽车投资控股集团有限公司 | 车辆转向灯控制方法、系统及车辆 |
CN113722835A (zh) * | 2021-09-14 | 2021-11-30 | 吉林大学 | 拟人化随机换道驾驶行为建模方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050131588A1 (en) * | 2003-12-16 | 2005-06-16 | Nissan Motor Co., Ltd. & Drexel University | Method and system for intention estimation and operation assistance |
US20100131148A1 (en) * | 2008-11-26 | 2010-05-27 | Jaime Camhi | System and method for estimated driver intention for driver assistance system control |
CN101786456A (zh) * | 2010-03-02 | 2010-07-28 | 武汉理工大学 | 驾驶员换道意图识别系统 |
JP4798127B2 (ja) * | 2007-12-20 | 2011-10-19 | トヨタ自動車株式会社 | 緊急退避システム、緊急退避方法 |
CN102295004A (zh) * | 2011-06-09 | 2011-12-28 | 中国人民解放军国防科学技术大学 | 一种车道偏离预警方法 |
CN102788704A (zh) * | 2012-06-29 | 2012-11-21 | 北京理工大学 | 基于驾驶员模型的汽车操纵稳定性检测系统及检测方法 |
CN102795225A (zh) * | 2012-09-10 | 2012-11-28 | 北京理工大学 | 利用驾驶员侧纵向控制模型检测驾驶员干扰状态的方法 |
-
2013
- 2013-01-17 CN CN2013100167433A patent/CN103085815A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050131588A1 (en) * | 2003-12-16 | 2005-06-16 | Nissan Motor Co., Ltd. & Drexel University | Method and system for intention estimation and operation assistance |
JP4798127B2 (ja) * | 2007-12-20 | 2011-10-19 | トヨタ自動車株式会社 | 緊急退避システム、緊急退避方法 |
US20100131148A1 (en) * | 2008-11-26 | 2010-05-27 | Jaime Camhi | System and method for estimated driver intention for driver assistance system control |
CN101786456A (zh) * | 2010-03-02 | 2010-07-28 | 武汉理工大学 | 驾驶员换道意图识别系统 |
CN102295004A (zh) * | 2011-06-09 | 2011-12-28 | 中国人民解放军国防科学技术大学 | 一种车道偏离预警方法 |
CN102788704A (zh) * | 2012-06-29 | 2012-11-21 | 北京理工大学 | 基于驾驶员模型的汽车操纵稳定性检测系统及检测方法 |
CN102795225A (zh) * | 2012-09-10 | 2012-11-28 | 北京理工大学 | 利用驾驶员侧纵向控制模型检测驾驶员干扰状态的方法 |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106022291A (zh) * | 2016-05-31 | 2016-10-12 | 北京理工大学 | 一种基于神经信号的紧急状态下驾驶员刹车意图检测方法 |
CN108437986A (zh) * | 2017-02-16 | 2018-08-24 | 上海汽车集团股份有限公司 | 车辆驾驶辅助系统及辅助方法 |
CN107264531B (zh) * | 2017-06-08 | 2019-07-12 | 中南大学 | 一种半结构化环境中智能车辆自主换道超车运动规划方法 |
CN107264531A (zh) * | 2017-06-08 | 2017-10-20 | 中南大学 | 一种半结构化环境中智能车辆自主换道超车运动规划方法 |
CN111213195A (zh) * | 2017-10-19 | 2020-05-29 | 维宁尔美国公司 | 用于车辆车道变更检测的系统和方法 |
CN110146100A (zh) * | 2018-02-13 | 2019-08-20 | 华为技术有限公司 | 轨迹预测方法、装置及存储介质 |
CN110146100B (zh) * | 2018-02-13 | 2021-08-13 | 华为技术有限公司 | 轨迹预测方法、装置及存储介质 |
CN108891414A (zh) * | 2018-05-22 | 2018-11-27 | 通化市聚诚网络科技有限公司 | 一种车道变换辅助方法及装置 |
WO2020187257A1 (zh) * | 2019-03-18 | 2020-09-24 | 长城汽车股份有限公司 | 车辆异常换道控制方法、装置及系统 |
CN110569783A (zh) * | 2019-09-05 | 2019-12-13 | 吉林大学 | 一种驾驶人换道意图识别方法及系统 |
CN110758382A (zh) * | 2019-10-21 | 2020-02-07 | 南京航空航天大学 | 一种基于驾驶意图的周围车辆运动状态预测系统及方法 |
CN112097883A (zh) * | 2020-08-25 | 2020-12-18 | 西安交通大学 | 一种多车道动态称重车辆快速匹配方法、系统及称台 |
CN112097883B (zh) * | 2020-08-25 | 2022-02-11 | 西安交通大学 | 一种多车道动态称重车辆快速匹配方法、系统及称台 |
CN112590663A (zh) * | 2020-12-23 | 2021-04-02 | 恒大新能源汽车投资控股集团有限公司 | 车辆转向灯控制方法、系统及车辆 |
CN113722835A (zh) * | 2021-09-14 | 2021-11-30 | 吉林大学 | 拟人化随机换道驾驶行为建模方法 |
CN113722835B (zh) * | 2021-09-14 | 2023-10-20 | 吉林大学 | 拟人化随机换道驾驶行为建模方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103085815A (zh) | 一种识别驾驶员换道意图的方法 | |
Vasudevan et al. | Safe semi-autonomous control with enhanced driver modeling | |
CN106257242B (zh) | 用于调节道路边界的单元和方法 | |
Gietelink et al. | Development of advanced driver assistance systems with vehicle hardware-in-the-loop simulations | |
CN108569336B (zh) | 在动力学约束下基于车辆运动学模型转向控制方法 | |
CN110647056A (zh) | 一种基于整车硬件在环的智能网联汽车环境模拟仿真系统 | |
CN111071249B (zh) | 基于障碍物运动预测的无人车紧急转向避障方法 | |
CN111145552B (zh) | 基于5g网络的车辆动态换道轨迹的规划方法 | |
Nalic et al. | Development of a co-simulation framework for systematic generation of scenarios for testing and validation of automated driving systems | |
CN111295570A (zh) | 信息处理装置、车辆、移动物体、信息处理方法和程序 | |
CN112307566A (zh) | 车辆仿真测试方法、装置、设备及存储介质 | |
CN109727490B (zh) | 一种基于行车预测场的周边车辆行为自适应矫正预测方法 | |
CN105922990A (zh) | 一种基于云端机器学习的车辆环境感知和控制方法 | |
CN110288835A (zh) | 一种基于运动学预测补偿机制的周边车辆行为实时识别方法 | |
CN106184220B (zh) | 一种基于车辆定位轨迹的车道内异常驾驶检测方法 | |
CN103956045A (zh) | 利用半实物仿真技术手段实现车队协同驾驶的方法 | |
DE112017007906T5 (de) | Fahrzeugsteuervorrichtung, fahrzeugsteuerverfahren und programm | |
CN107092256B (zh) | 一种无人车转向控制方法 | |
CN106777776A (zh) | 一种基于支持向量机模型的车辆换道决策方法 | |
CN111845787A (zh) | 一种基于lstm的换道意图预测方法 | |
JP2018063476A (ja) | 運転支援装置、運転支援方法及び運転支援用コンピュータプログラム | |
CN111625989A (zh) | 一种基于a3c-sru的智能车汇入车流方法及系统 | |
CN111208814A (zh) | 用于自动车辆的、利用动态模型的、基于记忆的最优运动规划 | |
CN113722835A (zh) | 拟人化随机换道驾驶行为建模方法 | |
CN103310637A (zh) | 基于车载数据的公交车速度获取装置及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20130508 |