CN103640532A - 基于驾驶员制动与加速意图辨识的行人防碰撞预警方法 - Google Patents
基于驾驶员制动与加速意图辨识的行人防碰撞预警方法 Download PDFInfo
- Publication number
- CN103640532A CN103640532A CN201310640000.3A CN201310640000A CN103640532A CN 103640532 A CN103640532 A CN 103640532A CN 201310640000 A CN201310640000 A CN 201310640000A CN 103640532 A CN103640532 A CN 103640532A
- Authority
- CN
- China
- Prior art keywords
- data
- signal
- hidden markov
- braking
- intention
- 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.)
- Granted
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Regulating Braking Force (AREA)
- Traffic Control Systems (AREA)
- Auxiliary Drives, Propulsion Controls, And Safety Devices (AREA)
Abstract
本发明公开了一种基于驾驶员制动与加速意图辨识的行人防碰撞预警方法，包括如下步骤：ⅰ、采集实验数据进行隐马尔可夫HMM模型的一次离线训练；ⅱ、采集实验数据进行隐马尔科夫HMM模型的二次离线训练；ⅲ、辨识出驾驶员避碰行人意图数据信号；ⅳ、辨识出驾驶员避碰行人意图数据信号后结合红外线人体感应数据信号进行数据分析，并做出不同的预警处理。本发明将行人、车辆作为一个系统来研究，通过分析驾驶员在遇到车辆前方存在行人时可能采取的操纵行为和策略，并根据驾驶行为及意图判断是否存在危险，对驾驶员进行相应的预警，对错误的驾驶员驾驶操作比如误踩加速踏板的操作进行预警，有效保护行人的安全、提高汽车的主动安全能。
Description
技术领域
本发明涉及汽车主动安全领域，特别涉及一种基于驾驶员制动与加速意图辨识的行人防碰撞预警方法。
背景技术
在道路交通事故中，行人往往是最大的受害群体，而汽车与行人发生碰撞是主要事故类型之一。据美国高速公路安全管理局统计，2011年全美由于交通事故导致6.9万个行人受伤，占总受伤人数的3%；导致4432个行人死亡，占总死亡人数的14%。在欧盟的道路交通事故中，行人的死亡数据是车内乘员的9倍，骑车人的死亡数据是车内乘员的8倍。2010年我国因交通事故导致行人死亡的人数为16281人，受伤人数为44629，分别占总数的25%和18%。目前，行人保护已被全球普遍关注，在汽车被动安全方面制定严格的碰撞标准和行人保护法规，在汽车主动安全方面则借助传感器技术感知前方行人并判断其危险状态，及时警告驾驶员车辆可能与前方的行人发生碰撞危险，实现主动安全预警。
目前对驾驶员行为的研究，主要集中在对某一个危险驾驶行为的检测和监督，没有利用环境信息综合考虑驾驶员的驾驶行为及意图，忽略驾驶员的意图及其变化趋势在主动安全控制中起到的关键性作用，容易对当前道路危险态势做出错误估计。本发明拟根据行人检测结果，结合车辆运行状态信息和周围环境信息，运用隐式马尔科夫模型对驾驶员驾驶行为及意图进行辨识和预测，分析驾驶员在遇到车辆前方存在行人时可能采取的加速通过或制动停车以避碰行人等操纵行为和策略，并根据驾驶行为及意图是否存在危险，对驾驶员和前方行人进行相应的预警，有效保护行人的安全、提高汽车的主动安全能。
发明内容
鉴于已有技术存在的缺陷，本发明的目的是要提供一种基于驾驶员制动与加速意图辨识的行人防碰撞预警方法，通过分析驾驶员在遇到车辆前方存在行人时可能采取的操纵行为和策略，并根据驾驶行为及意图判断是否存在危险，对驾驶员进行相应的预警，对错误的驾驶员驾驶操作比如误踩加速踏板的操作进行预警，有效保护行人的安全、提高汽车的主动安全性能。
为了实现上述目的，本发明的技术方案：
基于驾驶员制动与加速意图辨识的行人防碰撞预警方法，包括如下步骤：
ⅰ、采集实验数据进行隐马尔可夫HMM模型的一次离线训练：
针对驾驶员为避碰行人可能采取的驾驶行为，采集实验数据，所述的实验数据包括制动踏板力数据、制动踏板位移数据、油门踏板行程数据和车速数据；把采集的一长段实验数据分段处理后，将制动踏板力数据、制动踏板位移数据、油门踏板行程数据输入到制动与加速隐马尔可夫HMM模型中，将车速数据输入到速度分级模块中；在制动与加速隐马尔科夫HMM模型中，构建正常松油门、快速松油门、油门保持、踩下油门、正常踩制动、快速踩制动、制动保持、松开制动和踏板无动作共9个关于制动与加速的多维高斯隐马尔可夫HMM模型；应用Baum-Welch算法，对所述9个多维高斯隐马尔科夫HMM模型进行离线训练，迭代优化各个模型参数；把同时间段的车速信号按等级编号，输入到速度分级模块；
ⅱ、采集实验数据进行隐马尔科夫HMM模型的二次离线训练：针对驾驶员为避碰行人可能采取的驾驶行为，采集实验数据，所述的实验数据包括制动踏板力数据、制动踏板位移数据、油门踏板行程数据和车速数据；将制动踏板力数据、制动踏板位移数据、油门踏板行程数据再次输入到制动与加速隐马尔可夫HMM模型中，将车速数据再次输入到速度分级模块中；应用Forward-Backward算法分别计算新采集到的驾驶行为实验数据相对于步骤ⅰ中所述的9个驾驶行为多维高斯隐马尔科夫HMM模型的似然度，选择似然度最大的模型作为驾驶员驾驶行为辨识结果；并把该隐马尔科夫HMM模型的二维的驾驶行为辨识结果串—制动与加速辨识结果串和车速辨识结果串，作为驾驶员意图辨识隐马尔可夫HMM模型的观察序列，对驾驶员避碰行人意图辨识隐马尔科夫模型进行离线训练和优化，得到2个驾驶员避碰行人意图隐马尔科夫HMM模型：加速隐马尔科夫HMM模型和制动停车隐马尔科夫HMM模型；
ⅲ、辨识出驾驶员避碰行人意图数据信号：将实时采集的制动踏板力传感器信号、制动踏板位移传感器信号、油门踏板行程传感器信号输入到制动与加速隐马尔科夫HMM模型中，将车速传感器信号输入到速度分级模块中，对9个驾驶行为多维高斯隐马尔科夫HMM模型进行离线训练和优化，辨识出驾驶员操作，得到驾驶行为隐马尔科夫HMM模型的二维的辨识结果串—制动与加速辨识结果串和车速辨识结果串，组成观察序列串后，送入2个驾驶员意图辨识隐马尔科夫HMM模型，应用Forward-Backward算法，分别计算2个多维离散隐马尔科夫HMM模型产生该观察序列的可能性，选择似然度最大的模型作为驾驶意图数据信号；
ⅳ、辨识出驾驶员避碰行人意图数据信号后结合红外线人体感应数据信号进行数据分析，并做出不同的预警处理：在汽车前部设置基于红外线技术的人体感应器，用于实时采集人体感应数据信号；在汽车车载系统设置用于依据人体感应数据信号及驾驶意图数据信号进行实时数据分析并控制声音信号警示装置进行预警的中央处理单元。
所述的数据分析过程包括：若中央处理单元分析出人体感应数据信号结果为前方不存在行人，则无论驾驶意图数据信号为何种结果，中央处理单元均不发出触发信号控制声音信号警示装置进行预警；若中央处理单元分析出人体感应数据信号结果为前方存在行人且驾驶意图数据信号为制动停车意图信号时；中央处理单元不发出触发信号控制声音信号警示装置进行预警；若中央处理单元分析出人体感应数据信号结果为前方存在行人且驾驶意图数据信号为加速意图信号，即驾驶员会误踩加速踏板加速通过时，中央处理单元发出触发信号控制声音信号警示装置进行预警，从而达到驾驶员能够及时做出反应来保护行人的目的。
与现有技术相比，本发明的有益效果：
本发明将行人、车辆作为一个系统来研究，提供一种应用于行人防碰撞预警的驾驶员制动与加速意图辨识方法，通过分析驾驶员在遇到车辆前方存在行人时可能采取的操纵行为和策略，并根据驾驶行为及意图判断是否存在危险，对驾驶员进行相应的预警，对错误的驾驶员驾驶操作比如误踩加速踏板的操作进行预警，有效保护行人的安全、提高汽车的主动安全能。
附图说明
图1为本发明基于驾驶员制动与加速意图辨识的行人防碰撞预警方法总体设计方案框图。
图2为本发明基于驾驶员制动与加速意图辨识的行人防碰撞预警方法的HMM模型结构。
图3为本发明基于驾驶员制动与加速意图辨识的行人防碰撞预警方法的HMM模型的训练过程。
图4为本发明基于驾驶员制动与加速意图辨识的行人防碰撞预警方法的流程图。
图中：1、人体感应器，2、制动踏板行程传感器，3、制动踏板力传感器，4、油门踏板行程传感器，5、车速传感器，6、隐马尔科夫模型模块，7、中央处理单元，8、声音信号警示装置。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图，对本发明进行进一步详细说明。
如图1所示，本发明的设计思想通过架构一个基于驾驶员制动与加速意图辨识的行人防碰撞预警方法实例来叙述，本例包括安装在汽车前部的人体感应器1、隐马尔科夫模型模块6、中央处理单元7、声音信号警示装置8以及安装在汽车内部的车辆信息采集装置；所述车辆信息采集装置包括：制动踏板行程传感器2、制动踏板力传感器3、油门踏板行程传感器4和车速传感器5；其中所述制动踏板行程传感器2、制动踏板力传感器3、油门踏板行程传感器4、车速传感器5分别与隐马尔科夫模型模块6信号连接；所述人体感应器1、隐马尔科夫模型模块6与声音信号警示装置8分别与中央处理单元7连接。
其中，所述声音信号警示装置8采用蜂鸣器进行发声即可。
其中，数据的采集通过车辆信息采集装置实现，所述车辆信息采集装置包括制动踏板行程传感器2，制动踏板力传感器3，油门踏板行程传感器4，车速传感器5针对驾驶员的各种驾驶行为采集数据，所述数据包括制动踏板力、制动踏板位移、油门踏板行程和车速；将采集的传感器数据输入到隐马尔科夫模型模块6中辨识出驾驶员意图；位于汽车前部的基于红外线技术的人体感应器1将采集到的实时信息和隐马尔科夫模型模块6预测的驾驶员避碰行人意图数据信息传递给中央处理单元7，即单片机，所述中央处理单元7的输入信号为人体感应器输出的人体感应数据信号和驾驶员意图辨识双层隐马尔科夫HMM模型模块输出的驾驶意图数据信号，它的输出信号控制蜂鸣器进行发声。
本方法所涉及的过程包括基于离线实验数据采集建构的隐马尔可夫HMM模型的一次离线训练、二次离线训练以及基于实际驾驶行为数据采集建构的隐马尔可夫HMM模型辨识出驾驶员避碰行人意图数据信号后，通过单片机进行预警处理。
鉴于隐马尔科夫HMM模型强大的统计学基础、模块化的建模方法和处理动态时间序列的能力，构建了如图2所示隐马尔科夫HMM模型结构（所述的隐马尔科夫HMM模型包括制动与加速隐马尔科夫HMM模型以及速度分级模块），以表征驾驶员避碰行人意图和相应意图下的驾驶员操作，并辨识驾驶员避碰行人采取的行为的驾驶意图数据信号。
（2.1）、实验数据的采集通过车辆信息采集装置，即制动踏板行程传感器2、制动踏板力传感器3、油门踏板行程传感器4和车速传感器5，针对驾驶员为避碰行人可能的采取的驾驶行为，采集实验数据，包括制动踏板力传感器数据、制动踏板位移传感器数据、油门踏板行程传感器数据和车速传感器数据；把采集的一长段实验数据分段处理后，将制动踏板力传感器数据、制动踏板位移传感器数据、油门踏板行程传感器数据输入到制动与加速隐马尔科夫HMM模型，将车速传感器数据输入到速度分级模块中；
（2.2）、在制动与加速隐马尔科夫HMM模型中，构建正常松油门、快速松油门、油门保持、踩下油门、正常踩制动、快速踩制动、制动保持、松开制动和踏板无动作共9个关于制动与加速的多维高斯隐马尔科夫HMM模型。应用Baum-Welch算法，对9个多维高斯隐马尔科夫HMM进行离线训练，迭代优化各个模型的参数；
（2.3）、鉴于采集的实验数据是一长段观察序列，需要对其进行分段处理，因此把同时间段的车速信号按等级编号，输入到速度分级模块。所述的等级编号是按照速度的大小对速度进行分级并编号，例如:速度的大小为60km/h，速度的等级就是6。
（2.4）、把得到的隐马尔科夫HMM模型的二维的驾驶行为辨识结果串(制动与加速辨识结果串和车速辨识结果串)，作为驾驶意图辨识隐马尔科夫HMM模型的观察序列，对驾驶员避碰行人意图辨识隐马尔科夫模型进行离线训练和优化，得到2个驾驶员避碰行人意图隐马尔科夫HMM模型：加速意图隐马尔科夫HMM模型和制动停车意图隐马尔科夫HMM模型。
（2.5）、将实际驾驶情况下实时采集的制动踏板力传感器信号、制动踏板位移传感器信号、油门踏板行程传感器信号输入到制动与加速隐马尔科夫HMM模型中，将车速传感器信号输入到速度分级模块中，参照步骤（2.1）、（2.2），对9个多维高斯隐马尔科夫HMM进行离线训练和优化，辨识出驾驶员操作，得到驾驶行为隐马尔科夫HMM的二维的辨识结果串(制动与加速和车速)，组成观察序列串后，送入步骤（2.4）的2个驾驶员避碰行人意图隐马尔科夫HMM模型，应用Forward-Backward算法，分别计算2个多维离散隐马尔科夫HMM模型产生该观察序列的可能性，选择似然度最大的模型作为驾驶意图数据信号；
如图3，本发明专利应用于行人防碰撞预警的驾驶员制动与加速意图辨识方法的HMM的训练过程，包括以下步骤：
（3.1）、实验数据的采集通过车辆信息采集装置，即制动踏板行程传感器、制动踏板力传感器、油门踏板行程传感器和车速传感器，针对驾驶员为避碰行人可能采取的驾驶行为，采集实验数据，包括制动踏板力、制动踏板位移、油门踏板行程和车速传感器数据；把采集的一长段实验数据分段处理后，将制动踏板力、制动踏板位移、油门踏板行程传感器数据输入到制动与加速隐马尔科夫HMM模型，将车速输入到速度分级模块中；
（3.2）、在制动与加速隐马尔科夫HMM模型模块中，构建正常松油门、快速松油门、油门保持、踩下油门、正常踩制动、快速踩制动、制动保持、松开制动和踏板无动作共9个关于制动与加速的多维高斯隐马尔科夫HMM模型。应用Baum-Welch算法，对9个多维高斯隐马尔科夫HMM进行离线训练，迭代优化各个模型的参数；
（3.3）、鉴于采集的实验数据是一长段观察序列，需要对其进行分段处理，因此把同时间段的车速信号按等级编号，输入到速度分级模块。所述的等级编号是按照速度的大小对速度进行分级并编号，例如:速度的大小为60km/h，速度的等级就是6。
（3.4）、实验数据的采集通过车辆信息采集装置，针对驾驶员避碰行人的不同驾驶意图即加速和制动停车，采集实验数据，包括制动踏板力、制动踏板位移、油门踏板行程和车速传感器数据；
（3.5）、将制动踏板力传感器数据、制动踏板位移传感器数据、油门踏板行程传感器数据输入到制动与加速隐马尔科夫HMM模型中，将车速传感器数据输入到速度分级模块中；应用Forward-Backward算法分别计算新采集到的驾驶行为传感器数据相对于9个驾驶行为多维高斯隐马尔科夫HMM模型的似然度，选择似然度最大的模型作为驾驶员驾驶行为辨识结果；
（3.6）、把得到的驾驶行为隐马尔科夫HMM的二维的辨识结果串(制动与加速和车速)，作为驾驶员避碰行人意图辨识隐马尔科夫HMM模型的观察序列，对驾驶员避碰行人意图辨识隐马尔科夫模型进行离线训练和优化，得到2个驾驶员意图隐马尔科夫HMM模型：加速隐马尔科夫HMM模型和制动停车隐马尔科夫HMM模型；
（3.7）、将实时采集的制动踏板力传感器数据、制动踏板位移传感器数据、油门踏板行程传感器信号输入到制动与加速隐马尔科夫HMM模型中，将车速输入到速度分级模块中，参照步骤（1）、（2），对9个多维高斯HMM进行离线训练和优化，辨识出驾驶员操作，得到驾驶行为隐马尔科夫HMM的二维的辨识结果串(制动与加速和车速)，组成观察序列串后，送入2个驾驶员意图辨识隐马尔科夫HMM模型，应用Forward-Backward算法，分别计算2个驾驶员意图多维离散隐马尔科夫HMM模型产生该观察序列的可能性，选择似然度最大的模型作为驾驶员意图数据。
如图4所示，数据的采集通过车辆信息采集装置，即制动踏板行程传感器2、制动踏板力传感器3、油门踏板行程传感器4和车速传感器5，针对驾驶员为避碰行人可能采取的驾驶行为，采集数据，包括制动踏板力、制动踏板位移、油门踏板行程和车速；将采集的传感器数据输入到隐马尔科夫模型模块6中，辨识出驾驶员避碰行人意图为加速或制动停车，即驾驶员可能误踩加速踏板加速通过或制动停车以躲避行人；位于汽车前部的基于红外线技术的人体感应器1将采集到的实时信息和隐马尔科夫模型模块6预测的驾驶员意图信息传递给中央处理单元7，即单片机，中央处理单元7辨识出驾驶员避碰行人意图数据信号后结合所述意图信息及红外线人体感应数据信号进行数据分析，并做出不同的预警处理。所述的数据分析过程包括：若中央处理单元7分析出人体感应数据信号结果为前方不存在行人，则无论驾驶意图数据信号为何种结果，中央处理单元均不发出触发信号控制声音信号警示装置8进行预警；若中央处理单元7分析出人体感应数据信号结果为前方存在行人且驾驶意图数据信号为制动停车意图信号时；中央处理单元不发出触发信号控制省音信号警示装置8进行预警；若中央处理单元7分析出人体感应数据信号结果为前方存在行人且驾驶意图数据信号为加速意图信号，即驾驶员会误踩加速踏板加速通过时，中央处理单元7发出触发信号控制声音信号警示装置8进行预警，从而达到驾驶员能够及时做出反应来保护行人的目的。
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揭露的技术范围内，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 (2)
1.基于驾驶员制动与加速意图辨识的行人防碰撞预警方法，其特征在于：包括如下步骤：
ⅰ、采集实验数据进行隐马尔可夫HMM模型的一次离线训练：
针对驾驶员为避碰行人可能采取的驾驶行为，采集实验数据，所述的实验数据包括制动踏板力数据、制动踏板位移数据、油门踏板行程数据和车速数据；把采集的一长段实验数据分段处理后，将制动踏板力数据、制动踏板位移数据、油门踏板行程数据输入到制动与加速隐马尔可夫HMM模型中，将车速数据输入到速度分级模块中；在制动与加速隐马尔科夫HMM模型中，构建正常松油门、快速松油门、油门保持、踩下油门、正常踩制动、快速踩制动、制动保持、松开制动和踏板无动作共9个关于制动与加速的多维高斯隐马尔可夫HMM模型；应用Baum-Welch算法，对所述9个多维高斯隐马尔科夫HMM模型进行离线训练，迭代优化各个模型参数；把同时间段的车速信号按等级编号，输入到速度分级模块；
ⅱ、采集实验数据进行隐马尔科夫HMM模型的二次离线训练：针对驾驶员为避碰行人可能采取的驾驶行为，采集实验数据，所述的实验数据包括制动踏板力数据、制动踏板位移数据、油门踏板行程数据和车速数据；将制动踏板力数据、制动踏板位移数据、油门踏板行程数据再次输入到制动与加速隐马尔可夫HMM模型中，将车速数据再次输入到速度分级模块中；应用Forward-Backward算法分别计算新采集到的驾驶行为实验数据相对于步骤ⅰ中所述的9个驾驶行为多维高斯隐马尔科夫HMM模型的似然度，选择似然度最大的模型作为驾驶员驾驶行为辨识结果；并把该隐马尔科夫HMM模型的二维的驾驶行为辨识结果串—制动与加速辨识结果串和车速辨识结果串，作为驾驶员意图辨识隐马尔可夫HMM模型的观察序列，对驾驶员避碰行人意图辨识隐马尔科夫模型进行离线训练和优化，得到2个驾驶员避碰行人意图隐马尔科夫HMM模型：加速隐马尔科夫HMM模型和制动停车隐马尔科夫HMM模型；
ⅲ、辨识出驾驶员避碰行人意图数据信号：将实时采集的制动踏板力传感器信号、制动踏板位移传感器信号、油门踏板行程传感器信号输入到制动与加速隐马尔科夫HMM模型中，将车速传感器信号输入到速度分级模块中，对9个驾驶行为多维高斯隐马尔科夫HMM模型进行离线训练和优化，辨识出驾驶员操作，得到驾驶行为隐马尔科夫HMM模型的二维的辨识结果串—制动与加速辨识结果串和车速辨识结果串，组成观察序列串后，送入驾驶员意图辨识2个隐马尔科夫HMM模型，应用Forward-Backward算法，分别计算2个多维离散隐马尔科夫HMM模型产生该观察序列的可能性，选择似然度最大的模型作为驾驶意图数据信号；
ⅳ、辨识出驾驶员避碰行人意图数据信号后结合红外线人体感应数据信号进行数据分析，并做出不同的预警处理：在汽车前部设置基于红外线技术的人体感应器，用于实时采集人体感应数据信号；在汽车车载系统设置用于依据人体感应数据信号及驾驶意图数据信号进行实时数据分析并控制声音信号警示装置进行预警的中央处理单元。
2.根据权利要求1所述的基于驾驶员制动与加速意图辨识的行人防碰撞预警方法，其特征在于：所述的数据分析过程包括：若中央处理单元分析出人体感应数据信号结果为前方不存在行人，则无论驾驶意图数据信号为何种结果，中央处理单元均不发出触发信号控制声音信号警示装置进行预警；若中央处理单元分析出人体感应数据信号结果为前方存在行人且驾驶意图数据信号为制动停车意图信号时；中央处理单元不发出触发信号控制声音信号警示装置进行预警；若中央处理单元分析出人体感应数据信号结果为前方存在行人且驾驶意图数据信号为加速意图信号，即驾驶员会误踩加速踏板加速通过时，中央处理单元发出触发信号控制声音信号警示装置进行预警，从而达到驾驶员能够及时做出反应来保护行人的目的。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310640000.3A CN103640532B (zh) | 2013-11-29 | 2013-11-29 | 基于驾驶员制动与加速意图辨识的行人防碰撞预警方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310640000.3A CN103640532B (zh) | 2013-11-29 | 2013-11-29 | 基于驾驶员制动与加速意图辨识的行人防碰撞预警方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103640532A true CN103640532A (zh) | 2014-03-19 |
| CN103640532B CN103640532B (zh) | 2015-08-26 |
Family
ID=50245877
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310640000.3A Expired - Fee Related CN103640532B (zh) | 2013-11-29 | 2013-11-29 | 基于驾驶员制动与加速意图辨识的行人防碰撞预警方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103640532B (zh) |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104217615A (zh) * | 2014-09-16 | 2014-12-17 | 武汉理工大学 | 一种基于车路协同的行人防碰撞系统和方法 |
| CN106023344A (zh) * | 2016-06-06 | 2016-10-12 | 清华大学 | 基于驾驶模式转换概率的驾驶风格估计方法 |
| CN106383918A (zh) * | 2016-11-17 | 2017-02-08 | 吉林大学 | 一种辨别紧急制动行为是否合理的系统及辨别方法 |
| CN106740864A (zh) * | 2017-01-12 | 2017-05-31 | 北京交通大学 | 一种驾驶行为意图判断与预测方法 |
| CN106828503A (zh) * | 2017-02-15 | 2017-06-13 | 武汉理工大学 | 一种驾驶员制动行为及状态实时辨识方法 |
| US10089880B2 (en) | 2016-11-08 | 2018-10-02 | International Business Machines Corporation | Warning driver of intent of others |
| CN109063642A (zh) * | 2018-08-01 | 2018-12-21 | 广州大学 | 基于hmm算法的行人过马路的预测方法和系统 |
| CN110386144A (zh) * | 2019-06-19 | 2019-10-29 | 长安大学 | 一种对驾驶人制动意图进行辨识的ghmm/ggap-rbf混合模型及辨识方法 |
| CN111267847A (zh) * | 2020-02-11 | 2020-06-12 | 吉林大学 | 一种个性化的自适应巡航控制系统 |
| CN111746555A (zh) * | 2019-03-26 | 2020-10-09 | 通用汽车环球科技运作有限责任公司 | 碰撞行为的识别和避免 |
| CN112002126A (zh) * | 2020-09-02 | 2020-11-27 | 中国科学技术大学 | 复杂场景下车辆长期轨迹预测方法及系统 |
| CN112242069A (zh) * | 2019-07-17 | 2021-01-19 | 华为技术有限公司 | 一种确定车速的方法和装置 |
| CN112560995A (zh) * | 2020-12-26 | 2021-03-26 | 浙江天行健智能科技有限公司 | 一种基于gm-hmm的停车意图辨别方法 |
| CN115131874A (zh) * | 2022-06-29 | 2022-09-30 | 深圳市神州云海智能科技有限公司 | 一种用户行为识别预测方法、系统及智能安全帽 |
| CN116340840A (zh) * | 2023-02-15 | 2023-06-27 | 华中科技大学 | 一种基于ga-pso-hmm识别驾驶意图的方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN201380848Y (zh) * | 2008-12-31 | 2010-01-13 | 广州市品壹电器科技有限公司 | 一种激光或红外线监控的误制动智能控制及制动装置 |
| JP2010092115A (ja) * | 2008-10-03 | 2010-04-22 | Honda Motor Co Ltd | 車両の警報装置 |
| CN101875348A (zh) * | 2010-07-01 | 2010-11-03 | 浙江工业大学 | 基于计算机视觉的误将油门当刹车错误操作防止装置 |
| CN103318181A (zh) * | 2013-06-19 | 2013-09-25 | 电子科技大学 | 一种驾驶员意图识别方法 |
-
2013
- 2013-11-29 CN CN201310640000.3A patent/CN103640532B/zh not_active Expired - Fee Related
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010092115A (ja) * | 2008-10-03 | 2010-04-22 | Honda Motor Co Ltd | 車両の警報装置 |
| CN201380848Y (zh) * | 2008-12-31 | 2010-01-13 | 广州市品壹电器科技有限公司 | 一种激光或红外线监控的误制动智能控制及制动装置 |
| CN101875348A (zh) * | 2010-07-01 | 2010-11-03 | 浙江工业大学 | 基于计算机视觉的误将油门当刹车错误操作防止装置 |
| CN103318181A (zh) * | 2013-06-19 | 2013-09-25 | 电子科技大学 | 一种驾驶员意图识别方法 |
Non-Patent Citations (1)
| Title |
|---|
| 宗长富，王畅，何磊，郑宏宇，张泽星: "基于双层隐式马尔科夫模型的驾驶意图辨识", 《汽车工程》 * |
Cited By (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104217615A (zh) * | 2014-09-16 | 2014-12-17 | 武汉理工大学 | 一种基于车路协同的行人防碰撞系统和方法 |
| CN106023344A (zh) * | 2016-06-06 | 2016-10-12 | 清华大学 | 基于驾驶模式转换概率的驾驶风格估计方法 |
| CN106023344B (zh) * | 2016-06-06 | 2019-04-05 | 清华大学 | 基于驾驶模式转换概率的驾驶风格估计方法 |
| US10089880B2 (en) | 2016-11-08 | 2018-10-02 | International Business Machines Corporation | Warning driver of intent of others |
| US10360800B2 (en) | 2016-11-08 | 2019-07-23 | International Business Machines Corporation | Warning driver of intent of others |
| CN106383918A (zh) * | 2016-11-17 | 2017-02-08 | 吉林大学 | 一种辨别紧急制动行为是否合理的系统及辨别方法 |
| CN106740864A (zh) * | 2017-01-12 | 2017-05-31 | 北京交通大学 | 一种驾驶行为意图判断与预测方法 |
| CN106740864B (zh) * | 2017-01-12 | 2019-03-19 | 北京交通大学 | 一种驾驶行为意图判断与预测方法 |
| CN106828503A (zh) * | 2017-02-15 | 2017-06-13 | 武汉理工大学 | 一种驾驶员制动行为及状态实时辨识方法 |
| CN109063642A (zh) * | 2018-08-01 | 2018-12-21 | 广州大学 | 基于hmm算法的行人过马路的预测方法和系统 |
| CN111746555A (zh) * | 2019-03-26 | 2020-10-09 | 通用汽车环球科技运作有限责任公司 | 碰撞行为的识别和避免 |
| CN110386144A (zh) * | 2019-06-19 | 2019-10-29 | 长安大学 | 一种对驾驶人制动意图进行辨识的ghmm/ggap-rbf混合模型及辨识方法 |
| CN110386144B (zh) * | 2019-06-19 | 2020-09-08 | 长安大学 | 一种对驾驶人制动意图进行辨识的ghmm/ggap-rbf混合模型及辨识方法 |
| CN112242069A (zh) * | 2019-07-17 | 2021-01-19 | 华为技术有限公司 | 一种确定车速的方法和装置 |
| CN112242069B (zh) * | 2019-07-17 | 2021-10-01 | 华为技术有限公司 | 一种确定车速的方法和装置 |
| US11273838B2 (en) | 2019-07-17 | 2022-03-15 | Huawei Technologies Co., Ltd. | Method and apparatus for determining vehicle speed |
| CN111267847A (zh) * | 2020-02-11 | 2020-06-12 | 吉林大学 | 一种个性化的自适应巡航控制系统 |
| CN111267847B (zh) * | 2020-02-11 | 2021-08-17 | 吉林大学 | 一种个性化的自适应巡航控制系统 |
| CN112002126A (zh) * | 2020-09-02 | 2020-11-27 | 中国科学技术大学 | 复杂场景下车辆长期轨迹预测方法及系统 |
| CN112560995A (zh) * | 2020-12-26 | 2021-03-26 | 浙江天行健智能科技有限公司 | 一种基于gm-hmm的停车意图辨别方法 |
| CN115131874A (zh) * | 2022-06-29 | 2022-09-30 | 深圳市神州云海智能科技有限公司 | 一种用户行为识别预测方法、系统及智能安全帽 |
| CN115131874B (zh) * | 2022-06-29 | 2023-10-17 | 深圳市神州云海智能科技有限公司 | 一种用户行为识别预测方法、系统及智能安全帽 |
| CN116340840A (zh) * | 2023-02-15 | 2023-06-27 | 华中科技大学 | 一种基于ga-pso-hmm识别驾驶意图的方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103640532B (zh) | 2015-08-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103640532B (zh) | 基于驾驶员制动与加速意图辨识的行人防碰撞预警方法 | |
| CN106740864B (zh) | 一种驾驶行为意图判断与预测方法 | |
| CN109242251A (zh) | 行车行为安全性检测方法、装置、设备及存储介质 | |
| CN103531042B (zh) | 基于驾驶人类型的车辆追尾预警方法 | |
| CN105599773B (zh) | 一种基于车辆运动姿态的驾驶员状态提示装置及其方法 | |
| CN101470951B (zh) | 汽车安全驾驶监控系统 | |
| CN108263278A (zh) | 基于传感器整合的行人检测和行人防碰撞装置及方法 | |
| CN105679020A (zh) | 一种驾驶行为分析装置和方法 | |
| CN110077398B (zh) | 一种用于智能驾驶的危险处理方法 | |
| CN109677404A (zh) | 一种基于驾驶行为的车路协同的汽车主动安全辅助装置及方法 | |
| CN106240571B (zh) | 驾驶行为分析方法和装置 | |
| CN107031553A (zh) | 一种用于车辆的防追尾系统及方法 | |
| CN110316198A (zh) | 一种用于高速公路提速的安全保障系统及运行方法 | |
| JP6406356B2 (ja) | 走行制御装置 | |
| CN105070053A (zh) | 一种识别车辆违规运动模式的智能交通监控摄像机 | |
| CN102785660A (zh) | 车辆防碰撞预警装置 | |
| CN107798916A (zh) | 车‑路‑人协同的高速公路行车安全智能预警系统及方法 | |
| CN101872559A (zh) | 一种面向汽车驾驶模拟器的虚拟驾驶主动安全预警系统及预警方法 | |
| CN106467057B (zh) | 车道偏离预警的方法、装置及系统 | |
| CN110085042A (zh) | 一种基于信息融合的车辆驾驶预警系统及方法 | |
| Cao et al. | Typical pre-crash scenarios reconstruction for two-wheelers and passenger vehicles and its application in parameter optimization of AEB system based on NAIS database | |
| CN109632330A (zh) | 一种低成本的aeb系统骑自行车人碰撞测试装置及其测试方法 | |
| CN107215335A (zh) | 基于微观驾驶的交通安全风险反馈预警系统及预警方法 | |
| CN108053669A (zh) | 一种智能车载管理器 | |
| CN106383918A (zh) | 一种辨别紧急制动行为是否合理的系统及辨别方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150826 Termination date: 20181129 |