CN104691545A - 适应性车辆防碰撞方法 - Google Patents

Abstract

本发明公开一种适应性车辆防碰撞方法，于车辆的控制系统预先建立多个不同驾驶型态的车速、车距与剎车距离参数，当车速较快时应设定较长车距，又如不同路况适度增加或减少车距，且由车辆上的感测器取得车速或加速度等动态信息并结合驾驶行为分析，通过统计分析与类神经网络归类驾驶者是属于哪种驾驶类型，并对照该车辆驾驶者的驾驶类型调整车辆的控制参数，使车辆的电子控制单元发出的警示或控制刹车动作时机符合驾驶者的驾驶习惯，解决现有车辆防碰撞系统无法针对不同的车速、道路状况、驾驶者习惯或车况调整安全车距及刹车装置的问题。

Description

适应性车辆防碰撞方法

技术领域

本发明涉及一种车辆防碰撞方法，尤其涉及一种可预估驾驶形态与车辆参数微调以适时提出警示信息的适应性车辆防碰撞方法。

背景技术

现有车辆装设有多种的驾驶安全辅助装置，避免车辆驾驶者于驾驶车辆时发生碰撞的危险，例如常见的前方碰撞警示系统(FCWS:Forward CollisionWarning System)或是自动刹车系统(AEB：Autonomous Emergency Braking)，主要是利用设于车头处的雷达感测器以雷达波检测前方车辆(或障碍物)与本车之间的距离，若两车之间的距离低于设定值时，即由该系统启动本车的刹车系统进行紧急剎车并发出警示，以避免发生车辆碰撞或追撞的状况。

或是如图1所示的防碰撞系统，是检测前方车辆(障碍物)是否与本车距离过近(101)，若前方车辆(障碍物)与本车距离过近时，该系统先发出声音或灯光警示给本车的驾驶者以提醒车距过近(102)，若两车之间的距离仍持续减少(103)，则该系统即令本车的刹车装置预加压(104)，若驾驶者仍无避开车辆碰撞的反应(如踩下刹车踏板)(105)，该系统即会自行启动自动刹车功能，强制本车减速以与前车保持距离避免碰撞(106)。不过前述FCWS、AEB或防碰撞系统的缺点是两车之间的距离是采用预设的固定值，当车辆行驶于不同车速使其安全车距改变(高速行驶时应增加安全车距)或是因每个驾驶者对两车之间的安全距离判断方式不同(有些驾驶者认为须保持较长安全车距，有些驾驶者喜欢跟车而有急刹车习性)，亦或是因道路环境、不同车辆间的刹车装置性能及轮胎抓地力不同皆造成所需安全车距不同，车辆驾驶者因无法改变预设安全车距而易造成系统驱动刹车不及或提早驱动刹车而造成系统不符车辆驾驶者开车习惯的问题。

发明内容

如前揭所述，现有车辆防碰撞系统是依据预设的车距判断标准控制车辆的刹车装置，无法针对不同的车速、道路状况、驾驶者习惯或车况调整应保持的安全车距及刹车装置辅助力量的问题，因此本发明主要目的在提供一适应性车辆防碰撞方法，主要是通过车辆感测器取得车辆的动态信息并结合驾驶行为分析，预估驾驶者的驾驶形态及对照调整车辆的控制参数，以建构符合不同驾驶习惯的防撞警示信息及刹车动作，解决现有车辆防碰撞系统无法针对不同的车速、道路状况、驾驶者习惯或车况调整安全车距及刹车作动的问题。

为达成前述目的所采取的主要技术手段是令前述适应性车辆防碰撞方法，是于一车辆上设有多个感测器与一控制单元，该控制单元分别与车辆的电子控制单元及该些感测器电连接，该些感测器是用以取得车速与车距，该控制单元是执行以下步骤：

建立多个驾驶型态：各驾驶型态分别包含不同的车速、车距与参考剎车距离关系参数；

分析驾驶类型与建立驾驶指标/警示等级：是依据车辆实际行驶状态，经统计与类神经网络分析该驾驶者所属的驾驶型态并归类其驾驶类型，以对应产生该驾驶类型的指标或警示，并根据所属驾驶型态改变车辆的控制参数；

辅助驾驶控制：若驾驶者未回应警示或操控车辆，则根据对应的控制参数令电子控制单元控制车辆刹车。

前述适应性车辆防碰撞方法是预先建立多个不同驾驶型态的车速、车距与参考剎车距离关系参数，当车速较快时应设定较长车距，又如不同路况(柏油路面或沙石路面)应适度增加或减少车距，且由车辆上的感测器取得车速或加速度等动态信息并结合驾驶行为分析，通过统计分析与类神经演算法归类驾驶者是属于哪种驾驶类型，并对照该车辆驾驶者的驾驶类型调整车辆的控制参数，使车辆的电子控制单元发出的警示或控制刹车动作时机符合驾驶者的驾驶习惯，解决现有车辆防碰撞系统无法针对不同的车速、道路状况、驾驶者习惯或车况调整安全车距及刹车装置的问题。

以下结合附图和具体实施例对本发明进行详细描述，但不作为对本发明的限定。

附图说明

图1是现有车辆防碰撞系统的流程图；

图2是本发明较佳实施例的系统方框图；

图3是本发明较佳实施例的系统流程图；

图4是本发明较佳实施例使用的刹车距离与车速对照表；

图5是本发明较佳实施例的车距与安全距离的样本统计表；

图6是本发明较佳实施例不同驾驶类型的示意图；

图7是本发明较佳实施例的驾驶类型的分布图；

图8是本发明较佳实施例的刹车参数曲线调整图；

图9是本发明较佳实施例的类神经系统的模型图；

图10是本发明较佳实施例的自组织映射图网络(SOM)的拓朴图；

图11是本发明较佳实施例的自组织映射图网络(SOM)的流程图；

图12是本发明较佳实施例的车距与车速的驾驶行为映射图。

其中，附图标记

10控制单元

21车距感测器

22车速感测器

30控制系统

具体实施方式

下面结合附图对本发明的结构原理和工作原理作具体的描述：

关于本发明的较佳实施例，请参阅图2所示，是于车辆上设有一控制单元10、一车距感测器21与一车速感测器22，该控制单元10分别与车辆的一控制系统30及车距感测器21与车速感测器22电连接，于本较佳实施例中，该控制系统30是为车辆的电子控制单元(ECU)，该控制单元10可以是外接于控制系统30或是与该控制系统30整合为一体，又该车距感测器21可以是一影像装置(摄影机)、一雷达(Radar or Lidar)或多个不同感测器的组合，该车速感测器22可以是车辆上的时速表、外接的车速计或外接的加速度计。该控制单元10是取得车距感测器21与车速感测器22的车速与车距数据，经判断流程以驱动控制系统30控制该车辆的刹车装置作动或发出声光警示。

请参阅图3所示，是为控制单元10的判断流程：

建立多个驾驶型态(301)：是于该控制单元10中预先建立多个驾驶型态，各个驾驶型态分别包含不同的车速、车距与参考刹车距离关系参数。

比对该些感测器信息与驾驶模型(302)：是由前述车距感测器21与车速感测器22取得车辆的实际行驶状态(如安全距离远近、行驶车速快慢、加减速时的加速度值高低)，并以统计法与类神经演算法方式分析该驾驶者所属的驾驶型态并归类其驾驶类型，以对应产生该驾驶类型的指标或警示。

判断车辆前方障碍物是否过近(303)：以车距感测器21检测前方车辆(障碍物)与本车距离，若车距小于驾驶者所属驾驶类型的指标即发出警示，以警示驾驶者(304)。

若前方车辆(障碍物)与本车的距离仍然过近(305)，则根据驾驶者所属驾驶型态改变车辆的多个控制参数，令控制系统30驱动车辆的刹车装置预加压以提供部分刹车力并调整车辆的刹车曲线(306)。

若驾驶者仍无反应避开车辆(障碍物)(307)；则自动或强制启动该车辆的刹车装置，以减慢或停止车辆(308)。

请参阅图4所示，是为车辆的刹车距离、行车速度与道路摩擦系数的对照表，左行是列出不同路面情况的摩擦系数，例如新筑沥青的摩擦系数为0.85，新筑混凝土的摩擦系数为0.90，砂石路面的摩擦系数为0.68，当沥青或混凝土道路的使用年限增加时或路面潮湿时皆会降低其摩擦系数，而上方列为车辆的行驶速度(Km/H)，将路面摩擦系数对照车辆行驶速度即可得到车辆的刹车距离(米)，例如在新筑沥青路面(摩擦系数为0.85)以时速60公里行驶时，可得该车辆的刹车距离约为16.6米，藉此作为刹车距离的参考值。又本发明可通过下列刹车距离公式计算车辆的刹车距离：

$S=\frac{V^2}{2\×g\×u}$

其中：S为刹车距离(m)，V为本车车速(m/s)，g为重力加速度(9.8m/s²)，u为道路摩擦系数。

请参阅图5所示，是为建立多个驾驶型态前预先取得多个驾驶者的驾驶行为的统计样本，以区分不同驾驶型态(Safety Level)，左行是以每10公里为间隔列出不同的车速范围，上方列为实际车距(M)与安全车距(S)间的比例关系，如表所示，其可分为四类驾驶型态：极安全、安全、稍危险与极危险，该极安全类型为实际车距远大于安全车距(M>>S)，代表驾驶者开车时其与前车的车距是远大于所设安全车距；该安全类型为实际车距大于安全车距(M>S)，代表驾驶者开车时其与前车的车距是大于所设安全车距；该稍危险类型为实际车距在安全车距与三分之二安全车距(S>M>2/3S)间，代表驾驶者开车时其与前车的车距是略短于所设安全车距；该极危险类型为实际车距低于三分之二安全车距(M<2/3S)，代表驾驶者开车时其与前车的车距是低于所设三分之二安全车距，可能会有刹车不及的问题。

请参阅图6所示，是为驾驶类型分类的加权比重调整方式，其分类指标(Index)为

$\mathrm{Index}=\frac{\left(\frac{(a1\&times;A+a2\&times;B+a3\&times;C+a4\&times;D)}{a1+a2+a3+a4}\right)}{(A+B+C+D)}$

其中，a1、a2、a3、a4为权重，A、B、C、D为驾驶型态(Safety Level)的相对次数。藉此通过正规化(normalize)后，分类指标数值较低者的为极安全或安全驾驶类型，分类指标数值较高者的为稍危险或极危险驾驶类型，意即，图6左侧的驾驶类型A的分类指标较图6右侧的驾驶类型B的分类指标安全。

请参阅图7所示，是为驾驶类型分布曲线(Driver Behavior Distribution)，经由高斯分布可得前述驾驶类型的分布曲线，是将四种分类中的安全类型与稍危险类型合并为正常类型，因此极安全、正常与极危险的比例约为5%、90%、5%。

请参阅图8所示，是为刹车参数曲线调整的示意图，图8左侧所示为现有车辆于正常行驶状态下的刹车踏板深度与刹车力的曲线图，该刹车踏板深度与刹车力为线性曲线，意即刹车踏板越深刹车力越大，但实际上，当车速越快时应视驾驶类型改变刹车力量，因此，如图8右侧所示，其具有两条曲线，驾驶类型B为靠近Y轴的曲线，其曲线较陡，代表相同踏板深度下的刹车力量较大；驾驶类型A为远离Y轴的曲线，其曲线较平，代表相同踏板深度下的刹车力量较小，而刹车力量较大即适用于刹车距离(安全车距)较短的极危险类型，以避免刹车不及而发生碰撞，而刹车力量较小即适用于刹车距离(安全车距)较长的极安全或安全类型。

请参阅图9所示，本发明建立四种驾驶类型后，是以类神经网络(NeuralNetwork)的演算法归类车辆驾驶者是属于何种驾驶类型，由于类神经系统是使用大量简单的相连人工神经元来模仿生物神经网络的能力，从外界环境或其他人工神经元取得信息，并加以简单运算，而输出其结果到外界环境或其他人工神经元。如图所示的系统模型，是于一输入层与一输出层间建构一隐藏层，将输入的特征信号(X₁、X₂、X₃与X₄)经隐藏层分类后由输出层输出特征值(Y₁)。

请参阅图10与图11所示，本发明是使用自组织映射图网络(SOM)演算法，SOM基本原理是计算输入的特征值映射至输出层每一处理单元的欧几里得距离(Euclidean Distance)，而具有最小距离值的处理单元就是优胜单元，并且会调整其连接权值，使其能够更接近原始的输入向量，而此处理单元的邻近区域也会调整本身的连接权值，使自己与输入向量间的欧几里得距离能减少。

其中该邻近半径为Rⁿ⁺¹＝λ×Rⁿ邻近距离为 ${\mathrm{dis}}_{\mathrm{jq}}=\left|\right|r_j-r_q\left|\right|=\sqrt{{(x_j-x_q)}^2+{(y_j-y_q)}^2};$ 邻近函数为 $K_{\mathrm{jq}}=e^{-{\left(\frac{{\mathrm{dis}}_{\mathrm{jq}}}{R}\right)}^2};$ 加权值修正矩阵为ΔW_j＝η×[X-W_j]×K_jq如图11所示的流程图，是输入启始IW矩阵，引入参数，计算距离与Win(q)，计算ΔW并更新IW矩阵。

请参阅图12所示，是为车速与车距的映射对照曲线，经收集多个驾驶者于各种车速区间所保持的安全车距，利用SOM进行驾驶类型对应(Mapping)，以归纳该类驾驶类型的车速与车距对应曲线。

通过上述统计分析与SOM演算法归类驾驶者的驾驶类型，即可对照该驾驶类型调整车辆的控制参数，使车辆间的距离与刹车动作时机符合驾驶者的驾驶习惯，解决现有车辆防碰撞系统不符驾驶者实际驾驶习惯的问题。

当然，本发明还可有其它多种实施例，在不背离本发明精神及其实质的情况下，熟悉本领域的技术人员当可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。

Claims (10)

1.一种适应性车辆防碰撞方法，于一车辆上设有多个感测器与一控制单元，该控制单元分别与车辆的电子控制单元及该些感测器电连接，该些感测器用以取得车速与车距，其特征在于，该控制单元执行以下步骤：

建立多个驾驶型态：各驾驶型态分别包含不同的车速、车距与参考剎车距离关系参数；

分析驾驶类型与建立驾驶指标/警示等级：是依据车辆实际行驶状态，经统计与类神经网络分析该驾驶者所属的驾驶型态并归类其驾驶类型，以对应产生该驾驶类型的指标或警示，并根据所属驾驶型态改变车辆的控制参数；

辅助驾驶控制：若驾驶者未回应警示或操控车辆，则根据对应的控制参数令电子控制单元控制车辆刹车。

2.根据权利要求1所述的适应性车辆防碰撞方法，其特征在于，该些驾驶类型的分类的加权比重调整方式，是以分类指标(Index)计算，该分类指标为

$\mathrm{Index}=\frac{\left(\frac{(a1\&times;A+a2\&times;B+a3\&times;C+a4\&times;D)}{a1+a2+a3+a4}\right)}{(A+B+C+D)}$

其中，a1、a2、a3、a4为权重，A、B、C、D为驾驶型态的相对次数。

3.根据权利要求1或2所述的适应性车辆防碰撞方法，其特征在于，该驾驶者所属的驾驶型态是以类神经网络进行分析。

4.根据权利要求3所述的适应性车辆防碰撞方法，其特征在于，该类神经是以自组织映射图网络演算法计算，该自组织映射图网络演算法是输入启始IW矩阵，引入参数，计算距离与Win(q)，计算W并更新IW矩阵，其中该邻近半径为Rⁿ⁺¹＝λ×Rⁿ邻近距离为 ${\mathrm{dis}}_{\mathrm{jq}}=\left|\right|r_j-r_q\left|\right|=\sqrt{{(x_j-x_q)}^2+{(y_j-y_q)}^2};$ 邻近函数为 $K_{\mathrm{jq}}=e^{-{\left(\frac{{\mathrm{dis}}_{\mathrm{jq}}}{R}\right)}^2};$ 加权值修正矩阵为ΔW_j＝η×[X-W_j]×K_jq。

5.根据权利要求1或2所述的适应性车辆防碰撞方法，其特征在于，该些驾驶型态分为两类：安全与稍危险，该安全类型为实际车距大于安全车距，该稍危险类型为实际车距小于安全车距。

6.根据权利要求4所述的适应性车辆防碰撞方法，其特征在于，该些驾驶型态分为两类：安全与稍危险，该安全类型为实际车距大于安全车距，该稍危险类型为实际车距小于安全车距。

7.根据权利要求5所述的适应性车辆防碰撞方法，其特征在于，该些驾驶型态进一步增加两类：极安全与极危险，该极安全类型为实际车距远大于安全车距，该极危险类型为实际车距低于三分之二安全车距，又该稍危险类型为实际车距在安全车距与三分之二安全车距间。

8.根据权利要求6所述的适应性车辆防碰撞方法，其特征在于，该些驾驶型态进一步增加两类：极安全与极危险，该极安全类型为实际车距远大于安全车距，该极危险类型为实际车距低于三分之二安全车距，又该稍危险类型为实际车距在安全车距与三分之二安全车距间。

9.根据权利要求1或2所述的适应性车辆防碰撞方法，其特征在于，在比对感测器信息与驾驶类型后，进一步检测障碍物与本车距离，若距离小于驾驶者所属驾驶类型的指标即发出警示，以警示驾驶者。

10.根据权利要求9所述的适应性车辆防碰撞方法，其特征在于，在警示驾驶者之后，若与障碍物距离依然过近，且驾驶者无反应避开时，即执行自动刹车。