CN104882025B - 一种基于车联网技术的碰撞检测预警方法 - Google Patents
一种基于车联网技术的碰撞检测预警方法 Download PDFInfo
- Publication number
- CN104882025B CN104882025B CN201510242874.2A CN201510242874A CN104882025B CN 104882025 B CN104882025 B CN 104882025B CN 201510242874 A CN201510242874 A CN 201510242874A CN 104882025 B CN104882025 B CN 104882025B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- information
- track
- car
- prediction
- 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.)
- Expired - Fee Related
Links
Abstract
本发明涉及一种基于车联网技术的碰撞检测预警方法,包括以下步骤:采集车辆信息和行驶信息;根据车辆的历史行驶数据和电子地图的辅助以及车辆现有行驶信息建立轨迹模型预测未来n秒内车辆的轨迹;根据未来某时刻点车辆的安全边界判断是否存在发生碰撞的危险,当存在发生碰撞的危险时进行预警,其中,车辆间通过无线收发模块接收和发送车联网广播协议数据包获知周围汽车的轨迹信息。本发明能够及时提醒驾驶员规避危险,在保证安全的前提下提高车辆的通行效率。
Description
技术领域
本发明涉及汽车安全技术领域,特别是涉及一种基于车联网技术的碰撞检测预警方法。
背景技术
近些年来,随着汽车的普及,车辆碰撞等交通问题越来越严重,频繁发生的交通事故更是严重威胁人们的生命财产安全。如果能够在交通事故发生之前向驾驶员发出警报,提醒驾驶员采取一定的防撞措施,就可以有效地预防和减少交通事故的发生,并能提高车辆通行效率。因此,国内外很多机构都在研究汽车碰撞预警系统,以期提高汽车行驶的主动安全性。
传统的都是依据雷达和各类传感器发出的信息来预测碰撞,并交给网络发送预警。传统方式基于红外、激光雷达、摄像机等传感器的车辆防撞预警系统一般通过比较本车与邻近车辆的相对距离与安全距离阈值的大小来判断是否给驾驶员预警信号。但是这种方法所获取的信息量少,且易受天气、障碍物、光线等因素的影响,只针对本车预警,降低了装置的适用性和实用效。
现有的基于车联网的碰撞预警方式在车辆间相互交换经纬度信息以及速度等其他信息,且把车辆看成地图上的一个点,计算车辆前方或者后方的车辆到本车辆的距离或者相对行驶时间,用以判断是否有碰撞危险。这些方法虽然可以预测车辆碰撞的可能性,但是由于车辆的形状一般是矩形,仅仅把车辆看成圆点的形式,来判断安全距离误差很大。在实时性方面,由于车辆的位置信息不断更新,如果通信的实时性不好,碰撞预警系统的可用性将大打折扣。这种预警方式通常表现为鲁棒性不高,对网络要求很严格。
发明内容
本发明所要解决的技术问题是提供一种基于车联网技术的碰撞检测预警方法,能够及时提醒驾驶员规避危险,在保证安全的前提下提高车辆的通行效率。
本发明解决其技术问题所采用的技术方案是:提供一种基于车联网技术的碰撞检测预警方法,包括以下步骤:
(1)采集车辆信息和行驶信息;
(2)根据车辆的历史行驶数据和电子地图的辅助以及车辆现有行驶信息建立轨迹模型预测未来n秒内车辆的轨迹;
(3)车辆间通过无线收发模块接收和发送车联网广播协议数据包获知周围汽车的轨迹信息
(4)本车根据未来n秒内所有时刻点车辆的安全边界判断是否存在与周围车辆发生碰撞的危险,当存在发生碰撞的危险时进行预警;其中,车辆抽象成矩形。
所述轨迹模型为直道轨迹模型:其中,s为从当前时刻到未来t时刻内车辆所走过的的距离,v为当前的车辆行驶速度,a为当前车辆的加速度,v为当前的车辆行驶速度,a为当前车辆的加速度。
所述轨迹模型为弯道模型:Δ=R1·ω,其中,Δ是tk到tk+1时间内车辆所走过的的距离,ω是车辆的横向角速度,R1是车辆的后轮的转弯半径。
所述轨迹模型为数字地图及历史数据辅助的轨迹模型,其分为两种场景:
(A)直道上的变道预测:当驾驶员在直道上变道时,检测到前轮转向角超过一定角度,即认为即将变道;从历史数据中搜索同一路段或相似路段上驾驶员的行驶习惯和车辆发出的转向灯信号预测未来某一时刻的前轮转向角信息;
(B)交叉路口预测:借助电子地图判断车辆行驶的车道,以此辅助判断行驶方向;如果电子地图不支持此种判断,则首先判断车辆在路口的前轮转向角,然后预测驾驶员的行驶路线;从历史数据中搜索同一路口或相似路口驾驶员的行驶习惯预测未来某一时刻的前轮转向角信息。
所述车辆通过无线收发模块广播自身未来n秒内车辆的轨迹;当车辆收到周围车辆的信息后,使用插值算法预测其它车辆未来n秒内任何时刻的位置,再与本车辆同一时刻的位置比较,判断安全边界是否重叠,从而判断是否碰撞。
所述步骤(4)中将所述矩形向外扩充得到车辆的安全边界,判断两车的安全边界是否重叠,从而判断是否存在碰撞危险。
所述车辆的历史行驶数据是根据步骤(1)中采集的车辆信息和行驶信息结合场景信息存储在历史数据库中的。
有益效果
由于采用了上述的技术方案,本发明与现有技术相比,具有以下的优点和积极效果:
本发明根据车辆的实时的行驶信息(经纬度坐标、速度数据、前轮转角的数据)和数字地图的道路信息以及车辆行驶的历史数据信息预测车辆未来n秒的轨迹,并使用长方形的安全边界,这样使得车辆间的安全距离判断更精确,并大大减小了判断过程的计算工作量,更加实用。
本发明根据车联网的特性,在恶劣天气,隧道环境、高速环境以及车辆转弯环境下的车辆碰撞预警能达到避免碰撞的危险。由于适应于不同的场景,能让驾驶员有全视角的方式感知本车与其他车辆的位置信息,大大降低交通事故避免发生的可能。如果驾驶员没有对即将到来的车辆有反应,将会造成连环碰撞的可能。对驾驶员个人和社会有积极意义。
附图说明
图1是本发明的模型图;
图2是汽车之间的距离示意图;
图3是汽车之间安全距离示意图;
图4是汽车安全边界模型图;
图5是直道轨迹模型图;
图6是后轴中点运动模型图;
图7是整车转向模型图;
图8是车辆运动模型图;
图9是车辆安全边界计算图;
图10是实施例中第一种重叠方式示意图;
图11是实施例中第二种重叠方式示意图;
图12是实施例中第三种重叠方式示意图。
具体实施方式
下面结合具体实施例,进一步阐述本发明。应理解,这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解,在阅读了本发明讲授的内容之后,本领域技术人员可以对本发明作各种改动或修改,这些等价形式同样落于本申请所附权利要求书所限定的范围。
本发明的实施方式涉及一种基于VANETS的车辆碰撞预警方法(如图1所示),其充分利用车辆的历史行驶数据、数字地图信息以及车辆实时的位置信息与地面信息来建立车辆轨迹预测模型用以预测车辆碰撞的可能性,最后通过通知预警模块提醒驾驶员有关道路和车辆信息。所述车辆传感器模块是车辆安装的传感器,收集本车的信息和行驶信息(如:经纬度坐标、速度以及加速度数据、前轮转角等数据)。经过所述车辆传感器模块把这些信息转换成数字格式,结合场景信息(如:在数字地图的位置、时间等数据信息)存储到历史数据库。所述轨迹预测模块根据车辆的历史行驶数据和电子地图的辅助以及车辆现有行驶数据预测未来n秒内的轨迹,根据未来某时刻点车辆的安全边界判断是否存在发生碰撞的危险。其中,无线发送模块和无线接收模块使得车辆间能通过接收和发送车联网广播协议数据包获知周围汽车的轨迹等信息。碰撞预警算法是通过历史数据库和轨迹预测信息判断车辆是否有碰撞的危险性,轨迹预测信息包括两部分:1)来自轨迹预测模块预测的本车轨迹信息;2)无线接收模块接收并通过插值算法处理后的周围车辆的轨迹信息。通知预警模块给驾驶员以全视角的方式感知周围车辆即将造成的危险,通过声音和图像提示,使得驾驶员可以及时采取措施规避危险,在保证安全的前提下提高车辆的通行效率。
本发明将车辆看成一个长方形,利用车辆的历史行驶信息和现有位置信息与电子地图信息预测在车辆运动过程中,该长方形未来n秒(比如3秒内)在地面上的位置,即长方形四个顶点的位置。车辆之间通过VANETs广播协议广播本车辆预测的轨迹信息。汽车收到他车的广播消息后,通过碰撞预警算法判断是否会有碰撞的可能性。如果未来某时刻两车的任意两点之间的最小距离小于安全阈值,则认为可能发生碰撞,如图2所示。
本发明中将车辆看成一个长方形,而不是一个坐标点。现有方式都是把车辆看成地图上的一个坐标点,计算周围车辆到本车辆的距离或者相对行驶时间,用以判断是否有碰撞危险。这些发明方法,虽然可以预测车辆碰撞的可能性。但是由于车辆的形状一般是矩形,仅仅把车辆看成圆点的形式,来判断安全距离误差很大。如图3所示,图左部的三辆车,两辆并行的车与两辆前后行驶的车之间的物理距离相同,但是将每辆车的中心点抽象成圆点,再来计算圆点之间的距离,差别很大,如图右部所示。
所以本发明将车辆抽象成长方形,判断长方形任意两点间的距离是否小于安全距离,从而判断是否存在碰撞危险。所有车辆可以通过VANETs广播协议广播车辆的轨迹信息(实际上是车辆长方形的轨迹信息),这样可计算未来某时刻两车任意点之间的最小间距。
这种用最小间距判断是否有碰撞危险的方式稍显复杂,并将耗费过多的CPU计算能力。因此,本发明将每辆车的边界往外扩充一个适当的值,得到一个安全边界(虚边界),如图4所示。只要两辆车的安全边界重叠,则认为两辆车的真实边界的最小间距小于安全距离阈值,即存在碰撞危险,因此,将向驾驶员报警。采用安全边界判断是否可能碰撞,大大减小了判断过程的计算工作量,也显得更加实用。
要预测未来可能的碰撞需要预测车辆轨迹,但预测车辆的轨迹并不是一个确定的任务,因为它取决于每个驾驶员的意图和开车习惯。根据车辆动力学知识,我们可以在一定误差范围内预测车辆的运动轨迹。本发明利用车辆的历史行驶数据分析驾驶员的行为习惯并通过电子地图信息辅助动力学的轨迹预测,能够得到很精确的运动轨迹。指定一个真实车辆轨迹预测的模型,根据车辆运行的当前状态来预测车辆未来的轨迹是本发明碰撞预警的基础。
直道轨迹模型:
本模型仅预测车辆按照直线或者准直线行驶的轨迹,也就是说,不考虑转弯、变道等情况,汽车在运动过程中,大部分时间都可以使用本模型处理。本模型仅需要考虑车辆位置、形状、速度及加速度等信息,不考虑前轮转向角信息。如图5所示。
在可预测的未来n秒内,本模型将车辆看成恒加速运动。根据物理学原理,如果已知车辆当前的加速度为a,速度为v,未来的t(t<n)时刻相对当前位置的位移s(单位m)为:
公式1
弯道轨迹模型:
当车辆转弯或变道时,前轮有一定转向角,此时需要用弯道轨迹模型预测未来轨迹。
如图6所示的以车辆驱动轴中点为参考的运动模型,Mk和Mk+1为参考点运动的两个连续位置,XK、XK+1为后轴中点的速度方向,即车辆的纵向,θK为车辆初始的方向角,O为车的转向中心,那么可以得到:
Δ=R1·ω 公式2
其中Δ是tk到tk+1时间内车所走过的的距离,ω是车辆的横向角速度,R1是车辆的后轮的转弯半径。
在汽车的整个模型,如图7所示。其中L表示汽车的轴间距,e表示轮距的一半,ψ表示汽车的转角,R1表示汽车后轮的转弯半径,中间的方向轮为虚轮。由图中所示的几何关系可以得到:
公式3
将公式2代入公式3可以得到:
公式4
将图6中反映的情况运用到整车的模型中去,当已知转角的情况下,用虚轮的转角近似等于前轮的转角,当后轮中点运动经过Δ时,汽车各个轮经过的距离和转角情况如图8所示。
从图8的汽车模型的几何关系中,很容易就能得到以下的结果:
ΔRL=ω(R1-e) 公式5
ΔRR=ω(R1+e) 公式6
其中ΔRL表示汽车左后轮行驶的距离,ΔRR表示汽车右后轮行驶的距离,Δ1表示汽车虚轮行驶的距离。
由公式5和6可以得到:
公式7
那么只要能测量出汽车两个后轮的行驶距离,就可以得出Δ和ω的值,因此在汽车两个后轮上分别安装上两个测速反馈,就能够得到想要的结果。
结合以上可以得到:
公式8
公式8所表示的模型就是基于后轮差速的运动模型,只要给出一开始汽车的位置和方位角,就能够根据已知的几何关系递推的算出汽车的后轴中点任何时刻的位置。
数字地图及历史数据辅助的轨迹模型:
在车辆运动模型中,交叉路口可能进行的操作有:直行、右转、左转。如果可能,借助电子地图判断车辆行驶的车道,或者根据前轮偏转角,判断车辆的行驶方向。如果车辆转弯,则搜索历史数据中该交叉路口的行驶习惯信息,有则使用,否则搜索相似路口(根据道路宽度、车辆速度等信息搜索)的历史数据,根据这些历史数据,判断出驾驶员的行为习惯,辅助预测未来n秒的行驶轨迹。
用数字地图可以帮助判断什么时候转弯和转弯的终止条件,用车辆行驶的历史数据可以知道用户的驾驶习惯和平时的路线规律。下面,本发明分两种场景介绍如何结合车辆行驶历史数据和数字地图预测车辆轨迹。
1.)直道上的变道预测
在直道(无交叉路口)上行驶时,驾驶员只能做两种操作:往前直行或变道。往前直行的轨迹预测相对简单,不需要历史数据的辅助,这里不考虑。当驾驶员变道时,此时预测系统检测到前轮转向角超过一定角度,即认为即将变道。
变道时,预测系统从历史数据中搜索同一路段上驾驶员的行驶习惯,和车辆发出的转向灯信号分析预测未来某一时刻的前轮转向角等信息。
如果历史数据中无该路段的信息,则搜索相似路段的历史数据,再进行预测。
2.)交叉路口预测
交叉路口可能进行的操作有:直行、右转、左转。可借助电子地图判断车辆行驶的车道,以此辅助判断行驶方向。如果电子地图不支持此种判断,则首先判断车辆在路口的前轮转向角,然后预测驾驶员的行驶路线。此后,根据历史数据,预测未来某一时刻的前轮转向角等信息。
如果历史数据中无该交叉路口的信息,则搜索相似路口(根据道路宽度、车辆速度等信息搜索)的历史数据,再进行预测。
上述预测算法都是预测本车辆的轨迹,从而能预测出车辆未来某时刻在地图上所处的位置,也就是车辆安全边界四个顶点的坐标。如果能接收到其它车辆发送过来的未来某时刻的位置信息,就能预测是否会发生碰撞。
本系统需要使用VANET通信,发送车辆从现在开始第0、t1、t2、……、tm时刻的安全边界四个顶点的位置信息。
本车辆收到周围车辆的信息后,使用插值算法即可预测其它车辆未来n秒内任何时刻的位置,再与本车辆同一时刻的位置比较,判断安全边界是否重叠,从而判断是否碰撞。
下面以一个具体的实施例来进一步说明本发明。
本实施例是一种基于车联网技术的快速碰撞检测及预警方法,车辆的车载终端以固定频率从车载控制器获取本车信息和行驶数据、以及经纬度数据,通过实时无线通信与周边车辆交换各自的信息。这些信息包括:本车信息、经纬度坐标、地面航向角、车辆转向角、加速度、速度、以及预测轨迹信息,所述方法包括以下步骤:
(1)根据所述本车接受经纬度设备的位置等信息获得车辆的安全边界;
(2)通过车联网环境(VANTEs)下各个车辆的广播数据,本车辆获取经纬度坐标、地面航向角、加速度、速度,并借助数字地图的道路信息和车辆行驶的历史数据信息来建立基于车辆的整体车型的运动模型,本车计算预测本车和邻居车辆的轨迹路线,把车辆未来3s的轨迹信息由每隔0.2s的车辆位置信息和时间信息组成,一共为15个数据包,通过广播协议交换数据。
(3)判断邻居车辆在未来轨迹的位置,是否在相同时刻,邻居车辆和本车辆未来的安全边界有重叠。
(4)如果步骤(3)有重叠,通过动画与语音提示驾驶员碰撞的危险,让驾驶员全视角感知周围的车辆环境,促其做出正确选择。
(5)若步骤(3)没有重叠,说明没有危险,车载设备正常显示本车和周围车辆的位置。
所述步骤(1)中根据本车信息来勾画出车辆的边界轮廓(如图4)的方法为:
若获得经纬度设备的坐标点为O(LatO,LonO)如图9所示,这里假设经纬度坐标在车辆的几何中心,根据车辆的具体参数即车辆的安全边界的长(2L(米))和宽(2w(米))、经纬度坐标和车辆行驶方向与(正北方)经度的方位角θ(0°≤θ<360°)来计算车辆安全边界顶点的经纬度坐标记为A(LatA,LonA),B(LatB,LonB),C(LatC,LonC),D(LatD,LonD)。(附录:GPS(度,分,秒)每度差111KM,每分差1.85KM,每秒差31.8m。O点到各顶点的距离为
例如LatD等于LatO加上扩展的部分秒,然后转换为十进制的坐标
即同理,经过计算得到
这样车辆的四周边界都可以定位到行车地图上。驾驶员可以通过终端屏幕看到本车的位置和周围车辆的位置。通过他们的距离来勾画车辆在地图上的显示比例。通过判断本车与邻居集中的地面航向角和借助数字地图,把队列中夹角小于某一角度的邻车集归类为同一道路行驶的车辆,其他的邻居车辆归类为不同道路上的邻居车辆。
如果车辆在直行道路上行驶(非交叉路口),可以按照历史行驶数据、数字地图的辅助计算本车未来3秒内的轨迹;通过遍历本车的邻居集,本车基于收到的邻居离散轨迹数据包用插值算法恢复出邻居车辆的轨迹。该方法如下:
如图5所示在直道上行驶时,本车往前直行的轨迹预测相对简单,不需要历史数据的辅助,在已知速度v,加速度a的情况下通过计算公式(1)计算未来n秒内的轨迹坐标点的位置。
如果车辆处于交叉路口,则不同道路上的车辆集非空,通过VANET,感知到周围一定距离内的车辆,包括非视觉范围内的车辆。
在车辆运动模型中,当车速不是很高的情况下,交叉路口可能进行的操作有:直行、右转、左转。如果可能,借助电子地图判断车辆行驶的车道,或者根据前轮偏转角,判断车辆的行驶方向。如果车辆转弯,则搜索历史数据中该交叉路口的行驶习惯信息,有则使用,否则搜索相似路口(根据道路宽度、车辆速度等信息搜索)的历史数据,根据这些历史数据,判断出驾驶员的行为习惯,辅助预测未来n秒的行驶轨迹。
该方法为首先判断车辆在路口的前轮转向角,然后预测驾驶员的行驶路线。此后,根据历史数据,预测未来某一时刻的前轮转向角等信息。如果历史数据中无该交叉路口的信息,则搜索相似路口(根据道路宽度、车辆速度等信息搜索)的历史数据,再运用车辆动力学模型进行预测。根据公式9所表示的模型,只要给出一开始汽车的位置和方位角,就能够根据已知的几何关系递推的算出汽车几何中心任何时刻的位置,然后根据车辆的自身信息计算安全边界。
车辆轨迹预测后,根据步骤(3)所述方法中的碰撞预警算法判断车辆是否有碰撞的危险,本车辆会根据车辆轨迹预测模型,预测自己未来和邻居三秒的轨迹位置,即车辆四个顶点构成的矩形区域。通过广播数据包发送自己预测的未来每隔0.2s的位置、方向信息和时间信息,一共15个数据集。本车辆根据收到的邻居广播数据包,即收到每个邻居车辆的数据包里的15个数据集,用插值算法计算该邻居车辆的轨迹,再与本车辆同一时刻的位置比较,判断安全边界是否重叠,从而判断是否碰撞。这里我们知道一共有三种重叠方式。
1)车辆B至少有一个顶点在车辆A的内部,如图10所示
2)如果车辆B的顶点都在车辆A的外部,检查重叠的第二个条件是A的对角顶点至少有一个在B的内部,如图11所示
3)判断第三个重叠的条件:无顶点在矩形内部,判断是否二车十字交叉,如图12所示
如果这三种方式都没有发生,那么就认为没有碰撞发生。我们用下面的算法实现这个判断重叠的功能。A表示本车辆,B表示要判断的车辆
遍历B的顶点
判断B的顶点是否在A的内部
如果是,则说明重叠。
遍历A的顶点
判断A的顶点是否在B的内部
如果是,则说明重叠。
遍历B的四条边
遍历A的四条边
判断边是否有交点
如果是,说明重叠.
在平面内判断一个点P是否在一个矩形(几何中心为O)内的算法:
遍历矩形的四条边
判断边是否与OP边相交
如果否,说明P点在矩形内。
在平面内判断二条边是否相交的算法:已知由点A和点B组成的线段1,点C和点D组成的线段2。算法:
判断点A和点B在线段2的两侧
判断点C和点D在线段1的两侧
两线段相交
通过本发明可以知道未来时间内(例如3秒内)是否会发生碰撞的危险,如果有碰撞的危险,车载终端会动画或者语音提示驾驶员,促使驾驶员作出准备。
Claims (4)
1.一种基于车联网技术的碰撞检测预警方法,其特征在于,包括以下步骤:
(1)采集车辆信息和行驶信息;
(2)根据车辆的历史行驶数据和电子地图的辅助以及车辆现有行驶信息建立轨迹模型预测未来n秒内车辆的轨迹;其中,所述轨迹模型为数字地图及历史数据辅助的轨迹模型,其分为两种场景:
(A)直道上的变道预测:当驾驶员在直道上变道时,检测到前轮转向角超过一定角度,即认为即将变道;从历史数据中搜索同一路段或相似路段上驾驶员的行驶习惯和车辆发出的转向灯信号预测未来某一时刻的前轮转向角信息;
(B)交叉路口预测:借助电子地图判断车辆行驶的车道,以此辅助判断行驶方向;如果电子地图不支持此种判断,则首先判断车辆在路口的前轮转向角,然后预测驾驶员的行驶路线;从历史数据中搜索同一路口或相似路口驾驶员的行驶习惯预测未来某一时刻的前轮转向角信息;
(3)车辆间通过无线收发模块接收和发送车联网广播协议数据包获知周围汽车的轨迹信息;
(4)本车根据未来n秒内所有时刻点车辆的安全边界判断是否存在与周围车辆发生碰撞的危险,当存在发生碰撞的危险时进行预警;其中,车辆抽象成矩形。
2.根据权利要求1所述的基于车联网技术的碰撞检测预警方法,其特征在于,所述车辆通过无线收发模块广播自身未来n秒内车辆的轨迹;当车辆收到周围车辆的信息后,使用插值算法预测其它车辆未来n秒内任何时刻的位置,再与本车辆同一时刻的位置比较,判断安全边界是否重叠,从而判断是否碰撞。
3.根据权利要求2所述的基于车联网技术的碰撞检测预警方法,其特征在于,所述步骤(4)中将所述矩形向外扩充得到车辆的安全边界,判断两车的安全边界是否重叠,从而判断是否存在碰撞危险。
4.根据权利要求1所述的基于车联网技术的碰撞检测预警方法,其特征在于,所述车辆的历史行驶数据是根据步骤(1)中采集的车辆信息和行驶信息结合场景信息存储在历史数据库中的。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510242874.2A CN104882025B (zh) | 2015-05-13 | 2015-05-13 | 一种基于车联网技术的碰撞检测预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510242874.2A CN104882025B (zh) | 2015-05-13 | 2015-05-13 | 一种基于车联网技术的碰撞检测预警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104882025A CN104882025A (zh) | 2015-09-02 |
CN104882025B true CN104882025B (zh) | 2017-02-22 |
Family
ID=53949502
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510242874.2A Expired - Fee Related CN104882025B (zh) | 2015-05-13 | 2015-05-13 | 一种基于车联网技术的碰撞检测预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104882025B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11807261B2 (en) | 2019-08-26 | 2023-11-07 | Huawei Technologies Co., Ltd. | Ego-vehicle warning method and apparatus |
Families Citing this family (76)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9688273B2 (en) * | 2015-10-27 | 2017-06-27 | GM Global Technology Operations LLC | Methods of improving performance of automotive intersection turn assist features |
CN105632242B (zh) * | 2015-10-27 | 2018-11-06 | 东莞酷派软件技术有限公司 | 一种车辆行驶的控制方法、云端服务器和系统 |
US9878664B2 (en) * | 2015-11-04 | 2018-01-30 | Zoox, Inc. | Method for robotic vehicle communication with an external environment via acoustic beam forming |
CN108700876B (zh) * | 2015-11-04 | 2021-08-27 | 祖克斯有限公司 | 用于自主车辆轨迹修改的远程操作系统和方法 |
US9804599B2 (en) | 2015-11-04 | 2017-10-31 | Zoox, Inc. | Active lighting control for communicating a state of an autonomous vehicle to entities in a surrounding environment |
US9701239B2 (en) | 2015-11-04 | 2017-07-11 | Zoox, Inc. | System of configuring active lighting to indicate directionality of an autonomous vehicle |
CN105469599B (zh) * | 2015-12-01 | 2017-12-15 | 上海交通大学 | 车辆轨迹跟踪和车辆行为预测方法 |
CN105469619A (zh) * | 2015-12-29 | 2016-04-06 | 小米科技有限责任公司 | 传输汽车坐标的方法及装置 |
CN105761547A (zh) * | 2016-03-28 | 2016-07-13 | 安徽云森物联网科技有限公司 | 一种基于图像的交通碰撞预警技术及系统 |
CN106251671A (zh) * | 2016-08-19 | 2016-12-21 | 深圳市元征科技股份有限公司 | 一种车辆预警方法及装置 |
CN106251699A (zh) * | 2016-08-19 | 2016-12-21 | 深圳市元征科技股份有限公司 | 行车碰撞预警方法及装置 |
CN106485952B (zh) * | 2016-10-28 | 2020-07-28 | 北京航空航天大学 | 一种基于v2v的弯道前车识别方法 |
DE102016222219A1 (de) | 2016-11-11 | 2018-05-17 | Robert Bosch Gmbh | Fahrerassistenzsystem für ein Kraftfahrzeug |
JP6609237B2 (ja) * | 2016-11-17 | 2019-11-20 | 株式会社デンソー | 衝突判定装置、及び衝突判定方法 |
KR102471072B1 (ko) * | 2016-12-21 | 2022-11-25 | 삼성전자주식회사 | 전자 장치 및 그 동작 방법 |
CN108257417A (zh) * | 2016-12-28 | 2018-07-06 | 上海汽车集团股份有限公司 | 用于路侧单元的车辆碰撞预警方法及装置 |
CN108257418A (zh) * | 2016-12-28 | 2018-07-06 | 上海汽车集团股份有限公司 | 车辆碰撞预警方法及装置 |
CN108657176A (zh) * | 2017-04-01 | 2018-10-16 | 华为技术有限公司 | 车辆控制方法、装置及相关计算机程序产品 |
CN109305166A (zh) * | 2017-07-26 | 2019-02-05 | 上海汽车集团股份有限公司 | 一种防错踩油门制动方法及装置 |
US10649458B2 (en) | 2017-09-07 | 2020-05-12 | Tusimple, Inc. | Data-driven prediction-based system and method for trajectory planning of autonomous vehicles |
US10782694B2 (en) | 2017-09-07 | 2020-09-22 | Tusimple, Inc. | Prediction-based system and method for trajectory planning of autonomous vehicles |
CN107945574B (zh) * | 2017-10-25 | 2020-04-10 | 东软集团股份有限公司 | 一种车辆碰撞预警方法、装置及设备 |
CN111373458B (zh) * | 2017-11-07 | 2022-11-04 | 图森有限公司 | 用于自主车辆的轨迹规划的基于预测的系统和方法 |
CN109841088B (zh) * | 2017-11-24 | 2021-10-22 | 奥迪股份公司 | 车辆驾驶辅助系统及方法 |
CN107862903B (zh) * | 2017-12-08 | 2020-03-31 | 财团法人车辆研究测试中心 | 物体碰撞预测方法及其装置 |
CN108062600B (zh) * | 2017-12-18 | 2021-06-18 | 北京星云互联科技有限公司 | 一种基于矩形建模的车辆碰撞预警方法及装置 |
CN113299096B (zh) * | 2017-12-28 | 2023-06-13 | 北京百度网讯科技有限公司 | 合作式交叉路口通行控制方法、装置及设备 |
CN108196544A (zh) * | 2018-01-02 | 2018-06-22 | 联想(北京)有限公司 | 一种信息处理方法及信息处理设备 |
CN108010388A (zh) * | 2018-01-04 | 2018-05-08 | 北京瑞腾中天科技有限公司 | 基于车联网络的碰撞检测预警方法及碰撞检测预警系统 |
CN108597251A (zh) * | 2018-04-02 | 2018-09-28 | 昆明理工大学 | 一种基于车联网的交通路口分布式车辆碰撞预警方法 |
CN110515089B (zh) * | 2018-05-21 | 2023-06-02 | 华创车电技术中心股份有限公司 | 基于光学雷达的行车辅助方法 |
CN110712644B (zh) * | 2018-06-27 | 2023-07-14 | 奥迪股份公司 | 驾驶辅助系统和方法 |
CN109360445B (zh) * | 2018-07-09 | 2021-02-09 | 重庆大学 | 一种基于横向与纵向运动学特征分布的高速换道风险检测方法 |
CN108801286B (zh) * | 2018-08-01 | 2021-11-30 | 奇瑞汽车股份有限公司 | 确定行驶轨迹的方法和装置 |
CN110856323A (zh) * | 2018-08-03 | 2020-02-28 | 上海博泰悦臻网络技术服务有限公司 | 路灯控制方法及车联网平台 |
CN108986546B (zh) * | 2018-08-20 | 2020-12-01 | 威马智慧出行科技(上海)有限公司 | 一种车辆事故预警方法及其服务器 |
CN109413572A (zh) * | 2018-10-31 | 2019-03-01 | 惠州市德赛西威汽车电子股份有限公司 | 车辆碰撞预警及车速引导的优化方法及系统 |
CN109523830B (zh) * | 2018-11-08 | 2021-08-03 | 中交第一公路勘察设计研究院有限公司 | 基于高频高精度定位信息的车辆轨迹预测及碰撞预警方法 |
CN109561394B (zh) * | 2018-11-16 | 2021-09-17 | 维沃移动通信有限公司 | 一种警告信息广播方法及终端 |
CN109741483B (zh) * | 2018-12-11 | 2021-12-03 | 成都路行通信息技术有限公司 | 一种基于车联网平台的汽车碰撞检测方法 |
CN109523574B (zh) * | 2018-12-27 | 2022-06-24 | 联想(北京)有限公司 | 一种行走轨迹预测方法和电子设备 |
CN109756867B (zh) * | 2018-12-29 | 2022-02-22 | 广州中国科学院软件应用技术研究所 | 一种基于lte-v的车路协同车载终端应用系统 |
CN109544993A (zh) * | 2019-01-08 | 2019-03-29 | 吉林大学 | 一种智能车辆右转弯防碰撞三级预警系统及预警方法 |
CN109741602A (zh) * | 2019-01-11 | 2019-05-10 | 福建工程学院 | 一种轻微交通事故辅助定责的方法及系统 |
CN109686125B (zh) * | 2019-01-11 | 2021-05-18 | 重庆邮电大学 | 一种基于hmm的v2x车联网车辆防撞预警系统 |
CN109878515B (zh) | 2019-03-12 | 2021-03-16 | 百度在线网络技术(北京)有限公司 | 预测车辆轨迹的方法、装置、存储介质和终端设备 |
CN111806457B (zh) * | 2019-04-12 | 2021-07-30 | 广州汽车集团股份有限公司 | 待预警车辆筛选方法、装置和计算机设备 |
CN110085056B (zh) * | 2019-04-24 | 2021-06-08 | 华南理工大学 | 一种高速公路车路协同环境下车辆换道瞬时风险识别方法 |
EP3963559A4 (en) * | 2019-04-29 | 2023-01-18 | Volkswagen Aktiengesellschaft | VEHICLE CONTROL DEVICE AND VEHICLE CONTROL SYSTEM |
CN110211424B (zh) * | 2019-06-04 | 2021-01-22 | 京东方科技集团股份有限公司 | 车辆预警方法和系统 |
CN110097786B (zh) * | 2019-06-05 | 2021-11-30 | 华砺智行(武汉)科技有限公司 | 一种基于v2x的车车碰撞检测方法及应用系统 |
CN110177374B (zh) * | 2019-06-10 | 2022-08-30 | 公安部交通管理科学研究所 | 一种基于车路协同的v2x功能应用测试方法、装置及系统 |
CN110310516A (zh) * | 2019-06-17 | 2019-10-08 | 北京航空航天大学 | 一种基于车辆行驶轨迹预测的高速公路合流区交通冲突判别方法 |
CN110379203B (zh) * | 2019-06-21 | 2021-08-03 | 江苏大学 | 一种行车转向碰撞预警方法 |
CN110843776B (zh) * | 2019-11-29 | 2022-04-15 | 深圳市元征科技股份有限公司 | 车辆防撞方法和装置 |
CN112918472A (zh) * | 2019-12-05 | 2021-06-08 | 奥迪股份公司 | 车辆驾驶辅助系统、利用其的车辆及相应的方法和介质 |
CN111127950A (zh) * | 2019-12-27 | 2020-05-08 | 北京万集智能网联技术有限公司 | 一种车辆碰撞预警处理方法及装置 |
CN111145574B (zh) * | 2019-12-30 | 2021-11-02 | 东软集团股份有限公司 | 一种弯道车辆位置关系的确定方法、装置及设备 |
CN113119964B (zh) * | 2019-12-30 | 2022-08-02 | 宇通客车股份有限公司 | 一种自动驾驶车辆碰撞预测判断方法及装置 |
CN111369829A (zh) * | 2020-03-13 | 2020-07-03 | 中建山东投资有限公司 | 一种基于分层cox的车辆追尾预警方法 |
CN113496626B (zh) * | 2020-03-19 | 2023-06-02 | 广州汽车集团股份有限公司 | 一种车辆碰撞预警方法、装置及汽车 |
CN111540236A (zh) * | 2020-04-17 | 2020-08-14 | 淮阴工学院 | 交叉口内左转机动车与非机动车碰撞情形的预测方法 |
CN111506692B (zh) * | 2020-04-21 | 2023-05-26 | 成都路行通信息技术有限公司 | 一种基于目标行为的碰撞检测方法 |
CN111583633B (zh) * | 2020-04-27 | 2023-10-27 | 腾讯科技(深圳)有限公司 | 车辆碰撞的预警方法及装置 |
CN111640329A (zh) * | 2020-05-28 | 2020-09-08 | 南京市德赛西威汽车电子有限公司 | 一种基于碰撞模型的车辆预警方法 |
CN113771867B (zh) * | 2020-06-10 | 2023-03-03 | 华为技术有限公司 | 一种行驶状态的预测方法、装置和终端设备 |
CN112781598A (zh) * | 2020-11-30 | 2021-05-11 | 华晟(青岛)智能装备科技有限公司 | 一种agv动态防护区确定方法及系统 |
CN112749210B (zh) * | 2021-01-18 | 2024-03-12 | 优必爱信息技术(北京)有限公司 | 基于深度学习的车辆碰撞识别方法和系统 |
CN113192331B (zh) * | 2021-04-26 | 2022-04-15 | 吉林大学 | 一种网联环境下面向骑行安全的智能预警系统及预警方法 |
CN113619578A (zh) * | 2021-07-28 | 2021-11-09 | 东风汽车集团股份有限公司 | 一种车辆防碰撞方法、防碰撞系统和计算机可读存储介质 |
CN113726464A (zh) * | 2021-10-21 | 2021-11-30 | 浙江吉利控股集团有限公司 | 一种车辆与骑乘人员双向预警方法、系统、设备及存储介质 |
CN114038239B (zh) * | 2021-11-08 | 2022-11-25 | 青岛海信网络科技股份有限公司 | 一种车辆碰撞预警方法及装置 |
CN114373245B (zh) * | 2021-12-16 | 2023-10-27 | 南京南自信息技术有限公司 | 基于数字化电厂的智能巡检系统 |
CN114228719A (zh) * | 2022-02-11 | 2022-03-25 | 同济大学 | 车辆辅助制动方法、电子设备及存储介质 |
CN115214706B (zh) * | 2022-06-09 | 2024-03-01 | 广东省智能网联汽车创新中心有限公司 | 一种基于v2x的危险道路预警方法及系统 |
CN114822042B (zh) * | 2022-06-28 | 2022-09-02 | 深圳市华耀商品检验有限公司 | 一种用于车载终端检测的信息安全测试管理系统及方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101645204A (zh) * | 2009-07-30 | 2010-02-10 | 杨迎春 | 车辆间避险通信装置及其数据处理方法 |
JP5493992B2 (ja) * | 2010-02-25 | 2014-05-14 | 日本精機株式会社 | 運転支援装置 |
CN102390320B (zh) * | 2011-08-22 | 2013-06-12 | 武汉理工大学 | 基于车载传感网络的车辆防撞预警系统及用途 |
CN105575183A (zh) * | 2014-01-26 | 2016-05-11 | 浙江吉利控股集团有限公司 | 一种车辆行驶预警方法 |
CN104269070B (zh) * | 2014-08-20 | 2017-05-17 | 东风汽车公司 | 一种车辆主动安全预警方法和运用该方法的安全预警系统 |
CN104537889B (zh) * | 2014-12-30 | 2017-03-01 | 四川九洲电器集团有限责任公司 | 一种不同车况下的防撞方法和系统 |
-
2015
- 2015-05-13 CN CN201510242874.2A patent/CN104882025B/zh not_active Expired - Fee Related
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11807261B2 (en) | 2019-08-26 | 2023-11-07 | Huawei Technologies Co., Ltd. | Ego-vehicle warning method and apparatus |
Also Published As
Publication number | Publication date |
---|---|
CN104882025A (zh) | 2015-09-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104882025B (zh) | 一种基于车联网技术的碰撞检测预警方法 | |
CN107918758B (zh) | 能够进行环境情景分析的车辆 | |
CN112368662B (zh) | 用于自主运载工具操作管理的定向调整动作 | |
WO2022133684A1 (zh) | 控制方法、相关设备及计算机可读存储介质 | |
CN108437986B (zh) | 车辆驾驶辅助系统及辅助方法 | |
CN105593643B (zh) | 车辆用车道引导系统和车辆用车道引导方法 | |
CN105427669B (zh) | 一种基于dsrc车车通信技术的防撞预警方法 | |
CN100555357C (zh) | 一种检测车辆碰撞并预测行驶路线的系统和方法 | |
CN107830865B (zh) | 一种车辆目标分类方法、装置、系统及计算机程序产品 | |
CN102815300B (zh) | 巡航控制装置及其控制方法 | |
CN108010388A (zh) | 基于车联网络的碰撞检测预警方法及碰撞检测预警系统 | |
Ammoun et al. | An analysis of the lane changing manoeuvre on roads: the contribution of inter-vehicle cooperation via communication | |
JP2011013039A (ja) | 車線判定装置及びナビゲーションシステム | |
JP5842996B2 (ja) | 不慮予測感度判定装置 | |
CN105702088A (zh) | 警报装置 | |
CN112106065A (zh) | 使用车轮旋转的光学跟踪预测被观察车辆的状态和位置 | |
CN112349141B (zh) | 一种前碰撞控制方法、前碰撞预警装置及汽车 | |
JP2009245120A (ja) | 交差点見通し検出装置 | |
CN103373354A (zh) | 车辆转弯辅助系统和方法 | |
JP2009140008A (ja) | 危険走行情報提供装置、危険走行判定プログラム及び危険走行判定方法 | |
CN108463690A (zh) | 评估u形转弯可行性 | |
CN104192063B (zh) | 车辆安全行驶警示系统及相应的警示方法 | |
JP2014232508A (ja) | 回避軌道予測装置 | |
CN112868031A (zh) | 具有视觉显著性感知控制的自主运载工具操作管理 | |
US20220371583A1 (en) | Systems and Methods for Selectively Decelerating a Vehicle |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate 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 |
Granted publication date: 20170222 Termination date: 20190513 |
|
CF01 | Termination of patent right due to non-payment of annual fee |