CN105788360A - 一种车辆防碰撞的方法、装置和系统 - Google Patents
一种车辆防碰撞的方法、装置和系统 Download PDFInfo
- Publication number
- CN105788360A CN105788360A CN201410785245.XA CN201410785245A CN105788360A CN 105788360 A CN105788360 A CN 105788360A CN 201410785245 A CN201410785245 A CN 201410785245A CN 105788360 A CN105788360 A CN 105788360A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- speed
- time
- determining
- current
- 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
- 238000000034 method Methods 0.000 title claims abstract description 39
- 230000001133 acceleration Effects 0.000 claims description 8
- 238000003062 neural network model Methods 0.000 claims description 8
- 230000002265 prevention Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 12
- 238000004590 computer program Methods 0.000 description 7
- 230000006855 networking Effects 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 206010039203 Road traffic accident Diseases 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000013459 approach Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000034994 death Effects 0.000 description 2
- 231100000517 death Toxicity 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012954 risk control Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种车辆防碰撞的方法、装置和系统,提高了车辆防碰撞预警的准确性,使车辆行驶更加安全。该方法包括:获取车辆的属性信息和运动状态信息;根据所述车辆的属性信息和运动状态信息,确定所述车辆的安全时间;其中,所述车辆的安全时间为从当前时刻起,直至所述车辆与所述车辆的前车开始存在碰撞风险的时刻的时间间隔;根据确定出的所述车辆的安全时间,确定存在碰撞风险的车辆集合;根据所述车辆集合中每个车辆的安全时间,确定所述车辆集合中每个车辆的碰撞风险度;根据所述车辆集合中每个车辆的碰撞风险度,对所述车辆集合中存在碰撞风险的车辆进行预警提示。
Description
技术领域
本发明涉及车辆安全技术领域,尤其涉及一种车辆防碰撞的方法、装置和系统。
背景技术
随着车辆的不断普及,道路上行驶的车辆越来越多,由车辆增多引起的交通事故品反复发生,如何保证安全出行已经是交通领域的一个亟需解决的问题。而在众多的交通事故中,车辆之间的碰撞事故在交通事故中占有很大比例,统计数据显示2010年中国交通事故中机动车死亡人数为36923,占总体死亡人数的56.61%。因此,对车辆碰撞风险进行有效的识别、评估和风险控制管理显得异常重要,而这一切都要建立在准确合理的定义车辆风险区域的基础上。
目前普遍被人们采用的计算车辆碰撞风险的方案有两种:
1、安全距离逻辑算法:通过比较本车与前车之间的相对距离与安全距离的大小,来判断本车的行驶是否安全。
2、安全时间逻辑算法:通过输入信息计算车辆间的潜在碰撞时间,并将该潜在碰撞时间与预先设置的安全时间门限值进行比较来判断车辆的行驶是否安全。
上述两种方式均是从单车的安全角度进行考虑,防止车辆发生碰撞。但是通常情况下,如果道路上的某车辆发生了事故等异常情况,往往会导致其周围一定范围内的多个车辆受到潜在的严重影响,从而表现出一种群体特征。而现有的基于单车的防碰撞策略并未充分考虑这一群体特征,从而使车辆的行驶安全问题仍然存在。
发明内容
本发明实施例提供一种车辆防碰撞的方法、装置和系统,提高了车辆防碰撞预警的准确性,使车辆行驶更加安全。
本发明实施例采用以下技术方案:
一方面,提供了一种车辆防碰撞的方法,包括:
获取目标路段上每个车辆的当前运动状态信息;
根据获取的每个车辆的当前运动状态信息,确定每个车辆的安全时间;其中,每个车辆的安全时间为从当前时刻起,直至所述车辆与所述车辆的前车开始存在碰撞风险的时刻的时间间隔;
根据确定的每个车辆的安全时间,确定车辆集合;
根据所述车辆集合中每个车辆的安全时间,确定所述车辆集合中每个车辆的碰撞风险度;
根据所述车辆集合中每个车辆的碰撞风险度,对所述车辆集合中存在碰撞风险的车辆进行预警提示。
可选的,根据获取的每个车辆的当前运动状态信息,确定每个车辆的安全时间,具体包括:
针对每个车辆,分别执行下述步骤:
根据所述车辆和所述车辆的前车的当前运动状态信息,判断所述车辆是否满足D-s0(t0)≤0;其中,D表示在当前时刻所述车辆车尾和所述车辆的前车车头之间的距离,t0表示当前时刻,s0(t0)表示所述车辆和所述车辆的前车以当前时刻对应的当前车速行驶时需要保持的安全刹车距离;
当判断结果为满足D-s0(t0)≤0时,将所述车辆的安全时间t确定为0;
当判断结果为不满足D-s0(t0)≤0时,执行下述步骤,直至判断出所述车辆不满足Sb(tx)-Sf(tx)≤M(tx),或者迭代次数k大于预先设置的最大迭代次数:
判断所述车辆是否满足Sb(tx)-Sf(tx)≤M(tx),且当判断出所述车辆满足Sb(tx)-Sf(tx)≤M(tx)时,将k加1;其中,tx=k·△t,△t为预先设置的迭代步长;
当判断出所述车辆不满足Sb(tx)-Sf(tx)≤M(tx)时,将所述车辆的安全时间t确定为(k-1)△t;
当判断出迭代次数k大于所述最大迭代次数时,将所述车辆的安全时间t确定为无限大;
其中,M(tx)=D-s0(tx);
s0(tx)表示所述车辆和所述车辆的前车以tx时刻对应的预估车速行驶时需要保持的安全刹车距离;
其中,
Sf(tx)表示所述车辆的前车从t0到tx时刻的行驶距离;vf表示所述车辆的前车在t0的当前车速;vf(tx)表示所述车辆的前车在tx时刻的预估车速,且vf(tx)=min{max{vf+aftx,0},vmax};vmax表示所述车辆的前车的速度上限值;af表示所述车辆的前车在t0时刻的加速度;
其中,
Sb(tx)表示所述车辆从t0到tx时刻的行驶距离;vb表示所述车辆在t0的当前车速;vb(tx)表示所述车辆在tx时刻的预估车速,且vb(tx)=min{max{vb+abtx,0},vmax};vmax表示所述车辆的速度上限值;ab表示所述车辆在t0时刻的加速度。
可选的,根据确定的每个车辆的安全时间,确定车辆集合,具体包括:
根据确定的每个车辆的安全时间,以及预先设置的划分规则,确定车辆集合;其中,所述划分规则为:当所述车辆的安全时间小于预先设置的第一时间阈值时,将所述车辆与所述车辆的前车划分至同一个车辆集合中;当所述车辆的安全时间不小于所述第一时间阈值时,将所述车辆与所述车辆的前车划分至不同的车辆集合中。
可选的,根据所述车辆集合中每个车辆的安全时间,确定所述车辆集合中每个车辆的碰撞风险度,具体包括:
根据所述车辆集合中每个车辆的安全时间,以及预先设置的碰撞风险度确定规则,确定所述车辆集合中每个车辆的碰撞风险度;其中,所述碰撞风险度确定规则为:当所述车辆的安全时间大于预先设置的第二时间阈值时,所述车辆的碰撞风险度为零;当所述车辆的安全时间不大于所述第二时间阈值时,所述车辆的碰撞风险度为所述第二时间阈值与所述车辆的安全时间的差值与所述第二时间阈值的比值。
可选的,所述方法还包括:
根据获取的每个车辆的当前运动状态信息,确定每个车辆的期望车速;则
根据所述车辆集合中每个车辆的碰撞风险度,对所述车辆集合中存在碰撞风险的车辆进行预警提示,具体包括:
根据所述车辆集合中每个车辆的碰撞风险度,从所述车辆集合中确定第一车辆;其中,所述第一车辆满足:碰撞风险度大于预先设置的风险阈值;
根据所述车辆集合的行驶方向,从所述车辆集合的首端开始向后遍历,依次对确定出的每个第一车辆执行下述步骤:
根据确定出的第一车辆的当前运动状态信息,确定所述第一车辆的碰撞风险度等于所述风险阈值时的建议车速;
当所述第一车辆的建议车速大于所述期望车速时,提示所述第一车辆将当前车速减速到所述期望车速;
当所述第一车辆的建议车速不大于所述期望车速时,提示所述第一车辆将当前车速减速到所述建议车速。
可选的,所述方法还包括:
根据所述车辆集合中每个车辆的碰撞风险度,从所述车辆集合中确定第二车辆;其中,所述第二车辆满足:碰撞风险度不大于预先设置的风险阈值;
根据所述车辆集合的行驶方向,从所述车辆集合的首端开始向后遍历,依次对确定出的每个第二车辆执行下述步骤:
当所述第二车辆的期望车速大于当前车速,且所述第二车辆的期望车速与当前车速的差值大于预先设置的速度阈值,提示所述第二车辆将当前车速加速到所述期望车速。
可选的,根据获取的每个车辆的当前运动状态信息,确定每个车辆的期望车速,具体包括:
针对每个车辆分别执行下述步骤:
获得所述车辆的用户信息、车辆历史信息、目标路段信息和当前环境信息;其中,所述车辆历史信息包括:车辆的属性信息和历史运动状态信息;
根据预设的神经网络模型,确定与所述车辆的用户信息、车辆历史信息、目标路段信息和当前环境信息分别对应的影响因子;
根据确定出的影响因子,以及所述车辆的用户信息、车辆的当前运动状态信息、目标路段信息和当前环境信息,确定所述车辆的期望车速。
一方面,提供了一种车辆防碰撞装置,包括:
信息获取单元,用于获取目标路段上每个车辆的当前运动状态信息;
安全时间确定单元,用于根据所述信息获取单元获取的每个车辆的当前运动状态信息,确定每个车辆的安全时间;其中,每个车辆的安全时间为从当前时刻起,直至所述车辆与所述车辆的前车开始存在碰撞风险的时刻的时间间隔;
车辆集合确定单元,用于根据所述安全时间确定单元确定出每个车辆的安全时间,确定车辆集合;
碰撞风险度确定单元,用于根据所述车辆集合确定单元确定的车辆集合中每个车辆的安全时间,确定所述车辆集合中每个车辆的碰撞风险度;
预警提示单元,用于对所述碰撞风险度确定单元确定的所述车辆集合中每个车辆的碰撞风险度,对所述车辆集合中存在碰撞风险的车辆进行预警提示。
可选的,所述安全时间确定单元,具体用于:
针对每个车辆,分别执行下述步骤:
根据所述车辆和所述车辆的前车的当前运动状态信息,判断所述车辆是否满足D-s0(t0)≤0;其中,D表示在当前时刻所述车辆车尾和所述车辆的前车车头之间的距离,t0表示当前时刻,s0(t0)表示所述车辆和所述车辆的前车以当前时刻对应的当前车速行驶时需要保持的安全刹车距离;
当判断结果为满足D-s0(t0)≤0时,将所述车辆的安全时间t确定为0;
当判断结果为不满足D-s0(t0)≤0时,执行下述步骤,直至判断出所述车辆不满足Sb(tx)-Sf(tx)≤M(tx),或者迭代次数k大于预先设置的最大迭代次数:
判断所述车辆是否满足Sb(tx)-Sf(tx)≤M(tx),且当判断出所述车辆满足Sb(tx)-Sf(tx)≤M(tx)时,将k加1;其中,tx=k·△t,△t为预先设置的迭代步长;
当判断出所述车辆不满足Sb(tx)-Sf(tx)≤M(tx)时,将所述车辆的安全时间t确定为(k-1)△t;
当判断出迭代次数k大于所述最大迭代次数时,将所述车辆的安全时间t确定为无限大;
其中,M(tx)=D-s0(tx);
s0(tx)表示所述车辆和所述车辆的前车以tx时刻对应的预估车速行驶时需要保持的安全刹车距离;
其中,
Sf(tx)表示所述车辆的前车从t0到tx时刻的行驶距离;vf表示所述车辆的前车在t0的当前车速;vf(tx)表示所述车辆的前车在tx时刻的预估车速,且vf(tx)=min{max{vf+aftx,0},vmax};vmax表示所述车辆的前车的速度上限值;af表示所述车辆的前车在t0时刻的加速度;
其中,
Sb(tx)表示所述车辆从t0到tx时刻的行驶距离;vb表示所述车辆在t0的当前车速;vb(tx)表示所述车辆在tx时刻的预估车速,且vb(tx)=min{max{vb+abtx,0},vmax};vmax表示所述车辆的速度上限值;ab表示所述车辆在t0时刻的加速度。
可选的,所述车辆集合确定单元,具体用于:
根据确定的每个车辆的安全时间,以及预先设置的划分规则,确定车辆集合;其中,所述划分规则为:当所述车辆的安全时间小于预先设置的第一时间阈值时,将所述车辆与所述车辆的前车划分至同一个车辆集合中;当所述车辆的安全时间不小于所述第一时间阈值时,将所述车辆与所述车辆的前车划分至不同的车辆集合中。
可选的,所述碰撞风险度确定单元,具体用于:
根据所述车辆集合中每个车辆的安全时间,以及预先设置的碰撞风险度确定规则,确定所述车辆集合中每个车辆的碰撞风险度;其中,所述碰撞风险度确定规则为:当所述车辆的安全时间大于预先设置的第二时间阈值时,所述车辆的碰撞风险度为零;当所述车辆的安全时间不大于所述第二时间阈值时,所述车辆的碰撞风险度为所述第二时间阈值与所述车辆的安全时间的差值与所述第二时间阈值的比值。
可选的,所述装置还包括:
期望车速确定单元,用于根据信息获取单元获取的每个车辆的当前运动状态信息,确定每个车辆的期望车速;则
所述预警提示单元,具体包括:
第一车辆确定模块,用于根据所述车辆集合中每个车辆的碰撞风险度,从所述车辆集合中确定第一车辆;其中,所述第一车辆满足:碰撞风险度大于预先设置的风险阈值;
减速提示模块,用于根据所述车辆集合的行驶方向,从所述车辆集合的首端开始向后遍历,依次对所述第一车辆确定模块确定出的每个第一车辆执行下述步骤:
根据确定出的第一车辆的当前运动状态信息,确定所述第一车辆的碰撞风险度等于所述风险阈值时的建议车速;
当所述第一车辆的建议车速大于所述期望车速时,提示所述第一车辆将当前车速减速到所述期望车速;
当所述第一车辆的建议车速不大于所述期望车速时,提示所述第一车辆将当前车速减速到所述建议车速。
可选的,所述装置还包括:
第二车辆确定单元,用于根据所述碰撞风险度确定单元确定的车辆集合中每个车辆的碰撞风险度,从所述车辆集合中确定第二车辆;其中,所述第二车辆满足:碰撞风险度不大于预先设置的风险阈值;
加速提示单元,用于根据所述车辆集合的行驶方向,从所述车辆集合的首端开始向后遍历,依次对所述第二车辆确定单元确定出的每个第二车辆执行下述步骤:
当所述第二车辆的期望车速大于当前车速,且所述第二车辆的期望车速与当前车速的差值大于预先设置的速度阈值,提示所述第二车辆将当前车速加速到所述期望车速。
可选的,所述期望车速确定单元,具体用于:
针对每个车辆分别执行下述步骤:
获得所述车辆的用户信息、车辆历史信息、目标路段信息和当前环境信息;其中,所述车辆历史信息包括:车辆的属性信息和历史运动状态信息;
根据预设的神经网络模型,确定与所述车辆的用户信息、车辆历史信息、目标路段信息和当前环境信息分别对应的影响因子;
根据确定出的影响因子,以及所述车辆的用户信息、车辆的当前运动状态信息、目标路段信息和当前环境信息,确定所述车辆的期望车速。
一方面,提供了一种车辆防碰撞系统,包括上述任意一项所述的车辆防碰撞装置。
本发明实施例的有益效果如下:
本发明实施例中,根据每个车辆的当前运动状态信息确定出每个车辆的安全时间,再根据每个车辆的安全时间确定车辆集合,并根据车辆集合中每个车辆的安全时间,确定车辆集合中每个车辆的碰撞风险度,从而根据车辆集合中每个车辆的碰撞风险度,对车辆集合中存在碰撞风险的车辆进行预警提示,与现有技术相比,不再是仅基于单车的行驶安全而提出的预警提示,而是基于将各车辆划分到车辆集合中,再根据车辆集合中每个车辆的碰撞风险度有针对性的对存在碰撞风险的车辆进行预警提示,从而使得防碰撞预警更加准确可靠,大大提高了车辆行驶的安全性。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本发明的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明实施例中,一种车辆防碰撞方法的实现流程图;
图2为本发明实施例中,安全时间示意图;
图3为本发明实施例中,基于安全时间的车辆集合示意图;
图4为本发明实施例中,一种车辆防碰撞方法的实现流程图;
图5为本发明实施例中,一种车辆防碰撞装置的实现流程图。
具体实施方式
为了解决现有技术中存在的问题,本发明实施例提供了一种车辆防碰撞方案。该技术方案中,根据每个车辆的当前运动状态信息确定出每个车辆的安全时间,再根据每个车辆的安全时间确定车辆集合,并根据车辆集合中每个车辆的安全时间,确定车辆集合中每个车辆的碰撞风险度,从而根据车辆集合中每个车辆的碰撞风险度,对车辆集合中存在碰撞风险的车辆进行预警提示,与现有技术相比,不再是仅基于单车的行驶安全而提出的预警提示,而是基于将各车辆划分到车辆集合中,再根据车辆集合中每个车辆的碰撞风险度有针对性的对存在碰撞风险的车辆进行预警提示,从而使得防碰撞预警更加准确可靠,大大提高了车辆行驶的安全性。。
以下结合说明书附图对本发明的实施例进行说明,应当理解,此处所描述的实施例仅用于说明和解释本发明,并不用于限制本发明。并且在不冲突的情况下,本发明中的实施例及实施例的特征可以互相结合。
本发明实施例提供了一种车辆防碰撞方法,如图1所示,为该方法的实现流程图,具体包括下述步骤:
步骤11,获取目标路段上每个车辆的当前运行状态信息。
其中,车辆的当前运行状态信息可以包括车辆的当前速度和加速度。
在具体实现时,车辆的当前运行状态信息可以由车辆上的采集装置以一定的采样频率(比如1s)采样获得。
目前车辆上一般安装有车载终端,因此,步骤11在具体实现时,车辆在行驶过程中可以通过车载终端获取到上述当前运动状态信息,并传递到采集装置,进而,由该车辆上的采集装置将采集到的该车的当前运动状态信息上传至车联网云平台。
目标路段上的每个车辆均通过上述过程将自身的当前运动状态信息上传至车联网云平台中进行存储。
步骤12,根据获取的每个车辆的当前运动状态信息,确定每个车辆的安全时间;其中,每个车辆的安全时间为从当前时刻起,直至车辆与车辆的前车开始存在碰撞风险的时刻的时间间隔。
其中,车辆与车辆的前车开始存在碰撞风险的时刻可以称为最早风险时刻,即在最早风险时刻,车辆与车辆的前车存在碰撞风险,而在最早风险时刻之前,车辆与车辆的前车不存在碰撞风险。安全时间即为当前时刻与最早风险时刻的时间间隔。
比如,如图2所示,在tn时刻至tn-1时刻,后车与前车均不存在风险,在tn时刻,后车与前车存在碰撞风险,则后车在t1时刻的安全时间为tn-t1。
具体的,步骤12在确定每个车辆的安全时间时,可以根据前后车的当前运行状态信息,预估出前后车开始存在碰撞风险的时刻,也即前后两车的车距应该小于前后两车需要保持的安全刹车距离的时刻。
每个车辆的安全时间可以但不限于按照如下方式确定:
各参数的定义:
当前时刻t0:=0;
输入:
af,ab分别为在当前时刻,前车和后车(要确定安全时间的车辆)的加速度;
vf,vb分别为在当前时刻,前车和后车的当前车速;
vmax表示根据目标路段的最大限速和前车和后车在当前时刻的上一时刻所处的车辆集合中的最大速度确定出的一个速度上限值,车速v∈[0,vmax];
s0(tx)表示前车和后车以tx时刻的预估速度行驶时需要保持的安全刹车距离;
D表示在当前时刻,前车车尾与后车车头的距离;
记M(tx)=D-s0(tx)。
输出:
t表示安全时间。
安全时间的计算方法:
首先初始化各参数值,置当前时刻t0:=0,迭代次数k:=0,迭代步长△t=0.01,最大迭代次数N:=500。
其中,最大迭代次数可以根据用户需求自定义进行设置。
然后判断后车是否满足D-s0(t0)≤0;
当判断出后车满足D-s0(t0)≤0时,则说明在当前时刻t0,前车和后车的车距已经小于前车和后车需要保持的安全刹车距离,说明前车和后车之间在当前时刻便存在很大的碰撞风险,因此将后车的安全时间t确定为0;
当判断出后车不满足D-s0(t0)≤0时,执行步骤下述步骤,直至判断出后车不满足Sb(tx)-Sf(tx)≤M(tx),或者迭代次数k大于N:
判断后车是否满足Sb(tx)-Sf(tx)≤M(tx);其中,tx=k·△t,△t为预先设置的迭代步长;以及当判断结果为满足Sb(tx)-Sf(tx)≤M(tx)时,将k加1;
当判断出后车不满足Sb(tx)-Sf(tx)≤M(tx)时,将后车的安全时间t确定为(k-1)△t;
当判断出迭代次数k大于N时,将后车的安全时间t确定为无限大,即t:=+∞;
其中,M(tx)=D-s0(tx);
其中,s0(tx)表示所述车辆和所述车辆的前车以tx时刻对应的预估车速行驶时需要保持的安全刹车距离;
其中,Sf(tx)表示前车从t0到tx时刻的行驶距离;
vf(tx)表示前车在tx时刻的预估车速,且vf(tx)=min{max{vf+aftx,0},vmax};
其中,Sb(tx)表示后车从t0到tx时刻的行驶距离;
vb(tx)表示后车在tx时刻的预估车速,且vb(tx)=min{max{vb+abtx,0},vmax};
步骤13,根据确定的每个车辆的安全时间,确定车辆集合。
具体的,步骤13可以但不限于按照如下方式实现:
根据确定的每个车辆的安全时间,以及预先设置的划分规则,确定车辆集合;其中,划分规则可以为:当车辆的安全时间小于预先设置的第一时间阈值时,将车辆与车辆的前车划分至同一个车辆集合中;当车辆的安全时间不小于第一时间阈值时,将车辆与车辆的前车划分至不同的车辆集合中。
比如,如图3所示,在目标路段上,按照车辆的行驶方向,从最前方的车辆开始依次编号1至n。
首先,车辆1不存在前车,因此将车辆1划分到一个新的车辆集合1中;
车辆2的安全时间不大于第一时间阈值Tth1,因此将车辆2划分到车辆1所在的车辆集合1中;
车辆3的安全时间不大于Tth1,因此将车辆3划分到车辆2所在的车辆集合1中;
车辆4的安全时间大于Tth1,因此将车辆4划分到一个新的车辆集合2中;
车辆5的安全时间不大于Tth1,因此将车辆5划分到车辆4所在的车辆集合2中;
依次类推,将目标路段上所有的车辆都划分到相应的车辆集合中。
步骤14,根据车辆集合中每个车辆的安全时间,确定车辆集合中每个车辆的碰撞风险度。
具体的,步骤14可以但不限于按照如下方式实现:
根据车辆集合中每个车辆的安全时间,以及预先设置的碰撞风险度确定规则,确定车辆集合中每个车辆的碰撞风险度;
其中,碰撞风险度确定规则可以为:
当车辆的安全时间大于预先设置的第二时间阈值Tth2时,车辆的碰撞风险度为0;
当车辆的安全时间不大于Tth2时,车辆的碰撞风险度为(Tth-t)/Tth,其中,t为车辆的安全时间。
需要说明的是,Tth2和上述Tth1可以相同。
步骤15,根据车辆集合中每个车辆的碰撞风险度,对车辆集合中存在碰撞风险的车辆进行预警提示。
车联网云平台对车辆集合中碰撞风险度大于预先设置的风险阈值T的车辆进行预警提示。
除了进行预警提示之外,本发明实施例还可以对碰撞风险度大于T的车辆提示具体的驾驶方案,比如将当前车速减速到一个合适的车速,使碰撞风险降低。
因此步骤15可以具体包括:
首先,根据车辆集合中每个车辆的碰撞风险度,从车辆集合中确定第一车辆;其中,第一车辆满足:碰撞风险度大于预先设置的风险阈值;
其中,第一车辆指的是满足碰撞风险度大于预先设置的风险阈值的一类车辆。
其次,根据车辆集合的行驶方向,从车辆集合的首端开始向后遍历,依次对确定出的每个第一车辆执行下述步骤:
根据确定出的第一车辆的当前运动状态信息,确定第一车辆的碰撞风险度等于风险阈值时的建议车速;
当第一车辆的建议车速大于期望车速时,提示第一车辆将当前车速减速到期望车速;
当第一车辆的建议车速不大于期望车速时,提示第一车辆将当前车速减速到建议车速。
其中,车辆的期望车速可以是预先根据车辆的当前运动状态信息确定出来的。
本发明实施例中,根据每个车辆的当前运动状态信息确定出每个车辆的安全时间,再根据每个车辆的安全时间确定车辆集合,并根据车辆集合中每个车辆的安全时间,确定车辆集合中每个车辆的碰撞风险度,从而根据车辆集合中每个车辆的碰撞风险度,对车辆集合中存在碰撞风险的车辆进行预警提示,与现有技术相比,不再是仅基于单车的行驶安全而提出的预警提示,而是基于将各车辆划分到车辆集合中,再根据车辆集合中每个车辆的碰撞风险度有针对性的对存在碰撞风险的车辆进行预警提示,从而使得防碰撞预警更加准确可靠,大大提高了车辆行驶的安全性。
另外,在防碰撞的同时,本发明实施例还可以对车辆集合中碰撞风险度不大于T的车辆也提示具体的驾驶方案,比如将当前车速提升到一个合适的车速,从而使目标路段的交通效率得以提升。
因此,本发明实施例还可以包括:
首先,根据车辆集合中每个车辆的碰撞风险度,从车辆集合中确定第二车辆;其中,第二车辆满足:碰撞风险度不大于预先设置的风险阈值;
其中,第二车辆指的是满足碰撞风险度不大于预先设置的风险阈值的一类车辆。
其次,根据车辆集合的行驶方向,从车辆集合的首端开始向后遍历,依次对确定出的每个第二车辆执行下述步骤:
当第二车辆的期望车速大于当前车速,且第二车辆的期望车速与当前车速的差值大于预先设置的速度阈值,提示第二车辆将当前车速加速到期望车速。
为了更好的理解本发明实施例,以下结合具体的实施对本发明实施例中向车辆提供具体的驾驶方案的防碰撞方法的具体实施过程进行说明。
如图4所示,为本发明实施例提供的另一种车辆防碰撞方法的实现示意图,具体包括如下步骤:
步骤41,获取目标路段上每个车辆的当前运行状态信息。
其中,车辆的当前运行状态信息可以包括车辆的当前速度和加速度。
步骤42,根据获取的每个车辆的当前运行状态信息,确定每个车辆的期望车速。
其中,期望车速是指在车辆行驶过程中在不受或基本不受其他车辆约束的条件下其驾驶员心目中希望达到的最高“安全”行驶车速。
期望车速受多方面因素影响,因此本发明实施例中可以采用神经网络的方法计算每个车辆的期望速度。
目标路段上行驶的各个车辆上的车载终端可以以一定的时间间隔上报本车辆的当前运动状态信息到车联网云平台,车联网云平台为每个车载终端建立用户位置和状态数据库,完成车载终端上传数据的登记和存储工作。用户位置和状态数据库为每一台上传数据的车载终端分配唯一的ID标识符,并为每个车载终端存储一定范围的历史运动状态信息和当前运动状态信息。同时,车联网云平台中还可以针对目标路段,存储目标路段的相关道路信息,比如路况、实时天气等。从而,可以利用车联网云平台中存储的各个车辆的运动状态信息以及目标路段的相关道路信息,获取本车辆与前车车距大于本车辆的安全停止距离时的人、车、路、环境信息,训练神经网络,用于后续计算车辆所属驾驶员的期望车速。
具体来说,首先,
首先,获得车辆的用户信息、车辆历史信息、目标路段信息和当前环境信息,其中,车辆历史信息可以包括:车辆的属性信息和历史运动状态信息。
具体的,车联网云平台根据各个车辆的车载终端上报的车辆位置和运动状态信息,从中筛选出车辆与前车车距大于车辆的安全停止距离且加速度为0时的上报数据信息,再从上述筛选出的上报数据信息中获取影响车辆期望车速的人(即用户信息)、车(即车辆历史信息)、路(即目标路段信息)、环境(即当前环境信息)信息,记为集合X。
其中,人的信息主要指采集车辆的驾驶者的信息,如年龄、性别、驾龄等;车的信息主要指车辆属性信息(车辆类型、长度、宽度、质量、动力学性能等)和车辆运动状态信息(车辆所在位置、车辆上报数据的时间戳、速度等);路的信息主要指车辆所在位置的道路类型(限速值、车道数、是否接近交通信号等、是否接近高速公路汇合处等)、路面状况(坡度等);环境信息主要指车辆所在位置在数据上报时刻的天气状况、能见度、温度等。
具体地,上述人的信息以及车辆属性信息可以预先设置并存储,比如存储在一个属性文件中,或者存储在某个硬件模块中,待后续使用的时候,车联网云平台从该属性文件或硬件模块中调取;车辆运行状态信息,通过车辆以一定频率上报到车联网云平台获取;道路与环境信息,车联网云平台通过链接相应的地图数据库以及气象数据库进行获取。
其次,根据预设的神经网络模型,确定与车辆的用户信息、车辆历史信息、目标路段信息和当前环境信息分别对应的影响因子。
具体的,将集合X的各参数作为预设的神经网络模型的输入,相应时刻车辆的速度作为神经网络模型的输出,训练得出上述人车路环境信息在一定误差条件下对车辆的驾驶员的期望车速的影响因子。
最后,根据确定出的影响因子,以及车辆的用户信息、车辆的当前运动状态信息、目标路段信息和当前环境信息,确定所述车辆的期望车速。
具体的,车联网云平台根据对象车辆新上报的数据即新的车辆运动状态信息,以及对应的人、路、环境信息,输入神经网络,即可得到对象车辆在特定环境下的期望车速。
同时,车联网云平台可以根据各个车辆新上报的数据不断优化神经网络,降低误差。
步骤43,根据获取的每个车辆的当前运动状态信息,确定每个车辆的安全时间;其中,每个车辆的安全时间为从当前时刻起,直至车辆与车辆的前车开始存在碰撞风险的时刻的时间间隔。
步骤44,根据确定的每个车辆的安全时间,确定车辆集合。
步骤45,根据车辆集合中每个车辆的安全时间,确定车辆集合中每个车辆的碰撞风险度。
步骤43-步骤45与上述实施例中的步骤12-步骤14相似,在此不再赘述。唯一不同的地方在于:
步骤43中的参数vmax与步骤12中的参数vmax的定义方式不同。步骤43中的参数vmax表示根据目标路段的最大限速、前车和后车在当前时刻的上一时刻所处的车辆集合中的最大速度和后车的期望车速确定出的一个速度上限值。
步骤46,根据车群集合中每个车辆的碰撞风险度,确定各车辆的驾驶提示方案。
车辆驾驶提示方案的目的是把车辆碰撞风险控制在一定阈值内的前提下,提高交通流效率。具体的,预先设置风险阈值为T,分成下述两种情况分别进行处理。
第一种,当车辆与前车的碰撞风险度小于等于风险阈值T时:
执行下列判断:
若Vt≤Vr,则不给出提示方案,默认车辆保持当前状态行驶;
若Vt>Vr且△V小于阈值VPTP,则不给出提示方案,默认车辆保持当前状态行驶;
若Vt>Vr且c大于阈值VPTP,则提示车辆加速到Vt;
其中,Vt表示车辆的期望车速;
Vr表示车辆的当前车速;
△V表示车辆的期望速度与当前车速的差值,Vptp为△V的阈值;
车辆的期望车速可以由步骤42中的神经网络得出,车辆的当前车速由车辆上报的实时数据直接读取。
第二种:当车辆与前车的碰撞风险大于风险阈值T时:
首先,计算车辆与前车的碰撞风险刚好等于T时的建议车速VDOR;
具体地,通过碰撞风险为T可以根据步骤15中的公式得出车辆的安全时间t,结合前车的运动状态,即可通过步骤12中的计算方法倒推得出车辆的建议车速VDOR。
再执行下列判断:
若VDOR≤Vt,则提示车辆减速到VDOR;
若VDOR>Vt,则提示车辆减速到Vt。
本发明实施例中,上述两种方式在实际应用中,可以按照车辆集合的行驶方向,从车辆集合最前方的车辆开始依次编号为1至n。从编号为1的车辆开始向后遍历,依次执行上述判断给出驾驶提示方案。
另外,在涉及前车运动状态的判断中,若前车此刻有提示方案,则认为前车将以提示方案行驶;若前车此刻无提示方案,则认为前车按照当前的状态继续行驶。提示方案中的加减速提示均默认以最大加速度或最大减速度执行。
基于同一发明构思,本发明实施例中还分别提供了一种车辆防碰撞装置以及车辆防碰撞系统,由于上述装置及系统解决问题的原理与车辆防碰撞方法相似,因此上述装置和系统的实施可以参见方法的实施,重复之处不再赘述。
如图5所示,为本发明实施例提供的车辆防碰撞装置的结构示意图,包括:
信息获取单元51,用于获取目标路段上每个车辆的当前运动状态信息;
安全时间确定单元52,用于根据所述信息获取单元51获取的每个车辆的当前运动状态信息,确定每个车辆的安全时间;其中,每个车辆的安全时间为从当前时刻起,直至所述车辆与所述车辆的前车开始存在碰撞风险的时刻的时间间隔;
车辆集合确定单元53,用于根据所述安全时间确定单元52确定出每个车辆的安全时间,确定车辆集合;
碰撞风险度确定单元54,用于根据所述车辆集合确定单元53确定的车辆集合中每个车辆的安全时间,确定所述车辆集合中每个车辆的碰撞风险度;
预警提示单元55,用于对所述碰撞风险度确定单元54确定的所述车辆集合中每个车辆的碰撞风险度,对所述车辆集合中存在碰撞风险的车辆进行预警提示。
可选的,所述安全时间确定单元52,具体用于:
针对每个车辆,分别执行下述步骤:
根据所述车辆和所述车辆的前车的当前运动状态信息,判断所述车辆是否满足D-s0(t0)≤0;其中,D表示在当前时刻所述车辆车尾和所述车辆的前车车头之间的距离,t0表示当前时刻,s0(t0)表示所述车辆和所述车辆的前车以当前时刻对应的当前车速行驶时需要保持的安全刹车距离;
当判断结果为满足D-s0(t0)≤0时,将所述车辆的安全时间t确定为0;
当判断结果为不满足D-s0(t0)≤0时,执行下述步骤,直至判断出所述车辆不满足Sb(tx)-Sf(tx)≤M(tx),或者迭代次数k大于预先设置的最大迭代次数:
判断所述车辆是否满足Sb(tx)-Sf(tx)≤M(tx),且当判断出所述车辆满足Sb(tx)-Sf(tx)≤M(tx)时,将k加1;其中,tx=k·△t,△t为预先设置的迭代步长;
当判断出所述车辆不满足Sb(tx)-Sf(tx)≤M(tx)时,将所述车辆的安全时间t确定为(k-1)△t;
当判断出迭代次数k大于所述最大迭代次数时,将所述车辆的安全时间t确定为无限大;
其中,M(tx)=D-s0(tx);
s0(tx)表示所述车辆和所述车辆的前车以tx时刻对应的预估车速行驶时需要保持的安全刹车距离;
其中,
Sf(tx)表示所述车辆的前车从t0到tx时刻的行驶距离;vf表示所述车辆的前车在t0的当前车速;vf(tx)表示所述车辆的前车在tx时刻的预估车速,且vf(tx)=min{max{vf+aftx,0},vmax};vmax表示所述车辆的前车的速度上限值;af表示所述车辆的前车在t0时刻的加速度;
其中,
Sb(tx)表示所述车辆从t0到tx时刻的行驶距离;vb表示所述车辆在t0的当前车速;vb(tx)表示所述车辆在tx时刻的预估车速,且vb(tx)=min{max{vb+abtx,0},vmax};vmax表示所述车辆的速度上限值;ab表示所述车辆在t0时刻的加速度。
可选的,所述车辆集合确定单元53,具体用于:
根据确定的每个车辆的安全时间,以及预先设置的划分规则,确定车辆集合;其中,所述划分规则为:当所述车辆的安全时间小于预先设置的第一时间阈值时,将所述车辆与所述车辆的前车划分至同一个车辆集合中;当所述车辆的安全时间不小于所述第一时间阈值时,将所述车辆与所述车辆的前车划分至不同的车辆集合中。
可选的,所述碰撞风险度确定单元54,具体用于:
根据所述车辆集合中每个车辆的安全时间,以及预先设置的碰撞风险度确定规则,确定所述车辆集合中每个车辆的碰撞风险度;其中,所述碰撞风险度确定规则为:当所述车辆的安全时间大于预先设置的第二时间阈值时,所述车辆的碰撞风险度为零;当所述车辆的安全时间不大于所述第二时间阈值时,所述车辆的碰撞风险度为所述第二时间阈值与所述车辆的安全时间的差值与所述第二时间阈值的比值。
可选的,所述装置还包括:
期望车速确定单元56,用于根据信息获取单元51获取的每个车辆的当前运动状态信息,确定每个车辆的期望车速;则
所述预警提示单元55,具体包括:
第一车辆确定模块551,用于根据所述车辆集合中每个车辆的碰撞风险度,从所述车辆集合中确定第一车辆;其中,所述第一车辆满足:碰撞风险度大于预先设置的风险阈值;
减速提示模块552,用于根据所述车辆集合的行驶方向,从所述车辆集合的首端开始向后遍历,依次对所述第一车辆确定模块551确定出的每个第一车辆执行下述步骤:
根据确定出的第一车辆的当前运动状态信息,确定所述第一车辆的碰撞风险度等于所述风险阈值时的建议车速;
当所述第一车辆的建议车速大于所述期望车速时,提示所述第一车辆将当前车速减速到所述期望车速;
当所述第一车辆的建议车速不大于所述期望车速时,提示所述第一车辆将当前车速减速到所述建议车速。
可选的,所述装置还包括:
第二车辆确定单元57,用于根据所述碰撞风险度确定单元54确定的车辆集合中每个车辆的碰撞风险度,从所述车辆集合中确定第二车辆;其中,所述第二车辆满足:碰撞风险度不大于预先设置的风险阈值;
加速提示单元58,用于根据所述车辆集合的行驶方向,从所述车辆集合的首端开始向后遍历,依次对所述第二车辆确定单元57确定出的每个第二车辆执行下述步骤:
当所述第二车辆的期望车速大于当前车速,且所述第二车辆的期望车速与当前车速的差值大于预先设置的速度阈值,提示所述第二车辆将当前车速加速到所述期望车速。
可选的,所述期望车速确定单元56,具体用于:
针对每个车辆分别执行下述步骤:
获得所述车辆的用户信息、车辆历史信息、目标路段信息和当前环境信息;其中,所述车辆历史信息包括:车辆的属性信息和历史运动状态信息;
根据预设的神经网络模型,确定与所述车辆的用户信息、车辆历史信息、目标路段信息和当前环境信息分别对应的影响因子;
根据确定出的影响因子,以及所述车辆的用户信息、车辆的当前运动状态信息、目标路段信息和当前环境信息,确定所述车辆的期望车速。
为了描述的方便,以上各部分按照功能划分为各模块(或单元)分别描述。当然,在实施本发明时可以把各模块(或单元)的功能在同一个或多个软件或硬件中实现。
其中,上述车辆防碰撞装置可以为车联网云平台。
本发明实施例还提供了一种车辆防碰撞系统,该系统包括上述车辆防碰撞装置。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (15)
1.一种车辆防碰撞的方法,其特征在于,包括:
获取目标路段上每个车辆的当前运动状态信息;
根据获取的每个车辆的当前运动状态信息,确定每个车辆的安全时间;其中,每个车辆的安全时间为从当前时刻起,直至所述车辆与所述车辆的前车开始存在碰撞风险的时刻的时间间隔;
根据确定的每个车辆的安全时间,确定车辆集合;
根据所述车辆集合中每个车辆的安全时间,确定所述车辆集合中每个车辆的碰撞风险度;
根据所述车辆集合中每个车辆的碰撞风险度,对所述车辆集合中存在碰撞风险的车辆进行预警提示。
2.如权利要求1所述的方法,其特征在于,根据获取的每个车辆的当前运动状态信息,确定每个车辆的安全时间,具体包括:
针对每个车辆,分别执行下述步骤:
根据所述车辆和所述车辆的前车的当前运动状态信息,判断所述车辆是否满足D-s0(t0)≤0;其中,D表示在当前时刻所述车辆车尾和所述车辆的前车车头之间的距离,t0表示当前时刻,s0(t0)表示所述车辆和所述车辆的前车以当前时刻对应的当前车速行驶时需要保持的安全刹车距离;
当判断结果为满足D-s0(t0)≤0时,将所述车辆的安全时间t确定为0;
当判断结果为不满足D-s0(t0)≤0时,执行下述步骤,直至判断出所述车辆不满足Sb(tx)-Sf(tx)≤M(tx),或者迭代次数k大于预先设置的最大迭代次数:
判断所述车辆是否满足Sb(tx)-Sf(tx)≤M(tx),且当判断出所述车辆满足Sb(tx)-Sf(tx)≤M(tx)时,将k加1;其中,tx=k·Δt,Δt为预先设置的迭代步长;
当判断出所述车辆不满足Sb(tx)-Sf(tx)≤M(tx)时,将所述车辆的安全时间t确定为(k-1)Δt;
当判断出迭代次数k大于所述最大迭代次数时,将所述车辆的安全时间t确定为无限大;
其中,M(tx)=D-s0(tx);
s0(tx)表示所述车辆和所述车辆的前车以tx时刻对应的预估车速行驶时需要保持的安全刹车距离;
其中,
Sf(tx)表示所述车辆的前车从t0到tx时刻的行驶距离;vf表示所述车辆的前车在t0的当前车速;vf(tx)表示所述车辆的前车在tx时刻的预估车速,且vf(tx)=min{max{vf+aftx,0},vmax};vmax表示所述车辆的前车的速度上限值;af表示所述车辆的前车在t0时刻的加速度;
其中,
Sb(tx)表示所述车辆从t0到tx时刻的行驶距离;vb表示所述车辆在t0的当前车速;vb(tx)表示所述车辆在tx时刻的预估车速,且vb(tx)=min{max{vb+abtx,0},vmax};vmax表示所述车辆的速度上限值;ab表示所述车辆在t0时刻的加速度。
3.如权利要求1所述的方法,其特征在于,根据确定的每个车辆的安全时间,确定车辆集合,具体包括:
根据确定的每个车辆的安全时间,以及预先设置的划分规则,确定车辆集合;其中,所述划分规则为:当所述车辆的安全时间小于预先设置的第一时间阈值时,将所述车辆与所述车辆的前车划分至同一个车辆集合中;当所述车辆的安全时间不小于所述第一时间阈值时,将所述车辆与所述车辆的前车划分至不同的车辆集合中。
4.如权利要求1所述的方法,其特征在于,根据所述车辆集合中每个车辆的安全时间,确定所述车辆集合中每个车辆的碰撞风险度,具体包括:
根据所述车辆集合中每个车辆的安全时间,以及预先设置的碰撞风险度确定规则,确定所述车辆集合中每个车辆的碰撞风险度;其中,所述碰撞风险度确定规则为:当所述车辆的安全时间大于预先设置的第二时间阈值时,所述车辆的碰撞风险度为零;当所述车辆的安全时间不大于所述第二时间阈值时,所述车辆的碰撞风险度为所述第二时间阈值与所述车辆的安全时间的差值与所述第二时间阈值的比值。
5.如权利要求1所述的方法,其特征在于,所述方法还包括:
根据获取的每个车辆的当前运动状态信息,确定每个车辆的期望车速;则
根据所述车辆集合中每个车辆的碰撞风险度,对所述车辆集合中存在碰撞风险的车辆进行预警提示,具体包括:
根据所述车辆集合中每个车辆的碰撞风险度,从所述车辆集合中确定第一车辆;其中,所述第一车辆满足:碰撞风险度大于预先设置的风险阈值;
根据所述车辆集合的行驶方向,从所述车辆集合的首端开始向后遍历,依次对确定出的每个第一车辆执行下述步骤:
根据确定出的第一车辆的当前运动状态信息,确定所述第一车辆的碰撞风险度等于所述风险阈值时的建议车速;
当所述第一车辆的建议车速大于所述期望车速时,提示所述第一车辆将当前车速减速到所述期望车速;
当所述第一车辆的建议车速不大于所述期望车速时,提示所述第一车辆将当前车速减速到所述建议车速。
6.如权利要求5所述的方法,其特征在于,所述方法还包括:
根据所述车辆集合中每个车辆的碰撞风险度,从所述车辆集合中确定第二车辆;其中,所述第二车辆满足:碰撞风险度不大于预先设置的风险阈值;
根据所述车辆集合的行驶方向,从所述车辆集合的首端开始向后遍历,依次对确定出的每个第二车辆执行下述步骤:
当所述第二车辆的期望车速大于当前车速,且所述第二车辆的期望车速与当前车速的差值大于预先设置的速度阈值,提示所述第二车辆将当前车速加速到所述期望车速。
7.如权利要求5或6所述的方法,其特征在于,根据获取的每个车辆的当前运动状态信息,确定每个车辆的期望车速,具体包括:
针对每个车辆分别执行下述步骤:
获得所述车辆的用户信息、车辆历史信息、目标路段信息和当前环境信息;其中,所述车辆历史信息包括:车辆的属性信息和历史运动状态信息;
根据预设的神经网络模型,确定与所述车辆的用户信息、车辆历史信息、目标路段信息和当前环境信息分别对应的影响因子;
根据确定出的影响因子,以及所述车辆的用户信息、车辆的当前运动状态信息、目标路段信息和当前环境信息,确定所述车辆的期望车速。
8.一种车辆防碰撞装置,其特征在于,包括:
信息获取单元,用于获取目标路段上每个车辆的当前运动状态信息;
安全时间确定单元,用于根据所述信息获取单元获取的每个车辆的当前运动状态信息,确定每个车辆的安全时间;其中,每个车辆的安全时间为从当前时刻起,直至所述车辆与所述车辆的前车开始存在碰撞风险的时刻的时间间隔;
车辆集合确定单元,用于根据所述安全时间确定单元确定出每个车辆的安全时间,确定车辆集合;
碰撞风险度确定单元,用于根据所述车辆集合确定单元确定的车辆集合中每个车辆的安全时间,确定所述车辆集合中每个车辆的碰撞风险度;
预警提示单元,用于对所述碰撞风险度确定单元确定的所述车辆集合中每个车辆的碰撞风险度,对所述车辆集合中存在碰撞风险的车辆进行预警提示。
9.如权利要求8所述的装置,其特征在于,所述安全时间确定单元,具体用于:
针对每个车辆,分别执行下述步骤:
根据所述车辆和所述车辆的前车的当前运动状态信息,判断所述车辆是否满足D-s0(t0)≤0;其中,D表示在当前时刻所述车辆车尾和所述车辆的前车车头之间的距离,t0表示当前时刻,s0(t0)表示所述车辆和所述车辆的前车以当前时刻对应的当前车速行驶时需要保持的安全刹车距离;
当判断结果为满足D-s0(t0)≤0时,将所述车辆的安全时间t确定为0;
当判断结果为不满足D-s0(t0)≤0时,执行下述步骤,直至判断出所述车辆不满足Sb(tx)-Sf(tx)≤M(tx),或者迭代次数k大于预先设置的最大迭代次数:
判断所述车辆是否满足Sb(tx)-Sf(tx)≤M(tx),且当判断出所述车辆满足Sb(tx)-Sf(tx)≤M(tx)时,将k加1;其中,tx=k·Δt,Δt为预先设置的迭代步长;
当判断出所述车辆不满足Sb(tx)-Sf(tx)≤M(tx)时,将所述车辆的安全时间t确定为(k-1)Δt;
当判断出迭代次数k大于所述最大迭代次数时,将所述车辆的安全时间t确定为无限大;
其中,M(tx)=D-s0(tx);
s0(tx)表示所述车辆和所述车辆的前车以tx时刻对应的预估车速行驶时需要保持的安全刹车距离;
其中,
Sf(tx)表示所述车辆的前车从t0到tx时刻的行驶距离;vf表示所述车辆的前车在t0的当前车速;vf(tx)表示所述车辆的前车在tx时刻的预估车速,且vf(tx)=min{max{vf+aftx,0},vmax};vmax表示所述车辆的前车的速度上限值;af表示所述车辆的前车在t0时刻的加速度;
其中,
Sb(tx)表示所述车辆从t0到tx时刻的行驶距离;vb表示所述车辆在t0的当前车速;vb(tx)表示所述车辆在tx时刻的预估车速,且vb(tx)=min{max{vb+abtx,0},vmax};vmax表示所述车辆的速度上限值;ab表示所述车辆在t0时刻的加速度。
10.如权利要求8所述的装置,其特征在于,所述车辆集合确定单元,具体用于:
根据确定的每个车辆的安全时间,以及预先设置的划分规则,确定车辆集合;其中,所述划分规则为:当所述车辆的安全时间小于预先设置的第一时间阈值时,将所述车辆与所述车辆的前车划分至同一个车辆集合中;当所述车辆的安全时间不小于所述第一时间阈值时,将所述车辆与所述车辆的前车划分至不同的车辆集合中。
11.如权利要求8所述的装置,其特征在于,所述碰撞风险度确定单元,具体用于:
根据所述车辆集合中每个车辆的安全时间,以及预先设置的碰撞风险度确定规则,确定所述车辆集合中每个车辆的碰撞风险度;其中,所述碰撞风险度确定规则为:当所述车辆的安全时间大于预先设置的第二时间阈值时,所述车辆的碰撞风险度为零;当所述车辆的安全时间不大于所述第二时间阈值时,所述车辆的碰撞风险度为所述第二时间阈值与所述车辆的安全时间的差值与所述第二时间阈值的比值。
12.如权利要求8所述的装置,其特征在于,所述装置还包括:
期望车速确定单元,用于根据信息获取单元获取的每个车辆的当前运动状态信息,确定每个车辆的期望车速;则
所述预警提示单元,具体包括:
第一车辆确定模块,用于根据所述车辆集合中每个车辆的碰撞风险度,从所述车辆集合中确定第一车辆;其中,所述第一车辆满足:碰撞风险度大于预先设置的风险阈值;
减速提示模块,用于根据所述车辆集合的行驶方向,从所述车辆集合的首端开始向后遍历,依次对所述第一车辆确定模块确定出的每个第一车辆执行下述步骤:
根据确定出的第一车辆的当前运动状态信息,确定所述第一车辆的碰撞风险度等于所述风险阈值时的建议车速;
当所述第一车辆的建议车速大于所述期望车速时,提示所述第一车辆将当前车速减速到所述期望车速;
当所述第一车辆的建议车速不大于所述期望车速时,提示所述第一车辆将当前车速减速到所述建议车速。
13.如权利要求12所述的装置,其特征在于,所述装置还包括:
第二车辆确定单元,用于根据所述碰撞风险度确定单元确定的车辆集合中每个车辆的碰撞风险度,从所述车辆集合中确定第二车辆;其中,所述第二车辆满足:碰撞风险度不大于预先设置的风险阈值;
加速提示单元,用于根据所述车辆集合的行驶方向,从所述车辆集合的首端开始向后遍历,依次对所述第二车辆确定单元确定出的每个第二车辆执行下述步骤:
当所述第二车辆的期望车速大于当前车速,且所述第二车辆的期望车速与当前车速的差值大于预先设置的速度阈值,提示所述第二车辆将当前车速加速到所述期望车速。
14.如权利要求12或13所述的装置,其特征在于,所述期望车速确定单元,具体用于:
针对每个车辆分别执行下述步骤:
获得所述车辆的用户信息、车辆历史信息、目标路段信息和当前环境信息;其中,所述车辆历史信息包括:车辆的属性信息和历史运动状态信息;
根据预设的神经网络模型,确定与所述车辆的用户信息、车辆历史信息、目标路段信息和当前环境信息分别对应的影响因子;
根据确定出的影响因子,以及所述车辆的用户信息、车辆的当前运动状态信息、目标路段信息和当前环境信息,确定所述车辆的期望车速。
15.一种车辆防碰撞系统,其特征在于,包括上述权利要求8至14任意一项所述的车辆防碰撞装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410785245.XA CN105788360B (zh) | 2014-12-16 | 2014-12-16 | 一种车辆防碰撞的方法、装置和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410785245.XA CN105788360B (zh) | 2014-12-16 | 2014-12-16 | 一种车辆防碰撞的方法、装置和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105788360A true CN105788360A (zh) | 2016-07-20 |
CN105788360B CN105788360B (zh) | 2018-10-02 |
Family
ID=56374181
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410785245.XA Active CN105788360B (zh) | 2014-12-16 | 2014-12-16 | 一种车辆防碰撞的方法、装置和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105788360B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106934139A (zh) * | 2017-03-06 | 2017-07-07 | 北京经纬恒润科技有限公司 | 一种自动刹车测试方法、装置及系统 |
CN107591024A (zh) * | 2017-08-26 | 2018-01-16 | 圣码智能科技(深圳)有限公司 | 车辆防撞方法 |
CN107933568A (zh) * | 2017-11-15 | 2018-04-20 | 中国联合网络通信集团有限公司 | 防碰撞控制方法、装置及系统 |
CN109003450A (zh) * | 2018-08-06 | 2018-12-14 | 江苏师范大学 | 一种基于驾驶员年龄和性别识别的车辆预警方法 |
CN109584631A (zh) * | 2018-12-14 | 2019-04-05 | 北京大学深圳研究院 | 基于5g车联网的车辆防碰撞控制方法 |
CN109993965A (zh) * | 2018-01-02 | 2019-07-09 | 中国移动通信有限公司研究院 | 目标速度计算方法及装置、mec服务器及存储介质 |
CN110299006A (zh) * | 2019-06-28 | 2019-10-01 | 浙江吉利控股集团有限公司 | 一种车辆碰撞告警方法、装置及设备 |
CN114093187A (zh) * | 2021-11-26 | 2022-02-25 | 交通运输部公路科学研究所 | 自动驾驶车辆的风险预警控制方法以及智能网联系统 |
CN114636568A (zh) * | 2022-03-17 | 2022-06-17 | 奇瑞新能源汽车股份有限公司 | 自动紧急制动系统的测试方法、装置、车辆及存储介质 |
US11407426B2 (en) | 2017-11-16 | 2022-08-09 | Huawei Technologies Co., Ltd. | Collision warning method and apparatus |
CN115394120A (zh) * | 2022-08-23 | 2022-11-25 | 武汉途安交通科技有限公司 | 基于车路协同定向匹配的车辆冲突预警方法、系统及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101751793A (zh) * | 2008-12-12 | 2010-06-23 | 财团法人车辆研究测试中心 | 行车安全辅助网络管理系统及其方法 |
CN102745194A (zh) * | 2012-06-19 | 2012-10-24 | 东南大学 | 一种高速公路汽车防追尾前车的自适应报警方法 |
US20130147955A1 (en) * | 2011-12-12 | 2013-06-13 | Denso Corporation | Warning system, vehicular apparatus, and server |
CN103871243A (zh) * | 2014-04-16 | 2014-06-18 | 武汉欧普威科技有限公司 | 基于主动安全平台的无线车辆管理系统及方法 |
CN104134370A (zh) * | 2013-05-03 | 2014-11-05 | 株式会社万都 | 防止车辆碰撞的方法 |
-
2014
- 2014-12-16 CN CN201410785245.XA patent/CN105788360B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101751793A (zh) * | 2008-12-12 | 2010-06-23 | 财团法人车辆研究测试中心 | 行车安全辅助网络管理系统及其方法 |
US20130147955A1 (en) * | 2011-12-12 | 2013-06-13 | Denso Corporation | Warning system, vehicular apparatus, and server |
CN103164975A (zh) * | 2011-12-12 | 2013-06-19 | 株式会社电装 | 警告系统、车载设备和服务器 |
CN102745194A (zh) * | 2012-06-19 | 2012-10-24 | 东南大学 | 一种高速公路汽车防追尾前车的自适应报警方法 |
CN104134370A (zh) * | 2013-05-03 | 2014-11-05 | 株式会社万都 | 防止车辆碰撞的方法 |
CN103871243A (zh) * | 2014-04-16 | 2014-06-18 | 武汉欧普威科技有限公司 | 基于主动安全平台的无线车辆管理系统及方法 |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106934139B (zh) * | 2017-03-06 | 2020-08-28 | 北京经纬恒润科技有限公司 | 一种自动刹车测试方法、装置及系统 |
CN106934139A (zh) * | 2017-03-06 | 2017-07-07 | 北京经纬恒润科技有限公司 | 一种自动刹车测试方法、装置及系统 |
CN107591024A (zh) * | 2017-08-26 | 2018-01-16 | 圣码智能科技(深圳)有限公司 | 车辆防撞方法 |
CN107591024B (zh) * | 2017-08-26 | 2020-11-24 | 圣码智能科技(深圳)有限公司 | 车辆防撞方法 |
CN107933568A (zh) * | 2017-11-15 | 2018-04-20 | 中国联合网络通信集团有限公司 | 防碰撞控制方法、装置及系统 |
US11407426B2 (en) | 2017-11-16 | 2022-08-09 | Huawei Technologies Co., Ltd. | Collision warning method and apparatus |
CN109993965A (zh) * | 2018-01-02 | 2019-07-09 | 中国移动通信有限公司研究院 | 目标速度计算方法及装置、mec服务器及存储介质 |
CN109993965B (zh) * | 2018-01-02 | 2021-03-30 | 中国移动通信有限公司研究院 | 目标速度计算方法及装置、mec服务器及存储介质 |
CN109003450A (zh) * | 2018-08-06 | 2018-12-14 | 江苏师范大学 | 一种基于驾驶员年龄和性别识别的车辆预警方法 |
CN109584631A (zh) * | 2018-12-14 | 2019-04-05 | 北京大学深圳研究院 | 基于5g车联网的车辆防碰撞控制方法 |
CN110299006A (zh) * | 2019-06-28 | 2019-10-01 | 浙江吉利控股集团有限公司 | 一种车辆碰撞告警方法、装置及设备 |
CN114093187A (zh) * | 2021-11-26 | 2022-02-25 | 交通运输部公路科学研究所 | 自动驾驶车辆的风险预警控制方法以及智能网联系统 |
CN114093187B (zh) * | 2021-11-26 | 2023-02-24 | 交通运输部公路科学研究所 | 自动驾驶车辆的风险预警控制方法以及智能网联系统 |
CN114636568A (zh) * | 2022-03-17 | 2022-06-17 | 奇瑞新能源汽车股份有限公司 | 自动紧急制动系统的测试方法、装置、车辆及存储介质 |
CN114636568B (zh) * | 2022-03-17 | 2024-04-05 | 奇瑞新能源汽车股份有限公司 | 自动紧急制动系统的测试方法、装置、车辆及存储介质 |
CN115394120A (zh) * | 2022-08-23 | 2022-11-25 | 武汉途安交通科技有限公司 | 基于车路协同定向匹配的车辆冲突预警方法、系统及介质 |
CN115394120B (zh) * | 2022-08-23 | 2024-04-05 | 武汉途安交通科技有限公司 | 基于车路协同定向匹配的车辆冲突预警方法、系统及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN105788360B (zh) | 2018-10-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105788360B (zh) | 一种车辆防碰撞的方法、装置和系统 | |
CN109345020B (zh) | 一种完全信息下的无信号交叉口车辆驾驶行为预测方法 | |
US9428196B2 (en) | Vehicle driving behavior predicting device | |
CN105501220A (zh) | 车辆碰撞预警的方法、装置以及车辆 | |
CN108986488B (zh) | 一种车车通信环境下匝道汇入协同轨迹确定方法及设备 | |
CN108919795A (zh) | 一种自动驾驶汽车换道决策方法及装置 | |
EP3338252A1 (de) | Vorrichtungen, verfahren und computerprogramm zum bereitstellen von information über eine voraussichtliche fahrintention | |
CN105788363B (zh) | 一种行车预警方法、装置及系统 | |
CN103921719A (zh) | 驾驶员交互式商用车辆侧翻预警方法和系统 | |
US9352740B2 (en) | Vehicle energy-management device for controlling energy consumption along a travel route | |
CN106956680B (zh) | 一种电动汽车驾驶行为识别分析方法 | |
CN106414204B (zh) | 确定临界车辆状态和车辆最小间距 | |
CN105632203B (zh) | 一种交通安全预警方法及系统 | |
CN108470448A (zh) | 一种黄灯两难区风险评估方法 | |
CN109094560A (zh) | 一种自适应巡航方法及装置 | |
CN113428180A (zh) | 一种无人驾驶车辆单道行驶车速控制方法、系统及终端 | |
CN109987103B (zh) | 辅助驾驶方法、装置、存储介质、系统及交通工具 | |
CN115223347A (zh) | 一种车辆闯红灯预警及车速控制方法 | |
CN112542061A (zh) | 基于车联网的借道超车控制方法、装置、系统及存储介质 | |
CN108241866A (zh) | 一种对驾驶行为进行引导的方法、装置和车辆 | |
CN115952641B (zh) | 基于元胞自动机的双车道自动-手动驾驶车辆交通流仿真方法 | |
JP2017124806A (ja) | 省エネルギー減速走行制御方法 | |
CN112373482B (zh) | 一种基于驾驶模拟器的驾驶习惯建模方法 | |
CN106991806A (zh) | 低能见度高速公路带队通行方法 | |
CN116740943B (zh) | 一种智能网联外置左转车道动态控制方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |