CN108475470B - 事故概率计算装置、事故概率计算方法及存储有事故概率计算程序的介质 - Google Patents
事故概率计算装置、事故概率计算方法及存储有事故概率计算程序的介质 Download PDFInfo
- Publication number
- CN108475470B CN108475470B CN201680079507.8A CN201680079507A CN108475470B CN 108475470 B CN108475470 B CN 108475470B CN 201680079507 A CN201680079507 A CN 201680079507A CN 108475470 B CN108475470 B CN 108475470B
- Authority
- CN
- China
- Prior art keywords
- probability
- accident
- individual
- vehicle
- obstacle
- 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.)
- Active
Links
- 238000004364 calculation method Methods 0.000 title claims abstract description 127
- 206010039203 Road traffic accident Diseases 0.000 claims abstract description 61
- 239000002131 composite material Substances 0.000 claims abstract description 13
- 238000000034 method Methods 0.000 claims description 34
- 238000005295 random walk Methods 0.000 claims description 7
- 230000015572 biosynthetic process Effects 0.000 claims description 5
- 238000003786 synthesis reaction Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 description 31
- 230000006870 function Effects 0.000 description 26
- 238000006243 chemical reaction Methods 0.000 description 19
- 238000010586 diagram Methods 0.000 description 12
- 238000012986 modification Methods 0.000 description 8
- 230000004048 modification Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/095—Predicting travel path or likelihood of collision
- B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/167—Driving aids for lane monitoring, lane changing, e.g. blind spot detection
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种事故概率计算装置、事故概率计算方法及存储有事故概率计算程序的介质。死角确定部(21)对在车辆周围的区域内产生死角的多个障碍物进行确定。个别计算部(231)以死角确定部(21)所确定的各障碍物为对象物,对相对于该对象物的位置的对象位置的交通事故的发生概率进行计算,以作为个别概率。合成计算部(232)根据由个别计算部(231)所计算出的个别概率,对相对于多个障碍物的对象位置处的交通事故的发生概率进行计算,以作为合成概率。
Description
技术领域
本发明涉及对与从位于车辆周围的障碍物的死角飞出来的物体发生交通事故的概率进行计算的技术。
背景技术
开发有如下自动行驶技术:利用搭载于车辆的传感器来对车辆周围的障碍物进行识别,一边避开障碍物,一边使车辆移动。在较早的阶段,关于利用传感器识别出的障碍物,从远离的位置起对车辆进行控制,从而能避开障碍物。然而,有时人和车辆等物体会突然从无法由传感器进行识别的死角飞出来。关于飞出来的物体,有时在由传感器识别出的时刻到物体的距离较短,从而难以避开。
在专利文献1中,记载有利用死角构成物的位置、大小、形状等信息来对物体是否会从死角飞出来进行判定的情况。
现有技术文献
专利文献
专利文献1:日本专利特开2012-089084号公报
发明内容
发明所要解决的技术问题
不管死角构成物的位置、大小、形状如何,并非是只要无法从车辆看到,物体就不可能飞出,因此存在危险。在死角周围,重要的是在物体飞出来的情况下避开飞出来的物体。
若知道了物体会从死角飞出到哪一带的位置,就能通过避开物体飞出来的位置而行驶这一应对措施,来避免与飞出来的物体发生碰撞。即,若能知道死角周围的哪个位置容易发生交通事故,则能避免与飞出来的物体发生碰撞的可能性会提高。
本发明的目的在于,对在哪个位置容易与从位于车辆周围的障碍物的死角飞出来的物体发生交通事故进行确定。
解决技术问题所采用的技术方案
本发明所涉及的事故概率计算装置包括:
死角确定部,该死角确定部对位于车辆周围的障碍物进行确定;以及
个别计算部,该个别计算部以所述死角确定部所确定的障碍物为对象物,对相对于该对象物的位置的对象位置的交通事故的发生概率进行计算,以作为个别概率。
发明效果
在本发明中,考虑位于车辆周围的障碍物,对对象位置处的事故的发生概率进行计算。由此,能确定死角周围的哪个位置容易发生交通事故。
附图说明
图1是实施方式1所涉及的事故概率计算装置10的结构图。
图2是实施方式1所涉及的参数转换处理的流程图。
图3是实施方式1所涉及的概率参数31的说明图。
图4是对实施方式1所涉及的死角区域进行确定的处理的说明图。
图5是能从实施方式1所涉及的车辆100看到的顶点的说明图。
图6是实施方式1所涉及的概率计算处理的流程图。
图7是实施方式1所涉及的概率计算处理的说明图。
图8是表示实施方式1所涉及的交通事故的发生概率的分布的图。
图9是变形例1所涉及的事故概率计算装置10的结构图。
图10是利用实施方式2所涉及的随机走动模型(random walk model)的情况的处理的说明图。
图11是实施方式3所涉及的事故概率计算装置10的结构图。
图12是实施方式3所涉及的参数生成处理的流程图。
图13是对实施方式3所涉及的相对位置进行计算的处理的说明图。
图14是实施方式4所涉及的事故概率计算装置10的结构图。
图15是实施方式4所涉及的数据更新处理的流程图。
图16是实施方式5所涉及的事故概率计算装置10的结构图。
图17是实施方式5所涉及的驾驶控制处理的流程图。
具体实施方式
实施方式1.
***结构的说明***
参照图1,对实施方式1所涉及的事故概率计算装置10的结构进行说明。
事故概率计算装置10是搭载于车辆100的计算机。事故概率计算装置10是利用能对相对于障碍物的每个相对位置的交通事故的发生概率进行计算的概率参数31、对考虑了根据障碍物数据32而确定的车辆100周围的一个以上的障碍物的情况下的每个位置的交通事故的发生概率进行计算的计算机。
事故概率计算装置10包括处理器11、存储装置12、车载接口13。处理器11经由信号线与其他硬件相连接,并控制上述其他硬件。
处理器11是进行处理的IC(Integrated Circuit:集成电路)。处理器11具体是CPU(Central Processing Unit:中央处理器)、DSP(Digital Signal Processor:数字信号处理器)、GPU(Graphics Processing Unit:图形处理器)。
存储装置12包括内存121、存储器122。具体而言,内存121是RAM(Random AccessMemory:随机存取存储器)。具体而言,存储器122是HDD(Hard Disk Drive:硬盘驱动器)。另外,存储器122也可以是SD(Secure Digital:安全数字)存储卡、CF(CompactFlash:紧凑式闪存)、NAND闪存、软盘、光盘、压缩光盘、蓝光(注册商标)盘、DVD这些可移动存储介质。
车载接口13是搭载于车辆100的、GPS(Global Positioning System:全球定位系统)接收机、陀螺传感器、摄像头、激光传感器、毫米波传感器、速度传感器、加速度传感器这些车载装置41所连接的装置。
事故概率计算装置10包括死角确定部21、坐标转换部22、概率计算部23,以作为功能结构要素。概率计算部23包括个别计算部231、合成计算部232。死角确定部21、坐标转换部22、概率计算部23、个别计算部231、合成计算部232的各部分的功能利用软件来实现。
存储装置12的存储器122中存储有实现事故概率计算装置10的各部分的功能的程序。该程序被处理器11读取至内存121,由处理器11来执行。由此,来实现事故概率计算装置10的各部分的功能。
表示由处理器11所实现的各部分的功能的处理结果的信息、数据、信号值和变量值存储于内存121、或者处理器11内的寄存器或高速缓存。在以下的说明中,设将表示由处理器11所实现的各部分的功能的处理结果的信息、数据、信号值和变量值存储于内存121,以进行说明。
设实现由处理器11所实现的各功能的程序存储于存储装置12。然而,该程序也可以存储于磁盘、软盘、光盘、压缩光盘、蓝光(注册商标)盘、DVD这些可移动存储介质。
在图1中,处理器11仅示出了一个。然而,处理器11也可以有多个,多个处理器11也可以协同执行实现各功能的程序。
***动作的说明***
参照图2至图7,对实施方式1所涉及的事故概率计算装置10的动作进行说明。
实施方式1所涉及的事故概率计算装置10的动作相当于实施方式1所涉及的事故概率计算方法。另外,实施方式1所涉及的事故概率计算装置10的动作相当于实施方式1所涉及的事故概率计算程序的处理。
实施方式1所涉及的事故概率计算装置10的动作有参数转换处理和概率计算处理。
参照图2,对实施方式1所涉及的参数转换处理进行说明。
作为参数转换处理的前提,设概率参数31和障碍物数据32存储于存储器122。
概率参数31是能对相对于障碍物的每个相对位置的交通事故的发生概率进行计算的信息。在实施方式1中,概率参数31表示相对于障碍物的位置的发生过交通事故的相对位置的平均即平均位置、以及相对位置的偏差。在实施方式1中,概率参数31利用标准偏差来表示偏差。如图3所示,相对位置表示将障碍物中产生死角的边界点的位置设为障碍物的位置时发生交通事故的相对位置,表示与障碍物的位置的距离及方向。方向是以车辆100的行进方向为基准的相对方向。
障碍物数据32是关于产生死角的障碍物的数据。障碍物数据32表示障碍物的位置、以及二维平面上的障碍物的区域即占据区域。在实施方式1中,设占据区域为多边形。此外,这里,设占据区域为矩形来进行说明。
另外,作为参数转换处理的前提,设将计算交通事故的发生概率的位置指定作为对象位置。设对象位置用以车辆100的位置为原点的坐标系的坐标来表示。
这里,设仅指定有1处对象位置来进行说明。然而,也可以指定多处的对象位置。在指定有多处的对象位置的情况下,针对所指定的对象位置重复进行参数转换处理和概率计算处理。
在步骤S11中,死角确定部21经由车载接口13从车载装置41获取表示车辆100的位置的位置信息、以及表示行进方向的方向信息。
具体而言,死角确定部21将通过经由车载接口13相连接的车载装置41即GPS接收机而接收到的定位信号获取作为位置信息。另外,死角确定部21将从经由车载接口13相连接的车载装置41即陀螺传感器所获取到的信号获取作为方向信息。
在步骤S12中,死角确定部21根据步骤S11中所获取到的位置信息及方向信息、以及存储于存储器122的障碍物数据32,来对位于车辆100周围的一个以上的障碍物进行确定。
具体而言,死角确定部21从存储器122读取表示位于位置信息所示位置周围的障碍物的障碍物数据32,从而对位于车辆100周围的一个以上的障碍物进行确定。所谓周围,是指存在因从死角飞出而与车辆100发生交通事故的可能性的范围。在实施方式1中,所谓周围是指在半径在基准距离以内这一范围内方向信息所示的车辆100的行进方向的前方的范围。基准距离可以是预先设定的固定值,也可以由车辆100的速度、车辆100正在行驶的道路的限制速度这样的信息所决定。
在步骤S13中,死角确定部21将步骤S12中所确定的一个以上的障碍物中还未选择的障碍物选择作为对象物。
在步骤S14中,死角确定部21对由步骤S13中所选择的对象物所产生的死角区域进行确定。
参照图4来进行具体说明。死角确定部21对是否能从车辆100看到障碍物数据32所示的对象物的占据区域的各顶点进行判定。然后,死角确定部21确定将能从车辆100看到的顶点与车辆100的位置相连结的线段中与车辆的行进方向的右手方向所成的角度θ最大的线段、以及所成角度θ最小的线段。此外,这里,设角度θ为线段与车辆的行进方向的右手方向所成的角度,但也可以为线段与车辆的行进方向的左手方向所成的角度。死角确定部21将所确定的两段线段确定作为死角区域与非死角区域之间的边界。在图4中,将顶点2、3确定作为边界点。死角确定部21分别将所确定的两段线段所连接的两个顶点作为边界点而写入内存121。
如图5所示,对于能从车辆100看到的顶点2、3、4,将车辆100与顶点相连结的线段不与对象物的边相交。另一方面,如图5所示,对于不能从车辆100看到的顶点1,将车辆100与顶点相连结的线段与对象物的边相交。因此,死角确定部21根据将车辆100与顶点相连结的矢量是否与对象物的任意边相交来对是否能从车辆100看到该顶点进行判定。
死角确定部21将连结车辆100与顶点v的矢量p→分解为p→=tai →+saj →。这里,矢量ai →及aj →是将车辆100与未连接顶点v的对象边的两端的顶点相连结的矢量。在图5中,在将连结车辆100与顶点1的矢量设为矢量p→的情况下,不与顶点1相连接的边为边X、Y。因此,矢量ai →及aj →在选择边X作为对象边的情况下,成为连结车辆100与顶点3的矢量、以及连结车辆100与顶点4的矢量,在选择边Y作为对象边的情况下,成为连结车辆100与顶点4的矢量、以及连结车辆100与顶点2的矢量。此外,连结车辆100与顶点v的矢量p→不会与连接顶点v的边相交,因此,无需将连接顶点v的边设为对象边。
然后,死角确定部21在t≥0∧s≥0∧t+s≥1的情况下,判定为矢量p→与对象边相交。
在步骤S15中,坐标转换部22将通过步骤S14中所确定的两段线段与车辆100相连结的两个边界点中的至少任意边界点选择作为对象物的位置。
具体而言,坐标转换部22从内存121中读取步骤S14中所确定的两个边界点。然后,在实施方式1中,坐标转换部22将两个边界点中靠近对象位置的顶点选择作为对象物的位置。
在步骤S16中,坐标转换部22将相对于概率参数31所示的对象物的位置的发生过交通事故的平均位置转换为以步骤S15中所选择的对象物的位置为基准的位置。进而,坐标转换部22将转换后的平均位置转换为以车辆100的位置为原点的坐标系的坐标。坐标转换部22将转换后的平均位置的坐标写入内存121。
在步骤S17中,死角确定部21对是否存在步骤S13中未选择的障碍物进行判定。
死角确定部21在存在未选择的障碍物的情况下,使处理返回步骤S13,在不存在未选择的障碍物的情况下,结束处理。
参照图6,对实施方式1所涉及的概率计算处理进行说明。
在参数转换处理结束后执行概率计算处理。
在步骤S21中,个别计算部231将步骤S12中所确定的一个以上的障碍物中还未选择的障碍物选择作为对象物。
在步骤S22中,个别计算部231对步骤S21中所选择的对象物,根据在步骤S16中转换后的平均位置的坐标、以及概率参数31所示的标准偏差,来计算相对于对象物的位置的对象位置的交通事故的发生概率,以作为个别概率。
具体而言,个别计算部231从内存121中读取以车辆100的位置为原点的坐标系中所表示的平均位置的坐标、以及概率参数所示的标准偏差。然后,在实施方式1中,个别计算部231设交通事故的发生概率遵从正态分布,根据平均位置的坐标(oxi,oyi)、标准偏差(σxi,σyi)以及对象位置的坐标(px,py),利用数学式1来计算对象位置的个别概率Pi(px,py)。这里,变量i是分配给步骤S21中选择作为对象物的障碍物的编号。
[数学式1]
个别计算部231将所计算出的个别概率写入内存121。
在步骤S23中,个别计算部231对是否存在步骤S21中未选择的障碍物进行判定。
个别计算部231在存在未选择的障碍物的情况下,使处理返回步骤S21,在不存在未选择的障碍物的情况下,使处理前进至步骤S24。
在步骤S24中,合成计算部232根据步骤S22中所计算出的个别概率来计算相对于步骤S12中所确定的一个以上的障碍物的对象位置处的交通事故的发生概率,以作为合成概率。
具体而言,合成计算部232从内存121读取以步骤S22中所计算出的各障碍物为对象物的情况下的个别概率。然后,合成计算部232利用数学式2来计算所读取出的个别概率的逻辑或,以作为合成概率。
[数学式2]
即,如图7所示,在车辆100周围存在多个障碍物O1~O3的情况下,首先个别计算部231对各障碍物O1、O2、O3计算个别概率。然后,合成计算部232对各障碍物O1、O2、O3取个别概率的逻辑或,从而对考虑了所有障碍物O1~O3的对象位置的交通事故的发生概率进行计算。
此外,在上述说明中,在步骤S15中坐标转换部22将两个边界点中靠近对象位置的边界点选择作为对象物的位置。然而,坐标转换部22也可以将两个边界点两者都选择作为对象物的位置。
在这种情况下,在步骤S16中坐标转换部22将平均位置转换为分别以两个对象物的位置为基准的位置,将转换后的两个平均位置分别转换为以车辆100的位置为原点的坐标系的坐标。在步骤S22中,个别计算部231基于两个平均位置中的一个平均位置的坐标,利用数学式1来计算个别概率Pi 1(px,py),基于另一个平均位置的坐标,利用数学式1来计算个别概率Pi 2(px,py)。然后,个别计算部231利用数学式3来计算个别概率Pi 1(px,py)及个别概率Pi 2(px,py)的逻辑或,以作为个别概率Pi(px,py)。
[数学式3]
***实施方式1的效果***
如上所述,实施方式1所涉及的事故概率计算装置10考虑了位于车辆100周围的一个以上的障碍物,来计算对象位置处的事故的发生概率。由此,能对死角周围的每个位置的交通事故的发生概率进行计算。
图8表示交通事故的发生概率的分布的示例。在图8中,关于一个障碍物的交通事故的发生概率即个别概率在越接近死角的位置变得越高,随着远离死角而变低。对该个别概率进行统计,对合成概率进行计算,因此,合成概率在附近配置有多个障碍物的情况下概率较高。
***其他结构***
<变形例1>
在实施方式1中,事故概率计算装置10的各部分的功能由软件来实现。然而,作为变形例1,事故概率计算装置10的各部分的功能也可以由硬件来实现。关于该变形例1,对与实施方式1的不同点进行说明。
参照图9,对变形例1所涉及的事故概率计算装置10的结构进行说明。
在各部分的功能由硬件来实现的情况下,事故概率计算装置10包括处理电路14,以代替处理器11和存储装置12。处理电路14是实现事故概率计算装置10的各部分的功能及存储装置12的功能的专用的电子电路。
处理电路14假设为单一电路、复合电路、编程处理器、并联编程处理器、逻辑IC、GA(Gate Array:门阵列)、ASIC(Application Specific Integrated Circuit:专用集成电路)、FPGA(Field-Programmable Gate Array:现场可编程门阵列)。
可以用一个处理电路14来实现各部分的功能,也可以将各部分的功能分散至多个处理电路14来实现。
<变形例2>
作为变形例2,可以用硬件来实现一部分的功能,用软件来实现其他功能。即,事故概率计算装置10的各部分中,可以用硬件来实现一部分的功能,用软件来实现其他功能。
将处理器11、存储装置12和处理电路14总称为“处理线路”。即,利用处理线路来实现各部分的功能。
实施方式2.
在实施方式1中,设交通事故的发生概率遵从正态分布。在实施方式2中,设交通事故的发生概率遵从基于交通事故的对方即飞出来的物体的运动模型的概率分布。在实施方式2中,对该不同点进行说明。
***结构的说明***
事故概率计算装置10的结构与图1所示的实施方式1所涉及的事故概率计算装置10的结构相同。
***动作的说明***
参照图6及图10,对实施方式2所涉及的事故概率计算装置10的动作进行说明。
实施方式2所涉及的事故概率计算装置10的动作相当于实施方式2所涉及的事故概率计算方法。另外,实施方式2所涉及的事故概率计算装置10的动作相当于实施方式2所涉及的事故概率计算程序的处理。
参照图6,对实施方式2所涉及的概率计算处理进行说明。
步骤S21和步骤S23至步骤S24的处理与实施方式1相同。
在步骤S22中,设个别计算部231遵从基于飞出来的物体的运动模型的概率分布。
参照图10来进行具体说明。在实施方式2中,个别计算部231利用朝向与车辆100所行驶的道路正交的方向的随机走动模型(random walk model)来定义概率分布。即,个别计算部231利用假设了飞出来的物体进行以最短距离驶过道路的运动的情况而得的运动模型。
在这种情况下,发生概率依赖于物体的移动量,为了进行计算需要时间的条件。然后,经过了t秒的时间的时刻的物体的存在概率成为发生概率。
对朝向与道路正交的方向的一维的随机走动模型中的位置进行定义。将从移动开始地点t=0经过时间T后的时刻的位置设为位置XT。在位置XT处,将向从障碍物侧朝向道路的相反侧的方向即正方向移动的时间设为T0(0≤T0≤T)。另外,设物体的移动速度为速度V的匀速。由此,XT=VT0-V(T-T0)=2VT0-VT。
由于为随机走动,因此向正方向移动的时间T0是随机的。在实施方式2中,设时间T0遵从正态分布。由此,根据XT的式子,表示为T0=XT/2V-T/2。下面,与位置XT相对应的时间T0相对于某个时间T是确定的,时间T0的产生概率能根据正态分布来进行计算。此外,设对象位置为位置XT,设车辆100到达对象位置为止的时间为时间T。车辆100到达对象位置为止的时间能根据车辆100与对象位置之间的距离、以及车辆100的速度来计算。另外,设速度V是预先决定的。
然后,个别计算部231根据平均位置的坐标(oxi,oyi)、标准偏差(σxi,σyi)以及对象位置的坐标(px,py),利用数学式4来计算对象位置的个别概率Pi(px,py)。
[数学式4]
在上述说明中,对飞出来的物体定义了一个运动模型。然而,作为变形例3,也可以对行人、汽车、自行车这些飞出来的物体的每个种类定义运动模型。而且,也可以对物体的每个种类计算个别概率,计算对各种类所计算出的个别概率的逻辑或以计算合成概率。此时,也可以对假设飞出来的物体的每个种类决定速度V。
***实施方式2的效果***
如上所述,实施方式2所涉及的事故概率计算装置10中,设交通事故的发生概率遵从基于飞出来的物体的运动模型的概率分布,对个别概率进行计算。由此,能计算出更恰当的交通事故的发生概率。
实施方式3.
在实施方式1中,概率参数31预先存储于存储器122。在实施方式3中,对概率参数31进行计算,这一点与实施方式1不同。在实施方式3中,对该不同点进行说明。
此外,在实施方式3中,对向实施方式1追加了功能的情况进行说明。然而,也可以向实施方式2追加功能。
***结构的说明***
参照图11,对实施方式3所涉及的事故概率计算装置10的结构进行说明。
事故概率计算装置10除了图1所示的事故概率计算装置10的功能结构以外,还具备根据事故数据33来生成概率参数31的参数生成部24。参数生成部24的功能利用软件来实现。
***动作的说明***
参照图12至图13,对实施方式3所涉及的事故概率计算装置10的动作进行说明。
实施方式3所涉及的事故概率计算装置10的动作相当于实施方式3所涉及的事故概率计算方法。另外,实施方式3所涉及的事故概率计算装置10的动作相当于实施方式3所涉及的事故概率计算程序的处理。
实施方式3所涉及的事故概率计算装置10的动作除了实施方式1所涉及的事故概率计算装置10的动作以外,还包括参数生成处理。
参照图12,对实施方式3所涉及的参数生成处理进行说明。
作为参数生成处理的前提,设事故数据33存储于存储器122。事故数据33表示除因从死角飞出而发生交通事故的地点的高度以外的二维平面上的位置、以及发生飞出事故的车辆的行进方向。事故数据33是对发生交通事故时所生成的事故原始凭证进行电子化而得的数据,事故数据的坐标系是平面直角坐标系这种表示绝对位置的绝对坐标系。
在步骤S31中,参数生成部24从存储于存储器122中的事故数据33中选择未被选择的事故数据33来进行读取。
在步骤S32中,参数生成部24从存储于存储器122中的障碍物数据32中读取与步骤S31中所选出的事故数据33相对应的障碍物的障碍物数据32。
在实施方式3中,所谓与事故数据33相对应的障碍物是指最靠近事故数据33所示的位置的障碍物。此外,在事故数据33示出遭遇交通事故的物体飞出来的位置的情况下,与事故数据33相对应的障碍物是在飞出来的位置上形成死角的障碍物。
在步骤S33中,参数生成部24将步骤S31中所选出的事故数据33转换为以步骤S32中所读取的障碍物数据32所示的障碍物的位置为基准的相对坐标系中表示交通事故的发生位置的数据。即,参数生成部24根据步骤S31中所选出的事故数据33所示的位置及车辆的行进方向、以及步骤S32中所读取的障碍物数据32所示的障碍物的位置,来计算相对于障碍物的位置的发生了交通事故的相对位置。
具体而言,如图13所示,参数生成部24根据事故数据33所示的位置Pi=(pxi,pyi)及车辆的行进方向vi=(vxi,vyi)、以及障碍物的位置Oi=(oxi,oyi),利用数学式5来计算相对位置Ri=(rxi,ryi)。此外,障碍物的位置是最靠近事故数据33所示位置的障碍物的顶点的位置。,变量i是分配给步骤S31中所选出的事故数据33的编号。
[数学式5]
其中,θ如下所述。
在步骤S34中,参数生成部24对是否存在步骤S31中未选择的事故数据33进行判定。
参数生成部24在存在未选择的事故数据33的情况下,使处理返回步骤S31,在不存在未选择的事故数据33的情况下,使处理前进至步骤S35。
在步骤S35中,参数生成部24计算步骤S33中所计算出的相对位置的平均以作为平均位置,并计算相对位置的标准偏差。然后,参数生成部24将表示所计算出的平均位置及标准偏差的概率参数31写入存储器122。
***实施方式3的效果***
如上所述,实施方式3所涉及的事故概率计算装置10对过去发生交通事故的位置进行坐标转换,转换为以障碍物的位置为基准的相对位置,生成概率参数31。由此,能将过去因从死角飞出而发生的交通事故的信息用于因从其他地点处的障碍物的死角飞出而发生的交通事故的发生概率的计算。
实施方式4.
在实施方式3中,设事故数据33存储于存储器122。在实施方式4中,从外部获取事故数据33并进行更新,这一点与实施方式3不同。
***结构的说明***
参照图14,对实施方式4所涉及的事故概率计算装置10的结构进行说明。
事故概率计算装置10除了包括图11所示的事故概率计算装置10的结构以外,还包括通信接口15。通信接口15是用于与外部服务器这样的外部的装置进行通信的接口。具体而言,通信接口15是通信芯片或NIC(Network Interface Card:网络接口卡)。
事故概率计算装置10除了图11所示的事故概率计算装置10的功能结构要素以外,还具备从外部的装置获取事故数据33的数据更新部25。数据更新部25的功能利用软件来实现。
***动作的说明***
参照图15,对实施方式4所涉及的事故概率计算装置10的动作进行说明。
实施方式4所涉及的事故概率计算装置10的动作相当于实施方式4所涉及的事故概率计算方法。另外,实施方式4所涉及的事故概率计算装置10的动作相当于实施方式4所涉及的事故概率计算程序的处理。
实施方式4所涉及的事故概率计算装置10的动作除了相当于实施方式3所涉及的事故概率计算装置10的动作以外,还包括数据更新处理。
参照图15,对实施方式4所涉及的数据更新处理进行说明。
在步骤S41中,数据更新部25经由通信接口15从外部服务器这样的外部的装置获取事故数据33。在外部的装置中,将事故原始凭证进行电子化并依次对新的事故数据33进行登记。
在步骤S42中,数据更新部25将步骤S41中所获取到的事故数据33写入存储器122。由此,将事故数据33追加至存储器122。
参数生成部24定期或者在每次获取基准量的事故数据33时执行参数生成处理。由此,生成考虑了新的事故数据33的概率参数31。
***实施方式4的效果***
如上所述,实施方式4所涉及的事故概率计算装置10将事故数据33追加至存储器122。由此,概率参数31变得恰当,能计算出更恰当的交通事故的发生概率。
实施方式5.
在实施方式1~4中,对交通事故的发生概率的计算方法进行了说明。在实施方式5中,基于利用实施方式1~4中所说明的方法所计算出的交通事故的发生概率,来对车辆100进行控制,这一点与实施方式1~4不同。在实施方式5中,对该不同点进行说明。
此外,在实施方式5中,对向实施方式1追加了功能的情况进行说明。然而,也可以向实施方式2~4追加功能。
***结构的说明***
参照图16,对实施方式5所涉及的事故概率计算装置10的结构进行说明。
事故概率计算装置10除了包括图1所示的事故概率计算装置10的结构以外,还包括控制接口16。控制接口16是用于连接油门、刹车、方向盘、显示器这样的车载设备42的装置。具体而言,控制接口16是车辆控制ECU(Electronic Control Unit:电子控制单元)。
事故概率计算装置10除了包括图1所示的事故概率计算装置10的功能结构要素以外,还包括控制部26。控制部26的功能利用软件来实现。
***动作的说明***
参照图17,对实施方式5所涉及的事故概率计算装置10的动作进行说明。
实施方式5所涉及的事故概率计算装置10的动作相当于实施方式5所涉及的事故概率计算方法。另外,实施方式5所涉及的事故概率计算装置10的动作相当于实施方式5所涉及的事故概率计算程序的处理。
实施方式5所涉及的事故概率计算装置10的动作除了实施方式1所涉及的事故概率计算装置10的动作以外,还包括驾驶控制处理。
参照图17,对实施方式5所涉及的驾驶控制处理进行说明。
作为驾驶控制处理的前提,设通过概率计算处理来对车辆100前方的多个位置的合成概率进行计算。在实施方式5中,关于车辆100前方的到基准距离为止之间的、车辆100的行进方向的车道,设对与行进方向或垂直于行进方向的方向之间的每个基准间隔的合成概率进行计算。基准间隔根据处理负荷这样的信息来决定。
在步骤S51中,控制部26基于步骤S24中所计算出的各位置的合成概率,来确定交通事故的发生概率比阈值要高的位置。
在步骤S52中,控制部26对刹车、方向盘这样的车辆设备42进行控制,使得避开步骤S51中所确定的事故发生概率比阈值要高的位置。或者,控制部26对刹车、油门这样的车辆设备42进行控制,使得速度在通过步骤S51中所确定的事故发生概率比阈值要高的位置之前下降至能紧急停止的程度。另外,或者控制部26对显示器这样的车辆设备42进行控制,使得显示步骤S51中所确定的事故发生概率比阈值要高的位置。此外,当存在事故发生概率比阈值要高的位置的情况下,也可以利用声、光、振动这样的其他方法,来引起车辆100的驾驶员的注意。
***实施方式5的效果***
如上所述,实施方式5所涉及的事故概率计算装置10基于合成概率来对车辆100进行控制。由此,即使存在从死角飞出的情况,也能防止交通事故。
标号说明
10 事故概率计算装置
11 处理器
12 存储装置
121 内存
122 存储器
13 车载接口
14 处理电路
15 通信接口
16 控制接口
21 死角确定部
22 坐标转换部
23 概率计算部
231 个别计算部
232 合成计算部
24 参数生成部
25 数据更新部
26 控制部
31 概率参数
32 障碍物数据
33 事故数据
41 车载装置
42 车辆设备
100 车辆
Claims (11)
1.一种事故概率计算装置,其特征在于,包括:
死角确定部,该死角确定部对在车辆周围的区域内产生死角的障碍物进行确定;以及
个别计算部,该个别计算部以所述死角确定部所确定的障碍物为对象物,利用表示过去发生过交通事故的相对位置的平均及偏差的概率参数,对相对于该对象物的位置的对象位置的交通事故的发生概率进行计算,以作为个别概率,
所述相对位置表示交通事故的发生位置与障碍物的位置的距离及方向,
所述对象位置是计算交通事故的发生概率的位置。
2.如权利要求1所述的事故概率计算装置,其特征在于,
所述个别计算部利用所述概率参数,设所述交通事故的发生概率遵从正态分布,来对所述个别概率进行计算。
3.如权利要求1所述的事故概率计算装置,其特征在于,
所述个别计算部利用所述概率参数,设所述交通事故的发生概率遵从基于所述交通事故的对象即飞出来的物体的运动模型而定义的概率分布,来对所述个别概率进行计算。
4.如权利要求3所述的事故概率计算装置,其特征在于,
所述个别计算部将成为所述交通事故的对象的物体的运动模型设为在二维平面上朝向与所述车辆所行驶的道路的方向垂直的方向的随机走动模型,设所述随机走动模型中的朝一个方向的移动量遵从正态分布,来对所述个别概率进行计算。
5.如权利要求2至4的任一项所述的事故概率计算装置,其特征在于,
所述事故概率计算装置还包括:
参数生成部,该参数生成部将用绝对坐标系来表示过去所发生的交通事故的发生位置的事故数据转换为用以障碍物的位置为基准的相对坐标系来表示所述发生位置的数据,以生成所述概率参数。
6.如权利要求5所述的事故概率计算装置,其特征在于,
所述事故概率计算装置还包括:
数据更新部,该数据更新部从外部的装置获取所述事故数据,
所述参数生成部定期或者在每次获取基准量的所述事故数据时对所述概率参数进行计算。
7.如权利要求1至4的任一项所述的事故概率计算装置,其特征在于,
所述事故概率计算装置还包括:
控制部,该控制部基于所计算出的交通事故的发生概率,对搭载于所述车辆的车辆设备进行控制。
8.如权利要求1至4的任一项所述的事故概率计算装置,其特征在于,
所述死角确定部对在车辆周围的区域内产生死角的多个障碍物进行确定,
所述个别计算部以所述死角确定部所确定的各障碍物为对象物,对相对于该对象物的位置的对象位置的交通事故的发生概率进行计算,以作为个别概率,
所述事故概率计算装置还包括:
合成计算部,该合成计算部根据由所述个别计算部所计算出的个别概率,对相对于所述多个障碍物的所述对象位置处的交通事故的发生概率进行计算,以作为合成概率。
9.如权利要求8所述的事故概率计算装置,其特征在于,
所述合成计算部对所述个别概率的逻辑或进行计算,以作为所述合成概率。
10.一种事故概率计算方法,其特征在于,
对在车辆周围的区域内产生死角的障碍物进行确定,
以所确定的障碍物为对象物,利用表示过去发生过交通事故的相对位置的平均及偏差的概率参数,对相对于该对象物的位置的对象位置的交通事故的发生概率进行计算,
所述相对位置表示交通事故的发生位置与障碍物的位置的距离及方向,
所述对象位置是计算交通事故的发生概率的位置。
11.一种存储有事故概率计算程序的介质,其特征在于,
所述事故概率计算程序能由计算机进行读取,使计算机执行以下处理:
死角确定处理,该死角确定处理对在车辆周围的区域内产生死角的障碍物进行确定;以及
个别计算处理,该个别计算处理以所述死角确定处理所确定的障碍物为对象物,利用表示过去发生过交通事故的相对位置的平均及偏差的概率参数,对相对于该对象物的位置的对象位置的交通事故的发生概率进行计算,
所述相对位置表示交通事故的发生位置与障碍物的位置的距离及方向,
所述对象位置是计算交通事故的发生概率的位置。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2016/052437 WO2017130342A1 (ja) | 2016-01-28 | 2016-01-28 | 事故確率計算装置、事故確率計算方法及び事故確率計算プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108475470A CN108475470A (zh) | 2018-08-31 |
CN108475470B true CN108475470B (zh) | 2021-06-01 |
Family
ID=57483165
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201680079507.8A Active CN108475470B (zh) | 2016-01-28 | 2016-01-28 | 事故概率计算装置、事故概率计算方法及存储有事故概率计算程序的介质 |
Country Status (5)
Country | Link |
---|---|
US (1) | US10647315B2 (zh) |
JP (1) | JP6038423B1 (zh) |
CN (1) | CN108475470B (zh) |
DE (1) | DE112016006323T5 (zh) |
WO (1) | WO2017130342A1 (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6515912B2 (ja) * | 2016-12-22 | 2019-05-22 | トヨタ自動車株式会社 | 車両運転支援装置 |
US10783787B2 (en) * | 2017-05-31 | 2020-09-22 | Regents Of The University Of Minnesota | Freeway queue warning system |
KR20200075053A (ko) * | 2018-12-07 | 2020-06-26 | 현대자동차주식회사 | 사물 인식 기반 주행 패턴 관리 서버, 그를 이용한 차량의 주행 제어 장치 및 그 방법 |
US11198437B2 (en) * | 2019-06-24 | 2021-12-14 | GM Global Technology Operations LLC | Method and apparatus for threat zone assessment |
KR20210017315A (ko) * | 2019-08-07 | 2021-02-17 | 엘지전자 주식회사 | 차량의 장애물 경고 방법 |
CN112633258B (zh) * | 2021-03-05 | 2021-05-25 | 天津所托瑞安汽车科技有限公司 | 一种目标确定方法及装置、电子设备、计算机可读存储介质 |
CN114707213A (zh) * | 2022-03-31 | 2022-07-05 | 中信建筑设计研究总院有限公司 | 一种考虑断索的斜拉索目标可靠度指标的计算方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006258428A (ja) * | 2005-03-15 | 2006-09-28 | Fujitsu Ten Ltd | 運転支援装置及び運転支援システム |
JP2012014619A (ja) * | 2010-07-05 | 2012-01-19 | Hitachi Ltd | 計算機システム及びリスク診断方法 |
GB2486814A (en) * | 2010-12-21 | 2012-06-27 | Bosch Gmbh Robert | Method for assisting a driver of a motor vehicle |
EP2803546A1 (en) * | 2013-05-14 | 2014-11-19 | Denso Corporation | Collision mitigation apparatus |
WO2015072002A1 (ja) * | 2013-11-15 | 2015-05-21 | 株式会社日立製作所 | 移動ロボットシステム |
Family Cites Families (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR0183299B1 (ko) * | 1996-11-04 | 1999-04-15 | 삼성전자주식회사 | 자동차의 주변사항을 알려주는 네비게이션 장치 및 그 제어방법 |
JP4604683B2 (ja) | 2004-11-25 | 2011-01-05 | 日産自動車株式会社 | 危険状況警報装置 |
WO2006070865A1 (ja) * | 2004-12-28 | 2006-07-06 | Kabushiki Kaisha Toyota Chuo Kenkyusho | 車両運動制御装置 |
JP4811019B2 (ja) * | 2005-01-17 | 2011-11-09 | 株式会社豊田中央研究所 | 衝突挙動制御装置 |
JP2007099237A (ja) * | 2005-10-07 | 2007-04-19 | Fuji Heavy Ind Ltd | 車両用運転支援装置 |
JP4715579B2 (ja) * | 2006-03-23 | 2011-07-06 | 株式会社豊田中央研究所 | 潜在危険度推定装置 |
JP4722777B2 (ja) * | 2006-06-21 | 2011-07-13 | 本田技研工業株式会社 | 障害物認識判定装置 |
DE102007013303A1 (de) * | 2007-03-16 | 2008-09-18 | Robert Bosch Gmbh | Verfahren zur Berechnung einer kollisionsvermeidenden Trajektorie für ein Fahrmanöver eines Fahrzeugs |
JP5300357B2 (ja) * | 2008-07-22 | 2013-09-25 | 日立オートモティブシステムズ株式会社 | 衝突防止支援装置 |
JP4957747B2 (ja) * | 2009-05-18 | 2012-06-20 | トヨタ自動車株式会社 | 車両環境推定装置 |
JP2011253302A (ja) * | 2010-06-01 | 2011-12-15 | Toyota Motor Corp | 車両用危険度算出装置 |
JP5703682B2 (ja) | 2010-10-22 | 2015-04-22 | トヨタ自動車株式会社 | 危険度算出装置及び危険度算出方法 |
JP2012192878A (ja) * | 2011-03-17 | 2012-10-11 | Toyota Motor Corp | 危険度判定装置 |
JP5981237B2 (ja) | 2012-06-15 | 2016-08-31 | トヨタ自動車株式会社 | 運転支援装置 |
JP5971341B2 (ja) * | 2012-08-09 | 2016-08-17 | トヨタ自動車株式会社 | 物体検出装置及び運転支援装置 |
JP5939192B2 (ja) | 2013-04-08 | 2016-06-22 | スズキ株式会社 | 車両運転支援装置 |
CA2983682C (en) * | 2015-04-23 | 2018-06-12 | Nissan Motor Co., Ltd. | Occlusion control device |
US9984331B2 (en) * | 2015-06-08 | 2018-05-29 | International Business Machines Corporation | Automated vehicular accident detection |
EP3475933A1 (en) * | 2016-06-24 | 2019-05-01 | Swiss Reinsurance Company Ltd. | Autonomous or partially autonomous motor vehicles with automated risk-controlled systems and corresponding method thereof |
-
2016
- 2016-01-28 DE DE112016006323.7T patent/DE112016006323T5/de active Pending
- 2016-01-28 US US15/781,786 patent/US10647315B2/en active Active
- 2016-01-28 WO PCT/JP2016/052437 patent/WO2017130342A1/ja active Application Filing
- 2016-01-28 CN CN201680079507.8A patent/CN108475470B/zh active Active
- 2016-01-28 JP JP2016550893A patent/JP6038423B1/ja active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006258428A (ja) * | 2005-03-15 | 2006-09-28 | Fujitsu Ten Ltd | 運転支援装置及び運転支援システム |
JP2012014619A (ja) * | 2010-07-05 | 2012-01-19 | Hitachi Ltd | 計算機システム及びリスク診断方法 |
GB2486814A (en) * | 2010-12-21 | 2012-06-27 | Bosch Gmbh Robert | Method for assisting a driver of a motor vehicle |
EP2803546A1 (en) * | 2013-05-14 | 2014-11-19 | Denso Corporation | Collision mitigation apparatus |
CN104149728A (zh) * | 2013-05-14 | 2014-11-19 | 株式会社电装 | 碰撞缓解设备 |
WO2015072002A1 (ja) * | 2013-11-15 | 2015-05-21 | 株式会社日立製作所 | 移動ロボットシステム |
Also Published As
Publication number | Publication date |
---|---|
JP6038423B1 (ja) | 2016-12-07 |
CN108475470A (zh) | 2018-08-31 |
US10647315B2 (en) | 2020-05-12 |
JPWO2017130342A1 (ja) | 2018-02-01 |
WO2017130342A1 (ja) | 2017-08-03 |
DE112016006323T5 (de) | 2018-10-18 |
US20180362037A1 (en) | 2018-12-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108475470B (zh) | 事故概率计算装置、事故概率计算方法及存储有事故概率计算程序的介质 | |
US11676364B2 (en) | Real-time detection of lanes and boundaries by autonomous vehicles | |
CN113811886B (zh) | 自主机器应用中的路口检测和分类 | |
US11675359B2 (en) | Path detection for autonomous machines using deep neural networks | |
CN113056749B (zh) | 用于自主机器应用的未来对象轨迹预测 | |
JP7424866B2 (ja) | 環境内のオブジェクトのレーン割り当てを決定するための障害物及びレーン検出の活用 | |
CN110248861B (zh) | 在车辆操纵过程中使用机器学习模型来引导车辆 | |
CN114080634B (zh) | 使用锚定轨迹的代理轨迹预测 | |
JP6622148B2 (ja) | 周辺環境認識装置 | |
CN110386142B (zh) | 用于自动驾驶车辆的俯仰角校准方法 | |
US10133947B2 (en) | Object detection using location data and scale space representations of image data | |
CN114450724A (zh) | 用于自主机器应用的多活动者环境中的未来轨迹预测 | |
JP7040374B2 (ja) | 物体検出装置、車両制御システム、物体検出方法及び物体検出用コンピュータプログラム | |
CN113950702A (zh) | 在视频分析应用中使用相关滤波器的多对象跟踪 | |
CN111133448A (zh) | 使用安全到达时间控制自动驾驶车辆 | |
WO2020112213A2 (en) | Deep neural network processing for sensor blindness detection in autonomous machine applications | |
CN115315709A (zh) | 自主系统中用于行为预测的基于模型的增强学习及应用 | |
CN109074742B (zh) | 周边认知装置、周边认知方法和计算机可读取的记录介质 | |
JP2024023319A (ja) | 緊急車両の検出 | |
CN117584956A (zh) | 用于自主系统的使用未来轨迹预测的自适应巡航控制 | |
CN116724248A (zh) | 用于产生非模态长方体的系统和方法 | |
EP3850539A2 (en) | Deep neural network processing for sensor blindness detection in autonomous machine applications | |
KR102491524B1 (ko) | 차로 피팅을 수행하기 위한 방법 및 장치 | |
JP2019196941A (ja) | 自車位置推定装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |