CN108773340A - 一种车辆安全保护系统 - Google Patents
一种车辆安全保护系统 Download PDFInfo
- Publication number
- CN108773340A CN108773340A CN201810389488.XA CN201810389488A CN108773340A CN 108773340 A CN108773340 A CN 108773340A CN 201810389488 A CN201810389488 A CN 201810389488A CN 108773340 A CN108773340 A CN 108773340A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- layer
- module
- input
- threat
- 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.)
- Withdrawn
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R21/00—Arrangements or fittings on vehicles for protecting or preventing injuries to occupants or pedestrians in case of accidents or other traffic risks
- B60R21/02—Occupant safety arrangements or fittings, e.g. crash pads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
-
- 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
- G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
Abstract
本发明请求保护一种车辆安全保护系统,包括一输入模块,所述输入模块由至少两个车内摄像头和至少四个车外摄像头组成;一车辆安全处理中心,所述车辆安全处理中心与输入模块相连接;一车辆刹车片控制器,所述车辆刹车片控制器与安全处理中心相连接,所述车辆刹车片控制器电连接着刹车片,通过刹车片电动控制刹车;所述输入模块采用网络适配器连接到车辆安全处理中心,所述车辆安全处理中心包括车辆数据处理器、道路信息处理单元、车辆威胁计算模块、车辆威胁评估模块及路边网络评估模块;一车辆保护罩,所述车辆车辆保护罩与车辆威胁评估模块之间通过无线及有线连接。
Description
技术领域
本发明属于车辆设备控制技术领域,尤其涉及一种车辆安全保护系统。
背景技术
随着车辆普及率的提高,人们在生活中更加广泛的使用车辆作为交通工具。车辆的安全性、便捷性和舒适性成为用户更为关心的问题。相关技术中,用户普遍使用遥控钥匙控制车辆的解闭锁和启动等功能,遥控钥匙一般通过无线射频技术远距离控制车辆。但是遥控钥匙采用的RF通信方式会出现信号被转发盗用的风险,而且经常发生用户忘记携带钥匙的情况,在授权他人使用车辆时交接钥匙也会带来不便。现有的车辆控制系统并不可靠、安全度低,本发明提供了一种针对安全度低的情况,采用改进神经网络算法且通过提供车辆安全罩来实现车辆的全方位保护的一种系统。
发明内容
本发明旨在解决以上现有技术的问题。提出了一种提高安全度、提高威胁预测精确度的一种车辆安全保护系统。
本发明的技术方案如下:
一种车辆安全保护系统,其包括一输入模块,所述输入模块由至少两个车内摄像头和至少四个车外摄像头组成,所述车外四个摄像头分别设置在车身的四周并隐蔽设置,所述车内摄像头包括车前摄像头和车后摄像头,设置在能观察到驾驶员和乘客的位置;一车辆安全处理中心,所述车辆安全处理中心与输入模块相连接;一车辆刹车片控制器,所述车辆刹车片控制器与安全处理中心相连接,所述车辆刹车片控制器电连接着刹车片,通过刹车片电动控制刹车;所述输入模块采用网络适配器连接到车辆安全处理中心,所述车辆安全处理中心包括车辆数据处理器、道路信息处理单元、车辆威胁计算模块、车辆威胁评估模块及路边网络评估模块;一车辆保护罩,所述车辆车辆保护罩与车辆威胁评估模块之间通过无线及有线连接;所述车辆数据处理器用于对车内摄像头拍摄的驾驶员的脸部精神状态、乘客的精神状态进行比对分析,若乘客处于睡眠状态则比对驾驶员的脸部特征,若判断为疲惫则直接判断为危险状态,直接传输给车辆威胁评估模块,车辆威胁评估模块发送给车辆保护罩进行启动;车辆数据处理器还对车外的至少四个摄像头拍摄的车身前后左右的环境信息进行车辆环境的判断、分析及处理,若判断为危险也直接传输给车辆威胁评估模块,车辆威胁评估模块发送给车辆保护罩进行启动;车辆威胁计算模块包括车辆威胁因素提取模块及计算器,车辆威胁因素提取模块用于对包括车外四个摄像头拍摄的场景以及车内摄像头拍摄的驾驶员状态在内的影响因素进行提取,计算器用于计算出车辆影响因素之间的车辆威胁指数;根据影响因素之间的相互关系,构造出用于威胁估计的概率神经网络的拓扑结构,分析各影响因素对智能车辆威胁估计的影响程度,用条件概率表达各个信息要素之间的相关关系,确定条件概率;所述道路信息处理单元被配置用于执行如下至少一项功能:1)根据路线的基本信息以及传感器历史数据和实时路况信息中的至少一者进行路径规划;2)根据实时路况信息及传感器信号中的至少一者生成控制信息;3)进行实时车辆预警;所述路线的基本信息包含路线的起点和终点;所述实时路况获取单元用于获取实时路况信息,所述道路状况信息包含拥堵信息、道路平整度信息;所述概率神经网络有以下五层:输入层、隐含层、匹配度确认层、求和层和输出层,其中,输入层负责将影响因素特征向量传入网络,输入层个数是样本特征的个数,隐含层通过连接权值与输入层连接,计算输入特征向量与训练集中各个模式的匹配程度,也就是相似度,并将匹配度输入匹配度确认层进行确认,若正确则通过送入高斯函数得到隐含层的输出;隐含层的神经元的个数是输入样本矢量的个数,也就是有多少个样本,该层就有多少个神经元;求和层,就是负责将各个类的隐含层单元连接起来,这一层的神经元个数是样本的类别数目,输出层负责输出求和层中得分最高的那一类;在输入层和隐含层之间的连接是通过一个高斯函数,求得隐含层中的每个神经元和输入层中每个神经元之间的匹配程度;然后通过每类的匹配程度累加求和,再取平均,得到输入样本的所属类别;高斯函数公式为:
其中,lg表示g类的数量;n表示特征的个数;sigma表示平滑参数,这是唯一可以调整的量,一般在0到1之间,通过调整可以提高精度;Xij表示g类的第i个神经元的第j个数据;车辆威胁评估模块,用于对实时获得车辆行驶过程中的各影响因素的实时数据,计算各因素变化率,只针对快速变化的外部环境因素重构其对应的变量节点,再对环境因素进行推理计算得到目标威胁指数,若超过设定的目标威胁指数,则将该信号传输给车辆保护罩;所述车辆保护罩的控制器控制车辆保护罩打开,实现车辆的保护;所述车辆保护罩包括:一保护罩本体、升降机构及一控制器;所述保护罩本体分别固定于所车身的四周,所述保护罩本体与升降机构相连接,所述升降机构与控制器相连接;所述升降机构包括一电机及L型机械臂,所述电机与控制器相连接,所述电机的输出端与L型机械臂相连接。
进一步的,所述保护罩本体的形状为大致沿着车身设置的矩形。
本发明的有益效果
本发明通过设置至少两个车内摄像头和至少四个车外摄像头,通过所述车外四个摄像头分别设置在车身的四周并隐蔽设置,实现了车辆环境信息的全覆盖,所述车内摄像头设置在能观察到驾驶员及乘客的位置,这样就实现了内外环境信息的全覆盖;所述车辆核心控制器模块包括车辆数据处理器、道路信息处理单元、车辆威胁计算模块及车辆威胁评估模块;一车辆保护罩,所述车辆车辆保护罩与车辆威胁评估模块之间通过无线及有线连接;所述车辆数据处理器用于对车内摄像头拍摄的驾驶员的脸部精神状态、乘客的精神状态进行比对分析,若乘客处于睡眠状态则比对驾驶员的脸部特征,若判断为疲惫则直接判断为危险状态,直接传输给车辆威胁评估模块,车辆威胁评估模块发送给车辆保护罩进行启动;车辆数据处理器还对车外的至少四个摄像头拍摄的车身前后左右的环境信息进行车辆环境的判断、分析及处理,若判断为危险也直接传输给车辆威胁评估模块,车辆威胁评估模块发送给车辆保护罩进行启动,这样就实现了对采集的车内外的影响车辆安全的因素进行了处理;对包括车外四个摄像头拍摄的场景以及车内摄像头拍摄的驾驶员状态在内的影响因素进行提取;根据影响因素之间的相互关系,构造出用于威胁估计的概率神经网络的拓扑结构,本发明是采用了概率神经网络,实现了这些因素的指标的概率分析,提高了准确性,又分析各影响因素对智能车辆威胁估计的影响程度,用条件概率表达各个信息要素之间的相关关系,确定条件概率,实现了到数值的计算;所述概率神经网络有以下五层:输入层、隐含层、匹配度确认层、求和层和输出层,其中,输入层负责将影响因素特征向量传入网络,通过又添加了一个匹配度确认层,增加了概率神经网络的稳定性,即对正确的匹配度才输出。车辆威胁评估模块,用于对实时获得车辆行驶过程中的各影响因素的实时数据,计算各因素变化率,只针对快速变化的环境因素重构其对应的变量节点,再对环境因素进行推理计算得到目标威胁指数,若超过设定的目标威胁指数,则将该信号传输给车辆保护罩,这里通过设置启动车辆保护罩的启动条件,实现了预警的切换条件的准确设置,不会出现误启动;所述车辆保护罩的控制器控制车辆保护罩打开,实现车辆的保护;所述车辆保护罩包括:一保护罩本体、升降机构及一控制器;所述保护罩本体分别固定于所车身的四周,所述保护罩本体与升降机构相连接,所述升降机构与控制器相连接,实现了保护罩的结构简化的目的。
附图说明
图1是本发明提供优选实施例基于改进概率神经网络算法的车辆控制系统结构示意图;
图2是车辆保护罩结构示意图,1为保护罩本体,2为升降机构,3为控制器。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、详细地描述。所描述的实施例仅仅是本发明的一部分实施例。
本发明解决上述技术问题的技术方案是:
如图1所示为一种车辆安全保护系统,其包括一输入模块,所述输入模块由至少两个车内摄像头和至少四个车外摄像头组成,所述车外四个摄像头分别设置在车身的四周并隐蔽设置,所述车内摄像头包括车前摄像头和车后摄像头,设置在能观察到驾驶员和乘客的位置;一车辆安全处理中心,所述车辆安全处理中心与输入模块相连接;一车辆刹车片控制器,所述车辆刹车片控制器与安全处理中心相连接,所述车辆刹车片控制器电连接着刹车片,通过刹车片电动控制刹车;所述输入模块采用网络适配器连接到车辆安全处理中心,所述车辆安全处理中心包括车辆数据处理器、道路信息处理单元、车辆威胁计算模块、车辆威胁评估模块及路边网络评估模块;一车辆保护罩,所述车辆车辆保护罩与车辆威胁评估模块之间通过无线及有线连接;所述车辆数据处理器用于对车内摄像头拍摄的驾驶员的脸部精神状态、乘客的精神状态进行比对分析,若乘客处于睡眠状态则比对驾驶员的脸部特征,若判断为疲惫则直接判断为危险状态,直接传输给车辆威胁评估模块,车辆威胁评估模块发送给车辆保护罩进行启动;车辆数据处理器还对车外的至少四个摄像头拍摄的车身前后左右的环境信息进行车辆环境的判断、分析及处理,若判断为危险也直接传输给车辆威胁评估模块,车辆威胁评估模块发送给车辆保护罩进行启动;车辆威胁计算模块包括车辆威胁因素提取模块及计算器,车辆威胁因素提取模块用于对包括车外四个摄像头拍摄的场景以及车内摄像头拍摄的驾驶员状态在内的影响因素进行提取,计算器用于计算出车辆影响因素之间的车辆威胁指数;根据影响因素之间的相互关系,构造出用于威胁估计的概率神经网络的拓扑结构,分析各影响因素对智能车辆威胁估计的影响程度,用条件概率表达各个信息要素之间的相关关系,确定条件概率;所述道路信息处理单元被配置用于执行如下至少一项功能:1)根据路线的基本信息以及传感器历史数据和实时路况信息中的至少一者进行路径规划;2)根据实时路况信息及传感器信号中的至少一者生成控制信息;3)进行实时车辆预警;所述路线的基本信息包含路线的起点和终点;所述实时路况获取单元用于获取实时路况信息,所述道路状况信息包含拥堵信息、道路平整度信息;所述概率神经网络有以下五层:输入层、隐含层、匹配度确认层、求和层和输出层,其中,输入层负责将影响因素特征向量传入网络,输入层个数是样本特征的个数,隐含层通过连接权值与输入层连接,计算输入特征向量与训练集中各个模式的匹配程度,也就是相似度,并将匹配度输入匹配度确认层进行确认,若正确则通过送入高斯函数得到隐含层的输出;隐含层的神经元的个数是输入样本矢量的个数,也就是有多少个样本,该层就有多少个神经元;求和层,就是负责将各个类的隐含层单元连接起来,这一层的神经元个数是样本的类别数目,输出层负责输出求和层中得分最高的那一类;在输入层和隐含层之间的连接是通过一个高斯函数,求得隐含层中的每个神经元和输入层中每个神经元之间的匹配程度;然后通过每类的匹配程度累加求和,再取平均,得到输入样本的所属类别;高斯函数公式为:
其中,lg表示g类的数量;n表示特征的个数;sigma表示平滑参数,这是唯一可以调整的量,一般在0到1之间,通过调整可以提高精度;Xij表示g类的第i个神经元的第j个数据;车辆威胁评估模块,用于对实时获得车辆行驶过程中的各影响因素的实时数据,计算各因素变化率,只针对快速变化的外部环境因素重构其对应的变量节点,再对环境因素进行推理计算得到目标威胁指数,若超过设定的目标威胁指数,则将该信号传输给车辆保护罩;所述车辆保护罩的控制器控制车辆保护罩打开,实现车辆的保护;所述车辆保护罩包括:一保护罩本体、升降机构及一控制器;所述保护罩本体分别固定于所车身的四周,所述保护罩本体与升降机构相连接,所述升降机构与控制器相连接;所述升降机构包括一电机及L型机械臂,所述电机与控制器相连接,所述电机的输出端与L型机械臂相连接。优选的,所述升降机构2包括一电机及L型机械臂,所述电机与控制器相连接,所述电机的输出端与L型机械臂相连接。当然,升降机构也可以采用其他结构,比如采用滑轮结构等,任何只要能够升起保护罩本体或者降落保护罩本体的结构都是可以的。
优选的,所述保护罩本体的形状为大致沿着车身设置的矩形,这样可以更美观,优选的,采用流线型的线条结构,平时不使用的时候则收起来,增加车辆的线条感,当使用的时候则升起来,保护车辆的主车身,降低受到冲击的冲击力大小。
以上详细描述了本发明的较佳具体实施例。应当理解,本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此,凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案,皆应在由权利要求书所确定的保护范围内。
Claims (2)
1.一种车辆安全保护系统,其特征在于,包括一输入模块,所述输入模块由至少两个车内摄像头和至少四个车外摄像头组成,所述车外四个摄像头分别设置在车身的四周并隐蔽设置,所述车内摄像头包括车前摄像头和车后摄像头,设置在能观察到驾驶员和乘客的位置;一车辆安全处理中心,所述车辆安全处理中心与输入模块相连接;一车辆刹车片控制器,所述车辆刹车片控制器与安全处理中心相连接,所述车辆刹车片控制器电连接着刹车片,通过刹车片电动控制刹车;所述输入模块采用网络适配器连接到车辆安全处理中心,所述车辆安全处理中心包括车辆数据处理器、道路信息处理单元、车辆威胁计算模块、车辆威胁评估模块及路边网络评估模块;一车辆保护罩,所述车辆车辆保护罩与车辆威胁评估模块之间通过无线及有线连接;所述车辆数据处理器用于对车内摄像头拍摄的驾驶员的脸部精神状态、乘客的精神状态进行比对分析,若乘客处于睡眠状态则比对驾驶员的脸部特征,若判断为疲惫则直接判断为危险状态,直接传输给车辆威胁评估模块,车辆威胁评估模块发送给车辆保护罩进行启动;车辆数据处理器还对车外的至少四个摄像头拍摄的车身前后左右的环境信息进行车辆环境的判断、分析及处理,若判断为危险也直接传输给车辆威胁评估模块,车辆威胁评估模块发送给车辆保护罩进行启动;车辆威胁计算模块包括车辆威胁因素提取模块及计算器,车辆威胁因素提取模块用于对包括车外四个摄像头拍摄的场景以及车内摄像头拍摄的驾驶员状态在内的影响因素进行提取,计算器用于计算出车辆影响因素之间的车辆威胁指数;根据影响因素之间的相互关系,构造出用于威胁估计的概率神经网络的拓扑结构,分析各影响因素对智能车辆威胁估计的影响程度,用条件概率表达各个信息要素之间的相关关系,确定条件概率;所述道路信息处理单元被配置用于执行如下至少一项功能:1)根据路线的基本信息以及传感器历史数据和实时路况信息中的至少一者进行路径规划;2)根据实时路况信息及传感器信号中的至少一者生成控制信息;3)进行实时车辆预警;所述路线的基本信息包含路线的起点和终点;所述实时路况获取单元用于获取实时路况信息,所述道路状况信息包含拥堵信息、道路平整度信息;所述概率神经网络有以下五层:输入层、隐含层、匹配度确认层、求和层和输出层,其中,输入层负责将影响因素特征向量传入网络,输入层个数是样本特征的个数,隐含层通过连接权值与输入层连接,计算输入特征向量与训练集中各个模式的匹配程度,也就是相似度,并将匹配度输入匹配度确认层进行确认,若正确则通过送入高斯函数得到隐含层的输出;隐含层的神经元的个数是输入样本矢量的个数,也就是有多少个样本,该层就有多少个神经元;求和层,就是负责将各个类的隐含层单元连接起来,这一层的神经元个数是样本的类别数目,输出层负责输出求和层中得分最高的那一类;在输入层和隐含层之间的连接是通过一个高斯函数,求得隐含层中的每个神经元和输入层中每个神经元之间的匹配程度;然后通过每类的匹配程度累加求和,再取平均,得到输入样本的所属类别;高斯函数公式为:
其中,lg表示g类的数量;n表示特征的个数;sigma表示平滑参数,这是唯一可以调整的量,一般在0到1之间,通过调整可以提高精度;Xij表示g类的第i个神经元的第j个数据;车辆威胁评估模块,用于对实时获得车辆行驶过程中的各影响因素的实时数据,计算各因素变化率,只针对快速变化的外部环境因素重构其对应的变量节点,再对环境因素进行推理计算得到目标威胁指数,若超过设定的目标威胁指数,则将该信号传输给车辆保护罩;所述车辆保护罩的控制器控制车辆保护罩打开,实现车辆的保护;所述车辆保护罩包括:一保护罩本体、升降机构及一控制器;所述保护罩本体分别固定于所车身的四周,所述保护罩本体与升降机构相连接,所述升降机构与控制器相连接;所述升降机构包括一电机及L型机械臂,所述电机与控制器相连接,所述电机的输出端与L型机械臂相连接。
2.根据权利要求1所述的一种车辆安全保护系统,其特征在于,所述保护罩本体的形状为大致沿着车身设置的矩形。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810389488.XA CN108773340A (zh) | 2018-04-27 | 2018-04-27 | 一种车辆安全保护系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810389488.XA CN108773340A (zh) | 2018-04-27 | 2018-04-27 | 一种车辆安全保护系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108773340A true CN108773340A (zh) | 2018-11-09 |
Family
ID=64026758
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810389488.XA Withdrawn CN108773340A (zh) | 2018-04-27 | 2018-04-27 | 一种车辆安全保护系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108773340A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112417708A (zh) * | 2020-12-11 | 2021-02-26 | 杭州博镨科技有限公司 | 一种基于神经网络预测刹车片配方性能的方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1431918A1 (fr) * | 2002-12-20 | 2004-06-23 | Valeo Vision | Procédé de détection de virages sur une route et système de mise en oeuvre |
US20070086624A1 (en) * | 1995-06-07 | 2007-04-19 | Automotive Technologies International, Inc. | Image Processing for Vehicular Applications |
CN104867356A (zh) * | 2015-06-04 | 2015-08-26 | 重庆邮电大学 | 一种基于DSRC和Telematics的车辆威胁评估系统 |
CN106314428A (zh) * | 2016-09-14 | 2017-01-11 | 中国科学院微电子研究所 | 一种避撞系统、避撞方法及机动车辆 |
CN106585635A (zh) * | 2016-11-25 | 2017-04-26 | 东软集团股份有限公司 | 驾驶行为评分方法和装置 |
EP3217332A1 (en) * | 2016-03-11 | 2017-09-13 | Panasonic Intellectual Property Corporation of America | Risk prediction method |
-
2018
- 2018-04-27 CN CN201810389488.XA patent/CN108773340A/zh not_active Withdrawn
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070086624A1 (en) * | 1995-06-07 | 2007-04-19 | Automotive Technologies International, Inc. | Image Processing for Vehicular Applications |
EP1431918A1 (fr) * | 2002-12-20 | 2004-06-23 | Valeo Vision | Procédé de détection de virages sur une route et système de mise en oeuvre |
CN104867356A (zh) * | 2015-06-04 | 2015-08-26 | 重庆邮电大学 | 一种基于DSRC和Telematics的车辆威胁评估系统 |
EP3217332A1 (en) * | 2016-03-11 | 2017-09-13 | Panasonic Intellectual Property Corporation of America | Risk prediction method |
CN106314428A (zh) * | 2016-09-14 | 2017-01-11 | 中国科学院微电子研究所 | 一种避撞系统、避撞方法及机动车辆 |
CN106585635A (zh) * | 2016-11-25 | 2017-04-26 | 东软集团股份有限公司 | 驾驶行为评分方法和装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112417708A (zh) * | 2020-12-11 | 2021-02-26 | 杭州博镨科技有限公司 | 一种基于神经网络预测刹车片配方性能的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2634213C2 (ru) | Система для контроля и анализа поведения водителя при управлении в автомобиле | |
CN105922990B (zh) | 一种基于云端机器学习的车辆环境感知和控制方法 | |
CN108263279A (zh) | 基于传感器整合的行人检测和行人碰撞避免装置及方法 | |
Chu et al. | Curve speed model for driver assistance based on driving style classification | |
CN110582802A (zh) | 载运工具行为监测系统和方法 | |
CN107103774A (zh) | 一种车辆监控方法和车辆监控装置 | |
JP6406356B2 (ja) | 走行制御装置 | |
CN110103967A (zh) | 一种车辆自动变道方法及车辆控制系统、车辆 | |
CN109466488A (zh) | 一种车辆碰撞自动救援报警系统 | |
CN109353338A (zh) | 一种智能车超车道碰撞概率安全预测方法 | |
CN109353337A (zh) | 一种智能车换道阶段碰撞概率安全预测方法 | |
CN108839614A (zh) | 一种用于电动车的车辆安全减速系统 | |
CN105632242B (zh) | 一种车辆行驶的控制方法、云端服务器和系统 | |
CN106530714B (zh) | 一种基于交通流数据的二次交通事故时间预测方法 | |
JP2015071319A (ja) | 運転者特定システム | |
JP2015071318A (ja) | 保険料金算出システム | |
CN108773340A (zh) | 一种车辆安全保护系统 | |
CN107765246A (zh) | 一种基于毫米波双雷达探测的有效目标识别方法 | |
CN112884479A (zh) | 防盗刷自助停车缴费方法、系统、装置及存储介质 | |
CN112991685A (zh) | 考虑驾驶人疲劳状态影响的交通系统风险评估及预警方法 | |
CN111780620B (zh) | 一种无人机潜在威胁判定方法 | |
WO2024067135A1 (zh) | 基于大数据识别的无人驾驶航空器管理方法、系统和介质 | |
CN106600950B (zh) | 一种基于交通流数据的二次交通事故预测方法 | |
CN205177093U (zh) | 一种基于Android智能手机的安全行车系统 | |
CN104670222B (zh) | 滑动模式的行驶路径投票策略模块及驾驶控制系统与方法 |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20181109 |
|
WW01 | Invention patent application withdrawn after publication |