CN109677406A - 一种带风险监控的车道保持控制方法及系统 - Google Patents
一种带风险监控的车道保持控制方法及系统 Download PDFInfo
- Publication number
- CN109677406A CN109677406A CN201811608047.0A CN201811608047A CN109677406A CN 109677406 A CN109677406 A CN 109677406A CN 201811608047 A CN201811608047 A CN 201811608047A CN 109677406 A CN109677406 A CN 109677406A
- Authority
- CN
- China
- Prior art keywords
- coefficient
- class
- vehicle
- influence
- lane
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 23
- 238000000034 method Methods 0.000 title claims abstract description 18
- 230000000694 effects Effects 0.000 claims abstract description 38
- 230000007613 environmental effect Effects 0.000 claims abstract description 9
- 230000001133 acceleration Effects 0.000 claims description 14
- 238000012954 risk control Methods 0.000 claims description 6
- 238000000611 regression analysis Methods 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 claims description 2
- 238000003786 synthesis reaction Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 description 3
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 229910052705 radium Inorganic materials 0.000 description 1
- HCWPIIXVSYCSAN-UHFFFAOYSA-N radium atom Chemical group [Ra] HCWPIIXVSYCSAN-UHFFFAOYSA-N 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
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
- B60W30/10—Path keeping
- B60W30/12—Lane keeping
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种带风险监控的车道保持控制方法，包括：实时采集车辆所在环境信息数据、道路信息数据、车辆信息数据；建立聚类分析模型，根据建立的聚类分析模型，将采集的数据进行分类，得到各分类的因素影响系数；根据各因素影响系数建立类影响系数统一模型和综合影响系数统一模型，根据建立的类影响系数统一模型和综合影响系数统一模型，确定类影响系数和综合影响系数；根据类影响系数和综合影响系数对当前车道保持系统工作下的车辆状态进行干预修正。综合考虑车辆环境、道路、车辆自身状态三方信息，并对车辆实时干预修正，可实现车辆实时风险监控与规避，提高车道保持功能控制下的车辆行驶的安全性与稳定性。
Description
技术领域
本发明属于智能汽车车道保持控制技术领域，具体地涉及一种带风险监控的车道保持控制方法及系统。
背景技术
随着汽车工业技术的发展，智能汽车成为近几年来汽车领域的研究热点。车道保持功能是智能汽车重要的基础功能之一，可以实现车辆保持在车道中央行驶。常规的车道保持功能仅仅依靠摄像头给出的准确的车道标线信息和车辆相对车道标线的信息，以及车辆自身传感器给出的车辆自身信息，实现车辆实时稳定地保持在车道中线位置。但是，车道保持功能工作时有很大可能会遇到道路车道标线被遮挡、车道标线严重磨损、天气不好、路面湿滑等情况，这些信息会对车道保持功能产生严重的影响，甚至造成严重车祸。本发明由此而来。
发明内容
为了解决上述存在的技术问题，本发明提供了一种带风险监控的车道保持控制方法及系统，综合考虑车辆环境、道路、车辆自身状态三方信息，并对车辆实时干预修正，可实现车辆实时风险监控与规避，提高车道保持功能控制下的车辆行驶的安全性与稳定性。
本发明的技术方案是：
一种带风险监控的车道保持控制方法，包括以下步骤：
S01：实时采集车辆所在环境信息数据、道路信息数据、车辆信息数据；
S02：建立聚类分析模型，根据建立的聚类分析模型，将采集的数据进行分类，得到各分类的因素影响系数；
S03：根据各因素影响系数建立类影响系数统一模型和综合影响系数统一模型，根据建立的类影响系数统一模型和综合影响系数统一模型，确定类影响系数和综合影响系数；
S04：根据类影响系数和综合影响系数对当前车道保持系统工作下的车辆状态进行干预修正。
优选的技术方案中，所述步骤S02中得到各分类的因素影响系数的方法，包括：
将采集的各类信息作为一种风险因素，确定每种风险因素的因素影响系数；
根据各种场景中每种风险因素在理想状态下的影响系数，将每种风险因素所得的数据进行整合，并进行回归分析，得到各种场景下每种影响因素的理想因素影响系数。
优选的技术方案中，所述步骤S03中建立类影响系数统一模型包括，
根据车辆实时采集的风险因素的因素影响系数与理想因素影响系数的偏差，确定类中各个风险因素的实时偏差，并求得实时类方差，根据类中风险因素的数量和各个风险因素的影响系数大小，建立类影响系数统一模型。
优选的技术方案中，所述步骤S03中建立综合影响系数统一模型包括，
将实时采集的因素影响系数带入类影响系数统一模型，得到各类的实时类影响系数，根据实时类影响系数获得类影响系数与理想类影响系数偏差，求取实时综合方差，所述理想类影响系数由理想因素影响系数带入类影响系数统一模型得到，根据类的数量和各类的类影响系数大小，建立综合影响系数统一模型。
优选的技术方案中，所述步骤S04还包括，
根据获得的理想类影响系数确定车道保持在当前状态行驶的最大行驶车速、最大横向加速度、最大纵向加速度、最大横摆角速度、最大方向盘转角、最大制动压力、车辆各系统工作状态；
根据类影响系数和综合影响系数大小决定干预修正程度，实时修正车辆节气门开度、制动压力、方向盘转角、方向盘转角速度、车辆各系统工作状态。
本发明还公开了一种带风险监控的车道保持控制系统，包括：
一采集系统，实时采集车辆所在环境信息数据、道路信息数据、车辆信息数据；
一聚类分析模块，建立聚类分析模型，根据建立的聚类分析模型，将采集的数据进行分类，得到各分类的因素影响系数；
一风险控制模块，根据各因素影响系数建立类影响系数统一模型和综合影响系数统一模型，根据建立的类影响系数统一模型和综合影响系数统一模型，确定类影响系数和综合影响系数；
一干预修正模块，根据类影响系数和综合影响系数对当前车道保持系统工作下的车辆状态进行干预修正。
优选的技术方案中，所述聚类分析模块中得到各分类的因素影响系数的方法包括：
将采集的各类信息作为一种风险因素，确定每种风险因素的因素影响系数；
根据各种场景中每种风险因素在理想状态下的影响系数，将每种风险因素所得的数据进行整合，并进行回归分析，得到各种场景下每种影响因素的理想因素影响系数。
优选的技术方案中，所述风险控制模块中建立类影响系数统一模型包括，
根据车辆实时采集的风险因素的因素影响系数与理想因素影响系数的偏差，确定类中各个风险因素的实时偏差，并求得实时类方差，根据类中风险因素的数量和各个风险因素的影响系数大小，建立类影响系数统一模型。
优选的技术方案中，所述风险控制模块中建立综合影响系数统一模型包括，
将实时采集的因素影响系数带入类影响系数统一模型，得到各类的实时类影响系数，根据实时类影响系数获得类影响系数与理想类影响系数偏差，求取实时综合方差，所述理想类影响系数由理想因素影响系数带入类影响系数统一模型得到，根据类的数量和各类的类影响系数大小，建立综合影响系数统一模型。
优选的技术方案中，所述干预修正模块还包括，
根据获得的理想类影响系数确定车道保持在当前状态行驶的最大行驶车速、最大横向加速度、最大纵向加速度、最大横摆角速度、最大方向盘转角、最大制动压力、车辆各系统工作状态；
根据类影响系数和综合影响系数大小决定干预修正程度，实时修正车辆节气门开度、制动压力、方向盘转角、方向盘转角速度、车辆各系统工作状态。与现有技术相比，本发明的优点是：
本发明可以对智能汽车行驶的环境、道路、车辆自身状态三方信息进行实时监控，根据采集的信息进行风险监控，并根据建立的类影响系数统一模型和综合影响系数统一模型得到类影响系数和综合影响系数，以此判断车辆当前状态偏离车辆理想状态程度，再根据类影响系数和综合影响系数大小决定干预修正程度，实时修正车辆节气门开度、制动压力、方向盘转角、方向盘转角速度、车辆各系统工作状态。实现风险监控与规避，提高车道保持功能控制下的车辆行驶的安全性与稳定性。
附图说明
下面结合附图及实施例对本发明作进一步描述：
图1为本发明一种带风险监控的车道保持控制方法流程框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图，对本发明进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。
实施例：
下面结合附图，对本发明的较佳实施例作进一步说明。
如图1所示，一种带风险监控的车道保持控制方法，具体可分为以下步骤：
步骤一，对车辆所在环境信息数据、道路信息数据、车辆信息数据进行实时采集。
本发明中硬件：激光雷达为镭神，摄像头为Mobileye、Gps为千寻、毫米波雷达为易来达、车辆自身传感器、风速传感器、光线传感器。
本发明中软件：高德地图、本地服务器、交通电子警察系统。
环境信息包含：环境温度、大气压力、天气状况、风速，风向、环境亮度、电子交通警察信息、车辆所在车道前方车辆信息、相邻车辆信息，以上信息通过车身传感器、摄像头、激光雷达、毫米波雷达、GPS、互联网获得。
道路信息包含：路面材质、路面摩擦系数、道路类别、道路坡度、道路曲率、路面平整度、车道标线清晰度、道路标线完整度、道路交通标志标牌、交通信号灯、道路实时路况，以上信息通过车身传感器、摄像头、互联网、高清地图获得。路面材质和道路类别按照国家道路建造标准划分。
车辆信息包含：车身长、宽、高、车辆质量、车辆空气阻力系数、车辆轮胎摩擦系数、车辆横摆角速度、车辆质心侧偏角、车辆速度、车辆横向加速度、车辆横向加速度、车辆航向角、车辆各系统工作状态，以上信息通过车辆自身传感器、互联网获得。车辆各系统包含ABS（刹车防抱死系统）、TCS(牵引力控制系统)、ESP（电子稳定程序）、EPS（电动转向系统）、EBD（电子制动力分配系统）。
步骤二，建立聚类分析模型，通过聚类分析模型将采集到的信息数据分成八类。
每一类具体包括：
（1）环境温度、大气压力、天气状况、风速，风向、环境亮度；
（2）车辆所在车道前方车辆信息、相邻车辆信息；
（3）路面材质、路面摩擦系数、道路类别、道路实时路况、道路坡度、道路曲率、路面平整度；
（4）道路车道标线清晰度、车道标线完整度，车道标线类型；
（5）道路交通标志标牌、交通信号灯、电子交通警察信息；
（6）车身长、宽、高、车辆质量、车辆质心高度、车辆空气阻力系数、车辆轮胎摩擦系数；
（7）车辆横摆角速度、车辆质心侧偏角、车辆速度、车辆横向加速度、车辆纵向加速度、车辆航向角；
（8）车辆各系统工作状态。
步骤三，将采集的各类信息都作为一种风险因素，每种风险因素都有各自的影响系数，确定因素影响系数。
综合各种场景中每种风险因素在理想状态下的影响系数，将每种风险因素所得的数据进行整合，并进行回归分析，得到各种场景下每种影响因素的理想因素影响系数。
建立类影响系数统一模型：，根据车辆实时采集的风险因素的因素影响系数与理想因素影响系数的偏差，确定类中各个风险因素的实时偏差，并求得实时类方差，根据类中风险因素的数量和各个风险因素的影响系数大小，建立类影响系数统一模型。
根据类影响系数统一模型，将理想因素影响系数带入类影响系数统一模型，确定各类的理想类影响系数。
根据类影响系数统一模型，将实时采集的因素影响系数带入类影响系数统一模型，确定各类的实时类影响系数。类影响系数体现类中各风险因素综合偏离理想类影响系数程度。
建立综合影响系数统一模型：根据实时类影响系数，获得类影响系数与理想类影响系数偏差，求取实时综合方差，根据类的数量和各类的类影响系数大小，建立综合影响系数统一模型。综合影响系数大小体现当前状态车辆偏离理性行驶状态程度。
步骤四，Mobileye摄像头反馈车道标线信息，车道标线类型、车道标线识别质量、车道标线曲率或者曲率半径、车辆与车道标线的夹角、车辆实时距离车道左右标线的距离。
车道保持控制模块对摄像头采集到的信息进行处理，并拟合出三次多项式方程，根据三次多项式得到车辆当前点和前方多个预瞄点距离左右车道标线的距离。
根据车辆当前点以及预瞄点距离左右车道标线的距离，获得车辆当前以及前方各个预瞄点距离车道中心的距离。
步骤五，车道保持控制模型采用反馈控制与前馈控制相互结合的控制方式。将采集的实时数据以及选取的各预瞄点距离车道中心线的距离作为车道保持控制模型的输入，实时计算出车辆转向系统所需的目标方向盘转角。
步骤六，根据已获得的理想类影响系数确定车道保持在当前状态行驶的最大行驶车速、最大横向加速度、最大纵向加速度、最大横摆角速度、最大方向盘转角、最大制动压力、车辆各系统工作状态。
根据类影响系数和综合影响系数对当前车道保持系统工作下的车辆状态进行监控与干预修正，并根据类影响系数和综合影响系数大小决定干预修正程度，类影响系数和综合影响系数与干预修正成大小正比，实时修正车辆节气门开度、制动压力、方向盘转角、方向盘转角速度、车辆各系统工作状态。
应当理解的是，本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理，而不构成对本发明的限制。因此，在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。此外，本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。
Claims (10)
1.一种带风险监控的车道保持控制方法，其特征在于，包括以下步骤：
S01：实时采集车辆所在环境信息数据、道路信息数据、车辆信息数据；
S02：建立聚类分析模型，根据建立的聚类分析模型，将采集的数据进行分类，得到各分类的因素影响系数；
S03：根据各因素影响系数建立类影响系数统一模型和综合影响系数统一模型，根据建立的类影响系数统一模型和综合影响系数统一模型，确定类影响系数和综合影响系数；
S04：根据类影响系数和综合影响系数对当前车道保持系统工作下的车辆状态进行干预修正。
2.根据权利要求1所述的带风险监控的车道保持控制方法，其特征在于，所述步骤S02中得到各分类的因素影响系数的方法，包括：
将采集的各类信息作为一种风险因素，确定每种风险因素的因素影响系数；
根据各种场景中每种风险因素在理想状态下的影响系数，将每种风险因素所得的数据进行整合，并进行回归分析，得到各种场景下每种影响因素的理想因素影响系数。
3.根据权利要求2所述的带风险监控的车道保持控制方法，其特征在于，所述步骤S03中建立类影响系数统一模型包括，
根据车辆实时采集的风险因素的因素影响系数与理想因素影响系数的偏差，确定类中各个风险因素的实时偏差，并求得实时类方差；
根据类中风险因素的数量和各个风险因素的影响系数大小，建立类影响系数统一模型。
4.根据权利要求3所述的带风险监控的车道保持控制方法，其特征在于，所述步骤S03中建立综合影响系数统一模型包括，
将实时采集的因素影响系数带入类影响系数统一模型，得到各类的实时类影响系数；
根据实时类影响系数获得类影响系数与理想类影响系数偏差，求取实时综合方差，所述理想类影响系数由理想因素影响系数带入类影响系数统一模型得到；
根据类的数量和各类的类影响系数大小，建立综合影响系数统一模型。
5.根据权利要求2所述的带风险监控的车道保持控制方法，其特征在于，所述步骤S04还包括，
根据获得的理想类影响系数确定车道保持在当前状态行驶的最大行驶车速、最大横向加速度、最大纵向加速度、最大横摆角速度、最大方向盘转角、最大制动压力、车辆各系统工作状态；
根据类影响系数和综合影响系数大小决定干预修正程度，实时修正车辆节气门开度、制动压力、方向盘转角、方向盘转角速度、车辆各系统工作状态。
6.一种带风险监控的车道保持控制系统，其特征在于，包括：
一采集系统，实时采集车辆所在环境信息数据、道路信息数据、车辆信息数据；
一聚类分析模块，建立聚类分析模型，根据建立的聚类分析模型，将采集的数据进行分类，得到各分类的因素影响系数；
一风险控制模块，根据各因素影响系数建立类影响系数统一模型和综合影响系数统一模型，根据建立的类影响系数统一模型和综合影响系数统一模型，确定类影响系数和综合影响系数；
一干预修正模块，根据类影响系数和综合影响系数对当前车道保持系统工作下的车辆状态进行干预修正。
7.根据权利要求6所述的带风险监控的车道保持控制系统，其特征在于，所述聚类分析模块中得到各分类的因素影响系数的方法包括：
将采集的各类信息作为一种风险因素，确定每种风险因素的因素影响系数；
根据各种场景中每种风险因素在理想状态下的影响系数，将每种风险因素所得的数据进行整合，并进行回归分析，得到各种场景下每种影响因素的理想因素影响系数。
8.根据权利要求7所述的带风险监控的车道保持控制系统，其特征在于，所述风险控制模块中建立类影响系数统一模型包括，
根据车辆实时采集的风险因素的因素影响系数与理想因素影响系数的偏差，确定类中各个风险因素的实时偏差，并求得实时类方差；
根据类中风险因素的数量和各个风险因素的影响系数大小，建立类影响系数统一模型。
9.根据权利要求8所述的带风险监控的车道保持控制系统，其特征在于，所述风险控制模块中建立综合影响系数统一模型包括，
将实时采集的因素影响系数带入类影响系数统一模型，得到各类的实时类影响系数；
根据实时类影响系数获得类影响系数与理想类影响系数偏差，求取实时综合方差，所述理想类影响系数由理想因素影响系数带入类影响系数统一模型得到；
根据类的数量和各类的类影响系数大小，建立综合影响系数统一模型。
10.根据权利要求7所述的带风险监控的车道保持控制系统，其特征在于，所述干预修正模块还包括，
根据获得的理想类影响系数确定车道保持在当前状态行驶的最大行驶车速、最大横向加速度、最大纵向加速度、最大横摆角速度、最大方向盘转角、最大制动压力、车辆各系统工作状态；
根据类影响系数和综合影响系数大小决定干预修正程度，实时修正车辆节气门开度、制动压力、方向盘转角、方向盘转角速度、车辆各系统工作状态。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811608047.0A CN109677406B (zh) | 2018-12-27 | 2018-12-27 | 一种带风险监控的车道保持控制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811608047.0A CN109677406B (zh) | 2018-12-27 | 2018-12-27 | 一种带风险监控的车道保持控制方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109677406A true CN109677406A (zh) | 2019-04-26 |
| CN109677406B CN109677406B (zh) | 2020-05-22 |
Family
ID=66189877
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811608047.0A Active CN109677406B (zh) | 2018-12-27 | 2018-12-27 | 一种带风险监控的车道保持控制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109677406B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110633729A (zh) * | 2019-08-06 | 2019-12-31 | 清华大学苏州汽车研究院（相城） | 一种面向智能网联车辆群组测试的驾驶风险分级聚类方法 |
| US11636179B2 (en) | 2017-05-09 | 2023-04-25 | Arriver Software Ab | Apparatus for lane detection |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102649430A (zh) * | 2011-02-28 | 2012-08-29 | 通用汽车环球科技运作有限责任公司 | 用于容错车辆侧向控制器的冗余车道感测系统 |
| WO2014009216A1 (de) * | 2012-07-10 | 2014-01-16 | Robert Bosch Gmbh | Spurhalteverfahren und -system mit situationsabhängigem unterstützungsgrad |
| CN104015725A (zh) * | 2014-06-11 | 2014-09-03 | 吉林大学 | 一种基于多参数决策的车道偏离预警方法 |
| CN107521411A (zh) * | 2017-07-18 | 2017-12-29 | 吉林大学 | 一种辅助驾驶员的车道级导航增强现实装置 |
| EP3401182A1 (en) * | 2017-05-09 | 2018-11-14 | Veoneer Sweden AB | Apparatus for lane detection |
-
2018
- 2018-12-27 CN CN201811608047.0A patent/CN109677406B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102649430A (zh) * | 2011-02-28 | 2012-08-29 | 通用汽车环球科技运作有限责任公司 | 用于容错车辆侧向控制器的冗余车道感测系统 |
| WO2014009216A1 (de) * | 2012-07-10 | 2014-01-16 | Robert Bosch Gmbh | Spurhalteverfahren und -system mit situationsabhängigem unterstützungsgrad |
| CN104015725A (zh) * | 2014-06-11 | 2014-09-03 | 吉林大学 | 一种基于多参数决策的车道偏离预警方法 |
| EP3401182A1 (en) * | 2017-05-09 | 2018-11-14 | Veoneer Sweden AB | Apparatus for lane detection |
| CN107521411A (zh) * | 2017-07-18 | 2017-12-29 | 吉林大学 | 一种辅助驾驶员的车道级导航增强现实装置 |
Non-Patent Citations (1)
| Title |
|---|
| 周欣等: "高速公路分道线识别与重建", 《重庆大学学报(自然科学版)》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11636179B2 (en) | 2017-05-09 | 2023-04-25 | Arriver Software Ab | Apparatus for lane detection |
| CN110633729A (zh) * | 2019-08-06 | 2019-12-31 | 清华大学苏州汽车研究院（相城） | 一种面向智能网联车辆群组测试的驾驶风险分级聚类方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109677406B (zh) | 2020-05-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10713504B2 (en) | Estimating friction based on image data | |
| US11688174B2 (en) | System and method for determining vehicle data set familiarity | |
| JP6365672B2 (ja) | 走行制御装置および走行制御方法 | |
| JP6323246B2 (ja) | 車両の走行制御装置及び方法 | |
| WO2021223458A1 (zh) | 一种综合考虑人-车-路各因素的行车风险统一量化方法 | |
| DK201970135A1 (en) | Detecting road anomalies | |
| US20150185036A1 (en) | Method and device for ascertaining a source of danger on atravel route | |
| CN111038522B (zh) | 评估驾驶员辅助系统的训练数据集的车辆控制单元和方法 | |
| WO2016051460A1 (ja) | 走行制御装置および走行制御方法 | |
| CN107963126A (zh) | 一种多轴转向车辆大曲率自动驾驶转向控制方法 | |
| EP3029538B1 (en) | Vehicle position/bearing estimation device and vehicle position/bearing estimation method | |
| CN111223320B (zh) | 基于v2i的低附路面智能驾驶安全控制方法 | |
| US20220363289A1 (en) | Functional safety in autonomous driving | |
| CN112740295B (zh) | 检测车辆行驶场景的复杂度的方法和装置 | |
| CN108573109B (zh) | 一种基于Carsim仿真的公路圆曲线路段限速值计算方法 | |
| CN110949375A (zh) | 信息处理系统以及服务器 | |
| CN109677406A (zh) | 一种带风险监控的车道保持控制方法及系统 | |
| WO2020159961A1 (en) | Detecting road anomalies | |
| KR101664723B1 (ko) | 차량의 속도 조절 방법 | |
| US11590978B1 (en) | Assessing perception of sensor using known mapped objects | |
| Mahapatra et al. | Lateral movement of vehicles under weak-lane discipline heterogeneous traffic | |
| JP2022552938A (ja) | 車載クラスタ追跡システム | |
| Mitrovich | Database-Mediated Network Friction Utilization Analysis to Improve Road Safety | |
| US11866052B2 (en) | Distributed computing system for determining road surface traction capacity | |
| Mitrovich et al. | Analysis of Friction Utilization Within a Roadway Network Using Simulated Vehicle Trajectories |
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 | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20211119 Address after: 215200 No. 139, Lian Yang Road, Wujiang District, Suzhou, Jiangsu. Patentee after: TSINGHUA University SUZHOU AUTOMOTIVE RESEARCH INSTITUTE(WUJIANG) Patentee after: Tsinghua University Address before: 215200 No. 139, Lian Yang Road, Wujiang District, Suzhou, Jiangsu. Patentee before: TSINGHUA University SUZHOU AUTOMOTIVE RESEARCH INSTITUTE(WUJIANG) |
|
| TR01 | Transfer of patent right |