CN109801511A

CN109801511A - 一种碰撞预警方法及装置

Info

Publication number: CN109801511A
Application number: CN201711138409.XA
Authority: CN
Inventors: 华飞; 孙海珊; 黄为
Original assignee: Huawei Technologies Co Ltd
Current assignee: Huawei Technologies Co Ltd
Priority date: 2017-11-16
Filing date: 2017-11-16
Publication date: 2019-05-24
Anticipated expiration: 2037-11-16
Also published as: WO2019095937A1; US11407426B2; CN109801511B; US20200269867A1

Abstract

本申请公开了一种碰撞预警方法及装置。该方法包括：根据第一车辆的历史行车数据，训练得到第一车辆的目标减速度和目标跟车距离，进而得到第一车辆和前向车辆的TTC，并基于TTC与第一阈值的大小关系，来确定是否发出预警信息。由于第一车辆的目标减速度和目标跟车距离能够反映出第一车辆的驾驶员的驾驶习惯个性特征，因此，基于历史行车数据得到的TTC具备较强的适应性，从而能够有效解决现有技术中基于统一的减速度和跟车距离而导致预警有效性低的问题。

Description

一种碰撞预警方法及装置

技术领域

本发明涉及计算机应用技术领域，特别涉及一种碰撞预警方法及装置。

背景技术

随着全球经济的快速发展，机动车保有量在迅速增加，道路不断扩建，公路交通的汽车碰撞事故日趋严重。为避免汽车碰撞事故的发生，市场主流车厂和技术供应商基本上都提供前向碰撞预警(forward collision warning，FCW)系统和自动紧急刹车(automaticemergency braking，AEB)系统。

FCW系统主要通过实时监测前方车辆，获取本车与前车之间的纵向距离和速度，按照统一的驾驶员操控能力计算碰撞发生的时间，通过输出预警信号的方式使驾驶员意识到危险，并建议采取避险措施；AEB系统作用于驾驶员未能及时采取避险措施的情形，通过自动采取避让动作来避免汽车碰撞事故。

现有技术中，针对于FCW系统来说，通常采用标准的减速度和跟车距离，按照统计模型得出2.7秒提前于碰撞的预警时间。然而，由于不同的驾驶员具有不同的驾驶风格和驾驶习惯，采用上述统一的预警方式，可能会出现过早预警，对驾驶员造成干扰，或者，也可能会出现过晚预警，导致预警无效。

综上，目前亟需一种碰撞预警方法，用于解决现有技术中采用统一的预警方式而导致预警有效性低的技术问题。

发明内容

本申请提供一种方法，用于解决现有技术中的

第一方面，本申请提供一种碰撞预警方法，所述方法包括：

获取第一车辆的目标减速度和目标跟车距离，所述第一车辆的目标减速度和目标跟车距离是根据所述第一车辆的历史行车数据训练得到的，所述第一车辆的历史行车数据包括多次刹车过程中的减速度和多个结束刹车时刻对应的第一车辆的跟车距离；

根据所述目标减速度和所述目标跟车距离，得到所述第一车辆和前向车辆的距离碰撞的时间TTC；

若确定所述TTC小于等于第一阈值，则发出预警信息。

如此，由于第一车辆的目标减速度和目标跟车距离能够反映出第一车辆的驾驶员的驾驶习惯个性特征，因此，基于历史行车数据得到的TTC具备较强的适应性，从而能够有效解决现有技术中基于统一的减速度和跟车距离而导致预警有效性低的技术问题。

在一种可能的设计中，通过如下公式得到第一车辆和前向车辆的TTC：

Δv＝Vh–Vd

Δa＝ah–ad

其中，Δt是指所述第一车辆和所述前向车辆的TTC；D是指所述第一车辆和所述前向车辆的车间距离；DHW是指所述第一车辆的目标跟车距离；Δv是指所述第一车辆和所述前向车辆的相对速度，Vh是指所述第一车辆的行驶速度，Vd是指所述前向车辆的行驶速度；Δa是指所述第一车辆相对于所述前向车辆的制动减速度，ah是指所述第一车辆的目标减速度，ad所述前向车辆的目标减速度。

在一种可能的设计中，确定所述TTC小于等于第一阈值之前，还包括：

根据所述第一车辆的驾驶员的注意力召回时间参数、提醒反应时间参数以及制动时间参数中的任一项或任意组合，得到所述第一阈值；

其中，所述第一车辆的驾驶员的注意力召回时间参数是指所述驾驶员处于预设状态至注意力返回需要的时间；所述预设状态包括注意力不集中的状态；

所述第一车辆的驾驶员的提醒反应时间参数是指所述驾驶员已经注意的情况下，从发出预警信息到所述驾驶员反应需要的时间；

所述第一车辆的驾驶员的制动时间参数是指所述驾驶员采取制动措施至所述第一车辆返回安全状态所需时间。

由此可知，在确定第一阈值时，可以引入第一车辆的驾驶员的注意力召回时间参数、提醒反应时间参数以及制动时间参数中的任一项或任意组合，并在考虑引入的参数的基础上确定出第一阈值。由于上述任一参数均能有效反映出驾驶员的个体特征，因此基于上述任一参数来确定第一阈值相比于现有技术中统一使用固定数值的方式，具有更强的适应性。

在一种可能的设计中，通过如下方式得到所述第一车辆的驾驶员的注意力召回时间参数：

获取所述驾驶员在当前时刻的驾驶行为数据，所述驾驶行为数据包括所述驾驶员的肢体行为、脸部表情、视线方位信息中的任一项或任意组合；

根据所述驾驶行为数据，得到所述第一车辆的驾驶员的注意力召回时间参数。

由此可知，第一车辆的驾驶员的注意力召回时间参数是根据驾驶员在当前时刻的驾驶行为数据得到的，从而能够保证驾驶员的注意力召回时间参数是与当前时刻相对应的，有效保证注意力召回时间参数的准确性。

在一种可能的设计中，根据所述驾驶行为数据，得到所述第一车辆的驾驶员的注意力召回时间参数，包括：

根据所述驾驶行为数据，确定所述驾驶员所处的状态，并根据所述驾驶员所处的状态以及状态与注意力召回时间参数的对应关系，得到所述驾驶员所处的状态对应的注意力召回时间参数。

在一种可能的设计中，所述状态与注意力召回时间参数的对应关系是根据预先统计到的多个驾驶员的历史驾驶行为数据和历史注意力召回时间参数通过机器学习得到的。

在一种可能的设计中，所述第一车辆的历史行车数据还包括所述第一车辆的驾驶员的多个历史提醒反应时间参数；

通过如下方式得到所述第一车辆的驾驶员的提醒反应时间参数：

根据所述多个历史提醒反应时间参数，得到所述第一车辆的驾驶员的提醒反应时间参数。

如此，第一车辆的驾驶员的提醒反应时间参数是根据多个历史提醒反应时间参数得到的，从而使得第一车辆的驾驶员的提醒反应时间参数能够有效反映出第一车辆的驾驶员的驾驶习惯。

在一种可能的设计中，根据所述多个历史提醒反应时间参数，得到所述第一车辆的驾驶员的提醒反应时间参数，包括：

根据多个历史提醒反应时间参数，通过迭代方式得到所述第一车辆的驾驶员的提醒反应时间参数；所述迭代方式为：判断上一轮迭代得到的提醒反应时间参数和本轮的提醒反应时间参数的偏差，若偏差率大于偏差率阈值，则将提醒反应时间参数更新为本轮的提醒反应时间，并进行下一轮迭代；若偏差率小于等于所述偏差率阈值，则迭代结束并得到所述第一车辆的驾驶员的提醒反应时间参数；其中，每一轮的提醒反应时间参数是根据至少一个历史提醒反应时间参数得到的。

采用上述方式，能够基于驾驶员的历史反应数据，通过逐步迭代得到最终结果，一方面能够有效保证结果的准确性，另一方面，能有效提高驾驶员体验。

在一种可能的设计中，所述历史行车数据还包括多个启动刹车时刻和所述多个启动刹车时刻对应的多个结束刹车时刻、多个启动刹车时刻的TTC的值；

通过如下方式得到所述第一车辆的驾驶员的制动时间参数：

根据所述历史行车数据，得到多个制动周期和制动时机，其中，所述制动周期是指从启动刹车时刻到结束刹车时刻之间的时间长度，所述制动时机是指启动刹车时刻对应的TTC；

根据所述多个制动周期和制动时机，得到目标制动周期和目标制动时机，以及根据目标制动周期和目标制动时机，得到所述第一车辆的驾驶员的制动时间参数。

如此，第一车辆的驾驶员的制动时间参数是根据历史行车数据得到的，从而使得第一车辆的驾驶员的制动时间参数能够有效反映出第一车辆的驾驶员的驾驶习惯。

在一种可能的设计中，根据如下公式得到所述第一车辆的驾驶员的制动时间参数：

T3＝Tb*Fs+Ts

其中，T3是指所述第一车辆的驾驶员的制动时间参数，Tb是指所述目标制动周期，Ts是指目标制动时机，Fs是指预设安全参数。

在一种可能的设计中，根据所述第一车辆的驾驶员的注意力召回时间参数、提醒反应时间参数以及制动时间参数中的任一项或任意组合，得到所述第一阈值，包括：

对所述第一车辆的驾驶员的注意力召回时间参数、提醒反应时间参数以及制动时间参数进行求和，得到所述第一阈值。

在一种可能的设计中，若确定所述TTC小于等于第一阈值，则发出预警信息，包括：

若确定所述TTC大于所述提醒反应时间参数以及制动时间参数之和且小于等于所述第一阈值，则采用第一预警等级发出所述预警信息；

若确定所述TTC大于所述制动时间参数且小于等于所述提醒反应时间参数以及制动时间参数之和，则采用第二预警等级发出所述预警信息；

其中，所述第一预警等级的预警强度小于所述第二预警等级的预警强度。

采用上述方式，根据TTC的大小来确定预警强度，若TTC较小，则说明紧急程度较高，因此可采用较高的预警强度来提示驾驶员采取制动措施，从而有效避免碰撞的发生。

在一种可能的设计中，发出所述预警信息之前，还包括：

确定所述第一车辆的驾驶员所处的状态和/或所述驾驶员的视线方位信息，并根据所述第一车辆的驾驶员所处的状态和/或所述驾驶员的视线方位信息，确定发出所述预警信息的方式。

在一种可能的设计中，根据所述第一车辆的驾驶员所处的状态和/或所述驾驶员的视线方位信息，确定发出所述预警信息的方式，包括：

若确定所述第一车辆的驾驶员处于疲劳状态，则确定发出所述预警信息的方式为震动方式；和/或，

若确定所述驾驶员的视线方位信息为正前方以外的方向，则确定发出所述预警信息的方式为语音方式和/或增强显示方式。

如此，通过考虑驾驶员的状态和视线方位信息来确定不同的预警方式，从而使得预警方式更符合用户需求。

在一种可能的设计中，所述第一车辆的目标减速度是通过如下方式训练得到的：

从所述多次刹车过程中的减速度中选取出大于第一阈值且小于第二阈值的减速度，并根据选取出的减速度得到所述目标减速度；

所述第一车辆的目标跟车距离是通过如下方式训练得到的：

从所述多个结束刹车时刻对应的第一车辆的跟车距离中选取出大于第三阈值且小于第四阈值的跟车距离，并根据选取出的跟车距离得到所述目标跟车距离。

如此，通过从大量的历史数据中进行筛选，从而能够有效减轻计算的复杂程度，且通过筛选能够有效排除干扰数据，增强结果的准确性。

本申请还提供一种确定注意力召回时间参数的方法，包括：

获取驾驶员在当前时刻的驾驶行为数据，所述驾驶行为数据包括所述驾驶员的肢体行为、脸部表情、视线方位信息中的任一项或任意组合；

根据所述驾驶行为数据，得到所述驾驶员的注意力召回时间参数。

在一种可能的设计中，根据所述驾驶行为数据，得到所述驾驶员的注意力召回时间参数，包括：

本申请还提供一种确定提醒反应时间参数的方法，包括：

获取驾驶员的历史行车数据，所述历史行车数据中包括多个历史提醒反应时间参数；

根据多个历史提醒反应时间参数，得到所述驾驶员的提醒反应时间参数。

在一种可能的设计中，根据所述多个历史提醒反应时间参数，得到所述驾驶员的提醒反应时间参数：

本申请还提供一种确定制动时间参数的方法，包括：

获取驾驶员的历史行车数据，所述历史行车数据还包括多个启动刹车时刻和所述多个启动刹车时刻对应的多个结束刹车时刻、多个启动刹车时刻的TTC的值；

根据所述历史行车数据，得到多个制动周期和多个制动时机；所述制动周期是指从启动刹车时刻到结束刹车时刻之间的时间长度，所述制动时机是指启动刹车时刻对应的TTC；

T3＝Tb*Fs+Ts

第二方面，本申请提供一种碰撞预警装置，所述碰撞预警装置包括：

获取模块，用于获取第一车辆的目标减速度和目标跟车距离，所述第一车辆的目标减速度和目标跟车距离是根据所述第一车辆的历史行车数据训练得到的，所述第一车辆的历史行车数据包括多次刹车过程中的减速度和多个结束刹车时刻对应的第一车辆的跟车距离；

处理模块，用于根据所述目标减速度和所述目标跟车距离，得到所述第一车辆和前向车辆的距离碰撞的时间TTC；以及，若确定所述TTC小于等于第一阈值，则发出预警信息。

在一种可能的设计中，所述处理模块具体用于通过如下公式得到第一车辆和前向车辆的TTC：

Δv＝Vh–Vd

Δa＝ah–ad

在一种可能的设计中，所述处理模块确定所述TTC小于等于第一阈值之前，还用于：

在一种可能的设计中，所述处理模块通过如下方式得到所述第一车辆的驾驶员的注意力召回时间参数：

在一种可能的设计中，所述处理模块具体用于：

所述处理模块具体用于通过如下方式得到所述第一车辆的驾驶员的提醒反应时间参数：

在一种可能的设计中，所述处理模块具体用于：

所述处理模块具体用于通过如下方式得到所述第一车辆的驾驶员的制动时间参数：

在一种可能的设计中，所述处理模块具体用于根据如下公式得到所述第一车辆的驾驶员的制动时间参数：

T3＝Tb*Fs+Ts

在一种可能的设计中，所述处理模块具体用于：

对所述第一车辆的驾驶员的注意力召回时间参数和制动时间参数进行求和，得到所述第一阈值。

在一种可能的设计中，所述处理模块具体用于：

在一种可能的设计中，所述处理模块发出所述预警信息之前，还用于：

在一种可能的设计中，所述处理模块具体用于：

在一种可能的设计中，所述处理模块具体用于通过如下方式训练得到所述第一车辆的目标减速度：

所述第一车辆的目标跟车距离是通过如下方式训练得到的：

第三方面，本申请提供一种碰撞预警装置，该碰撞预警装置具有实现上述第一方面方法示例的功能；该碰撞预警装置包括：处理器、存储器；所述存储器中存储有计算机程序，具体地，程序可以包括程序代码，该程序代码包括指令。存储器可能包含随机存取存储器(random access memory，RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。所述处理器读取并执行所述存储器中存储的计算机程序时，使得所述碰撞预警装置实现上述任意一种设计提供的碰撞预警方法。

一种可能的方式中，处理器和存储器可以通过总线相互连接；总线可以是外设部件互连标准(peripheral component interconnect，PCI)总线或扩展工业标准结构(extended industry standard architecture，EISA)总线等。所述总线可以分为地址总线、数据总线、控制总线等。

本申请还提供了一种计算机可读存储介质，所述存储介质存储有指令，当所述指令在计算机上运行时，使得计算机实现执行上述任意一种设计提供的碰撞预警方法。

本申请还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述任意一种设计提供的碰撞预警方法。

本申请还提供了一种计算机程序，当其在计算机上运行时，使得计算机执行上述任意一种设计提供的碰撞预警方法。

本申请还提供一种芯片，所述芯片与存储器相连，用于读取并执行所述存储器中存储的软件程序，以实现上述任意一种设计提供的碰撞预警方法。

附图说明

图1为前向碰撞过程示意图；

图2a为本申请适用的一种可能的场景示意图；

图2b为本申请适用于的一种系统架构图；

图3为本申请提供的一种碰撞预警方法所对应的流程示意图；

图4为得到注意力召回时间参数表的流程示意图；

图5为得到第一车辆的驾驶员的注意力召回时间参数的处理流程示意图；

图6为提醒反应时间参数的组成示意图；

图7为得到第一车辆的驾驶员的提醒反应时间参数的流程示意图；

图8为典型减速曲线示意图；

图9a为本申请中碰撞预警方法的一种整体流程示意图；

图9b为本申请中碰撞预警方法的整体实现示意图；

图10为本申请提供的一种碰撞预警装置的结构示意图；

图11为本申请提供的另一种碰撞预警装置的结构示意图。

具体实施方式

下面结合说明书附图对本申请进行具体说明。

图1为前向碰撞过程示意图，如图1所示，前向碰撞过程按照危险程度可以分为4个阶段，下面结合图1分别对四个阶段进行说明。阶段1：在舒适驾驶阶段，大部分驾驶员意识到存在碰撞风险，会预先刹车或者转向，避免进入危险状态。阶段2：在舒适驾驶阶段，驾驶员若通过刹车或者转向，可保持较好的安全距离，避免进入危险状态。阶段3：进入安全操控范围，驾驶员或系统必须采取紧急深幅制动或者转向，才能避免碰撞。阶段4：因未能有效制动，本车继续逼近前车，系统检测到必须采用最高制动，启动AEB系统。

FCW系统作用于上述阶段1、阶段2和阶段3，AEB系统作用于上述阶段4。

为避免FCW系统采用统一预警方式而导致预警有效性低的技术问题，现有技术中的另一种方案为提供设置跟车距离的操作，由驾驶员来自行设置跟车距离，从而使得不同驾驶员可设置不同的跟车距离，具备一定的适应性。然而，由于驾驶员无法准确地给出自己舒适的跟车距离，无法明确描述提前多少时间给出预警，因此，FCW系统对驾驶员的反应时间、制动模式难以做个性化的自适应，仍然难以有效避免过早预警或过晚预警的现象。

基于此，本申请提供一种碰撞预警方法，根据第一车辆(本车)的历史行车数据，训练得到第一车辆的目标减速度和目标跟车距离，进而得到第一车辆和前向车辆的TTC，并基于TTC与第一阈值的大小关系，来确定是否发出预警信息。由于第一车辆的目标减速度和目标跟车距离能够反映出第一车辆的驾驶员的驾驶习惯个性特征，因此，基于历史行车数据得到的TTC具备较强的适应性，从而能够有效解决现有技术中基于统一的减速度和跟车距离而导致预警有效性低的技术问题。

本申请中的碰撞预警方法可以应用于碰撞预警装置，碰撞预警装置具体可以为设置于车辆中的具有数据处理功能和控制功能的装置，在其它可能的实施例中，执行碰撞预警方法的装置也可以为其它名称，本申请对此不做限定。

图2a为本申请适用的一种可能的场景示意图，如图2a所示，第一车辆101和前向车辆102沿同一方向行驶，第一车辆102位于第一车辆101的前方；针对于第一车辆101来说，若前向车辆102低速行驶、减速或者刹车，则存在前方碰撞危险，此时，需要第一车辆101中的碰撞预警装置基于预测到的危险及时有效地向第一车辆101的驾驶员发出预警信息。

下面以图2a中所示的第一车辆为例，描述本申请适用的一种系统架构。参见图2b，第一车辆101可以包括：碰撞预警装置201，车外传感器202，控制器局域网络(controllerarea network，CAN)总线203，以及车内摄像头204。

其中，车外传感器202、CAN总线203和车内摄像头204均可用于采集信息，而碰撞预警装置204可以获取车外传感器202和车内摄像头204采集的信息，以及从CAN总线203上获取信息，从而基于获取到的信息向该车辆的驾驶员进行预警。本申请中，车外传感器202采集的信息可以包括第一车辆的行驶信息、道路交通信息、第一车辆的跟车距离等；CAN总线203采集的信息可以包括第一车辆的行驶速度、加/减速度、转向角等；车内摄像头204采集的信息可以包括第一车辆的驾驶员的驾驶行为数据、视线方位信息等。

需要说明的是，本申请是以“第一车辆”为例，描述如何为第一车辆的驾驶员进行预警。对于其它每个需要进行预警且满足预警设置要求的车辆，均可按照上述方法执行，具体不做限定。

图3为本申请提供的一种碰撞预警方法对应的流程示意图。如图3所示，包括：

步骤301，获取第一车辆的目标减速度和目标跟车距离。

其中，第一车辆的目标减速度和目标跟车距离可以为通过对历史行车数据进行训练而得到能够有效反映驾驶员驾驶习惯的参数。具体来说，第一车辆的历史行车数据包括第一车辆多次刹车过程中的减速度、多个结束刹车时刻对应的第一车辆的跟车距离(即为第一车辆和前向车辆的车间距离)，具体的训练方式可以参照现有的多种大数据处理方式，本申请对此不做限定。

针对于第一车辆的目标减速度，一种可能的实现方式为：从所述多次刹车过程中的减速度中选取出大于第一阈值且小于第二阈值的减速度(选取出的这些减速度为具有代表性的减速度，较能反映出驾驶员的驾驶习惯)，并根据选取出的减速度得到所述目标减速度，比如，对选取出的减速度求取平均值得到目标减速度。其中，第二阈值大于第一阈值，第一阈值、第二阈值可以由本领域技术人员根据经验和实际需要来设置。或者，本申请中也可以依据正态分布方式从多次刹车过程中的减速度中选取出具有代表性的减速度，进而得到目标减速度，具体不做限定。

同样地，针对于第一车辆的目标跟车距离，一种可能的实现方式为：从所述多个结束刹车时刻对应的第一车辆的跟车距离中选取出大于第三阈值且小于第四阈值的跟车距离，并根据选取出的跟车距离得到所述目标跟车距离，具体实现可参见上述描述。其中，第四阈值大于第三阈值，第三阈值、第四阈值可以由本领域技术人员根据经验和实际需要来设置。

需要说明的是，为保证结果的合理性，在基于第一车辆的历史行车数据进行机器学习之前，可以对历史行车数据进行过滤，仅选取符合预设条件的数据来进行机器学习。比如，计算目标跟车距离时，仅选取车间距离小于100m的数据来进行机器学习。

进一步地，第一车辆的历史行车数据还可以包括第一车辆多次启动刹车时刻对应的行驶速度、第一车辆和前向车辆的车间距离(制动前)、TTC以及多次结束刹车时刻对应的第一车辆和前向车辆的车间距离(制动后)。如表1所示，为第一车辆的历史行车数据示例。

表1：第一车辆的历史行车数据内容示例

表1仅为第一车辆的历史行车数据的一种示例，在实际应用中，根据实际需要可在表1的基础上进行增删。具体来说，表1中的多次启动刹车时刻对应的行驶速度、第一车辆与前向车辆的车间距离以及TTC、多次结束刹车时刻对应的第一车辆和前向车辆的车间距离以及TTC均可以直接采集得到，而刹车过程中的减速度则可能无法直接采集得到的，本申请中，可以通过多种方式计算得到刹车过程中的减速度，例如，可以根据启动刹车时刻至结束刹车时刻时，第一车辆行驶的距离、行驶的时间、行驶速度来计算得到刹车过程中的减速度。

本申请中，碰撞预警装置可以预先对第一车辆的历史行车数据训练得到第一车辆的目标减速度和目标跟车距离并存储。如此，步骤301中，碰撞预警装置可以直接获取存储的目标减速度和目标跟车距离。或者，在其它的实施例中，也可以是由碰撞预警装置以外的其它装置预先对第一车辆的历史行车数据训练得到第一车辆的目标减速度和目标跟车距离并存储，如此，步骤301中，碰撞预警装置可以直接从其它装置中获取目标减速度和目标跟车距离。采用这种方式，由于碰撞预警装置可以直接获取到已经训练过的参数，从而能够有效提高碰撞预警流程的效率。进一步地，还按照设定周期对存储的第一车辆的目标减速度和目标跟车距离进行更新，从而使得第一车辆的目标减速度和目标跟车距离更能符合驾驶员的驾驶习惯，有效保证结果的合理性。

在其它可能的实现方式中，碰撞预警装置也可以在每次执行碰撞预警流程时，均更新第一车辆的历史行车数据，并对更新后的第一车辆的历史行车数据进行训练，得到第一车辆的目标减速度和目标跟车距离。举个例子，碰撞预警装置在第n时刻执行碰撞预警流程时，可以根据第一车辆首次被驾驶员启动使用至第n时刻统计得到的历史行车数据，训练得到第一车辆的目标减速度和目标跟车距离；在第n+1时刻执行碰撞预警流程时，可以根据第一车辆首次被驾驶员启动使用至第n+1时刻统计得到的历史行车数据，训练得到第一车辆的目标减速度和目标跟车距离。

步骤302，根据所述目标减速度和所述目标跟车距离，得到所述第一车辆和所述第一车辆前方的前向车辆的距离碰撞的时间TTC。

此处，一种可能的实现方式中，碰撞预警装置可以通过如下公式得到第一车辆和前向车辆的TTC：

Δv＝Vh–Vd……公式2

Δa＝ah–ad……公式3

其中，Δt是指所述第一车辆和所述前向车辆的TTC；D是指所述第一车辆和所述前向车辆的车间距离；DHW是指所述第一车辆的目标跟车距离；Δv是指所述第一车辆和所述前向车辆的相对速度，Vh是指所述第一车辆的行驶速度，Vd是指所述前向车辆的行驶速度(假设制动过程前向车辆的行驶速度不变)；Δa是指所述第一车辆相对于所述前向车辆的制动减速度，ah是指所述第一车辆的目标减速度，ad所述前向车辆的减速度。

步骤303，若确定所述TTC小于等于第一阈值，则发出预警信息。

此处，一种可能的实现方式为，第一阈值可以由本领域技术人员根据经验和实际需要设置，或者也可以为按照现有方式经过大数据处理得到的值，比如2.7s。

另一种可能的实现方式为，根据所述第一车辆的驾驶员的注意力召回时间参数、提醒反应时间参数以及制动时间参数中的任一项或任意组合，得到第一阈值。其中，所述第一车辆的驾驶员的注意力召回时间参数是指所述驾驶员处于预设状态时候至注意力返回需要的时间；所述第一车辆的驾驶员的提醒反应时间参数是指所述驾驶员已经注意的情况下，从所述碰撞预警装置发出预警信息到所述驾驶员反应需要的时间；所述第一车辆的驾驶员的制动时间参数是指所述驾驶员采取制动措施至所述第一车辆返回安全状态所需时间。需要说明的是，本申请中的预设状态可以包括注意力不集中的状态，比如疲劳状态、分神状态等。

根据上述内容可知，在确定第一阈值时，可以引入第一车辆的驾驶员的注意力召回时间参数、提醒反应时间参数以及制动时间参数中的任一项或任意组合，并在考虑引入的参数的基础上确定出第一阈值。由于上述任一参数均能有效反映出驾驶员的个体特征，因此基于上述任一参数来确定第一阈值相比于现有技术中统一使用固定数值的方式，具有更强的适应性。举个例子，可以根据第一车辆的提醒反应时间参数以及制动时间参数得到第一阈值，比如，第一阈值等于第一车辆的提醒反应时间参数以及制动时间参数之和加上预设时间值；由于不同的驾驶员所需要的提醒反应时间和制动时间是有差别的，针对于反应速度较快，所需制动时间较少的驾驶员，在设置第一阈值时，通过综合考虑这些因素，使得其所对应的第一阈值相对较小，从而实现对具有不同驾驶习惯的驾驶员进行区分性对待，提高用户体验。

进一步地，本申请中的第一阈值可以为所述第一车辆的驾驶员的注意力召回时间参数、提醒反应时间参数以及制动时间参数的和，如此，由于三个时间参数全面覆盖了驾驶员从接收预警到制动完成的整个阶段，从而基于这三个时间参数得到第一阈值，并将TTC与第一阈值进行比较来确定是否预警，从而能更加准确地为驾驶员提供预警服务，充分保证预警的合理性和有效性。

本申请中，可以通过多种方式确定所述第一车辆的驾驶员的注意力召回时间参数、提醒反应时间参数以及制动时间参数，下面分别针对所述第一车辆的驾驶员的注意力召回时间参数、提醒反应时间参数以及制动时间参数描述一种可能的方式。

(1)所述第一车辆的驾驶员的注意力召回时间参数(T1)

获取驾驶员在当前时刻的驾驶行为数据(瞬时驾驶行为数据)，根据所述驾驶行为数据，得到所述第一车辆的驾驶员的注意力召回时间参数。

具体来说，一种可能的实现方式中，可以根据所述驾驶员的驾驶行为数据，确定所述驾驶员所处的状态，并根据所述驾驶员所处的状态以及状态与注意力召回时间参数的对应关系，得到所述驾驶员所处的状态对应的注意力召回时间参数，即为所述驾驶员的注意力召回时间参数。

本申请中，可以根据驾驶员在当前时刻的驾驶行为数据，执行驾驶员感知算法，确定出驾驶员所处的状态。其中，驾驶员在当前时刻的驾驶行为数据可以包括驾驶员在当前时刻的肢体行为、脸部表情、视线方位信息等，根据驾驶员的脸部表情可以识别出驾驶员的疲劳等级，根据驾驶员的肢体行为、视线可以识别出是否分神。

进一步地，考虑到在某些情况下(例如，驾驶员走神)，驾驶员的肢体行为、脸部表情、视线方位信息反映出的状态可能不够准确，因此，还可以结合交通道路数据、车辆行驶信息等来确定驾驶员所处的状态，其中，交通道路数据、车辆行驶信息等可以由车外传感器采集得到；可选地，还可以结合语音信息等来确定驾驶员所处的状态，其中，语音信息可以基于车辆中安装的语音采集装置来得到，比如，若通过语音采集装置采集到驾驶员在讲话，则可识别出驾驶员处于分神状态。上述基于驾驶行为数据确定驾驶员所处的状态，仅为示例性描述，本申请不做具体限定。

其中，驾驶员所处的状态具体是指所述驾驶员的注意力类型和注意力等级，状态与注意力召回时间参数的对应关系即是指注意力类型和注意力等级与注意力召回时间参数的对应关系。本申请中，碰撞预警装置中可以预先存储状态与注意力召回时间参数的对应关系，具体的存储方式可以有多种，例如以数据表(注意力召回时间参数表)的形式来存储。

也就是说，碰撞预警装置根据第一车辆的驾驶员的驾驶行为数据，得到第一车辆的驾驶员的注意力类型和注意力等级，通过查找注意力召回时间参数表，得到第一车辆的驾驶员的注意力召回时间参数。

下面首先针对注意力召回时间参数表进行具体介绍。

本申请中，考虑到驾驶员处于不同的注意力类型时，召回时间参数会存在差异。例如，驾驶员的注意力类型为正常时，可以立即召回，而驾驶员的注意力类型为疲劳或分神时，可能需要较长的时间才能召回。基于此，可以将注意力类型划分为正常、疲劳、分神三种。进一步地，还可以将疲劳和分神这两种注意力类型做进一步的注意力等级划分。具体如表2所示，为注意力类型和注意力等级示例。

表2：注意力类型和注意力等级示例

由表2可知，不同的注意力类型或注意力等级对应不同的召回时间缺省值。基于表2，本申请中，可通过多个驾驶员的历史驾驶数据提取不同疲劳、分神类型，及提醒后驾驶员返回驾驶中的数据，从而学习得出群体的注意力召回时间参数。具体流程如图4所示，包括：

步骤401，初始化注意力召回时间参数表，即将注意力召回时间参数设置为缺省值。

步骤402，根据多个驾驶员的历史驾驶行为数据，分别执行感知算法，得到多个驾驶员的注意力类型和注意力等级；针对于任一注意力类型和注意力等级，根据系统发出预警信息到多个处于该注意力类型和注意力等级的驾驶员注意力返回驾驶中的数据(即多个驾驶员的历史注意力召回时间参数)，得到该注意力类型和注意力等级对应的注意力召回时间参数(T1’)，具体来说，可以是基于系统发出预警信息到多个处于该注意力类型和注意力等级的驾驶员注意力返回驾驶中的数据做统计值的概率分布、噪声滤波和特征取值，得到T1’，本申请对此不做限定。

步骤403，更新注意力召回时间参数表T1＝T1’，即表3，完成注意力召回时间参数的学习。

表3：注意力召回时间参数表

如此可知，注意力召回时间参数表可以为预先通过统计多个驾驶员的历史驾驶行为数据和历史注意力召回时间参数而得到的。本申请的碰撞预警装置中可以预先存储有注意力召回时间参数表。

基于上述对注意力召回时间参数表的介绍，下面具体说明碰撞预警装置得到第一车辆的驾驶员的注意力召回时间参数的处理流程。如图5所示，包括：

步骤501，基于第一车辆的驾驶员的历史驾驶行为数据生成训练集。具体来说，把第一车辆的驾驶员的历史驾驶行为数据(包括驾驶员的肢体行为、脸部表情、视线方位信息等)做标注，还可以结合交通道路数据、车辆行驶信息等，采用深度神经网络进行训练拟合，迭代若干次后，如系统误差低于阈值则完成训练，生成训练集。

步骤502，基于第一车辆的驾驶员的驾驶行为数据和训练集预测第一车辆的驾驶员的注意力类型和注意力等级。具体来说，采用训练好的模型对驾驶员进行实时预测，输出驾驶员的注意力类型和注意力等级，对应表2和表3中的六类状态：正常、疲劳状态分高中低，分神状态分为易召回、不在环。

步骤503，查找注意力召回时间参数表得到第一车辆的驾驶员的注意力召回时间参数。具体来说，根据驾驶员的注意力类型和注意力等级(疲劳、分神等级)，通过查找表3即可得出驾驶员的注意力类型和注意力等级对应的注意力召回时间参数。

在其它可能的实现方式中，驾驶行为数据也可以为图片(或图像)的形式，也就是说，可以通过车内摄像头拍摄有关驾驶员的驾驶行为的图片，进而将拍摄得到的图片输入预设的模型得到驾驶员的注意力召回时间参数；其中，预设的模型可以是预先训练得到的，具体的训练方式可以有多种，此处不再赘述。

(2)所述第一车辆的驾驶员的提醒反应时间参数(T2)

下面首先对提醒反应时间参数进行介绍。

本申请中，碰撞预警装置发出预警信息后，由于年龄、性别、驾驶技术、驾驶习惯等因素，不同的驾驶员反应的时间存在差异化。不同的预警方式(图像、声音、振动等)，同一驾驶员可能有不同的反应时间，通常情况下，驾驶员对图像的反应时间比声音、震动长，为保证足够安全，可以将各个预警方式的反应时间中的最大值，即图像的预警反应时间作为提醒反应时间参数。

图6是提醒反应时间参数的组成示意图。在图6中，TTC_0为驾驶员控制车辆返回安全状态的时间点；TTC_action为驾驶员(或者说是用户)发起控制动作(包括踩刹车制动和大角度打方向盘变道躲避)的时间点，定义为TTC_action＝T3，T3为制动时间参数；T2为提醒反应时间，考虑较大的安全余量，初始定义为T2＝2*T3。

TTC_max为危险事件起始点，该时间点作为T2调整的最大值门限，即TTC_max＝TTC_action+2*T3。TTC_T2为提醒时机(即提醒的时间点)，位于TTC_max与TTC_action时间点中间，初始值为TTC_max。

本申请中，可根据所述第一车辆的驾驶员的历史提醒反应时间(从发出预警信息到驾驶员反应的时间)，通过学习驾驶员的反应特征，得到所述第一车辆的驾驶员的提醒反应时间参数。具体来说，首先将所述提醒反应时间参数设置为初始值，根据多个历史提醒反应时间参数，进行迭代，具体的迭代方式为：判断上一轮迭代得到的提醒反应时间参数和本轮的提醒反应时间参数的偏差，若偏差率大于偏差率阈值，则将提醒反应时间参数更新为本轮的提醒反应时间，并进行下一轮迭代；若偏差率小于等于所述偏差率阈值，则迭代结束并得到所述第一车辆的驾驶员的提醒反应时间参数。

其中，每一轮的提醒反应时间参数是根据至少一个历史提醒反应时间参数得到的，比如，每一轮的提醒反应时间参数是根据100个历史提醒反应时间参数求取平均值得到的。进一步地，每一轮的提醒反应时间参数所依据的历史提醒反应时间参数的个数可以相同，也可以不相同，具体不做限定。

在一个示例中，第一车辆首次被驾驶员启动使用时，开始统计提醒反应时间参数，当统计至100个历史提醒反应时间参数时，根据这100个历史提醒反应时间参数得到第一轮的提醒反应时间参数，并将第一轮的提醒反应时间参数和初始值进行比较，若第一轮的提醒反应时间参数和初始值的偏差率大于偏差率阈值，则将驾驶员的提醒反应时间参数更新为第一轮的提醒反应时间，以及更新提醒时机，并再次统计提醒反应时间参数，当再次统计的提醒反应时间参数个数达到100时，根据再次统计得到的100个历史提醒反应时间参数得到第二轮的提醒反应时间参数，并将第二轮的提醒反应时间参数和第一轮迭代的结果(即第一轮更新的驾驶员的提醒反应时间参数)进行比较，若第二轮的提醒反应时间参数和第一轮迭代的结果的偏差率大于偏差率阈值，则将驾驶员的提醒反应时间参数更新为第二轮的提醒反应时间，以及更新提醒时机，并再次统计提醒反应时间参数，以此类推，若第n轮的提醒反应时间参数和第n-1轮迭代的结果的偏差率小于偏差率阈值，则将驾驶员的提醒反应时间参数更新为第n轮的提醒反应时间，并结束迭代过程。需要说明的是，由于第n轮的提醒反应时间参数和第n-1轮迭代的结果的偏差率较小，此时，第n轮的提醒反应时间参数和第n-1轮迭代的结果均已较符合驾驶员的驾驶习惯，因此，在第n轮的提醒反应时间参数和第n-1轮迭代的结果的偏差率小于偏差率阈值后，也可以不再更新，而是直接将第n-1轮迭代的结果作为驾驶员的提醒反应时间参数，并结束迭代过程，本申请对此不做具体限定。其中，偏差率阈值可以由本领域技术人员根据经验和实际情况预先设定，比如，可以设置为5％。

需要说明的是，本申请可以基于预设周期(可以为一个月)执行迭代流程，比如，在上述示例中，结束迭代过程并经过一个周期的时间后，可再次开始上述迭代流程，实现对驾驶员的提醒反应时间参数进行更新，从而使得提醒反应时间参数与驾驶员的反应特征具有较高的吻合性。

下面结合图7对迭代的具体流程进行说明。如图7所示，包括：

步骤701，初始化参数：T2＝2*T3，TTC_max＝TTC_action+2*T3；

步骤702，更新提醒的时间点：TTC_T2＝TTC_action+T2；

步骤703，根据统计得到的驾驶员的多个历史提醒反应时间参数，得到本轮的提醒反应时间参数T2’。

步骤704，判断上一轮迭代得到的提醒反应时间T2和本轮的提醒反应时间T2’的偏差(T2-T2’)，若偏差率大于偏差率阈值，则更新提醒反应时间参数T2＝T2’，并执行步骤702，进行下一轮迭代；若偏差率小于等于偏差率阈值，迭代结束并完成提醒反应时间的学习。

下面举个具体例子来描述迭代过程。

假设得出T3＝2.5s，则TTC_action＝TTC_0+2.5s，TTC_max＝TTC_0+7.5s；

将提醒反应时间参数设置为初始值，即T2＝5s，TTC_T2＝TTC_0+7.5s；

进入第一轮迭代，经过驾驶员反应时间的学习得出提醒反应时间T2’为3s，由于T2-T2’的偏差为2s，偏差率大于5％，更新T2＝3s(T2’)，进入下一轮迭代；

…

第i轮迭代的T2为1.6s，经过驾驶员反应时间的学习得到T2’＝1.58s，由于T2和T2’的偏差率小于5％，迭代结束，得到驾驶员的提醒反应时间参数。

(3)所述第一车辆的驾驶员的制动时间参数(T3)

如表1中所示，根据第一设定时间段内的历史行车数据，得到驾驶员的多个制动周期和制动时机，其中，制动周期是指从启动刹车时刻到结束刹车时刻之间的时间长度，制动时机是指启动刹车时刻的TTC的值。

具体来说，历史行车数据中包括多个启动刹车时刻以及对应的多个刹车时刻、多个启动刹车时刻的TTC的值，因此，基于多个启动刹车时刻以及对应的多个刹车时刻可以得到多个制动周期，基于多个制动周期可以得到目标制动周期，具体的实现方式可以参见上述有关目标减速度的方式，此处不再赘述。同样地，根据多个启动刹车时刻的TTC的值，可以得到目标制动时机。

图8为典型减速曲线示意图，由图8可看出，对于早减速——安全/保守型、持续减速——安全/舒适型、晚减速——运动型的驾驶习惯呈现出明显的个性化特征。具体来说，安全/保守型的驾驶员的制动周期小于运动型的驾驶员的制动周期小于安全/舒适型的驾驶员的制动周期，而安全/保守型的驾驶员的制动时机与安全/舒适型的驾驶员的制动时机相近，且大于运动型的驾驶员的制动时机。

进一步地，根据得到的目标制动周期和目标制动时机可以通过如下公式得到制动时间参数T3：

T3＝Tb*Fs+Ts

其中，T3为制动时间参数，Tb为目标制动周期，Ts为目标制动时机，Fs为预设的最低安全参数，取值为[1,1.5]。如此，针对于不同的驾驶习惯，可得到不同的制动时间参数，从而能够有效适应个性化的驾驶员。

需要说明的是，本申请中碰撞预警装置获取制动时间参数的方式可以参照上述碰撞预警装置获取第一车辆的目标减速度和目标跟车距离的描述，即碰撞预警装置可以预先对第一车辆的历史行车数据训练得到目标制动周期和目标制动时机，进而得到制动时间参数并存储，以及按照设定周期更新目标制动周期和目标制动时机，进而更新制动时间参数，如此，碰撞预警装置可以直接获取存储的制动时间参数(即为上一周期更新得到的制动时间参数)。

为更加清楚地介绍碰撞预警方法，下面结合图9a做进一步的描述。图9a为本申请中碰撞预警方法的一种整体流程示意图，如图9a所示，包括：

步骤901，获取预先训练得到的第一车辆的目标减速度和目标跟车距离。

步骤902，计算第一车辆和前向车辆的TTC。

步骤903，获取驾驶员在当前时刻的驾驶行为数据，所述驾驶行为数据包括所述驾驶员的肢体行为、脸部表情、视线方位信息等。

步骤904，根据驾驶行为数据，执行驾驶员感知算法确定驾驶员所处的状态。

步骤905，根据所述驾驶员所处的状态以及注意力召回时间参数表，得到所述驾驶员的注意力召回时间参数。

步骤906，获取预先通过迭代过程得到的第一车辆的驾驶员的提醒反应时间参数。

步骤907，获取预先训练得到的第一车辆的驾驶员的制动时间参数。

步骤908，对所述第一车辆的驾驶员的注意力召回时间参数和制动时间参数进行求和，得到所述第一阈值。

步骤909，判断TTC是否小于等于第一阈值，若是，则执行步骤910，否则，执行下一次碰撞预警流程。

步骤910，发出预警信息。

需要说明的是，上述各个步骤的编号仅为一种执行过程的示例性说明，本申请实施例不对各个步骤做明确具体的先后顺序限定，有些步骤可以同时进行(比如步骤906和步骤907可以同时执行)，或不按上述编号进行。

上述内容具体描述碰撞预警流程，本申请中，当通过执行上述碰撞预警流程确定需要发出预警信息时，还可以进一步确定发出预警信息的预警强度和预警方式，从而能够实现预警多样化，有效提高用户体验，下面分别对发出预警信息的预警强度和预警方式进行具体说明。

(1)预警强度

碰撞预警装置可以根据TTC的大小确定发出预警信息的预警强度，具体来说，如图7所示，碰撞预警装置若确定所述TTC大于所述第一阈值，即TTC∈(T3+T2+T1,∞)，则说明距离碰撞的时间还有很长，此时可以暂不进行预警；若确定所述TTC大于所述提醒反应时间参数以及制动时间参数之和且小于等于所述第一阈值，即TTC∈(T3+T2,T3+T2+T1]，则采用第一预警等级发出所述预警信息；若确定所述TTC大于所述制动时间参数且小于等于所述提醒反应时间参数以及制动时间参数之和，即TTC∈(T3,T3+T2]，则采用第二预警等级发出所述预警信息；所述第一预警等级的预警强度小于所述第二预警等级的预警强度；若确定所述TTC小于所述制动时间参数，即TTC∈(0,T3]，则不再预警。当TTC＝T_AEB，系统启动AEB干预。

(2)预警方式

碰撞预警装置可以根据驾驶员的状态(注意力类型和注意力等级)和/或视线方位信息来确定预警方式。

具体来说，获取驾驶员的注意力类型(具体可以参照上述描述注意力召回时间参数时获取注意力类型的方式，此处不再赘述)，判断驾驶员的是否处于疲劳状态，若是，则此时驾驶员可能因为疲劳而导致视线不集中，因此可以采用增强预警方式，比如震动方式，以便于有效唤醒驾驶员；若驾驶员未处于疲劳状态，则可采用正常预警方式。

判断驾驶员的视线是否在正前方，若是，则正常视觉预警即会有较好的效果，因此可采用正常预警方式，若否，则需要把驾驶员的视线拉回到正前方，因此，可以采用增强显示方式，比如显示红色、闪烁等，进一步地，还可以采用声音方式增强预警。

本申请中，在确定预警方式中，可以仅依据驾驶员的状态，或者，仅依据视线方位信息，又或者，综合考虑驾驶员的状态和视线方位信息，从而使得预警方式更符合用户需求，此种情形下的预警方式判决可参照表4所示。

表4：预警方式判决

需要说明的是，本申请中，确定发出预警信息的预警强度和预警方式的方法可以与上述所描述的碰撞预警流程结合使用，或者，也可以单独使用，具体不做限定。

基于以上描述，图9b示例性示出了本申请中碰撞预警方法的整体实现。图9b的具体实现过程均可参见上述内容，此处仅做简要说明。如图9b所示，车外传感器、CAN总线、车内摄像头等可用于获取数据，基于获取到的数据，进行驾驶员状态感知，以及由高级驾驶辅助系统(advanced driving assisted system，ADAS)进行感知和预处理；其中，在驾驶员特征建模部分，通过机器学习得到T1、通过机器学习得到T2以及通过机器学习得到T3分别对应上述内容中有关T1、T2、T3的描述；进而，对模型参数(即T1、T2、T3)进行更新，通过执行预警自适应算法，确定出预警强度和预警方式；其中，视觉预警对应上述描述中的显示方式预警，听觉预警对应上述描述中的声音方式预警，触觉预警对应上述描述中的震动方式预警。

本申请中的碰撞预警方法，根据第一车辆(本车)的历史行车数据，训练得到第一车辆的目标减速度和目标跟车距离，进而得到第一车辆和前向车辆的TTC，并基于TTC与第一阈值的大小关系，来确定是否发出预警信息。由于第一车辆的目标减速度和目标跟车距离能够反映出第一车辆的驾驶员的驾驶习惯个性特征，因此，基于历史行车数据得到的TTC具备较强的适应性，从而能够有效解决现有技术中基于统一的减速度和跟车距离而导致预警有效性低的技术问题。进一步地，可以根据第一车辆的驾驶员的注意力召回时间参数、提醒反应时间参数以及制动时间参数之和得到第一阈值，由于三个时间参数全面覆盖了驾驶员从接收预警到制动完成的整个阶段，从而基于这三个时间参数得到第一阈值，并将TTC与第一阈值进行比较来确定是否预警，从而能更加准确地为驾驶员提供预警服务，充分保证预警的合理性和有效性。

针对上述方法流程，本申请提供一种碰撞预警装置，该碰撞预警装置的具体实现可参照上述方法流程。

基于相同构思，图10为本申请提供一种碰撞预警装置的结构示意图，该碰撞预警装置用于实现图3、图9a等所示方法实施例中的相应流程或者步骤，所述碰撞预警装置1000包括：

获取模块1001，用于获取第一车辆的目标减速度和目标跟车距离，所述第一车辆的目标减速度和目标跟车距离是根据所述第一车辆的历史行车数据训练得到的，所述第一车辆的历史行车数据包括多次刹车过程中的减速度和多个结束刹车时刻对应的第一车辆的跟车距离；

处理模块1002，用于根据所述目标减速度和所述目标跟车距离，得到所述第一车辆和前向车辆的距离碰撞的时间TTC；以及，若确定所述TTC小于等于第一阈值，则发出预警信息。

在一种可能的设计中，所述处理模块1002具体用于通过上述公式1、公式2和公式3得到第一车辆和前向车辆的TTC。

在一种可能的设计中，所述处理模块1002确定所述TTC小于等于第一阈值之前，还用于：

在一种可能的设计中，所述处理模块1002通过如下方式得到所述第一车辆的驾驶员的注意力召回时间参数：

在一种可能的设计中，所述处理模块1002具体用于：

所述处理模块1002具体用于通过如下方式得到所述第一车辆的驾驶员的提醒反应时间参数：

在一种可能的设计中，所述处理模块1002具体用于：

所述处理模块1002具体用于通过如下方式得到所述第一车辆的驾驶员的制动时间参数：

在一种可能的设计中，所述处理模块1002具体用于根据如下公式得到所述第一车辆的驾驶员的制动时间参数：

T3＝Tb*Fs+Ts

在一种可能的设计中，所述处理模块1002具体用于：

在一种可能的设计中，所述处理模块1002发出所述预警信息之前，还用于：

在一种可能的设计中，所述处理模块1002具体用于：

在一种可能的设计中，所述处理模块1002具体用于通过如下方式训练得到所述第一车辆的目标减速度：

所述第一车辆的目标跟车距离是通过如下方式训练得到的：

需要说明的是，本申请实施例中对模块的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。在本申请的实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。

所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络接入设备等)或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

基于相同构思，图11为本申请提供的另一种碰撞预警装置的结构示意图，该碰撞预警装置用于实现图3、图9a等所示方法实施例中的相应流程或者步骤，所述碰撞预警装置1100包括：处理器1101、存储器1102；所述存储器1102中存储有计算机程序，具体地，程序可以包括程序代码，该程序代码包括指令。存储器1102可能包含RAM，也可能还包括非易失性存储器，例如至少一个磁盘存储器。所述处理器1101读取并执行所述存储器1102中存储的计算机程序时，使得所述碰撞预警装置1100实现上述任意一种设计提供的碰撞预警方法。

一种可能的方式中，处理器1101和存储器1102可以通过总线1103相互连接；总线1103可以是外设部件互连标准(peripheral component interconnect，PCI)总线或扩展工业标准结构(extended industry standard architecture，EISA)总线等。所述总线1103可以分为地址总线、数据总线、控制总线等。

本领域内的技术人员应明白，本发明实施例可提供为方法、系统、或计算机程序产品。因此，本发明实施例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，本发明实施例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。

本发明实施例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。

显然，本领域的技术人员可以对本发明实施例进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本发明实施例的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims

1.一种碰撞预警方法，其特征在于，所述方法包括：

若确定所述TTC小于等于第一阈值，则发出预警信息。

2.根据权利要求1所述的方法，其特征在于，通过如下公式得到第一车辆和前向车辆的TTC：

Δv＝Vh–Vd

Δa＝ah–ad

3.根据权利要求1所述的方法，其特征在于，确定所述TTC小于等于第一阈值之前，还包括：

4.根据权利要求3所述的方法，其特征在于，通过如下方式得到所述第一车辆的驾驶员的注意力召回时间参数：

5.根据权利要求4所述的方法，其特征在于，根据所述驾驶行为数据，得到所述第一车辆的驾驶员的注意力召回时间参数，包括：

6.根据权利要求5所述的方法，其特征在于，所述状态与注意力召回时间参数的对应关系是根据预先统计到的多个驾驶员的历史驾驶行为数据和历史注意力召回时间参数通过机器学习得到的。

7.根据权利要求3所述的方法，其特征在于，所述第一车辆的历史行车数据还包括所述第一车辆的驾驶员的多个历史提醒反应时间参数；

8.根据权利要求7所述的方法，其特征在于，根据所述多个历史提醒反应时间参数，得到所述第一车辆的驾驶员的提醒反应时间参数，包括：

9.根据权利要求3所述的方法，其特征在于，所述历史行车数据还包括多个启动刹车时刻和所述多个启动刹车时刻对应的多个结束刹车时刻、多个启动刹车时刻的TTC的值；

通过如下方式得到所述第一车辆的驾驶员的制动时间参数：

10.根据权利要求9所述的方法，其特征在于，根据如下公式得到所述第一车辆的驾驶员的制动时间参数：

T3＝Tb*Fs+Ts

11.根据权利要求3所述的方法，其特征在于，根据所述第一车辆的驾驶员的注意力召回时间参数、提醒反应时间参数以及制动时间参数中的任一项或任意组合，得到所述第一阈值，包括：

12.根据权利要求11所述的方法，其特征在于，若确定所述TTC小于等于第一阈值，则发出预警信息，包括：

13.根据权利要求1至12中任一项所述的方法，其特征在于，发出所述预警信息之前，还包括：

14.根据权利要求13所述的方法，其特征在于，根据所述第一车辆的驾驶员所处的状态和/或所述驾驶员的视线方位信息，确定发出所述预警信息的方式，包括：

15.根据权利要求1所述的方法，其特征在于，所述第一车辆的目标减速度是通过如下方式训练得到的：

所述第一车辆的目标跟车距离是通过如下方式训练得到的：

16.一种碰撞预警装置，其特征在于，所述碰撞预警装置包括：

17.根据权利要求16所述的碰撞预警装置，其特征在于，所述处理模块具体用于通过如下公式得到第一车辆和前向车辆的TTC：

Δv＝Vh–Vd

Δa＝ah–ad

18.根据权利要求16所述的碰撞预警装置，其特征在于，所述处理模块确定所述TTC小于等于第一阈值之前，还用于：

19.根据权利要求18所述的碰撞预警装置，其特征在于，所述处理模块通过如下方式得到所述第一车辆的驾驶员的注意力召回时间参数：

20.根据权利要求19所述的碰撞预警装置，其特征在于，所述处理模块具体用于：

21.根据权利要求20所述的碰撞预警装置，其特征在于，所述状态与注意力召回时间参数的对应关系是根据预先统计到的多个驾驶员的历史驾驶行为数据和历史注意力召回时间参数通过机器学习得到的。

22.根据权利要求18所述的碰撞预警装置，其特征在于，所述第一车辆的历史行车数据还包括所述第一车辆的驾驶员的多个历史提醒反应时间参数；

23.根据权利要求22所述的碰撞预警装置，其特征在于，所述处理模块具体用于：

24.根据权利要求18所述的碰撞预警装置，其特征在于，所述历史行车数据还包括多个启动刹车时刻和所述多个启动刹车时刻对应的多个结束刹车时刻、多个启动刹车时刻的TTC的值；

25.根据权利要求24所述的碰撞预警装置，其特征在于，所述处理模块具体用于根据如下公式得到所述第一车辆的驾驶员的制动时间参数：

T3＝Tb*Fs+Ts

26.根据权利要求18所述的碰撞预警装置，其特征在于，所述处理模块具体用于：

27.根据权利要求26所述的碰撞预警装置，其特征在于，所述处理模块具体用于：

28.根据权利要求16至27中任一项所述的碰撞预警装置，其特征在于，所述处理模块发出所述预警信息之前，还用于：

29.根据权利要求28所述的碰撞预警装置，其特征在于，所述处理模块具体用于：

30.根据权利要求16所述的碰撞预警装置，其特征在于，所述处理模块具体用于通过如下方式训练得到所述第一车辆的目标减速度：

所述第一车辆的目标跟车距离是通过如下方式训练得到的：

31.一种计算机可读存储介质，其特征在于，所述存储介质存储有指令，当所述指令在计算机上运行时，使得计算机实现执行上述权利要求1至15中任一项所述的碰撞预警方法。