CN110517486A - 一种基于驾驶行为状态的前向碰撞预警方法 - Google Patents
一种基于驾驶行为状态的前向碰撞预警方法 Download PDFInfo
- Publication number
- CN110517486A CN110517486A CN201910756928.5A CN201910756928A CN110517486A CN 110517486 A CN110517486 A CN 110517486A CN 201910756928 A CN201910756928 A CN 201910756928A CN 110517486 A CN110517486 A CN 110517486A
- Authority
- CN
- China
- Prior art keywords
- driver
- driving
- reaction
- time
- vehicle
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 230000035484 reaction time Effects 0.000 claims abstract description 43
- 238000012937 correction Methods 0.000 claims description 41
- 230000003068 static effect Effects 0.000 claims description 31
- 230000001133 acceleration Effects 0.000 claims description 6
- 230000005484 gravity Effects 0.000 claims description 3
- 241000208340 Araliaceae Species 0.000 claims description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 2
- 235000008434 ginseng Nutrition 0.000 claims description 2
- 230000008439 repair process Effects 0.000 claims 1
- 241000209094 Oryza Species 0.000 description 3
- 235000007164 Oryza sativa Nutrition 0.000 description 3
- 206010039203 Road traffic accident Diseases 0.000 description 3
- 235000009566 rice Nutrition 0.000 description 3
- VIKNJXKGJWUCNN-XGXHKTLJSA-N norethisterone Chemical compound O=C1CC[C@@H]2[C@H]3CC[C@](C)([C@](CC4)(O)C#C)[C@@H]4[C@@H]3CCC2=C1 VIKNJXKGJWUCNN-XGXHKTLJSA-N 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Chemical & Material Sciences (AREA)
- Primary Health Care (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于驾驶行为状态的前向碰撞预警方法，具体包括如下步骤：S1：对行驶车辆的驾驶行为状态参数和车辆运动参数进行采集；S2：通过驾驶员反应特性标定函数，获取行驶车辆中驾驶员的实际反应时间；S3：根据运动学公式和车辆运动参数，确定出行驶车辆与目标车辆之间的安全距离；S4：通过行驶车辆与目标车辆之间的安全距离，判断行驶车辆的安全状况，并根据行驶车辆的安全状况进行预警。本发明综合考虑了驾驶状态的动态特性以及驾驶环境等因素，对驾驶员的反应时间做了进一步地修正，使反应时间的实时性得到了保证，且可以动态调整安全距离阈值，使得车距模型具有较好的适应性，提高了前向碰撞预警系统的准确性。
Description
技术领域
本发明涉及汽车主动安全技术领域，尤其涉及一种基于驾驶行为状态的前向碰撞预警方法。
背景技术
机动车保有量的持续增长使得交通事故日趋严重，而追尾碰撞在所有道路交通事故中占据40％，是最频繁发生且损失最严重的事故。随着智能通信技术的发展，前向碰撞预警系统(Forward Collision Warning System，FCWS)应运而生。
前向碰撞预警系统的内涵为：通过各种传感器，实时检测车辆周围的物体，判断本车与前方车辆的距离、方位及相对速度，当存在潜在危险时，对驾驶员进行警告。前向碰撞预警系统的核心是安全车距预警模型。
然而现有的前向碰撞预警算法对安全车距模型中驾驶员反应时间这一重要参数大都取固定值，即假设单一的驾驶人群体行驶在良好的行车工况下，不能充分考虑驾驶员个体特征之间的差异性、以及同一驾驶员在不同的驾驶状态下的反应差异特性。在实际中，如果不考虑驾驶员反应时间的变化，则计算出的安全距离阈值会与理想的安全车距有较大偏差，进而出现“过早报警”影响驾驶体验或“报警不及时”造成交通事故的现象，从而导致前向碰撞预警系统的可靠性降低。
发明内容
发明目的：针对现有前向碰撞预警算法计算出的安全距离阈值容易造成交通事故或影响驾驶体验的问题，本发明提出一种基于驾驶行为状态的前向碰撞预警方法。
技术方案：为实现本发明的目的，本发明所采用的技术方案是：
一种基于驾驶行为状态的前向碰撞预警方法，所述前向碰撞预警系统方法具体包括如下步骤：
S1：对行驶车辆的驾驶行为状态参数和车辆运动参数进行采集；
S2：通过驾驶员反应特性标定函数，对所述驾驶行为状态参数进行分析处理，获取所述行驶车辆中驾驶员的实际反应时间；
S3：根据运动学公式和所述车辆运动参数，通过所述驾驶员的实际反应时间确定出行驶车辆与目标车辆之间的安全距离，其中所述目标车辆为同一车道上与行驶车辆距离最短的前方车辆，所述安全距离具体为：
其中：d为行驶车辆与目标车辆之间的安全距离，v为行驶车辆当前的车速，t'为行驶车辆中驾驶员的实际反应时间，tsys为制动系统的延时时间，a为行驶车辆与目标车辆之间最大的制动减速度，vrel为行驶车辆与目标车辆之间的相对速度，d0为行驶车辆与目标车辆停止后两车之间的最小安全距离；
S4：通过所述行驶车辆与目标车辆之间的安全距离，判断所述行驶车辆的安全状况，并根据所述行驶车辆的安全状况进行预警。
进一步地讲，所述驾驶行为状态参数包括驾驶行为状态的静态参数和驾驶行为状态的动态参数，所述驾驶行为状态的静态参数包括有驾驶员的年龄和驾驶风格，所述驾驶行为状态的动态参数包括有驾驶员连续驾驶车辆的时长、驾驶时段和当前驾驶的自然环境。
进一步地讲，所述车辆运动参数包括有行驶车辆当前的车速和加速度、行驶车辆与目标车辆之间的纵向距离和相对速度。
进一步地讲，在所述步骤S1中，对所述行驶车辆的驾驶行为状态参数和车辆运动参数进行采集，具体如下：
S1.1：驾驶员通过车载显示屏以及旋转按钮输入年龄并选择驾驶风格，记录下所述驾驶行为状态的静态参数；
S1.2：通过所述行驶车辆内的行车记录仪获取驾驶员连续驾驶车辆的时长和驾驶时段，并通过气象服务平台获取驾驶员当前驾驶所处的自然环境，记录下所述驾驶行为状态的动态参数；
S1.3：通过所述行驶车辆的传感器获取行驶车辆当前的车速和加速度，并根据毫米雷达波获取所述行驶车辆与目标车辆之间的纵向距离和相对速度，记录下所述车辆运动参数。
进一步地讲，在所述步骤S2中，获取所述行驶车辆中驾驶员的实际反应时间，具体如下：
S2.1：对所述驾驶行为状态的静态参数和驾驶行为状态的动态参数分别赋予权重系数，并确定出两个权重系数之间的关系，具体为：
ω1+ω2＝1
其中：ω1为驾驶行为状态的静态参数对驾驶员反应时间影响的权重系数，ω2为驾驶行为状态的动态参数对驾驶员反应时间影响的权重系数；
S2.2：根据所述驾驶员的年龄，获取驾驶员反应时间的初始值；
S2.3：所述驾驶员反应时间的初始值通过驾驶员反应特性标定函数，确定出所述行驶车辆中驾驶员的实际反应时间，具体为：
t'＝ω1f(t1)+ω2f(t2)
其中：t'为行驶车辆中驾驶员的实际反应时间，ω1为驾驶行为状态的静态参数对驾驶员反应时间影响的权重系数，ω2为驾驶行为状态的动态参数对驾驶员反应时间影响的权重系数，f(t1)为驾驶行为状态的静态参数对驾驶员反应时间的修正，f(t2)为驾驶行为状态的动态参数对驾驶员反应时间的修正。
进一步地讲，在所述步骤S2.2中，获取所述驾驶员反应时间的初始值，具体如下：
S2.2.1：将驾驶员的年龄范围和驾驶员的反应时间论域均分为三个模糊集合，具体为：
驾驶员的年龄范围分为：青年集合A1、中年集合A2、老年集合A3；
驾驶员的反应时间论域分为：短时间论域模糊集合R1、适中时间论域模糊集合R2、长时间论域模糊集合R3；
S2.2.2：根据所述驾驶员的年龄，确定出所述驾驶员年龄范围划分的三个模糊集合分别对应的梯形隶属函数，具体为：
其中：为青年集合A1对应的梯形隶属函数，为中年集合A2对应的梯形隶属函数，为老年集合A3对应的梯形隶属函数，x为驾驶员的年龄大小；
S2.2.3：将所述驾驶员年龄对应的梯形隶属函数输入模糊逻辑工具箱中，根据所述模糊逻辑工具箱中的模糊规则，确定出所述驾驶员年龄对应的反应时间论域的隶属值，所述隶属值的求取公式，具体为：
其中：t为驾驶员反应时间的初始值，a为隶属函数的宽度，b为隶属函数图像的坡度，c为隶属函数的中心；
S2.2.4：通过重心法对所述驾驶员年龄对应的反应时间论域的隶属值进行反模糊化处理，确定出所述驾驶员年龄对应的反应时间初始值。
进一步地讲，在所述步骤S2.3中，所述驾驶行为状态的静态参数对驾驶员反应时间的修正的获取，具体如下：
SA2.3.1：根据所述驾驶员年龄对应的反应时间初始值，确定出所述驾驶员年龄对驾驶员反应时间的修正；
SA2.3.2：通过所述驾驶员年龄对驾驶员反应时间的修正，确定出所述驾驶行为状态的静态参数对驾驶员反应时间的修正，具体为：
f(t1)＝f(age)+β
其中：f(t1)为驾驶行为状态的静态参数对驾驶员反应时间的修正，f(age)为驾驶员年龄对驾驶员反应时间的修正，β为驾驶员的驾驶风格对驾驶员反应时间的修正系数。
进一步地讲，在所述步骤S2.3中，所述驾驶行为状态的动态参数对驾驶员反应时间的修正的获取，具体如下：
SB2.2.1：根据所述当前驾驶所处的自然环境，确定出自然环境对驾驶员反应时间的修正系数，具体为：
k3＝p·s·f
其中：k3为自然环境对驾驶员反应时间的修正系数，p为日照对驾驶员反应时间的修正系数，s为雨雪对驾驶员反应时间的修正系数，f为雾天对驾驶员反应时间的修正系数；
SB2.2.2：根据所述自然环境对驾驶员反应时间的修正系数，获取所述驾驶行为状态的动态参数对驾驶员反应时间的修正，具体为：
f(t2)＝k1k2k3t
其中：f(t2)为驾驶行为状态的动态参数对驾驶员反应时间的修正，k1为驾驶员连续驾驶车辆的时长对驾驶员反应时间的修正系数，k2为驾驶时段对驾驶员反应时间的修正系数，k3为自然环境对驾驶员反应时间的修正系数，t为驾驶员反应时间的初始值。
进一步地讲，在所述步骤S4中，判断所述行驶车辆的安全状况，并根据所述行驶车辆的安全状况进行预警，具体为：
将所述车辆运动参数中行驶车辆与目标车辆之间的纵向距离、行驶车辆与目标车辆之间的安全距离进行比较，当所述纵向距离大于安全距离时，所述行驶车辆中的安全车距模型不进行报警，当所述纵向距离不大于安全距离时，所述行驶车辆中的安全车距模型将启动进行报警。
有益效果：与现有技术相比，本发明的技术方案具有以下有益技术效果：
(1)本发明的前向碰撞预警方法综合考虑了驾驶状态的动态特性以及驾驶环境等因素，对驾驶员的反应时间做了进一步地修正，使反应时间的实时性得到了保证，且可以动态调整安全距离阈值，使得车距模型具有较好的适应性，大大提高了前向碰撞预警系统的准确性；
(2)本发明的前向碰撞预警方法通过对现有安全车距模型中驾驶员反应时间参数的修正，能够针对不同驾驶员个体差异调整预警系统的阈值，从而更好地提高了系统对驾驶员在特定驾驶情景下的适应性。
附图说明
图1是本发明的前向碰撞预警方法的流程示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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、完整地描述。其中，所描述的实施例是本发明一部分实施例，而不是全部的实施例。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。
实施例1
参考图1，本实施例提供了一种基于驾驶行为状态的前向碰撞预警方法，具体包括如下步骤：
步骤S1：对行驶车辆的驾驶行为状态参数和车辆运动参数进行采集。其中驾驶行为状态参数包括驾驶行为状态的静态参数和驾驶行为状态的动态参数，同时驾驶行为状态的静态参数包括有驾驶员的年龄和驾驶风格，驾驶行为状态的动态参数包括有驾驶员连续驾驶车辆的时长、驾驶时段和当前驾驶所处的自然环境。车辆运动参数包括有行驶车辆当前的车速和加速度、行驶车辆与目标车辆之间的纵向距离和相对速度。
采集过程具体如下：
步骤S1.1：驾驶员通过旋转按钮在车载显示屏上输入自身的年龄，并对其驾驶风格进行选择，记录下驾驶行为状态的静态参数。
步骤S1.2：通过行驶车辆内的行车记录仪获取驾驶员连续驾驶车辆的时长和驾驶时段，并通过智能网联从气象服务平台获取驾驶员当前驾驶所处的自然环境，记录下驾驶行为状态的动态参数。
步骤S1.3：通过行驶车辆的传感器获取行驶车辆当前的车速和加速度，，并根据毫米雷达波获取所述行驶车辆与目标车辆之间的纵向距离和相对速度，记录下车辆运动参数。其中目标车辆为同一车道上与行驶车辆距离最短的前方车辆。
步骤S2：根据驾驶员反应特性标定函数，对驾驶行为状态参数进行分析处理，获取行驶车辆中驾驶员的实际反应时间，具体如下：
步骤S2.1：对驾驶行为状态的静态参数和驾驶行为状态的动态参数分别赋予权重系数，具体地讲，驾驶行为状态的静态参数对驾驶员反应时间影响的权重系数为ω1，驾驶行为状态的动态参数对驾驶员反应时间影响的权重系数为ω2。其中两个权重系数之间的关系，具体为：
ω1+ω2＝1
其中：ω1为驾驶行为状态的静态参数对驾驶员反应时间影响的权重系数，ω2为驾驶行为状态的动态参数对驾驶员反应时间影响的权重系数。
步骤S2.2：通过驾驶员的年龄，获取驾驶员反应时间的初始值，具体如下：
步骤S2.2.1：基于模糊推理将驾驶员的年龄范围划分为三个模糊集合，在本实施例中，驾驶员的年龄范围选择为[18,70]。具体划分为：青年集合A1、中年集合A2、老年集合A3。
根据国际公路委员会对反应时间的调查，将驾驶员的反应时间论域也划分为三个模糊集合，在本实施例中，驾驶员的反应时间论域选择为[0.2,3]。具体划分为：短时间论域模糊集合R1、适中时间论域模糊集合R2、长时间论域模糊集合R3。
步骤S2.2.2：通过驾驶员的实际年龄，确定出驾驶员年龄范围划分的三个模糊集合分别对应的梯形隶属函数，具体为：
其中：为青年集合A1对应的梯形隶属函数，为中年集合A2对应的梯形隶属函数，为老年集合A3对应的梯形隶属函数，x为驾驶员的年龄大小。
步骤S2.2.3：将驾驶员年龄对应的梯形隶属函数输入模糊逻辑工具箱中。由步骤S2.2.2中的梯形隶属函数公式可知，同一个年龄可能对应的只有一个梯形隶属函数公式，也有可能对应的有两个梯形隶属函数公式。无论是对应的是一个梯形隶属函数公式，还是两个梯形隶属函数公式，驾驶员年龄对应的所有梯形隶属函数值都需要输入模糊逻辑工具箱中。
通过模糊逻辑工具箱中的模糊规则，可以得到该驾驶员年龄对应的反应时间论域的隶属值。其中隶属值的求取公式，具体为：
其中：t为驾驶员反应时间的初始值，a为隶属函数的宽度，b为隶属函数图像的坡度，c为隶属函数的中心。
其中隶属函数图像的坡度b定义了隶属函数图像中部两侧曲线的形状。
其中不同反应时间论域对应的隶属值的求取是不相同的，具体为：
其中：为短时间论域模糊集合R1对应的隶属值，为适中时间论域模糊集合R2对应的隶属值，为长时间论域模糊集合R3对应的隶属值，t为驾驶员反应时间的初始值。
在本实施例中，模糊规则具体为：
如果输入的值为青年集合A1对应的梯形隶属函数，则输出的值为驾驶员年龄对应的短时间论域模糊集合R1的隶属值；
如果输入的值为中年集合A2对应的梯形隶属函数，则输出的值为驾驶员年龄对应的适中时间论域模糊集合R2的隶属值；
如果输入的值为老年集合A3对应的梯形隶属函数，则输出的值为驾驶员年龄对应的长时间论域模糊集合R3的隶属值。
步骤S2.2.4：通过重心法对步骤S2.2.3得到的驾驶员年龄对应的反应时间论域的隶属值进行反模糊化处理，从而可以获取得到该驾驶员年龄对应的驾驶员反应时间的初始值。
步骤S2.3：驾驶员反应时间的初始值t通过驾驶员反应特性标定函数，确定出所述行驶车辆中驾驶员的实际反应时间，具体为：
t'＝ω1f(t1)+ω2f(t2)
其中：t'为行驶车辆中驾驶员的实际反应时间，ω1为驾驶行为状态的静态参数对驾驶员反应时间影响的权重系数，ω2为驾驶行为状态的动态参数对驾驶员反应时间影响的权重系数，f(t1)为驾驶行为状态的静态参数对驾驶员反应时间的修正，f(t2)为驾驶行为状态的动态参数对驾驶员反应时间的修正。
在本实施例中，驾驶行为状态的静态参数对驾驶员反应时间的修正f(t1)的获取过程，具体如下：
步骤SA2.3.1：根据驾驶员反应时间的初始值t，可以确定出驾驶员年龄对驾驶员反应时间的修正，其中驾驶员年龄对驾驶员反应时间的修正f(age)即为步骤S2.2.4中获取得到的驾驶员年龄对应的驾驶员反应时间的初始值。
步骤SA2.3.2：通过驾驶员年龄对驾驶员反应时间的修正f(age)，确定出驾驶行为状态的静态参数对驾驶员反应时间的修正，具体为：
f(t1)＝f(age)+β
其中：f(t1)为驾驶行为状态的静态参数对驾驶员反应时间的修正，f(age)为驾驶员年龄对驾驶员反应时间的修正，β为驾驶员的驾驶风格对驾驶员反应时间的修正系数。
其中驾驶风格分为三种，分别为：激进型、平稳型和保守型。其每种驾驶风格对驾驶员反应时间的修正系数β的大小均不同，具体为：
激进型驾驶风格对驾驶员反应时间的修正系数β的大小为：β＜0。
平稳型驾驶风格对驾驶员反应时间的修正系数β的大小为：β＝0。
保守型驾驶风格对驾驶员反应时间的修正系数β的大小为：β＞0。
在本实施例中，具体地讲，每种驾驶风格对驾驶员反应时间的修正系数β的大小，具体为：
激进型驾驶风格对驾驶员反应时间的修正系数β的大小为：β∈[-0.3，-0.1]。
平稳型驾驶风格对驾驶员反应时间的修正系数β的大小为：β＝0。
保守型驾驶风格对驾驶员反应时间的修正系数β的大小为：β∈[0.1,0.3]。
在本实施例中，驾驶行为状态的动态参数对驾驶员反应时间的修正f(t2)的获取过程，具体如下：
步骤SB2.3.1：根据驾驶员当前驾驶所处的自然环境，确定出自然环境对驾驶员反应时间的修正系数，具体为：
k3＝p·s·f
其中：k3为自然环境对驾驶员反应时间的修正系数，p为日照对驾驶员反应时间的修正系数，s为雨雪对驾驶员反应时间的修正系数，f为雾天对驾驶员反应时间的修正系数。
具体地讲，在日照对驾驶员反应时间的影响中，黄昏时段日照的变化对驾驶员视线干扰最大，此时日照对驾驶员反应时间的修正系数p选择为1.1。
雨雪对驾驶员反应时间的修正系数s的选择，具体如下表：
雨雪状况分级表
在雨雪状况分级表中，a1为12个小时内的降雨量，a2为12个小时内的降雪量，当雨雪同时存在时，将12个小时内的降雨量a1和12个小时内的降雪量a2进行比较，选出其中的最大值，并将最大值对应的修正系数s作为雨雪对驾驶员反应时间的修正系数。
雨雪对驾驶员反应时间的修正系数f的选择，具体如下表：
能见度状况分级表
| 能见度(米) | f |
| 500-1000 | 1.1 |
| 200-500 | 1.15 |
| 50-200 | 1.25 |
| ＜50 | 1.35 |
步骤SB2.3.2：根据自然环境对驾驶员反应时间的修正系数k3，获取驾驶行为状态的动态参数对驾驶员反应时间的修正，具体为：
f(t2)＝k1k2k3t
其中：f(t2)为驾驶行为状态的动态参数对驾驶员反应时间的修正，k1为驾驶员连续驾驶车辆的时长对驾驶员反应时间的修正系数，k2为驾驶时段对驾驶员反应时间的修正系数，k3为自然环境对驾驶员反应时间的修正系数，t为驾驶员反应时间的初始值。
具体地讲，驾驶员连续驾驶车辆的时长对驾驶员反应时间的修正系数k1，具体为：
其中：k1为驾驶员连续驾驶车辆的时长对驾驶员反应时间的修正系数。
驾驶时段对驾驶员反应时间的影响表现为：夜间行车视线通常比白天更差，反应时间会有所增加，从而在本实施例中，夜间行车时驾驶时段对驾驶员反应时间的修正系数k2的取值范围选择为：[1,1.2]。
步骤S3：根据运动学公式和车辆运动参数，通过驾驶员的实际反应时间确定出行驶车辆与目标车辆之间的安全距离，具体为：
其中：d为行驶车辆与目标车辆之间的安全距离，v为行驶车辆当前的车速，t'为行驶车辆中驾驶员的实际反应时间，tsys为制动系统的延时时间，a为行驶车辆与目标车辆之间最大的制动减速度，vrel为行驶车辆与目标车辆之间的相对速度，d0为行驶车辆与目标车辆停止后两车之间的最小安全距离。
步骤S4：通过行驶车辆与目标车辆之间的安全距离，判断行驶车辆的安全状况，并根据该行驶车辆的安全状况进行预警，具体为：
将车辆运动参数中行驶车辆与目标车辆之间的纵向距离、行驶车辆与目标车辆之间的安全距离d进行比较，当纵向距离大于安全距离d时，行驶车辆中的安全车距模型不进行报警，当纵向距离不大于安全距离d时，行驶车辆中的安全车距模型将启动，并进行报警。
以上示意性的对本发明及其实施方式进行了描述，该描述没有限制性，附图中所示的也只是本发明的实施方式之一，实际的结构和方法并不局限于此。所以，如果本领域的普通技术人员受其启示，在不脱离本发明创造宗旨的情况下，不经创造性的设计出与该技术方案相似的结构方式及实施例，均属于本发明的保护范围。
Claims (9)
1.一种基于驾驶行为状态的前向碰撞预警方法，其特征在于，所述前向碰撞预警系统方法具体包括如下步骤：
S1：对行驶车辆的驾驶行为状态参数和车辆运动参数进行采集；
S2：通过驾驶员反应特性标定函数，对所述驾驶行为状态参数进行分析处理，获取所述行驶车辆中驾驶员的实际反应时间；
S3：根据运动学公式和所述车辆运动参数，通过所述驾驶员的实际反应时间确定出行驶车辆与目标车辆之间的安全距离，其中所述目标车辆为同一车道上与行驶车辆距离最短的前方车辆，所述安全距离具体为：
其中：d为行驶车辆与目标车辆之间的安全距离，v为行驶车辆当前的车速，t'为行驶车辆中驾驶员的实际反应时间，tsys为制动系统的延时时间，a为行驶车辆与目标车辆之间最大的制动减速度，vrel为行驶车辆与目标车辆之间的相对速度，d0为行驶车辆与目标车辆停止后两车之间的最小安全距离；
S4：通过所述行驶车辆与目标车辆之间的安全距离，判断所述行驶车辆的安全状况，并根据所述行驶车辆的安全状况进行预警。
2.根据权利要求1所述的一种基于驾驶行为状态的前向碰撞预警方法，其特征在于，所述驾驶行为状态参数包括驾驶行为状态的静态参数和驾驶行为状态的动态参数，所述驾驶行为状态的静态参数包括有驾驶员的年龄和驾驶风格，所述驾驶行为状态的动态参数包括有驾驶员连续驾驶车辆的时长、驾驶时段和当前驾驶的自然环境。
3.根据权利要求2所述的一种基于驾驶行为状态的前向碰撞预警方法，其特征在于，所述车辆运动参数包括有行驶车辆当前的车速和加速度、行驶车辆与目标车辆之间的纵向距离和相对速度。
4.根据权利要求2或3所述的一种基于驾驶行为状态的前向碰撞预警方法，其特征在于，在所述步骤S1中，对所述行驶车辆的驾驶行为状态参数和车辆运动参数进行采集，具体如下：
S1.1：驾驶员通过车载显示屏以及旋转按钮输入年龄并选择驾驶风格，记录下所述驾驶行为状态的静态参数；
S1.2：通过所述行驶车辆内的行车记录仪获取驾驶员连续驾驶车辆的时长和驾驶时段，并通过气象服务平台获取驾驶员当前驾驶所处的自然环境，记录下所述驾驶行为状态的动态参数；
S1.3：通过所述行驶车辆的传感器获取行驶车辆当前的车速和加速度，并根据毫米雷达波获取所述行驶车辆与目标车辆之间的纵向距离和相对速度，记录下所述车辆运动参数。
5.根据权利要求4所述的一种基于驾驶行为状态的前向碰撞预警方法，其特征在于，在所述步骤S2中，获取所述行驶车辆中驾驶员的实际反应时间，具体如下：
S2.1：对所述驾驶行为状态的静态参数和驾驶行为状态的动态参数分别赋予权重系数，并确定出两个权重系数之间的关系，具体为：
ω1+ω2＝1
其中：ω1为驾驶行为状态的静态参数对驾驶员反应时间影响的权重系数，ω2为驾驶行为状态的动态参数对驾驶员反应时间影响的权重系数；
S2.2：根据所述驾驶员的年龄，获取驾驶员反应时间的初始值；
S2.3：所述驾驶员反应时间的初始值通过驾驶员反应特性标定函数，确定出所述行驶车辆中驾驶员的实际反应时间，具体为：
t'＝ω1f(t1)+ω2f(t2)
其中：t'为行驶车辆中驾驶员的实际反应时间，ω1为驾驶行为状态的静态参数对驾驶员反应时间影响的权重系数，ω2为驾驶行为状态的动态参数对驾驶员反应时间影响的权重系数，f(t1)为驾驶行为状态的静态参数对驾驶员反应时间的修正，f(t2)为驾驶行为状态的动态参数对驾驶员反应时间的修正。
6.根据权利要求5所述的一种基于驾驶行为状态的前向碰撞预警方法，其特征在于，在所述步骤S2.2中，获取所述驾驶员反应时间的初始值，具体如下：
S2.2.1：将驾驶员的年龄范围和驾驶员的反应时间论域均分为三个模糊集合，具体为：
驾驶员的年龄范围分为：青年集合A1、中年集合A2、老年集合A3；
驾驶员的反应时间论域分为：短时间论域模糊集合R1、适中时间论域模糊集合R2、长时间论域模糊集合R3；
S2.2.2：根据所述驾驶员的年龄，确定出所述驾驶员年龄范围划分的三个模糊集合分别对应的梯形隶属函数，具体为：
其中：为青年集合A1对应的梯形隶属函数，为中年集合A2对应的梯形隶属函数，为老年集合A3对应的梯形隶属函数，x为驾驶员的年龄大小；
S2.2.3：将所述驾驶员年龄对应的梯形隶属函数输入模糊逻辑工具箱中，根据所述模糊逻辑工具箱中的模糊规则，确定出所述驾驶员年龄对应的反应时间论域的隶属值，所述隶属值的求取公式，具体为：
其中：t为驾驶员反应时间的初始值，a为隶属函数的宽度，b为隶属函数图像的坡度，c为隶属函数的中心；
S2.2.4：通过重心法对所述驾驶员年龄对应的反应时间论域的隶属值进行反模糊化处理，确定出所述驾驶员年龄对应的反应时间初始值。
7.根据权利要求6所述的一种基于驾驶行为状态的前向碰撞预警方法，其特征在于，在所述步骤S2.3中，所述驾驶行为状态的静态参数对驾驶员反应时间的修正的获取，具体如下：
SA2.3.1：根据所述驾驶员年龄对应的反应时间初始值，确定出所述驾驶员年龄对驾驶员反应时间的修正；
SA2.3.2：通过所述驾驶员年龄对驾驶员反应时间的修正，确定出所述驾驶行为状态的静态参数对驾驶员反应时间的修正，具体为：
f(t1)＝f(age)+β
其中：f(t1)为驾驶行为状态的静态参数对驾驶员反应时间的修正，f(age)为驾驶员年龄对驾驶员反应时间的修正，β为驾驶员的驾驶风格对驾驶员反应时间的修正系数。
8.根据权利要求6所述的一种基于驾驶行为状态的前向碰撞预警方法，其特征在于，在所述步骤S2.3中，所述驾驶行为状态的动态参数对驾驶员反应时间的修正的获取，具体如下：
SB2.2.1：根据所述当前驾驶所处的自然环境，确定出自然环境对驾驶员反应时间的修正系数，具体为：
k3＝p·s·f
其中：k3为自然环境对驾驶员反应时间的修正系数，p为日照对驾驶员反应时间的修正系数，s为雨雪对驾驶员反应时间的修正系数，f为雾天对驾驶员反应时间的修正系数；
SB2.2.2：根据所述自然环境对驾驶员反应时间的修正系数，获取所述驾驶行为状态的动态参数对驾驶员反应时间的修正，具体为：
f(t2)＝k1k2k3t
其中：f(t2)为驾驶行为状态的动态参数对驾驶员反应时间的修正，k1为驾驶员连续驾驶车辆的时长对驾驶员反应时间的修正系数，k2为驾驶时段对驾驶员反应时间的修正系数，k3为自然环境对驾驶员反应时间的修正系数，t为驾驶员反应时间的初始值。
9.根据权利要求6所述的一种基于驾驶行为状态的前向碰撞预警方法，其特征在于，在所述步骤S4中，判断所述行驶车辆的安全状况，并根据所述行驶车辆的安全状况进行预警，具体为：
将所述车辆运动参数中行驶车辆与目标车辆之间的纵向距离、行驶车辆与目标车辆之间的安全距离进行比较，当所述纵向距离大于安全距离时，所述行驶车辆中的安全车距模型不进行报警，当所述纵向距离不大于安全距离时，所述行驶车辆中的安全车距模型将启动进行报警。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910756928.5A CN110517486A (zh) | 2019-08-16 | 2019-08-16 | 一种基于驾驶行为状态的前向碰撞预警方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910756928.5A CN110517486A (zh) | 2019-08-16 | 2019-08-16 | 一种基于驾驶行为状态的前向碰撞预警方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110517486A true CN110517486A (zh) | 2019-11-29 |
Family
ID=68626274
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910756928.5A Pending CN110517486A (zh) | 2019-08-16 | 2019-08-16 | 一种基于驾驶行为状态的前向碰撞预警方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110517486A (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111038502A (zh) * | 2019-12-17 | 2020-04-21 | 南京信息职业技术学院 | 一种安全车距预估、修正、预警、驾驶资质评估方法及系统 |
| CN111267801A (zh) * | 2020-02-19 | 2020-06-12 | 吉林大学 | 一种面向智能辅助驾驶的汽车自适应制动系统及其控制方法 |
| CN111583678A (zh) * | 2020-04-30 | 2020-08-25 | 福建中科云杉信息技术有限公司 | 一种无人集卡港口水平运输系统及方法 |
| CN111882870A (zh) * | 2020-07-14 | 2020-11-03 | 吉林大学 | 道路交通环境的量化方法 |
| CN111968372A (zh) * | 2020-08-25 | 2020-11-20 | 重庆大学 | 一种考虑主观因素的多车型混合交通跟驰行为仿真方法 |
| CN112216146A (zh) * | 2020-09-16 | 2021-01-12 | 浙江吉利控股集团有限公司 | 一种车辆风险预警方法、装置、设备及车辆 |
| CN113205681A (zh) * | 2021-04-21 | 2021-08-03 | 腾讯科技（深圳）有限公司 | 碰撞预警方法及装置、电子设备和计算机可读存储介质 |
| CN113299077A (zh) * | 2021-07-27 | 2021-08-24 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种防止追尾的车辆控制方法、装置及存储介质 |
| CN114202966A (zh) * | 2021-12-13 | 2022-03-18 | 阿里云计算有限公司 | 碰撞风险的确定方法、计算设备及存储介质 |
| CN115424472A (zh) * | 2022-07-21 | 2022-12-02 | 岚图汽车科技有限公司 | 一种基于模糊控制的前向碰撞预警方法及系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN104029679A (zh) * | 2014-05-27 | 2014-09-10 | 浙江大学 | 一种汽车侧向主动防御方法 |
| CN104182618A (zh) * | 2014-08-06 | 2014-12-03 | 西安电子科技大学 | 一种基于贝叶斯网络的追尾预警方法 |
| CN104299450A (zh) * | 2014-10-23 | 2015-01-21 | 西安电子科技大学 | 基于层次分析法和灰色模糊的车辆碰撞预警方法 |
| CN108891350A (zh) * | 2018-07-27 | 2018-11-27 | 武汉理工大学 | 一种基于前车驾驶员制动习惯的防追尾预警系统及方法 |
| CN109177982A (zh) * | 2018-10-31 | 2019-01-11 | 吉林大学 | 考虑驾驶风格的车辆行驶危险度评价方法 |
| CN109204307A (zh) * | 2018-10-30 | 2019-01-15 | 吉林大学 | 获取自适应防碰撞预警距离的方法、存储介质及系统 |
-
2019
- 2019-08-16 CN CN201910756928.5A patent/CN110517486A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN104029679A (zh) * | 2014-05-27 | 2014-09-10 | 浙江大学 | 一种汽车侧向主动防御方法 |
| CN104182618A (zh) * | 2014-08-06 | 2014-12-03 | 西安电子科技大学 | 一种基于贝叶斯网络的追尾预警方法 |
| CN104299450A (zh) * | 2014-10-23 | 2015-01-21 | 西安电子科技大学 | 基于层次分析法和灰色模糊的车辆碰撞预警方法 |
| CN108891350A (zh) * | 2018-07-27 | 2018-11-27 | 武汉理工大学 | 一种基于前车驾驶员制动习惯的防追尾预警系统及方法 |
| CN109204307A (zh) * | 2018-10-30 | 2019-01-15 | 吉林大学 | 获取自适应防碰撞预警距离的方法、存储介质及系统 |
| CN109177982A (zh) * | 2018-10-31 | 2019-01-11 | 吉林大学 | 考虑驾驶风格的车辆行驶危险度评价方法 |
Non-Patent Citations (3)
| Title |
|---|
| 于佳: "基于驾驶员特性的汽车防撞安全距离算法研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
| 于广鹏 等: "基于模糊推理的驾驶员反应时间修正研究", 《广西大学学报自然科学版》 * |
| 项秀梅: "智能车防撞预警系统纵向控制策略研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111038502A (zh) * | 2019-12-17 | 2020-04-21 | 南京信息职业技术学院 | 一种安全车距预估、修正、预警、驾驶资质评估方法及系统 |
| CN111267801A (zh) * | 2020-02-19 | 2020-06-12 | 吉林大学 | 一种面向智能辅助驾驶的汽车自适应制动系统及其控制方法 |
| CN111267801B (zh) * | 2020-02-19 | 2022-03-18 | 吉林大学 | 一种面向智能辅助驾驶的汽车自适应制动系统及其控制方法 |
| CN111583678A (zh) * | 2020-04-30 | 2020-08-25 | 福建中科云杉信息技术有限公司 | 一种无人集卡港口水平运输系统及方法 |
| CN111882870A (zh) * | 2020-07-14 | 2020-11-03 | 吉林大学 | 道路交通环境的量化方法 |
| CN111968372A (zh) * | 2020-08-25 | 2020-11-20 | 重庆大学 | 一种考虑主观因素的多车型混合交通跟驰行为仿真方法 |
| CN111968372B (zh) * | 2020-08-25 | 2022-07-22 | 重庆大学 | 一种考虑主观因素的多车型混合交通跟驰行为仿真方法 |
| CN112216146A (zh) * | 2020-09-16 | 2021-01-12 | 浙江吉利控股集团有限公司 | 一种车辆风险预警方法、装置、设备及车辆 |
| CN113205681A (zh) * | 2021-04-21 | 2021-08-03 | 腾讯科技（深圳）有限公司 | 碰撞预警方法及装置、电子设备和计算机可读存储介质 |
| CN113299077A (zh) * | 2021-07-27 | 2021-08-24 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种防止追尾的车辆控制方法、装置及存储介质 |
| CN114202966A (zh) * | 2021-12-13 | 2022-03-18 | 阿里云计算有限公司 | 碰撞风险的确定方法、计算设备及存储介质 |
| CN115424472A (zh) * | 2022-07-21 | 2022-12-02 | 岚图汽车科技有限公司 | 一种基于模糊控制的前向碰撞预警方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110517486A (zh) | 一种基于驾驶行为状态的前向碰撞预警方法 | |
| CN104691545B (zh) | 适应性车辆防碰撞方法 | |
| CN108674412B (zh) | 一种采用传感器融合的车辆主动避撞方法 | |
| CN107202983A (zh) | 基于图像识别和毫米波雷达融合的自动刹车方法和系统 | |
| CN1862620A (zh) | 高速公路汽车行驶智能检测预警方法及其预警系统 | |
| CN111047867B (zh) | 一种公路强横风路段速度预警控制方法及系统 | |
| CN112896188B (zh) | 一种考虑前车遭遇的自动驾驶决策控制的系统 | |
| CN110194041B (zh) | 多源信息融合的自适应车身高度调节方法 | |
| CN112644486B (zh) | 一种基于驾驶安全场的智能车避障轨迹规划方法 | |
| CN111038502A (zh) | 一种安全车距预估、修正、预警、驾驶资质评估方法及系统 | |
| CN110758487A (zh) | 一种雨雪天气列车下自动驾驶速度控制方法 | |
| CN111645698B (zh) | 一种重载车辆侧翻阈值自适应估计方法 | |
| CN112365706B (zh) | 一种基于多源信息的异常车距辨识方法 | |
| CN114644017A (zh) | 一种实现自动驾驶车辆安全决策控制的方法 | |
| CN114194215B (zh) | 一种智能车辆避障换道轨迹规划方法及系统 | |
| CN110386139B (zh) | 自适应巡航控制方法、处理器和系统 | |
| CN111461048A (zh) | 基于视觉的停车场可行驶区域检测与局部地图构建方法 | |
| CN114475541A (zh) | 一种考虑乘客安全的自动紧急制动方法 | |
| CN115279643A (zh) | 用于训练自动驾驶车辆的感知网络的车载主动学习方法和设备 | |
| CN113147625B (zh) | 车辆断轴风险检测方法、装置、车辆和可读存储介质 | |
| US11628863B1 (en) | Methods and apparatus for estimating and compensating for wind disturbance force at a tractor trailer of an autonomous vehicle | |
| CN113928314B (zh) | 一种冰雪路面条件下考虑前后车的自动驾驶车辆跟驰控制方法 | |
| CN116142231A (zh) | 一种考虑多因素的自动驾驶车辆纵向控制方法及系统 | |
| CN115131959A (zh) | 车辆队列防追尾主动避撞协同控制方法 | |
| CN115027235A (zh) | 一种具有防护功能的环境感知系统及方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191129 |
|
| RJ01 | Rejection of invention patent application after publication |