CN110758244B - 一种电动汽车自动防被追尾的方法及其系统 - Google Patents

Abstract

本发明公开了一种电动汽车自动防被追尾的方法及其系统，包括以下步骤，识别模块识别车辆周围行驶的车型与距离；控制模块根据传感器测的距离变化，计算出车速和加速度并进行追尾判断、是否变道判断后生成控制指令；执行模块执行控制指令，车辆根据控制指令驾驶。本发明的有益效果：能够通过采集汽车周围环境状态与车辆驱动、转向和制动控制，提出防止车辆被追尾，提高自动驾驶的安全性。

Description

一种电动汽车自动防被追尾的方法及其系统

技术领域

本发明涉及电动汽车防止被后方车辆追尾控制的技术领域，尤其涉及一种电动汽车自动防被追尾的方法及其系统。

背景技术

近年来随着生活水平的提高，汽车日益普及，交通事故也是层出不穷，各种安全措施日益跟进，在预防碰撞方面，从车辆防抱死系统(ABS)和车身稳定性控制系统(ESP)等，到近几年急速发展的各种ADAS功能，如自动紧急刹车(AEB)和车道偏离警示系统(LDW)等，汽车工程师不遗余力。

自动驾驶技术使汽车在预防碰撞的能力上更进一步，车身各种传感器延展了驾驶员的视觉和听觉，计算机硬件的迅猛发展和算法的不断优化使得自动驾驶大脑应对突发情况的能力比人更胜一筹，本文基于自动驾驶技术，设计了一种电动汽车防止被追尾的方法。

发明内容

本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

鉴于上述现有存在的问题，提出了本发明。

因此，本发明解决的一个技术问题是：通过采集汽车周围环境状态与车辆驱动、转向和制动控制，提出防止车辆被追尾的方法。

为解决上述技术问题，本发明提供如下技术方案：一种电动汽车自动防被追尾的方法，包括以下步骤，识别模块识别车辆周围行驶的车型与距离；控制模块根据传感器测的距离变化，计算出车速和加速度并进行追尾判断、是否变道判断后生成控制指令；执行模块执行控制指令，车辆根据控制指令驾驶。

作为本发明所述的电动汽车自动防被追尾的方法的一种优选方案，其中：还包括以下步骤，当车速小于20km/h时，控制模块开始实时计算前后方和两侧车道的车辆车型、距离、行驶速度和加速度，同时判断出车后方是否有发生被追尾的可能和左右两侧是否适合变道；当车速大于20km/h时，防追尾功能不工作。

作为本发明所述的电动汽车自动防被追尾的方法的一种优选方案，其中：所述控制模块包括，若判断不会发生追尾，则无控制动作；若判断会发生追尾，若此时车辆速度大于0，则声音提示驾驶者有被追尾的风险，驾驶员听到后采取动作防止追尾；若此时车辆静止，且车辆左右两侧有一侧可变道，且与前车距离不是过近，满足变道条件，则此时启动方向盘防夹手预警；车辆自动变道并打开转向灯，鸣笛提示附近车辆。

作为本发明所述的电动汽车自动防被追尾的方法的一种优选方案，其中：还包括以下步骤，若此时判断侧向车道满足变道条件，但与前车距离过近；则控制模块根据后方和两侧的传感器数据判断车辆是否具备倒车再变道条件；若满足则车辆迅速后退至可变道距离，然后自动变道。

作为本发明所述的电动汽车自动防被追尾的方法的一种优选方案，其中：所述控制模块还包括以下步骤，若不具备倒车再变道条件或左右车道不具备变道条件；若与前车距离小于50cm，则车辆自动解锁P档，锁止EPB，并鸣笛双闪告警提示附近车辆；若与前车距离大于50cm，则车辆迅速移动至距前车50cm处，减少发生追尾的可能。

因此，本发明解决的另一个技术问题是：通过采集汽车周围环境状态与车辆驱动、转向和制动控制，提出防止车辆被追尾的系统，上述方法能够依托于本系统实现。

为解决上述技术问题，本发明提供如下技术方案：一种电动汽车自动防被追尾的系统，其特征在于：包括识别模块、与所述识别模块连接的控制模块以及和所述控制模块连接的执行模块；其中所述识别模块包括采集车辆周围的环境数据，用于识别行驶的车型与距离；所述控制模块能够计算出车速和加速度并进行追尾判断、是否变道判断后生成控制指令；所述执行模块能够执行指令并控制车辆的驾驶动作。

作为本发明所述的电动汽车自动防被追尾的系统的一种优选方案，其中：所述识别模块还包括用于数据采集的摄像机或车身传感器，所述识别模块和所述控制模块均为设置车载主机上的识别、控制集成芯片。

作为本发明所述的电动汽车自动防被追尾的系统的一种优选方案，其中：所述车载主机包括微处理器、存储器、输入/输出接口、模数转换器和大规模集成电路，所述识别模块和所述控制模块均与所述车载主机连接。

作为本发明所述的电动汽车自动防被追尾的系统的一种优选方案，其中：所述执行模块包括车辆的刹车组件、转向组件和速度控制组件，均与所述控制模块连接，执行相应的执行控制车辆的刹车、转向和速度。

本发明的有益效果：能够通过采集汽车周围环境状态与车辆驱动、转向和制动控制，提出防止车辆被追尾，提高自动驾驶的安全性。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：

图1为本发明第一种实施例所述电动汽车自动防被追尾的方法的整体流程结构示意图；

图2为本发明第一种实施例所述车辆感知的示意图；

图3为本发明第一种实施例所述车辆变道的示意图；

图4为本发明第二种实施例所述电动汽车自动防被追尾的系统的整体原理结构示意图；

图5为本发明第二种实施例所述电动汽车自动防被追尾的系统的模块划分结构示意图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明，显然所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明的保护的范围。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。

其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。

本发明结合示意图进行详细描述，在详述本发明实施例时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。

同时在本发明的描述中，需要说明的是，术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一、第二或第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

本发明中除非另有明确的规定和限定，术语“安装、相连、连接”应做广义理解，例如：可以是固定连接、可拆卸连接或一体式连接；同样可以是机械连接、电连接或直接连接，也可以通过中间媒介间接相连，也可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

实施例1

参照图1～3的示意，本实施例中提出一种电动汽车自动防被追尾的方法，提供一种通过采集汽车周围环境状态与车辆驱动、转向和制动控制，防止车辆被追尾的方法。由三个部分组成：传感器，自动驾驶中心和执行机构，传感器主要为摄像头和雷达，负责采集车辆附近的路况和其他车辆信息，自动驾驶中心负责实时计算分析、路径规划和控制车辆，最后由执行部分完成车辆的变道、打灯、鸣笛等一系列操作。具体的，包括以下步骤，

S1：识别模块100识别车辆周围行驶的车型与距离；

S2：控制模块200根据传感器测的距离变化，计算出车速和加速度并进行追尾判断、是否变道判断后生成控制指令；

S3：执行模块300执行控制指令，车辆根据控制指令驾驶。

当车速小于20km/h时，控制模块200开始实时计算前后方和两侧车道的车辆车型、距离、行驶速度和加速度，同时判断出车后方是否有发生被追尾的可能和左右两侧是否适合变道；

当车速大于20km/h时，防追尾功能不工作。

控制模块200包括，若判断不会发生追尾，则无控制动作；若判断会发生追尾，若此时车辆速度大于0，则声音提示驾驶者有被追尾的风险，驾驶员听到后采取动作防止追尾；若此时车辆静止，且车辆左右两侧有一侧可变道，且与前车距离不是过近，满足变道条件，则此时启动方向盘防夹手预警；车辆自动变道并打开转向灯，鸣笛提示附近车辆。

本实施例中还包括以下步骤，

若此时判断侧向车道满足变道条件，但与前车距离过近；

则控制模块200根据后方和两侧的传感器数据判断车辆是否具备倒车再变道条件；

若满足则车辆迅速后退至可变道距离，然后自动变道。

控制模块200还包括以下步骤，若不具备倒车再变道条件或左右车道不具备变道条件；若与前车距离小于50cm，则车辆自动解锁P档，锁止EPB增大地面摩擦力，减少对前车的冲击，并鸣笛双闪告警提示附近车辆；若与前车距离大于50cm，则车辆迅速移动至距前车50cm处，减少发生追尾的可能。

为便于理解，通俗的说，本实施例具体还包括如下步骤：

后置摄像头和雷达实时识别车后方行驶的车型与距离，两侧的摄像头和雷达实时识别车两侧行驶的车型与距离，前置摄像头和雷达实时识别车前方行驶的车型与距离。

当车速小于20km/h时，自动驾驶中心开始实时计算前后方和两侧车道的车辆车型、距离、行驶速度与加速度，同时判断出车后方是否有发生被追尾的可能，左右两侧是否适合变道，车速大于20km/h时，防追尾功能不工作。

若判断不会发生追尾，则无控制动作；若判断会发生追尾，若此时车辆速度大于0，则声音提示司机有被追尾的风险，司机听到后可能会采取动作防止追尾。

若此时车辆速度为0即车辆静止，若车辆左右两侧有一侧可变道，且与前车距离不是过近，满足变道条件，则此时启动方向盘防夹手预警(方向盘急速震动1秒，声音提示手离开方向盘)，防止自动变道时方向盘自动打转夹伤司机手臂，然后车辆自动变道并打开转向灯，鸣笛提示附近车辆。

若此时侧向车道满足变道条件，但与前车距离过近，则自动驾驶中心根据后方和两侧的传感器数据判断车辆是否具备倒车再变道条件，若满足则车辆迅速后退至可变道距离，然后自动变道。

若不具备倒车再变道条件或左右车道不具备变道条件，则到步骤7。

若与前车距离小于50cm，则车辆自动解锁P档(防止追尾冲击时损坏变速箱)，锁止EPB(增大地面摩擦力，减少对前车的冲击)，并鸣笛双闪告警提示附近车辆。

若与前车距离大于50cm，则车辆迅速移动至距前车50cm处，减少发生追尾的可能。

还需要说明的是，本实施例中识别算法100通过车后的摄像头和车载传感器实时采集图像信息，通过机器学习的监督式算法来识别车道和判断车后方对应车道上是否有车辆。通俗的说，给定一个数据集

这个数据集属于K类，假设标签空间为

x\mathbf{x}，其中x一般表示为图像，例如手写数字的MNIST数据集，一张图就是一个数字比如0，1，2，3，4等等，或者ImageNet的图像，一张图表示某一个物体，比如猫、狗，y表示一个标签，就是我们常说的one-hot向量，比如MNIST的标签是10维的向量，ImageNet(用于视觉对象识别软件研究的大型可视化数据库)的标签是1000维的向量，只有一个位置是1，其他位置都是0，每个类的标签按列拼在一起，就可以组成一个标准的单位矩阵。分类问题，简单来说，就是把属于同一类的图像聚到一起，都是手写数字0的图像，应该都归为一类，都是手写数字2的图像，应该归为另外一类，不能把手写数字8的图像，归到0这一类，所以分类问题，其本质就是物以类聚。

另外从数学的角度上来说，分类识别就是图像到标签的一个映射过程：

有监督学习，所谓的有监督，那就是类别的标签是已知的，目前学术界研究的大多数分类识别问题都属于这一类，所以我们见到的数据集一般都是带着标签的，这类问题，都是希望找到一个映射，图像空间到类别空间的一个映射，借着类别标签的“指引”，把同一类的图像尽可能的映射到一块，聚在一起，因为有标签的“指引”。

有监督学习是从标签化训练数据集中推断出函数的机器学习任务，训练数据由一组训练实例组成。在监督学习中，每一个例子都是一对由一个输入对象(通常是一个向量)和一个期望的输出值(也被称为监督信号)。有监督学习算法分析训练数据，并产生一个推断的功能，它可以用于映射新的例子。一个最佳的方案将允许该算法正确地在标签不可见的情况下确定类标签。用已知某种或某些特性的样本作为训练集，以建立一个数学模型(如模式识别中的判别模型，人工神经网络法中的权重模型等)，再用已建立的模型来预测未知样本。本实施例用于对本车后方是否有车辆进行识别。

进一步的，本实施例中更加具体的包括以下识别步骤，根据已知数据集求线性函数，使其尽可能拟合数据，让损失函数最小，通过已知图片的数据集，进行一种分类算法，然后通过图像采集模块100与分类函数拟合，由损失函数来对车辆后方的图像中是否具有危险车辆进行判断。具体步骤如下：

定义假设函数h，图像是一个S型，预测函数就是将函数g(x)里的自变量x替换成了函数θ(x)，如下：

hθ(x)＝g[θ(x)]＝11+e-θ(x)

其中hθ(x)表示结果取1的概率，因此对于输入x分类结果为类别1和类别0的概率分别为：

P(y＝1|x，θ)＝hθ(x)

P(y＝0|x，θ)＝1-hθ(x)

对于二维数据，如果是预设线性，那么定义函数θ(x)：

θ(x)＝θ0+θ1x1+θ2x2

如果是预设非线性，那么函数为的形式为：

θ(x)＝θ0+θ1x1+θ2x2+θ3x21+θ4x22

假设解决的是识别图片中的0或1(例如本实施例中样本库只有0和1的图片)，图片大小是20*20，那么有400个特征向量，函数为：

θ(x)＝θ0+θ1x1+...+θ400x400

构造损失函数，损失函数的大小可以体现出边界函数的各项参数是否最优。对于线性回归，损失函数是欧式距离指标，在回归中平方差损失函数是非凸，需要其他形式的保证回归的成本函数是凸函数，选择损失函数：

Cost(hθ(x)，y)＝{-loghθ(x)，if y＝1-log(1-hθ(x))，if y＝0

那么回归可以表示为：

J(θ)＝1m∑i＝1mCost(hθ(x(i))，y(i))＝-1m∑i＝1m[y(i)loghθ(x(i))+(1-y(i))log(1-hθ(x(i)))]

其中m表示有m个样本，y是二值型数据，只能0或1，代表两种不同的类别。最后求最优θ，找到最合适的函数参数，只要使J(θ)最小即可：

θ＝argminθj(θ)

采用上述识别分类算法具有更高的准确率。

场景一：

对本方法中采用的技术效果加以验证说明，本实施例选择的不同方法和采用本方法进行对比测试，以科学论证的手段对比试验结果，以验证本方法所具有的真实效果。

传统的技术方案：在车尾保险杠安装有超声波雷达，当后车靠近时，实时计算后车的距离与车速，来判断是否可能发生追尾，如果判断可能追尾，则迅速向前移动，缺陷：一是超声波探测距离较短，如果后车车速较快则无足够反应时间；二是没有考虑过向左右车道变道的方法来避免追尾，方法较为单一。

为验证本方法相对传统方法具有较高的探测距离和更好的防被追尾效果。本实施例中将采用传统超声波雷达和本方法分别对仿真车辆的对目标的探测距离与探测精度进行实时测量对比。

测试环境：将车辆运行在仿真平台模拟行驶并模拟车辆在城市道路行驶。采用本方法，则开启自动化测试设备并运用Carsim与Matlab联合仿真实现本方法的仿真测试，根据实验结果得到仿真数据。每种方法各测试5组数据，计算获得每组数据的平均值，与仿真模拟输入的实际进行对比计算误差。测试结果如下表1。

表1：测试距离和精度对比。

部件	探测距离	探测精度
			超声波雷达	0.1—3m	±0.03m
毫米波雷达	100m	±0.4m
			摄像头	200m	±0.2m

实施例2

参照图4～5的示意，本实施例提出一种电动汽车自动防被追尾的系统，该系统包括识别模块100、与识别模块100连接的控制模块200以及和控制模块200连接的执行模块300；其中识别模块100包括采集车辆周围的环境数据，用于识别行驶的车型与距离；控制模块200能够计算出车速和加速度并进行追尾判断、是否变道判断后生成控制指令；执行模块300能够执行指令并控制车辆的驾驶动作。

识别模块100还包括用于数据采集的摄像机或车身传感器，识别模块100和控制模块200均为设置车载主机上的识别、控制集成芯片车载主机包括微处理器、存储器、输入/输出接口、模数转换器和大规模集成电路，识别模块100和控制模块200均与车载主机连接。执行模块300包括车辆的刹车组件、转向组件和速度控制组件，均与控制模块200连接，执行相应的执行控制车辆的刹车、转向和速度。

需要说明的是，图像采集为安装于车辆车身的摄像机或者摄像机，可以安装于车身的后方或者两侧。识别模块100为写入上述分类识别算法的集成芯片，图像采集将获取的图像传输至识别模块100进行分类识别，当然该芯片还包括其它芯片组成的电子元器件和集成电路。当然本实施例还包括测距模块，其为采用24GHz雷达传感器实时测距，它能通过发射与接收频率为24.125GHz左右的微波来感应物体的存在，运动速度，静止距离，物体所处角度等，采用平面微带天线技术，具有体积小.集成化程度高.感应灵敏等特点。24GHz雷达传感器是一种可以将微波回波信号转换为一种电信号的装换装置,它能通过发射与接收频率为24.125GHz左右的微波来感应物体的存在、运动速度、静止距离或物体所处角度等，采用平面微带天线技术，具有体积小、集成化程度高、感应灵敏等特点。例如CW多普勒雷达传感器、FMCW雷达传感器，内部设置如型号为RSP1的雷达信号处理器。

本实施例中控制模块200采用ECU也称为电子控制单元。又称“行车电脑”、“车载电脑”等，从用途上讲则是汽车专用微机控制器。它和普通的电脑一样，由微处理器(MCU)、存储器(ROM、RAM)、输入/输出接口(I/O)、模数转换器(A/D)以及整形、驱动等大规模集成电路组成。用一句简单的话来形容就是ECU就是汽车的大脑。在ECU中CPU是核心部分，它具有运算与控制的功能，发动机在运行时，它采集各传感器的信号，进行运算，并将运算的结果转变为控制信号、控制被控对象的工作。它还实行对存储器、输入/输出接口(I/O)和其它外部电路的控制；存储器ROM中存放的程序是经过精确计算和大量实验取得的数据为基础编写出来的，这个固有程序在发动机工作时，不断地与采集来的各传感器的信号进行比较和计算，把比较和计算的结果用来对等多项参数的控制。当然将控制结果和车辆当前的信息状态通过显示模块进行显示，而显示模块为车载主机的显示设备，例如显示主控屏，将处理结果进行显示从而达到警示驾驶员的作用。

应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (7)

1.一种电动汽车自动防被追尾的方法，其特征在于：包括以下步骤，

识别模块(100)识别车辆周围行驶的车型与距离；

控制模块(200)根据传感器测的距离变化，计算出车速和加速度并进行追尾判断、是否变道判断后生成控制指令；

执行模块(300)执行控制指令，车辆根据控制指令驾驶；

还包括以下步骤，

当车速小于20km/h时，控制模块(200)开始实时计算前后方和两侧车道的车辆车型、距离、行驶速度和加速度，同时判断出车后方是否有发生被追尾的可能和左右两侧是否适合变道；

当车速大于20km/h时，防追尾功能不工作；

所述控制模块(200)还包括以下步骤，

若不具备倒车再变道条件或左右车道不具备变道条件；

若与前车距离小于50cm，则车辆自动解锁P档，锁止EPB(增大地面摩擦力，减少对前车的冲击)，并鸣笛双闪告警提示附近车辆；

若与前车距离大于50cm，则车辆迅速移动至距前车50cm处，减少发生追尾的可能；

通过已知图片的数据集，进行分类算法，然后通过图像采集模块与分类函数拟合，由损失函数来对车辆后方的图像中是否具有危险车辆进行判断，具体步骤如下：

定义假设函数h，图像是一个S型，预测函数就是将函数g(x)里的自变量x替换成了函数θ(x)，如下：

hθ(x)＝g[θ(x)]＝11+e-θ(x)

其中hθ(x)表示结果取1的概率，因此对于输入x分类结果为类别1和类别0的概率分别为：

P(y＝1|x，θ)＝hθ(x)

P(y＝0|x，θ)＝1-hθ(x)

对于二维数据，如果是预设线性，那么定义函数θ(x)：

θ(x)＝θ0+θ1×1+θ2×2

如果是预设非线性，那么函数为的形式为：

θ(x)＝θ0+θ1×1+θ2×2+θ3×21+θ4×22

设解决的是识别图片中的0或1，图片大小是20*20，那么有400个特征向量，函数为：

θ(x)＝θ0+θ1×1+…+θ400×400

构造损失函数，损失函数的大小可以体现出边界函数的各项参数是否最优；对于线性回归，损失函数是欧式距离指标，在回归中平方差损失函数是非凸，需要其他形式的保证回归的成本函数是凸函数，选择损失函数：

Cost(hθ(x)，y)＝{-loghθ(x)，if y＝1-log(1-hθ(x))，if y＝0

回归可以表示为：

J(θ)＝1m∑i＝1mCost(hθ(x(i))，y(i))＝-1m∑i＝1m[y(i)logh(x(i))+(1-y(i))log(1-hθ(x(i)))]

其中m表示有m个样本，y是二值型数据，只能0或1，代表两种不同的类别；最后求最优θ，找到最合适的函数参数，只要使J(θ)最小即可：

θ＝argminθJ(θ) 。

2.如权利要求1所述的电动汽车自动防被追尾的方法，其特征在于：所述控制模块(200)包括，

若判断不会发生追尾，则无控制动作；

若判断会发生追尾，若此时车辆速度大于0，则声音提示驾驶者有被追尾的风险，驾驶员听到后采取动作防止追尾；

若此时车辆静止，且车辆左右两侧有一侧可变道，且与前车距离不是过近，满足变道条件，则此时启动方向盘防夹手预警；

车辆自动变道并打开转向灯，鸣笛提示附近车辆。

3.如权利要求2所述的电动汽车自动防被追尾的方法，其特征在于：还包括以下步骤，

若此时判断侧向车道满足变道条件，但与前车距离过近；

则控制模块(200)根据后方和两侧的传感器数据判断车辆是否具备倒车再变道条件；

若满足则车辆迅速后退至可变道距离，然后自动变道。

4.一种应用如权利要求1所述的电动汽车自动防被追尾方法的系统，其特征在于：包括识别模块(100)、与所述识别模块(100)连接的控制模块(200)以及和所述控制模块(200)连接的执行模块(300)；

其中所述识别模块(100)包括采集车辆周围的环境数据，用于识别行驶的车型与距离；所述控制模块(200)能够计算出车速和加速度并进行追尾判断、是否变道判断后生成控制指令；所述执行模块(300)能够执行指令并控制车辆的驾驶动作。

5.如权利要求4所述的电动汽车自动防被追尾的系统，其特征在于：所述识别模块(100)还包括用于数据采集的摄像机或车身传感器，所述识别模块(100)和所述控制模块(200)均为设置车载主机上的识别、控制集成芯片。

6.如权利要求5所述的电动汽车自动防被追尾的系统，其特征在于：所述车载主机包括微处理器、存储器、输入/输出接口、模数转换器和大规模集成电路，所述识别模块(100)和所述控制模块(200)均与所述车载主机连接。

7.如权利要求6所述的电动汽车自动防被追尾的系统，其特征在于：所述执行模块(300)包括车辆的刹车组件、转向组件和速度控制组件，均与所述控制模块(200)连接，执行相应的执行控制车辆的刹车、转向和速度。

Images