CN110775069B - 一种混行模式下车辆驾驶模式识别装置和方法 - Google Patents

一种混行模式下车辆驾驶模式识别装置和方法 Download PDF

Info

Publication number
CN110775069B
CN110775069B CN201911035430.6A CN201911035430A CN110775069B CN 110775069 B CN110775069 B CN 110775069B CN 201911035430 A CN201911035430 A CN 201911035430A CN 110775069 B CN110775069 B CN 110775069B
Authority
CN
China
Prior art keywords
vehicle
lane
driving mode
behavior
following
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.)
Active
Application number
CN201911035430.6A
Other languages
English (en)
Other versions
CN110775069A (zh
Inventor
王畅
苏彦奇
胡亚辉
许清津
付锐
郭应时
袁伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Changan University
Original Assignee
Changan University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Changan University filed Critical Changan University
Priority to CN201911035430.6A priority Critical patent/CN110775069B/zh
Publication of CN110775069A publication Critical patent/CN110775069A/zh
Application granted granted Critical
Publication of CN110775069B publication Critical patent/CN110775069B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT 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
    • B60W40/00Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/10Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT 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
    • B60W30/00Purposes 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, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • B60W30/08Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences

Abstract

本发明公开了一种混行模式下车辆驾驶模式识别装置和方法,属于车辆主动安全技术领域;本发明通过简单的激光雷达和摄像头的设置,使自车能够获得周围车辆的运动信息,进而识别自车周围车辆的驾驶模式,对于自车的控制策略具有明显的积极意义;本发明针对自车周围不同方位的车辆的行驶特点,采用不同的识别方法,实现了自车周围车辆驾驶模式的准确识别。

Description

一种混行模式下车辆驾驶模式识别装置和方法
技术领域
本发明属于车辆主动安全技术领域,尤其涉及一种混行模式下车辆驾驶模式识别装置和方法。
背景技术
随着自动驾驶车和网联车辆的快速发展,传统人工驾驶车辆、智能网联车辆在路上共同行使的混行模式越来越普遍。由于传统人工驾驶车辆、智能网联车辆在环境感知、决策和执行等方面存在明显的差异。故如果能够清楚的了解周围车辆的车辆类型,对于智能车的控制策略具有明显的积极意义。
目前,针对混行模式下的车辆驾驶模式识别技术尚不完善,而识别自车周围车辆的驾驶模式对于自车的控制策略又非常重要,因此,如何准确识别自车周围车辆的驾驶模式对于混行模式下的驾驶安全非常重要。
发明内容
为了解决上述问题,本发明的目的在于提供一种混行模式下车辆驾驶模式识别装置和方法,本发明通过简单的激光雷达和摄像头的设置,使自车能够获得周围车辆的运动信息,进而识别自车周围车辆的驾驶模式,对于自车的控制策略具有明显的积极意义;本发明针对自车周围不同方位的车辆的行驶特点,采用不同的识别方法,实现了自车周围车辆驾驶模式的准确识别。
为了达到上述目的,本发明采用以下技术方案予以解决。
(一)一种混行模式下车辆驾驶模式识别装置,包括:安装在车辆前端的前置毫米波雷达、安装于车辆后端的后置毫米波雷达、安装于车顶前端的前置摄像头,安装于车顶后端的后置摄像头、分别安装于车辆左侧和右侧的左侧毫米波雷达和右侧毫米波雷达,以及微处理器;所述微处理器集成于车辆的控制中心;
所述前置毫米波雷达用于采集前方车辆的运动状态信息:前方车辆与自车之间的实时相对距离和相对速度,并将该信息传输给微处理器;
所述后置毫米波雷达用于采集后方车辆的运动状态信息:后方车辆与自车之间的实时相对距离和相对速度,并将该信息传输给微处理器;
所述左侧毫米波雷达用于采集左侧车道车辆的运动状态信息:左侧车辆与自车之间的实时相对距离和相对速度;并将该信息传输给微处理器;
所述右侧毫米波雷达用于采集右侧车道车辆的运动状态信息:左侧车辆与自车之间的实时相对距离和相对速度;并将该信息传输给微处理器;
所述前置摄像头用于采集前车相对车道线的相对位置和前车的转向灯开启情况;并将该信息传输给微处理器;
所述后置摄像头用于采集后车相对车道线的相对位置和后车的转向灯开启情况;并将该信息传输给微处理器;
所述微处理器用于根据输入的前车、后车、左侧车辆和右侧车辆的运动状态信息和前车、后车相对车道线的相对位置来判断各个方位车辆的驾驶模式;
进一步地,所述前置毫米波雷达、后置毫米波雷达、左侧毫米波雷达和右侧毫米波雷达分别为德尔福ESR毫米波雷达。
进一步地,所述摄像头为3D高清摄像头。
进一步地,所述微处理器为ARM9处理器。
(二)一种混行模式下车辆驾驶模式识别方法,基于上述识别系统,包括以下步骤:
步骤1,自车实时采集前车和后车的运动状态信息、左侧车辆和右侧车辆的运动状态信息、及前车和后车分别相对于车道线的相对位置;
其中,所述运动状态信息为其他车与自车之间的实时相对距离和相对速度,其他车为前车、后车、左侧车辆或右侧车辆;
步骤2,根据前车的运动状态信息和前车相对于车道线的相对位置,判断前车的驾驶模式;同时,根据后车的运动状态信息和后车相对于车道线的相对位置,判断后车的驾驶模式;
步骤3,根据左侧车辆的运动状态信息,判断左侧车辆的驾驶模式;同理,根据右侧车辆的运动状态信息,判断右侧车辆的驾驶模式。
进一步地,所述根据前车的运动状态信息和前车相对于车道线的相对位置,判断前车的驾驶模式,其具体为:分别根据前车的车道保持行为和换道行为,判断对应行为下的驾驶模式;当满足两种行为下的驾驶模式都为无人驾驶时,则判断前车为无人驾驶模式;否则,判断前车为人工驾驶模式。
更进一步地,根据前车的车道保持行为,判断该行为下的驾驶模式,其具体为:
首先,设定采样间隔,自车对采集的前车距左车道线和右车道线的距离数据进行采样;
其次,计算车道保持参数,即每个采样时刻前车距左侧车道线的距离与前车距右侧车道线的距离的差值;
再次,计算平均车道保持参数,即在车道保持判定距离内车道保持参数的平均值;
最后,比较平均车道保持参数与设定的车道保持阈值的大小,若平均车道保持参数不大于车道保持阈值,则判断前车为无人驾驶模式,否则,判断为人工驾驶模式。
更进一步地,根据前车的换道行为,判断该行为下的驾驶模式,其具体为:判断前车的换道行为是否符合以下条件,若符合2项以上,判断前车为无人驾驶模式;
(1)前车的转向灯开启时间大于3s且前车的换道频率不大于设定的换道阈值;
(2)设定的换道时间内,前车的横向速度符合特定规律;
(3)设定的换道时间内,前车的纵向速度符合特定规律;
(4)设定的换道时间内,目标车道上前车的减速度不大于0.5m/s2
其中,特定规律为保持恒定或符合正弦函数;换道频率为单位距离内的换道次数。
进一步地,所述根据后车的运动状态信息和后车相对于车道线的相对位置,判断后车的驾驶模式,其具体为:分别根据后车的车道保持行为、跟车行为、换道行为和制动响应行为,判断对应行为下的驾驶模式;当存在2种行为下的驾驶模式为无人驾驶时,则判断后车为无人驾驶模式;否则,判断后车为人工驾驶模式。
更进一步地,根据后车的车道保持行为,判断该行为下的驾驶模式,其具体为:
首先,设定采样间隔,自车对采集的后车距左车道线和右车道线的距离数据进行采样;
其次,计算车道保持参数,即每个采样时刻后车距左侧车道线的距离与后车距右侧车道线的距离的差值;
再次,计算平均车道保持参数,即在车道保持判定距离内车道保持参数的平均值;
最后,比较平均车道保持参数与设定的车道保持阈值的大小,若平均车道保持参数不大于车道保持阈值,则判断后车为无人驾驶模式,否则,判断为人工驾驶模式。
更进一步地,根据后车的跟车行为,判断该行为下的驾驶模式,其具体为:根据跟车行为对应的无人驾驶模式判定条件,确定后车的驾驶模式;
其中,所述跟车行为对应的无人驾驶模式判定条件为:在10s内,当后车的跟车距离变化不超过5米或者后车的跟车时距变化不超过0.1秒;即
S跟车-5m≤S跟车≤S跟车+5m或者
Figure BDA0002251369020000051
式中,S跟车为后车与自车之间的相对距离,单位为m,v后车为后车的实时行驶速度,单位为m/s。
更进一步地,根据后车的换道行为,判断该行为下的驾驶模式,其具体为:判断后车的换道行为是否符合以下条件,若符合2项以上,判断后车为无人驾驶模式;
(1)后车的转向灯开启时间大于3s且后车的换道频率不大于设定的换道阈值;
(2)设定的换道时间内,后车的横向速度符合特定规律;
(3)设定的换道时间内,后车的纵向速度符合特定规律;
(4)设定的换道时间内,目标车道上后车的减速度不大于0.5m/s2
其中,特定规律为保持恒定或符合正弦函数;换道频率为单位距离内的换道次数。
更进一步地,根据后车的制动响应行为,判断该行为下的驾驶模式,其具体为:当自车制动时,若后车的响应时间小于0.5s,即t响应≤0.5s,初步判定后车为无人驾驶模式;
其中,所述后车的响应时间为自车开始制动时刻与后车开始制动时刻之间的时间差。
进一步地,所述根据左侧车辆的运动状态信息,判断左侧车辆的驾驶模式,其具体为:分别根据左侧车辆的跟车行为和换道行为,判断对应行为下的驾驶模式;当两种行为下的驾驶模式都为无人驾驶时,则判断左侧车辆为无人驾驶模式;否则,判断左侧车辆为人工驾驶模式。
更进一步地,根据左侧车辆的跟车行为,判断该行为下的驾驶模式,其具体为:根据左侧车辆的跟车行为对应的无人驾驶模式判定条件,确定左侧车辆的驾驶模式;
其中,所述左侧车辆的跟车行为对应的无人驾驶模式判定条件为:在10s内,当左侧车辆的跟车距离变化不超过5米或者左侧车辆的跟车时距变化不超过0.1秒;即
S跟车-5m≤S跟车≤S跟车+5m
Figure BDA0002251369020000061
式中:S跟车为本车右侧车道内被识别车辆的跟车距离,v左车为左侧车辆的行驶速度。
更进一步地,根据左侧车辆的换道行为,判断该行为下的驾驶模式,其具体为:判断左侧车辆的换道行为是否符合以下条件,若符合2项以上,判断左侧车辆为无人驾驶模式;
(1)左侧车辆的转向灯开启时间大于3s且左侧车辆的换道频率不大于设定的换道阈值;
(2)设定的换道时间内,左侧车辆的横向速度符合特定规律;
(3)设定的换道时间内,左侧车辆的纵向速度符合特定规律;
(4)设定的换道时间内,目标车道上左侧车辆的减速度不大于0.5m/s2
其中,特定规律为保持恒定或符合正弦函数;换道频率为单位距离内的换道次数。
所述右侧车辆的驾驶模式判断方法与左侧车辆相同。
与现有技术相比,本发明的有益效果为:本发明通过简单的激光雷达和摄像头的设置,使自车能够获得周围车辆的运动信息,进而识别自车周围车辆的驾驶模式,对于自车的控制策略具有明显的积极意义;本发明针对自车周围不同方位的车辆的行驶特点,采用不同的识别方法,实现了自车周围车辆驾驶模式的准确识别。
附图说明
下面结合附图和具体实施例对本发明做进一步详细说明。
图1为本发明的实现流程图。
具体实施方式
下面结合附图对本发明的实施例及效果作进一步详细描述。
实施例1
参考图1,本发明的一种混行模式下车辆驾驶模式识别装置,包括:安装在车辆前端的前置毫米波雷达、安装于车辆后端的后置毫米波雷达、安装于车顶前端的前置摄像头,安装于车顶后端的后置摄像头、分别安装于车辆左侧和右侧的左侧毫米波雷达和右侧毫米波雷达,以及微处理器;所述微处理器集成于车辆的控制中心;
所述前置毫米波雷达用于采集前方车辆的运动状态信息:前方车辆与自车之间的实时相对距离和相对速度,并将该信息传输给微处理器;
所述后置毫米波雷达用于采集后方车辆的运动状态信息:后方车辆与自车之间的实时相对距离和相对速度,并将该信息传输给微处理器;
所述左侧毫米波雷达用于采集左侧车道车辆的运动状态信息:左侧车辆与自车之间的实时相对距离和相对速度;并将该信息传输给微处理器;
所述右侧毫米波雷达用于采集右侧车道车辆的运动状态信息:左侧车辆与自车之间的实时相对距离和相对速度;并将该信息传输给微处理器;
所述前置摄像头用于采集前车相对车道线的相对位置和前车的转向灯开启情况;并将该信息传输给微处理器;
所述后置摄像头用于采集后车相对车道线的相对位置和后车的转向灯开启情况;并将该信息传输给微处理器;
所述微处理器用于根据输入的前车、后车、左侧车辆和右侧车辆的运动状态信息和前车、后车相对车道线的相对位置来判断各个方位车辆的驾驶模式;
以上实施例中,前置毫米波雷达、后置毫米波雷达、左侧毫米波雷达和右侧毫米波雷达分别为德尔福ESR毫米波雷达;摄像头为3D高清摄像头微处理器为ARM9处理器,具体型号为S3C2410。
实施例2
参考图1,一种混行模式下车辆驾驶模式识别方法,基于上述识别系统,包括以下步骤:
步骤1,自车实时采集前车和后车的运动状态信息、左侧车辆和右侧车辆的运动状态信息、及前车和后车分别相对于车道线的相对位置;
其中,所述运动状态信息为其他车与自车之间的实时相对距离和相对速度,其他车为前车、后车、左侧车辆或右侧车辆;
步骤2,根据前车的运动状态信息和前车相对于车道线的相对位置,判断前车的驾驶模式;同时,根据后车的运动状态信息和后车相对于车道线的相对位置,判断后车的驾驶模式;
具体地,前车的驾驶模式判断过程为:分别根据前车的车道保持行为和换道行为,判断对应行为下的驾驶模式;当满足两种行为下的驾驶模式都为无人驾驶时,则判断前车为无人驾驶模式;否则,判断前车为人工驾驶模式。
其中,(a)根据前车的车道保持行为,判断该行为下的驾驶模式,其具体为:
首先,设定采样间隔,自车对采集的前车距左车道线和右车道线的距离数据进行采样;
其次,计算车道保持参数,即每个采样时刻前车距左侧车道线的距离与前车距右侧车道线的距离的差值;
再次,计算平均车道保持参数,即在车道保持判定距离内车道保持参数的平均值;
最后,比较平均车道保持参数与设定的车道保持阈值的大小,若平均车道保持参数不大于车道保持阈值,则判断前车为无人驾驶模式,否则,判断为人工驾驶模式。
示例性地,采样间隔设为1m,即每隔1m进行一次采样;车道判定距离设为100m,车道保持阈值设为5-6cm。
(b)根据前车的换道行为,判断该行为下的驾驶模式,其具体为:判断前车的换道行为是否符合以下条件,若符合2项以上,判断前车为无人驾驶模式;
(1)前车的转向灯开启时间大于3s且前车的换道频率不大于设定的换道阈值;
(2)设定的换道时间内,前车的横向速度符合特定规律;
(3)设定的换道时间内,前车的纵向速度符合特定规律;
(4)设定的换道时间内,目标车道上前车的减速度不大于0.5m/s2
其中,特定规律为保持恒定或符合正弦函数;换道频率为单位距离内的换道次数。
另一方面,后车的驾驶模式判断过程为:
以后车的车道保持行为、跟车行为、换道行为和制动响应行为为判断依据,分别判断后车每个行为对应的驾驶模式;当存在2种行为下的驾驶模式为无人驾驶时,则判断后车为无人驾驶模式;否则,判断后车为人工驾驶模式。
其中,a)车道保持行为下的驾驶模式判断,其具体为:
首先,设定采样间隔,自车对采集的后车距左车道线和右车道线的距离数据进行采样;
其次,计算车道保持参数,即每个采样时刻后车距左侧车道线的距离与后车距右侧车道线的距离的差值;
再次,计算平均车道保持参数,即在车道保持判定距离内车道保持参数的平均值;
最后,比较平均车道保持参数与设定的车道保持阈值的大小,若平均车道保持参数不大于车道保持阈值,则判断后车为无人驾驶模式,否则,判断为人工驾驶模式。
以上过程中,示例性地,采样间隔设为1m,即每隔1m进行一次采样;车道判定距离设为100m,车道保持阈值设为5-6cm。
b)跟车行为下的驾驶模式判断,其具体为:根据跟车行为对应的无人驾驶模式判定条件,确定后车的驾驶模式;
其中,所述跟车行为对应的无人驾驶模式判定条件为:在10s内,当后车的跟车距离变化不超过5米或者后车的跟车时距变化不超过0.1秒;即
S跟车-5m≤S跟车≤S跟车+5m或者
Figure BDA0002251369020000111
式中,S跟车为后车与自车之间的相对距离,单位为m,v后车为后车的实时行驶速度,单位为m/s。5m作为跟车距离的浮动范围,0.1s作为跟车时距的浮动范围。
c)换道行为下的驾驶模式判断,其具体为:
判断后车的换道行为是否符合以下条件,若符合2项以上,判断后车为无人驾驶模式;
(1)后车的转向灯开启时间大于3s且后车的换道频率不大于设定的换道阈值;
(2)设定的换道时间内,后车的横向速度符合特定规律;
(3)设定的换道时间内,后车的纵向速度符合特定规律;
(4)设定的换道时间内,目标车道上后车的减速度不大于0.5m/s2
其中,特定规律为保持恒定或符合正弦函数;换道频率为单位距离内的换道次数。
示例性地,换道阈值设为5次/km,换道时间设为12-15s。
d)制动响应行为下的驾驶模式判断,其具体为:当自车制动时,若后车的响应时间小于0.5s,即t响应≤0.5s,初步判定后车为无人驾驶模式;
其中,所述后车的响应时间为自车开始制动时刻与后车开始制动时刻之间的时间差。
步骤3,根据左侧车辆的运动状态信息,判断左侧车辆的驾驶模式;同理,根据右侧车辆的运动状态信息,判断右侧车辆的驾驶模式。
具体地,左侧车辆与右侧车辆的驾驶模式判断过程类似,此处以左侧车辆为例进行说明。
左侧车辆的驾驶模式判断过程为:分别根据左侧车辆的跟车行为和换道行为,判断对应行为下的驾驶模式;当两种行为下的驾驶模式都为无人驾驶时,则判断左侧车辆为无人驾驶模式;否则,判断左侧车辆为人工驾驶模式。
一方面,根据左侧车辆的跟车行为,判断该行为下的驾驶模式,其具体为:根据左侧车辆的跟车行为对应的无人驾驶模式判定条件,确定左侧车辆的驾驶模式;
其中,所述左侧车辆的跟车行为对应的无人驾驶模式判定条件为:在10s内,当左侧车辆的跟车距离变化不超过5米或者左侧车辆的跟车时距变化不超过0.1秒;即
S跟车-5m≤S跟车≤S跟车+5m
or
Figure BDA0002251369020000131
式中:S跟车为本车右侧车道内被识别车辆的跟车距离,v左车为左侧车辆的行驶速度。5m作为跟车距离的浮动范围,0.1s作为跟车时距的浮动范围。
另一方面,根据左侧车辆的换道行为,判断该行为下的驾驶模式,其具体为:判断左侧车辆的换道行为是否符合以下条件,若符合2项以上,判断左侧车辆为无人驾驶模式;
(1)左侧车辆的转向灯开启时间大于3s且左侧车辆的换道频率不大于设定的换道阈值;
(2)设定的换道时间内,左侧车辆的横向速度符合特定规律;
(3)设定的换道时间内,左侧车辆的纵向速度符合特定规律;
(4)设定的换道时间内,目标车道上左侧车辆的减速度不大于0.5m/s2
其中,特定规律为保持恒定或符合正弦函数;换道频率为单位距离内的换道次数。换道阈值设置为5次/km。
右侧车辆的驾驶模式判断方法与左侧车辆相同。
经过以上过程即可得到自车的前、后、左、右各个方位车辆的驾驶模式,进而为自车的安全驾驶控制提供指导,对于自车的安全驾驶具有重要意义。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。

Claims (7)

1.一种混行模式下车辆驾驶模式识别方法,包括以下步骤:
步骤1,自车实时采集前车和后车的运动状态信息、左侧车辆和右侧车辆的运动状态信息、及前车和后车分别相对于车道线的相对位置;
其中,所述运动状态信息为其他车与自车之间的实时相对距离和相对速度,其他车为前车、后车、左侧车辆或右侧车辆;
步骤2,根据前车的运动状态信息和前车相对于车道线的相对位置,判断前车的驾驶模式;同时,根据后车的运动状态信息和后车相对于车道线的相对位置,判断后车的驾驶模式;
所述根据前车的运动状态信息和前车相对于车道线的相对位置,判断前车的驾驶模式,其具体为:分别根据前车的车道保持行为和换道行为,判断对应行为下的驾驶模式;当满足两种行为下的驾驶模式都为无人驾驶时,则判断前车为无人驾驶模式;否则,判断前车为人工驾驶模式;
步骤3,根据左侧车辆的运动状态信息,判断左侧车辆的驾驶模式;同理,根据右侧车辆的运动状态信息,判断右侧车辆的驾驶模式。
2.根据权利要求1所述的混行模式下车辆驾驶模式识别方法,其特征在于,所述根据前车的车道保持行为,判断该行为下的驾驶模式,其具体为:
首先,设定采样间隔,自车对采集的前车距左车道线和右车道线的距离数据进行采样;
其次,计算车道保持参数,即每个采样时刻前车距左侧车道线的距离与前车距右侧车道线的距离的差值;
再次,计算平均车道保持参数,即在车道保持判定距离内车道保持参数的平均值;
最后,比较平均车道保持参数与设定的车道保持阈值的大小,若平均车道保持参数不大于车道保持阈值,则判断前车为无人驾驶模式,否则,判断为人工驾驶模式;
所述根据前车的换道行为,判断该行为下的驾驶模式,其具体为:判断前车的换道行为是否符合以下条件,若符合2项以上,判断前车为无人驾驶模式;
(1)前车的转向灯开启时间大于3s且前车的换道频率不大于设定的换道阈值;
(2)设定的换道时间内,前车的横向速度符合特定规律;
(3)设定的换道时间内,前车的纵向速度符合特定规律;
(4)设定的换道时间内,目标车道上前车的减速度不大于0.5m/s2
其中,特定规律为保持恒定或符合正弦函数;换道频率为单位距离内的换道次数。
3.根据权利要求1所述的混行模式下车辆驾驶模式识别方法,其特征在于,所述根据后车的运动状态信息和后车相对于车道线的相对位置,判断后车的驾驶模式,其具体为:分别根据后车的车道保持行为、跟车行为、换道行为和制动响应行为,判断对应行为下的驾驶模式;当存在2种行为下的驾驶模式为无人驾驶时,则判断后车为无人驾驶模式;否则,判断后车为人工驾驶模式。
4.根据权利要求3所述的混行模式下车辆驾驶模式识别方法,其特征在于,所述根据后车的车道保持行为,判断该行为下的驾驶模式,其具体为:
首先,设定采样间隔,自车对采集的后车距左车道线和右车道线的距离数据进行采样;
其次,计算车道保持参数,即每个采样时刻后车距左侧车道线的距离与后车距右侧车道线的距离的差值;
再次,计算平均车道保持参数,即在车道保持判定距离内车道保持参数的平均值;
最后,比较平均车道保持参数与设定的车道保持阈值的大小,若平均车道保持参数不大于车道保持阈值,则判断后车为无人驾驶模式,否则,判断为人工驾驶模式;
所述根据后车的跟车行为,判断该行为下的驾驶模式,其具体为:根据跟车行为对应的无人驾驶模式判定条件,确定后车的驾驶模式;
其中,所述跟车行为对应的无人驾驶模式判定条件为:在10s内,当后车的跟车距离变化不超过5米或者后车的跟车时距变化不超过0.1秒;即
S跟车-5m≤S跟车≤S跟车+5m或者
Figure FDA0002961367260000031
式中,S跟车为后车与自车之间的相对距离,单位为m,v后车为后车的实时行驶速度,单位为m/s;
所述根据后车的换道行为,判断该行为下的驾驶模式,其具体为:判断后车的换道行为是否符合以下条件,若符合2项以上,判断后车为无人驾驶模式;
(1)后车的转向灯开启时间大于3s且后车的换道频率不大于设定的换道阈值;
(2)设定的换道时间内,后车的横向速度符合特定规律;
(3)设定的换道时间内,后车的纵向速度符合特定规律;
(4)设定的换道时间内,目标车道上后车的减速度不大于0.5m/s2
其中,特定规律为保持恒定或符合正弦函数;换道频率为单位距离内的换道次数;
所述根据后车的制动响应行为,判断该行为下的驾驶模式,其具体为:当自车制动时,若后车的响应时间小于0.5s,即t响应≤0.5s,初步判定后车为无人驾驶模式;
其中,所述后车的响应时间为自车开始制动时刻与后车开始制动时刻之间的时间差。
5.根据权利要求1所述的混行模式下车辆驾驶模式识别方法,其特征在于,所述根据左侧车辆的运动状态信息,判断左侧车辆的驾驶模式,其具体为:分别根据左侧车辆的跟车行为和换道行为,判断对应行为下的驾驶模式;当两种行为下的驾驶模式都为无人驾驶时,则判断左侧车辆为无人驾驶模式;否则,判断左侧车辆为人工驾驶模式。
6.根据权利要求5所述的混行模式下车辆驾驶模式识别方法,其特征在于,所述根据左侧车辆的跟车行为,判断该行为下的驾驶模式,其具体为:根据左侧车辆的跟车行为对应的无人驾驶模式判定条件,确定左侧车辆的驾驶模式;
其中,所述左侧车辆的跟车行为对应的无人驾驶模式判定条件为:在10s内,当左侧车辆的跟车距离变化不超过5米或者左侧车辆的跟车时距变化不超过0.1秒;即
S跟车-5m≤S跟车≤S跟车+5m
Figure FDA0002961367260000051
式中:S跟车为本车左侧车道内被识别车辆的跟车距离,v左车为左侧车辆的行驶速度;
所述根据左侧车辆的换道行为,判断该行为下的驾驶模式,其具体为:判断左侧车辆的换道行为是否符合以下条件,若符合2项以上,判断左侧车辆为无人驾驶模式;
(1)左侧车辆的转向灯开启时间大于3s且左侧车辆的换道频率不大于设定的换道阈值;
(2)设定的换道时间内,左侧车辆的横向速度符合特定规律;
(3)设定的换道时间内,左侧车辆的纵向速度符合特定规律;
(4)设定的换道时间内,目标车道上左侧车辆的减速度不大于0.5m/s2
其中,特定规律为保持恒定或符合正弦函数;换道频率为单位距离内的换道次数。
7.一种混行模式下车辆驾驶模式识别装置,用于实现权利要求1-6任一项所述的混行模式下车辆驾驶模式识别方法,其特征在于,包括:安装在车辆前端的前置毫米波雷达、安装于车辆后端的后置毫米波雷达、安装于车顶前端的前置摄像头,安装于车顶后端的后置摄像头、分别安装于车辆左侧和右侧的左侧毫米波雷达和右侧毫米波雷达,以及微处理器;所述微处理器集成于车辆的控制中心;
所述前置毫米波雷达用于采集前方车辆的运动状态信息:前方车辆与自车之间的实时相对距离和相对速度,并将该运动状态信息传输给微处理器;
所述后置毫米波雷达用于采集后方车辆的运动状态信息:后方车辆与自车之间的实时相对距离和相对速度,并将该运动状态信息传输给微处理器;
所述左侧毫米波雷达用于采集左侧车道车辆的运动状态信息:左侧车辆与自车之间的实时相对距离和相对速度;并将该运动状态信息传输给微处理器;
所述右侧毫米波雷达用于采集右侧车道车辆的运动状态信息:左侧车辆与自车之间的实时相对距离和相对速度;并将该运动状态信息传输给微处理器;
所述前置摄像头用于采集前车相对车道线的相对位置的信息和前车的转向灯开启情况的信息;并将该信息传输给微处理器;
所述后置摄像头用于采集后车相对车道线的相对位置的信息和后车的转向灯开启情况的信息;并将该信息传输给微处理器;
所述微处理器用于根据输入的前车、后车、左侧车辆和右侧车辆的运动状态信息和前车、后车相对车道线的相对位置来判断各个方位车辆的驾驶模式。
CN201911035430.6A 2019-10-29 2019-10-29 一种混行模式下车辆驾驶模式识别装置和方法 Active CN110775069B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911035430.6A CN110775069B (zh) 2019-10-29 2019-10-29 一种混行模式下车辆驾驶模式识别装置和方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911035430.6A CN110775069B (zh) 2019-10-29 2019-10-29 一种混行模式下车辆驾驶模式识别装置和方法

Publications (2)

Publication Number Publication Date
CN110775069A CN110775069A (zh) 2020-02-11
CN110775069B true CN110775069B (zh) 2021-04-27

Family

ID=69387213

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911035430.6A Active CN110775069B (zh) 2019-10-29 2019-10-29 一种混行模式下车辆驾驶模式识别装置和方法

Country Status (1)

Country Link
CN (1) CN110775069B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111746526B (zh) * 2020-05-13 2022-07-12 浙江吉利汽车研究院有限公司 一种后方无人驾驶车辆的预警方法、装置、设备和车辆
CN111814904B (zh) * 2020-07-22 2021-05-28 同济大学 一种自动驾驶道路测试驾驶模式辨别方法及系统
WO2022016457A1 (zh) * 2020-07-23 2022-01-27 华为技术有限公司 控制车辆驾驶模式切换的方法和装置
CN113370994A (zh) * 2021-06-16 2021-09-10 上海追势科技有限公司 一种基于周围车辆行为的自动驾驶行为决策方法
CN114506345B (zh) * 2022-03-16 2023-11-28 中国第一汽车股份有限公司 车辆控制方法、车辆控制装置、车辆和计算机可读存储介质
CN115063967B (zh) * 2022-05-31 2024-01-26 河南越秀尉许高速公路有限公司 一种对跟车行驶下的acc车辆的预警系统及其预警方法
CN115063966B (zh) * 2022-05-31 2024-01-26 河南越秀尉许高速公路有限公司 针对acc跟车行驶的高速公路施工区预警系统及其方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105008200A (zh) * 2013-02-21 2015-10-28 谷歌公司 用于检测附近的攻击性司机并调整驾驶模式的方法
CN107045639A (zh) * 2017-03-13 2017-08-15 同济大学 一种基于时间自动机的跟车行为生成方法
DE102016218121A1 (de) * 2016-09-21 2018-03-22 Bayerische Motoren Werke Aktiengesellschaft Steuervorrichtung zur Planung einer zumindest teilautomatischen Längs- und/oder Querführung
CN107885204A (zh) * 2017-11-02 2018-04-06 鄂尔多斯市普渡科技有限公司 一种无人驾驶车识别周围相邻运动物体的行车应对方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102013211427B4 (de) * 2013-06-18 2016-10-13 Continental Automotive Gmbh Verfahren und Vorrichtung zur Ermittlung eines Fahrzustands eines externen Kraftfahrzeugs

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105008200A (zh) * 2013-02-21 2015-10-28 谷歌公司 用于检测附近的攻击性司机并调整驾驶模式的方法
DE102016218121A1 (de) * 2016-09-21 2018-03-22 Bayerische Motoren Werke Aktiengesellschaft Steuervorrichtung zur Planung einer zumindest teilautomatischen Längs- und/oder Querführung
CN107045639A (zh) * 2017-03-13 2017-08-15 同济大学 一种基于时间自动机的跟车行为生成方法
CN107885204A (zh) * 2017-11-02 2018-04-06 鄂尔多斯市普渡科技有限公司 一种无人驾驶车识别周围相邻运动物体的行车应对方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
车载驾驶行为视频监控系统开发;王畅;《中国优秀硕士学位论文全文电子期刊工程科技Ⅱ辑》;20110331;全文 *

Also Published As

Publication number Publication date
CN110775069A (zh) 2020-02-11

Similar Documents

Publication Publication Date Title
CN110775069B (zh) 一种混行模式下车辆驾驶模式识别装置和方法
CN107346612B (zh) 一种基于车联网的车辆防碰撞方法和系统
CN107867283B (zh) 基于预测模型的集成式fcw/acc/aeb系统及车辆
CN109849910B (zh) 无人驾驶车辆多目标决策控制方法、装置及计算机可读存储介质
CN106537180B (zh) 用于用针对行人的主动制动的摄影机输入缓解雷达传感器限制的方法
WO2022088901A1 (zh) 一种智能灯光切换方法、系统及相关设备
CN105160356B (zh) 一种车辆主动安全系统传感器数据融合方法及系统
EP2273233B1 (en) Reliability evaluation device, reliability evaluation method, and reliability evaluation program
CN111391856A (zh) 汽车自适应巡航的前方弯道检测系统及方法
CN109572689B (zh) 一种基于雷达识别障碍物的整车控制方法及系统
CN109760678A (zh) 一种汽车自适应巡航系统的限速方法
CN110371018B (zh) 使用其他车辆车灯的信息改善车辆行为
EP3451311A1 (en) Method and device for parking assistance
CN113147752B (zh) 一种无人驾驶方法及系统
CN111127920A (zh) 基于车载通信的防后车追尾预警与控制方法及系统
JP2012022574A (ja) 車両用白線認識装置
CN112208533A (zh) 车辆控制系统、车辆控制方法及存储介质
US20190180117A1 (en) Roadside object recognition apparatus
CN110949387A (zh) 车辆控制装置
JP2016218649A (ja) 走行支援装置
CN114394095A (zh) 基于侧前车变道意图识别的acc控制方法及装置
CN109094560A (zh) 一种自适应巡航方法及装置
CN109070881A (zh) 用于运行车辆的方法
CN113228131B (zh) 用于提供周围环境数据的方法和系统
CN113428180A (zh) 一种无人驾驶车辆单道行驶车速控制方法、系统及终端

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