CN110843784B - 紧急制动距离确定方法、设备、存储介质及装置 - Google Patents
紧急制动距离确定方法、设备、存储介质及装置 Download PDFInfo
- Publication number
- CN110843784B CN110843784B CN201911210446.6A CN201911210446A CN110843784B CN 110843784 B CN110843784 B CN 110843784B CN 201911210446 A CN201911210446 A CN 201911210446A CN 110843784 B CN110843784 B CN 110843784B
- Authority
- CN
- China
- Prior art keywords
- braking distance
- emergency braking
- target
- vehicle
- adaptive mechanism
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 60
- 230000007246 mechanism Effects 0.000 claims abstract description 98
- 230000003213 activating effect Effects 0.000 claims abstract description 26
- 230000003044 adaptive effect Effects 0.000 claims description 29
- 238000012549 training Methods 0.000 claims description 19
- 238000013507 mapping Methods 0.000 claims description 14
- 238000000605 extraction Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 8
- 238000010606 normalization Methods 0.000 claims description 7
- 238000013210 evaluation model Methods 0.000 claims description 6
- 238000010801 machine learning Methods 0.000 claims description 5
- 230000004913 activation Effects 0.000 claims 1
- 230000006870 function Effects 0.000 description 12
- 230000008447 perception Effects 0.000 description 10
- 230000008859 change Effects 0.000 description 6
- 238000001514 detection method Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 230000035484 reaction time Effects 0.000 description 3
- 238000013136 deep learning model Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000010276 construction 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
- 238000012847 principal component analysis method Methods 0.000 description 1
Images
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
- B60W30/18—Propelling the vehicle
- B60W30/18009—Propelling the vehicle related to particular drive situations
- B60W30/18109—Braking
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0062—Adapting control system settings
- B60W2050/0075—Automatic parameter input, automatic initialising or calibrating means
- B60W2050/0082—Automatic parameter input, automatic initialising or calibrating means for initialising the control system
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Regulating Braking Force (AREA)
Abstract
本发明公开了一种紧急制动距离确定方法、设备、存储介质及装置,该方法包括:获取目标车辆的当前状态参数,并根据当前状态参数判断是否需要激活紧急制动距离自适应机制,若需要,则激活紧急制动距离自适应机制,并根据紧急制动距离机制对初始紧急制动距离表进行更新,获得目标紧急制动距离表,获取目标车辆的运动信息,并在目标紧急制动距离表中查找运动信息对应的紧急制动距离,将紧急制动距离作为目标紧急制动距离;本发明根据紧急制动自适应机制对初始紧急制动距离表进行更新,获得目标紧急制动距离表,并根据目标紧急制动距离表确定目标紧急制动距离,从而能够改善目前的自动紧急制动功能,提高自动驾驶系统的安全。
Description
技术领域
本发明涉及汽车安全技术领域,尤其涉及一种紧急制动距离确定方法、设备、存储介质及装置。
背景技术
目前,无论是低速紧急制动功能(Maneuver Emergency Brake,MEB)或者是中高速的自动紧急制动功能(Automatic Emergency Brake,AEB)都对自动驾驶系统的安全都起着至关重要的作用,MEB或者AEB功能中的一个关键因素就是紧急制动距离的确定,现有技术中,关于紧急制动距离,大多是基于新车上市前经过大量的测试数据,通过该测试数据提取出紧急制动距离与当前车速、碰撞车辆或障碍物的相对速度以及碰撞时间所建立的查表法,并没有考虑整车质量的变化、轮胎胎压的变化、轮胎磨损、制动效能的损耗以及不同用户的驾驶习惯问题所引发的安全问题。因此,如何通过紧急制动距离训练机制更新紧急制动距离查表法中的紧急制动距离是亟待解决的技术问题。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种紧急制动距离确定方法、设备、存储介质及装置,旨在解决现有技术中如何通过紧急制动距离训练机制更新紧急制动距离查表法中的紧急制动距离的技术问题。
为实现上述目的,本发明提供一种紧急制动距离确定方法,所述紧急制动距离确定方法包括以下步骤:
获取目标车辆的当前状态参数,并根据所述当前状态参数判断是否需要激活紧急制动距离自适应机制;
若需要,则激活紧急制动距离自适应机制,并根据所述紧急制动距离机制对初始紧急制动距离表进行更新,获得目标紧急制动距离表;
获取所述目标车辆的运动信息,并在所述目标紧急制动距离表中查找所述运动信息对应的紧急制动距离;
将所述紧急制动距离作为目标紧急制动距离。
优选地,所述若需要,则激活紧急制动距离自适应机制,并根据所述紧急制动距离机制对初始紧急制动距离表进行更新,获得目标紧急制动距离表,包括:
若需要,则激活紧急制动距离自适应机制,并获取所述紧急制动距离自适应机制对应的预设紧急制动距离预测模型;
根据所述预设紧急制动距离预测模型对初始紧急制动距离表进行更新,获得目标紧急制动距离表。
优选地,所述获取目标车辆的当前状态参数,并根据所述当前状态参数判断是否需要激活紧急制动距离自适应机制之前,所述紧急制动距离确定方法还包括:
获取不同车速下的车辆行驶数据;
根据预设评价模型确定所述车辆行驶数据中的满意数据,并统计所述满意数据的数量;
判断所述数量是否大于预设阈值;
若大于,则将所述满意数据作为输入数据,并通过预设训练模型对所述输入数据进行训练,获得输出数据;
对所述输入数据进行归一化处理以及特征提取,获得目标输入数据;
通过机器学习模型建立所述目标输入数据与所述输出数据之间的对应关系,并根据所述对应关系建立预设紧急制动距离预测模型。
优选地,所述将所述紧急制动距离作为目标紧急制动距离之前,所述紧急制动距离确定方法还包括:
获取目标车辆的车速,并将所述车速与预设映射关系表中的车速样本匹配;
若匹配成功,则获取匹配成功的车速样本对应的紧急制动距离最大值及紧急制动距离最小值;
判断所述目标紧急制动距离是否处于所述紧急制动距离最大值与所述紧急制动距离最小值之间;
若否,则将所述紧急制动距离最大值作为保守紧急制动距离;
所述将所述紧急制动距离作为目标紧急制动距离,包括:
将所述保守紧急制动距离作为目标紧急制动距离。
优选地,所述获取目标车辆的车速,并将所述车速与预设映射关系表中的车速样本匹配之前,所述紧急制动距离确定方法还包括:
获取车速样本、紧急制动距离最大值以及紧急制动距离最小值;
建立所述车速样本与所述紧急制动距离最大值和所述紧急制动距离最小值之间的对应关系,并根据所述对应关系建立预设映射关系表。
优选地,所述当前状态参数包括:上电状态、整车质量差值、轮胎胎压差值和/或整车行驶里程;
所述获取目标车辆的当前状态参数,并根据所述当前状态参数判断是否需要激活紧急制动距离自适应机制,包括:
获取目标车辆的上电状态、整车质量差值、轮胎胎压差值和/或整车行驶里程差;
判断所述上电状态是否为第一次上电,若所述上电状态为第一次上电,则需要激活所述紧急制动距离自适应机制;
和/或,判断所述整车质量差值是否大于预设第一阈值,若所述整车质量差值大于预设第一阈值,则需要激活所述紧急制动距离自适应机制;
和/或,判断所述轮胎胎压差值是否大于预设第二阈值,若所述轮胎胎压差值大于预设第二阈值,则需要激活所述紧急制动距离自适应机制;
和/或,判断所述整车行驶里程差是否大于预设第三阈值,若所述整车行驶里程差大于预设第三阈值,则需要激活所述紧急制动距离自适应机制。
优选地,所述获取目标车辆的当前状态参数,并根据所述当前状态参数判断是否需要激活紧急制动距离自适应机制之后,所述紧急制动距离确定方法还包括:
若不需要,则获取目标车辆的运动信息,并在初始紧急制动距离表中查找所述运动信息对应的紧急制动距离;
将所述紧急制动距离作为目标紧急制动距离。
此外,为实现上述目的,本发明还提出一种紧急制动距离确定设备,所述紧急制动距离确定设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的紧急制动距离确定程序,所述紧急制动距离确定程序配置为实现如上文所述的紧急制动距离确定方法的步骤。
此外,为实现上述目的,本发明还提出一种存储介质,所述存储介质上存储有紧急制动距离确定程序,所述紧急制动距离确定程序被处理器执行时实现如上文所述的紧急制动距离确定方法的步骤。
此外,为实现上述目的,本发明还提出一种紧急制动距离确定装置,所述紧急制动距离确定装置包括:判断模块、紧急制动距离表更新模块、查找模块、和紧急制动距离确定模块;
所述判断模块,用于获取目标车辆的当前状态参数,并根据所述当前状态参数判断是否需要激活紧急制动距离自适应机制;
所述紧急制动距离表更新模块,用于在需要激活紧急制动距离自适应机制时,激活紧急制动距离自适应机制,并根据所述紧急制动距离机制对初始紧急制动距离表进行更新,获得目标紧急制动距离表;
所述查找模块,用于获取所述目标车辆的运动信息,并在所述目标紧急制动距离表中查找所述运动信息对应的紧急制动距离;
所述紧急制动距离确定模块,用于将所述紧急制动距离作为目标紧急制动距离。
本发明中,获取目标车辆的当前状态参数,并根据所述当前状态参数判断是否需要激活紧急制动距离自适应机制,若需要,则激活紧急制动距离自适应机制,并根据所述紧急制动距离机制对初始紧急制动距离表进行更新,获得目标紧急制动距离表,获取所述目标车辆的运动信息,并在所述目标紧急制动距离表中查找所述运动信息对应的紧急制动距离,将所述紧急制动距离作为目标紧急制动距离;本发明根据目标车辆的当前状态参数判断是否需要激活紧急制动自适应机制,若激活,则对初始紧急制动距离表进行更新,获得目标紧急制动距离表,并根据目标紧急制动距离表确定目标紧急制动距离,从而能够改善目前的自动紧急制动功能,提高自动驾驶系统的安全。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的紧急制动距离确定设备的结构示意图;
图2为本发明紧急制动距离确定方法第一实施例的流程示意图;
图3为本发明紧急制动距离确定方法第二实施例的流程示意图;
图4为本发明紧急制动距离确定方法第三实施例的流程示意图;
图5为本发明紧急制动距离确定装置第一实施例的结构框图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
参照图1,图1为本发明实施例方案涉及的硬件运行环境的紧急制动距离确定设备结构示意图。
如图1所示,该紧急制动距离确定设备可以包括:处理器1001,例如中央处理器(Central Processing Unit,CPU),通信总线1002、用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display),可选用户接口1003还可以包括标准的有线接口、无线接口,对于用户接口1003的有线接口在本发明中可为USB接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(WIreless-FIdelity,WI-FI)接口)。存储器1005可以是高速的随机存取存储器(Random Access Memory,RAM)存储器,也可以是稳定的存储器(Non-volatileMemory,NVM),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的结构并不构成对紧急制动距离确定设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,认定为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及紧急制动距离确定程序。
在图1所示的紧急制动距离确定设备中,网络接口1004主要用于连接后台服务器,与所述后台服务器进行数据通信;用户接口1003主要用于连接用户设备;所述紧急制动距离确定设备通过处理器1001调用存储器1005中存储的紧急制动距离确定程序,并执行本发明实施例提供的紧急制动距离确定方法。
基于上述硬件结构,提出本发明紧急制动距离确定方法的实施例。
参照图2,图2为本发明紧急制动距离确定方法第一实施例的流程示意图,提出本发明紧急制动距离确定方法第一实施例。
在第一实施例中,所述紧急制动距离确定方法包括以下步骤:
步骤S10:获取目标车辆的当前状态参数,并根据所述当前状态参数判断是否需要激活紧急制动距离自适应机制。
应理解的是,本实施例的执行主体是所述紧急制动距离确定设备,其中,所述紧急制动距离确定设备可为个人电脑或服务器等电子设备。
紧急制动距离确定设备可以获取目标车辆的上电状态、整车质量差值、轮胎胎压差值和/或整车行驶里程差,并判断目标车辆是否为第一次上电,若是,则需要激活紧急制动距离自适应机制;其次可以判断整车总质量相对于上一次自学习的整车总质量的整车质量差值是否超过某一阈值,若超过,则说明当前的制动效能距离上一次的制动效果偏差较大,需要激活紧急制动距离自适应机制进行学习;和/或,判断轮胎胎压情况,因轮胎是车辆与地面直接接触的物体,从而为车辆提供直接的驱动和制动力,故而轮胎胎压情况若相对于上一次自学习的轮胎胎压差值超过某一阈值,则需要激活紧急制动距离自适应机制;和/或,判断整车行驶里程相对于上一次自学习的整车行驶里程的整车行驶里程差超过某一阈值,则说明,车辆磨损加剧,制动效果需重新评估,应需再次激活紧急制动距离自适应机制。
步骤S20:若需要,则激活紧急制动距离自适应机制,并根据所述紧急制动距离机制对初始紧急制动距离表进行更新,获得目标紧急制动距离表。
可理解的是,若需要,则激活紧急制动距离自适应机制,并获取所述紧急制动距离自适应机制对应的预设紧急制动距离预测模型,再根据预设紧急制动距离预测模型对初始紧急制动距离表进行更新,获得目标紧急制动距离表。
步骤S30:获取所述目标车辆的运动信息,并在所述目标紧急制动距离表中查找所述运动信息对应的紧急制动距离。
需要说明的是,所述运动信息可以是目标车辆的当前速度、目标车辆与碰撞车辆或障碍物之间的相对速度以及碰撞时间,根据运动信息可以在目标紧急制动距离表中查找运动信息对应的紧急制动距离。
步骤S40:将所述紧急制动距离作为目标紧急制动距离。
应理解的是,将所述紧急制动距离作为目标紧急制动距离,目标紧急制动距离就是紧急制动功能进行制动时的紧急制动距离。
在第一实施例中,所述步骤S10,包括:
所述当前状态参数包括:上电状态、整车质量差值、轮胎胎压差值和/或整车行驶里程;
获取目标车辆的上电状态、整车质量差值、轮胎胎压差值和/或整车行驶里程差;
判断所述上电状态是否为第一次上电,若所述上电状态为第一次上电,则需要激活所述紧急制动距离自适应机制;
需要说明的是,若所述上电状态为第一次上电,则说明目标车辆还没有进行过紧急制动距离训练,紧急制动距离可能不准确,即需要激活紧急制动距离自适应机制。
和/或,判断所述整车质量差值是否大于预设第一阈值,若所述整车质量差值大于预设第一阈值,则需要激活所述紧急制动距离自适应机制;
需要说明的是,判断整车总质量相对于上一次自学习的整车总质量的整车质量差值是否超过某一阈值,若超过,则说明当前的制动效能距离上一次的制动效果偏差较大,应再次激活紧急制动距离自适应机制进行学习。
和/或,判断所述轮胎胎压差值是否大于预设第二阈值,若所述轮胎胎压差值大于预设第二阈值,则需要激活所述紧急制动距离自适应机制;
应理解的是,判断轮胎胎压情况,因轮胎是车辆与地面直接接触的物体,从而为车辆提供直接的驱动和制动力,故而轮胎胎压情况若相对于上一次自学习的轮胎胎压偏差超过某一阈值,则需要激活紧急制动距离自适应机制。
和/或,判断所述整车行驶里程差是否大于预设第三阈值,若所述整车行驶里程差大于预设第三阈值,则需要激活所述紧急制动距离自适应机制。
应理解的是,若整车行驶里程相对于上一次自学习的整车行驶里程的整车行驶里程差超过某一阈值,则说明,车辆磨损加剧,制动效果需重新评估,即需要激活紧急制动距离自适应机制。
在第一实施例中,所述步骤S10之后,还包括:
若不需要,则获取目标车辆的运动信息,并在初始紧急制动距离表中查找所述运动信息对应的紧急制动距离;
将所述紧急制动距离作为目标紧急制动距离。
在第一实施例中,获取目标车辆的当前状态参数,并根据所述当前状态参数判断是否需要激活紧急制动距离自适应机制,若需要,则激活紧急制动距离自适应机制,并根据所述紧急制动距离机制对初始紧急制动距离表进行更新,获得目标紧急制动距离表,获取所述目标车辆的运动信息,并在所述目标紧急制动距离表中查找所述运动信息对应的紧急制动距离,将所述紧急制动距离作为目标紧急制动距离;本实施例根据目标车辆的当前状态参数判断是否需要激活紧急制动自适应机制,若激活,则对初始紧急制动距离表进行更新,获得目标紧急制动距离表,并根据目标紧急制动距离表确定目标紧急制动距离,从而能够改善目前的自动紧急制动功能,提高自动驾驶系统的安全。
参照图3,图3为本发明紧急制动距离确定方法第二实施例的流程示意图,基于上述图2所示的第一实施例,提出本发明紧急制动距离确定方法的第二实施例。
在第二实施例中,所述步骤S20,包括:
步骤S201:若需要,则激活紧急制动距离自适应机制,并获取所述紧急制动距离自适应机制对应的预设紧急制动距离预测模型;
步骤S202:根据所述预设紧急制动距离预测模型对初始紧急制动距离表进行更新,获得目标紧急制动距离表。
可理解的是,预设紧急制动距离预测模型建立的具体步骤是:
步骤1:紧急制动距离确定设备发出提醒要求驾驶员以1km/h,3km/h,5km/h等不同时速下以直线行驶的方法,踩下制动踏板保持一定时间,并松开
步骤2:紧急制动距离确定设备收集以下数据作为车辆行驶数据:①当前学习序号;②当前时速;③当前相对于障碍物或碰撞车辆的相对速度;④当前相对于障碍物或碰撞车辆的碰撞时间;⑤当前环境感知传感器的探测能力,如是否受到环境干扰,探测数据是否满意等;⑥当前制动踏板踩下的百分比以及变化率;⑦当前制动力或者制动减速度的大小以及变化率,反应时间;⑧驾驶员踩下制动踏板到松开制动踏板或者车辆刹停时,车辆的制动距离;⑨驾驶员松开刹车踏板后的车辆速度
步骤3:系统应建立评价机制,以判断车辆行驶数据是否满意。可以以下几个方面作为评价指标:
i:刹车前行驶时速是否超过规定值,如针对超声波传感器,定义最高时速为10km/h,如针对毫米波雷达,可定义最高时速为60km/h或120km/h等,若超过规定值,则视为本次学习失败。
ii:刹车过程中,车辆是否保持直线行驶,如方向盘转角是否超过±20度范围之外,若超过则视为本次学习失败。
iii:当前环境感知传感器的探测能力是否受到干扰,是否满意,若不满意,则视为本次学习失败。
iv:松开刹车踏板后的时速相较于踩下刹车踏板之前的时速,与上一次自适应学习的结果相比,有较大的偏差,则视为本次学习失败。
步骤4:判断满意数据的数量是否超过某一阈值,如低速情况下的紧急制动设定为5次,中高速设定为10次。若没有超过这一阈值,则系统应提醒驾驶员需继续训练该功能;若已超过这一阈值,则系统应进入步骤5以满意数据为输入数据。
步骤5:以以下数据作为训练模型的输入:
(1)当前时速
(2)当前相对于障碍物或碰撞车辆的相对速度
(3)当前相对于障碍物或碰撞车辆的碰撞时间
(4)当前制动踏板踩下的百分比以及变化率
(5)当前制动力或者制动减速度的大小以及变化率,反应时间
(6)当前制动踏板踩下的百分比或者是当前的制动减速度
(7)驾驶员松开刹车踏板后的车辆速度
(8)整车总质量
(9)各个轮胎的胎压
(10)当前车辆行驶里程数
(11)以驾驶员踩下制动踏板到松开制动踏板或者车辆刹停时车辆的制动距离作为训练模型的输出
步骤6:首先进行数据归一化处理,去除数据单位,数据量级对系统输出量造成的数据干扰,其次进行数据主成分提取,从众多的数据变量中,采用主成分分析方法得到贡献度大于85%的几个标准化变量;再次通过神经网络模型或者深度学习模型,建立制动距离与这几个标准化变量之间的联系。基于此训练模型,保持其他数据量不变的情况下,通过更改车速,以建立预设紧急制动距离预测模型。
在第二实施例中,所述步骤S10之前,还包括:
步骤S01:获取不同车速下的车辆行驶数据。
可理解的是,车辆行驶数据包括;①当前学习序号;②当前时速;③当前相对于障碍物或碰撞车辆的相对速度;④当前相对于障碍物或碰撞车辆的碰撞时间;⑤当前环境感知传感器的探测能力,如是否受到环境干扰,探测数据是否满意等;⑥当前制动踏板踩下的百分比以及变化率;⑦当前制动力或者制动减速度的大小以及变化率,反应时间;⑧驾驶员踩下制动踏板到松开制动踏板或者车辆刹停时,车辆的制动距离;⑨驾驶员松开刹车踏板后的车辆速度等。
步骤S02:根据预设评价模型确定所述车辆行驶数据中的满意数据,并统计所述满意数据的数量。
需要说明的是,紧急制动距离确定设备建立预设评价模型,以判断当前学习的工况是否满意。可以以下几个方面作为评价指标:
i:刹车前行驶时速是否超过规定值,如针对超声波传感器,定义最高时速为10km/h,如针对毫米波雷达,可定义最高时速为60km/h或120km/h等,若超过规定值,则视为本次学习失败。
ii:刹车过程中,车辆是否保持直线行驶,如方向盘转角是否超过±20度范围之外,若超过则视为本次学习失败。
iii:当前环境感知传感器的探测能力是否受到干扰,是否满意,若不满意,则视为本次学习失败。
iv:松开刹车踏板后的时速相较于踩下刹车踏板之前的时速,与上一次自适应学习的结果相比,有较大的偏差,则视为本次学习失败。
判断车辆行驶数据中满意数据的数量是否超过某一阈值,如低速情况下的紧急制动设定为5次,中高速设定为10次。若没有超过这一阈值,则系统应提醒驾驶员需继续训练该功能;若已超过这一阈值,则系统应进入步骤5以该训练数据作为数据库,以建立当前点火循环下的紧急制动距离数据库。
步骤S03:判断所述数量是否大于预设阈值。
需要说明的是,判断车辆行驶数据中满意数据的数量是否超过某一阈值,如低速情况下的紧急制动可以设定为5次,中高速可以设定为10次。
步骤S04:若大于,则将所述满意数据作为输入数据,并通过预设训练模型对所述输入数据进行训练,获得输出数据。
需要说明的是,紧急制动距离确定设备可以以满意数据作为训练模型的输入,紧急制动距离确定设备可以以驾驶员踩下制动踏板到松开制动踏板或者车辆刹停时车辆的制动距离作为训练模型的输出。
步骤S05:对所述输入数据进行归一化处理以及特征提取,获得目标输入数据。
应理解的是,紧急制动距离确定设备可以对输入数据进行归一化处理,去除数据单位,数据量级对系统输出量造成的数据干扰,再进行特征提取,从众多的数据变量中,采用特征提取方法得到贡献度大于85%的几个标准化变量。
步骤S06:通过机器学习模型建立所述目标输入数据与所述输出数据之间的对应关系,并根据所述对应关系建立预设紧急制动距离预测模型。
可理解的是,紧急制动距离确定设备可以通过神经网络模型或者深度学习模型,建立制动距离与这几个标准化变量之间的联系,基于此训练模型,保持其他数据量不变的情况下,通过更改车速,以预设紧急制动距离预测模型。
在第二实施例中,获取不同车速下的车辆行驶数据,根据预设评价模型确定所述车辆行驶数据中的满意数据,并统计所述满意数据的数量,判断所述数量是否大于预设阈值,若大于,则将所述满意数据作为输入数据,并通过预设训练模型对所述输入数据进行训练,获得输出数据,对所述输入数据进行归一化处理以及特征提取,获得目标输入数据,通过机器学习模型建立所述目标输入数据与所述输出数据之间的对应关系,并根据所述对应关系建立预设紧急制动距离预测模型,获取目标车辆的当前状态参数,并根据所述当前状态参数判断是否需要激活紧急制动距离自适应机制,若需要,则激活紧急制动距离自适应机制,并获取所述紧急制动距离自适应机制对应的预设紧急制动距离预测模型,根据所述预设紧急制动距离预测模型对初始紧急制动距离表进行更新,获得目标紧急制动距离表,获取所述目标车辆的运动信息,并在所述目标紧急制动距离表中查找所述运动信息对应的紧急制动距离,将所述紧急制动距离作为目标紧急制动距离,从而能够改善目前的自动紧急制动功能,提高自动驾驶系统的安全。
参照图4,图4为本发明紧急制动距离确定方法第三实施例的流程示意图,基于上述图2所示的第一实施例,提出本发明紧急制动距离确定方法的第三实施例。
在第三实施例中,所述步骤S40之前,还包括:
步骤S401:获取目标车辆的车速,并将所述车速与预设映射关系表中的车速样本匹配。
可理解的是,有时可能会出现根据预设紧急制动距离预测模型确定的目标紧急制动距离不合理,从而导致不够安全的情况,此时需要紧急制动距离确定设备能够判断目标紧急制动距离是否合理,判断方法为将车速与车速样本匹配,若匹配成功,则获取匹配成功的车速样本对应的紧急制动距离最大值及紧急制动距离最小值,判断所述目标紧急制动距离是否处于所述紧急制动距离最大值与所述紧急制动距离最小值之间,若否,则将所述紧急制动距离最大值作为保守紧急制动距离。
步骤S402:若匹配成功,则获取匹配成功的车速样本对应的紧急制动距离最大值及紧急制动距离最小值。
需要说明的的是,紧急制动距离最大值及紧急制动距离最小值可以有管理端输入,也可以由计算机计算获得。
步骤S403:判断所述目标紧急制动距离是否处于所述紧急制动距离最大值与所述紧急制动距离最小值之间。
需要说明的是,若所述目标紧急制动距离不处于所述紧急制动距离最大值与所述紧急制动距离最小值之间,则说明目标紧急制动距离不合理。
步骤S404:若否,则将所述紧急制动距离最大值作为保守紧急制动距离。
进一步地,所述步骤S40,包括:
步骤S40:将所述保守紧急制动距离作为目标紧急制动距离。
在第三实施例中,所述步骤S401之前,还包括:
获取车速样本、紧急制动距离最大值以及紧急制动距离最小值;
建立所述车速样本与所述紧急制动距离最大值和所述紧急制动距离最小值之间的对应关系,并根据所述对应关系建立预设映射关系表。
在第三实施例中,获取目标车辆的当前状态参数,并根据所述当前状态参数判断是否需要激活紧急制动距离自适应机制,若需要,则激活紧急制动距离自适应机制,并根据所述紧急制动距离机制对初始紧急制动距离表进行更新,获得目标紧急制动距离表,获取所述目标车辆的运动信息,并在所述目标紧急制动距离表中查找所述运动信息对应的紧急制动距离,获取目标车辆的车速,并将所述车速与预设映射关系表中的车速样本匹配,若匹配成功,则获取匹配成功的车速样本对应的紧急制动距离最大值及紧急制动距离最小值,判断所述目标紧急制动距离是否处于所述紧急制动距离最大值与所述紧急制动距离最小值之间,若否,则将所述紧急制动距离最大值作为保守紧急制动距离,将所述保守紧急制动距离作为目标紧急制动距离;本实施例通过判断目标紧急制动距离是否处于所述紧急制动距离最大值与所述紧急制动距离最小值之间来决定是否将保守紧急制动距离作为目标紧急制动距离,从而能够提高自动紧急功能的可靠性。
此外,本发明实施例还提出一种存储介质,所述存储介质上存储有紧急制动距离确定程序,所述紧急制动距离确定程序被处理器执行时实现如上文所述的紧急制动距离确定方法的步骤。
此外,参照图5,本发明实施例还提出一种紧急制动距离确定装置,所述紧急制动距离确定装置包括:判断模块10、紧急制动距离表更新模块20、查找模块30和目标紧急制动距离确定模块40;
所述判断模块10,用于获取目标车辆的当前状态参数,并根据所述当前状态参数判断是否需要激活紧急制动距离自适应机制。
应理解的是,本实施例的执行主体是所述紧急制动距离确定设备,其中,所述紧急制动距离确定设备可为个人电脑或服务器等电子设备。
紧急制动距离确定设备可以获取目标车辆的上电状态、整车质量差值、轮胎胎压差值和/或整车行驶里程差,并判断目标车辆是否为第一次上电,若是,则需要激活紧急制动距离自适应机制;其次可以判断整车总质量相对于上一次自学习的整车总质量的整车质量差值是否超过某一阈值,若超过,则说明当前的制动效能距离上一次的制动效果偏差较大,需要激活紧急制动距离自适应机制进行学习;和/或,判断轮胎胎压情况,因轮胎是车辆与地面直接接触的物体,从而为车辆提供直接的驱动和制动力,故而轮胎胎压情况若相对于上一次自学习的轮胎胎压差值超过某一阈值,则需要激活紧急制动距离自适应机制;和/或,判断整车行驶里程相对于上一次自学习的整车行驶里程的整车行驶里程差超过某一阈值,则说明,车辆磨损加剧,制动效果需重新评估,应需再次激活紧急制动距离自适应机制。
所述紧急制动距离表更新模块20,用于在需要激活紧急制动距离自适应机制时,激活紧急制动距离自适应机制,并根据所述紧急制动距离机制对初始紧急制动距离表进行更新,获得目标紧急制动距离表。
可理解的是,若需要,则激活紧急制动距离自适应机制,并获取所述紧急制动距离自适应机制对应的预设紧急制动距离预测模型,根据预设紧急制动距离预测模型对初始紧急制动距离表进行更新,获得目标紧急制动距离表。
所述查找模块30,用于获取所述目标车辆的运动信息,并在所述目标紧急制动距离表中查找所述运动信息对应的紧急制动距离。
需要说明的是,所述运动信息可以是目标车辆的当前速度、目标车辆与碰撞车辆或障碍物之间的相对速度以及碰撞时间,根据运动信息可以在目标紧急制动距离表中查找运动信息对应的紧急制动距离。
所述目标紧急制动距离确定模块40,用于将所述紧急制动距离作为目标紧急制动距离。
应理解的是,将所述紧急制动距离作为目标紧急制动距离,目标紧急制动距离就是紧急制动功能进行制动时的紧急制动距离。
在本实施例中,获取目标车辆的当前状态参数,并根据所述当前状态参数判断是否需要激活紧急制动距离自适应机制,若需要,则激活紧急制动距离自适应机制,并根据所述紧急制动距离机制对初始紧急制动距离表进行更新,获得目标紧急制动距离表,获取所述目标车辆的运动信息,并在所述目标紧急制动距离表中查找所述运动信息对应的紧急制动距离,将所述紧急制动距离作为目标紧急制动距离;本实施例根据目标车辆的当前状态参数判断是否需要激活紧急制动自适应机制,若激活,则对初始紧急制动距离表进行更新,获得目标紧急制动距离表,并根据目标紧急制动距离表确定目标紧急制动距离,从而能够改善目前的自动紧急制动功能,提高自动驾驶系统的安全。
在一实施例中,所述紧急制动距离表更新模块,还用于若需要,则激活紧急制动距离自适应机制,并获取所述紧急制动距离自适应机制对应的预设紧急制动距离预测模型,根据所述预设紧急制动距离预测模型对初始紧急制动距离表进行更新,获得目标紧急制动距离表;
在一实施例中,所述紧急制动距离确定装置还包括:预设紧急制动距离预测模型建立模块;
所述预设紧急制动距离预测模型建立模块,用于获取不同车速下的车辆行驶数据,根据预设评价模型确定所述车辆行驶数据中的满意数据,并统计所述满意数据的数量,判断所述数量是否大于预设阈值,若大于,则将所述满意数据作为输入数据,并通过预设训练模型对所述输入数据进行训练,获得输出数据,对所述输入数据进行归一化处理以及特征提取,获得目标输入数据,通过机器学习模型建立所述目标输入数据与所述输出数据之间的对应关系,并根据所述对应关系建立预设紧急制动距离预测模型;
在一实施例中,所述紧急制动距离确定装置还包括:保守紧急制动距离确定模块;
所述保守紧急制动距离确定模块,用于获取目标车辆的车速,并将所述车速与预设映射关系表中的车速样本匹配,若匹配成功,则获取匹配成功的车速样本对应的紧急制动距离最大值及紧急制动距离最小值,判断所述目标紧急制动距离是否处于所述紧急制动距离最大值与所述紧急制动距离最小值之间,若否,则将所述紧急制动距离最大值作为保守紧急制动距离;
在一实施例中,所述紧急制动距离确定装置还包括:预设映射关系表建立模块;
所述预设映射关系表建立模块,还用于获取车速样本、紧急制动距离最大值以及紧急制动距离最小值,建立所述车速样本与所述紧急制动距离最大值和所述紧急制动距离最小值之间的对应关系,并根据所述对应关系建立预设映射关系表;
在一实施例中,所述判断模块,还用于获取目标车辆的上电状态、整车质量差值、轮胎胎压差值和/或整车行驶里程差,判断所述上电状态是否为第一次上电,若所述上电状态为第一次上电,则需要激活所述紧急制动距离自适应机制,和/或,判断所述整车质量差值是否大于预设第一阈值,若所述整车质量差值大于预设第一阈值,则需要激活所述紧急制动距离自适应机制,和/或,判断所述轮胎胎压差值是否大于预设第二阈值,若所述轮胎胎压差值大于预设第二阈值,则需要激活所述紧急制动距离自适应机制,和/或,判断所述整车行驶里程差是否大于预设第三阈值,若所述整车行驶里程差大于预设第三阈值,则需要激活所述紧急制动距离自适应机制;
在一实施例中,所述紧急制动距离确定装置还包括:更新模块;
所述更新模块,用于在不需要激活所述紧急制动距离自适应机制时,获取目标车辆的运动信息,并在初始紧急制动距离表中查找所述运动信息对应的紧急制动距离,将所述紧急制动距离作为目标紧急制动距离。
本发明所述紧急制动距离确定装置的其他实施例或具体实现方式可参照上述各方法实施例,此处不再赘述。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。词语第一、第二、以及第三等的使用不表示任何顺序,可将这些词语解释为名称。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的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(如只读存储器镜像(Read Only Memory image,ROM)/随机存取存储器(Random AccessMemory,RAM)、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (9)
1.一种紧急制动距离确定方法,其特征在于,所述紧急制动距离确定方法包括以下步骤:
获取目标车辆的当前状态参数,并根据所述当前状态参数判断是否需要激活紧急制动距离自适应机制;
若需要,则激活紧急制动距离自适应机制,并根据所述紧急制动距离自适应机制对初始紧急制动距离表进行更新,获得目标紧急制动距离表;
获取所述目标车辆的运动信息,并在所述目标紧急制动距离表中查找所述运动信息对应的紧急制动距离;
将所述紧急制动距离作为目标紧急制动距离;
其中,所述将所述紧急制动距离作为目标紧急制动距离的步骤之前,所述紧急制动距离确定方法还包括:
获取目标车辆的车速,并将所述车速与预设映射关系表中的车速样本匹配;
若匹配成功,则获取匹配成功的车速样本对应的紧急制动距离最大值及紧急制动距离最小值;
判断所述目标紧急制动距离是否处于所述紧急制动距离最大值与所述紧急制动距离最小值之间;
若否,则将所述紧急制动距离最大值作为保守紧急制动距离;
相应地,所述将所述紧急制动距离作为目标紧急制动距离的步骤,具体包括:
将所述保守紧急制动距离作为目标紧急制动距离。
2.如权利要求1所述的紧急制动距离确定方法,其特征在于,所述若需要,则激活紧急制动距离自适应机制,并根据所述紧急制动距离自适应机制对初始紧急制动距离表进行更新,获得目标紧急制动距离表的步骤,具体包括:
若需要,则激活紧急制动距离自适应机制,并获取所述紧急制动距离自适应机制对应的预设紧急制动距离预测模型;
根据所述预设紧急制动距离预测模型对初始紧急制动距离表进行更新,获得目标紧急制动距离表。
3.如权利要求2所述的紧急制动距离确定方法,其特征在于,所述获取目标车辆的当前状态参数,并根据所述当前状态参数判断是否需要激活紧急制动距离自适应机制的步骤之前,所述紧急制动距离确定方法还包括:
获取不同车速下的车辆行驶数据;
根据预设评价模型确定所述车辆行驶数据中的满意数据,并统计所述满意数据的数量;
判断所述数量是否大于预设阈值;
若大于,则将所述满意数据作为输入数据,并通过预设训练模型对所述输入数据进行训练,获得输出数据;
对所述输入数据进行归一化处理以及特征提取,获得目标输入数据;
通过机器学习模型建立所述目标输入数据与所述输出数据之间的对应关系,并根据所述对应关系建立预设紧急制动距离预测模型。
4.如权利要求1所述的紧急制动距离确定方法,其特征在于,所述获取目标车辆的车速,并将所述车速与预设映射关系表中的车速样本匹配的步骤之前,所述紧急制动距离确定方法还包括:
获取车速样本、紧急制动距离最大值以及紧急制动距离最小值;
建立所述车速样本与所述紧急制动距离最大值和所述紧急制动距离最小值之间的对应关系,并根据所述对应关系建立预设映射关系表。
5.如权利要求1所述的紧急制动距离确定方法,其特征在于,所述当前状态参数包括:上电状态、整车质量差值、轮胎胎压差值和/或整车行驶里程;
所述获取目标车辆的当前状态参数,并根据所述当前状态参数判断是否需要激活紧急制动距离自适应机制的步骤,具体包括:
获取目标车辆的上电状态、整车质量差值、轮胎胎压差值和/或整车行驶里程差;
判断所述上电状态是否为第一次上电,若所述上电状态为第一次上电,则需要激活所述紧急制动距离自适应机制;
和/或,判断所述整车质量差值是否大于预设第一阈值,若所述整车质量差值大于预设第一阈值,则需要激活所述紧急制动距离自适应机制;
和/或,判断所述轮胎胎压差值是否大于预设第二阈值,若所述轮胎胎压差值大于预设第二阈值,则需要激活所述紧急制动距离自适应机制;
和/或,判断所述整车行驶里程是否大于预设第三阈值,若所述整车行驶里程大于预设第三阈值,则需要激活所述紧急制动距离自适应机制。
6.如权利要求1所述的紧急制动距离确定方法,其特征在于,所述获取目标车辆的当前状态参数,并根据所述当前状态参数判断是否需要激活紧急制动距离自适应机制的步骤之后,所述紧急制动距离确定方法还包括:
若不需要,则获取目标车辆的运动信息,并在初始紧急制动距离表中查找所述运动信息对应的紧急制动距离;
将所述紧急制动距离作为目标紧急制动距离。
7.一种紧急制动距离确定设备,其特征在于,所述紧急制动距离确定设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的紧急制动距离确定程序,所述紧急制动距离确定程序被所述处理器执行时实现如权利要求1至6中任一项所述的紧急制动距离确定方法的步骤。
8.一种存储介质,其特征在于,所述存储介质上存储有紧急制动距离确定程序,所述紧急制动距离确定程序被处理器执行时实现如权利要求1至6中任一项所述的紧急制动距离确定方法的步骤。
9.一种紧急制动距离确定装置,其特征在于,所述紧急制动距离确定装置包括:判断模块、紧急制动距离表更新模块、查找模块和目标紧急制动距离确定模块;
所述判断模块,用于获取目标车辆的当前状态参数,并根据所述当前状态参数判断是否需要激活紧急制动距离自适应机制;
所述紧急制动距离表更新模块,用于若需要,则激活紧急制动距离自适应机制,并根据所述紧急制动距离自适应机制对初始紧急制动距离表进行更新,获得目标紧急制动距离表;
所述查找模块,用于获取所述目标车辆的运动信息,并在所述目标紧急制动距离表中查找所述运动信息对应的紧急制动距离;
所述目标紧急制动距离确定模块,用于将所述紧急制动距离作为目标紧急制动距离;
其中,所述紧急制动距离确定装置还包括:保守紧急制动距离确定模块;
所述保守紧急制动距离确定模块,用于获取目标车辆的车速,并将所述车速与预设映射关系表中的车速样本匹配,若匹配成功,则获取匹配成功的车速样本对应的紧急制动距离最大值及紧急制动距离最小值,判断所述目标紧急制动距离是否处于所述紧急制动距离最大值与所述紧急制动距离最小值之间,若否,则将所述紧急制动距离最大值作为保守紧急制动距离;
相应地,所述目标紧急制动距离确定模块,还用于将所述保守紧急制动距离作为目标紧急制动距离。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911210446.6A CN110843784B (zh) | 2019-11-29 | 2019-11-29 | 紧急制动距离确定方法、设备、存储介质及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911210446.6A CN110843784B (zh) | 2019-11-29 | 2019-11-29 | 紧急制动距离确定方法、设备、存储介质及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110843784A CN110843784A (zh) | 2020-02-28 |
CN110843784B true CN110843784B (zh) | 2021-01-05 |
Family
ID=69606916
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911210446.6A Active CN110843784B (zh) | 2019-11-29 | 2019-11-29 | 紧急制动距离确定方法、设备、存储介质及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110843784B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111216728B (zh) * | 2020-03-17 | 2021-03-02 | 江铃汽车股份有限公司 | 自动刹车控制方法及系统 |
CN112112959B (zh) * | 2020-10-13 | 2021-06-15 | 安徽江淮汽车集团股份有限公司 | 变速箱控制方法、设备、存储介质及装置 |
CN112277938A (zh) * | 2020-10-16 | 2021-01-29 | 北京三快在线科技有限公司 | 车辆控制方法、装置、存储介质、主动安全系统及车辆 |
CN117073712B (zh) * | 2023-10-17 | 2024-01-30 | 广东省嗒上车物联科技有限公司 | 车辆管理方法、物联网服务器以及计算机可读存储介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3031601B2 (ja) * | 1994-03-24 | 2000-04-10 | 日産車体株式会社 | 車間距離検知・警報装置 |
CN105835854B (zh) * | 2016-03-17 | 2018-11-16 | 奇瑞汽车股份有限公司 | 一种紧急制动控制系统及其控制方法 |
CN106809204A (zh) * | 2017-02-13 | 2017-06-09 | 中车株洲电力机车有限公司 | 一种车辆紧急制动距离计算及记录的控制方法及系统 |
JP6464499B2 (ja) * | 2017-06-02 | 2019-02-06 | 本田技研工業株式会社 | 車両制御装置、車両制御方法、およびプログラム |
CN109910876B (zh) * | 2019-01-17 | 2020-12-11 | 中科安达(北京)科技有限公司 | 一种aebs主控制方法 |
CN110254423A (zh) * | 2019-06-25 | 2019-09-20 | 北京智行者科技有限公司 | 一种用于无人驾驶车辆的制动控制方法 |
-
2019
- 2019-11-29 CN CN201911210446.6A patent/CN110843784B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110843784A (zh) | 2020-02-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110843784B (zh) | 紧急制动距离确定方法、设备、存储介质及装置 | |
CN111062240B (zh) | 汽车驾驶安全的监控方法、装置、计算机设备及存储介质 | |
CN112256033B (zh) | 驾驶状态识别方法、设备、存储介质及装置 | |
CN113479160B (zh) | 车辆乘员碰撞安全保护方法、装置、设备及存储介质 | |
CN106097709A (zh) | 基于智能车载终端的驾驶行为识别方法 | |
CN112418711A (zh) | 车辆预期功能危害评估方法、设备、存储介质及装置 | |
CN112398822B (zh) | 车联网女巫攻击检测方法、装置、设备及存储介质 | |
CN112937520A (zh) | 车辆的紧急制动方法、装置、商用车及存储介质 | |
CN113092127A (zh) | 前碰撞预警的测试方法、设备、存储介质及装置 | |
CN110969844A (zh) | 一种基于行车数据计算驾驶行为相似度的方法及应用 | |
CN115257725A (zh) | 车辆碰撞预警方法、装置、设备及存储介质 | |
CN113104045B (zh) | 车辆碰撞预警方法、装置、设备及存储介质 | |
CN112026746B (zh) | 汽车能量管理方法、装置、系统、车载终端及存储介质 | |
CN115675533A (zh) | 基于历史行驶数据的车辆辅助驾驶控制方法及装置 | |
CN117413257A (zh) | 用于测试车辆用司机辅助系统的方法和系统 | |
CN114103966A (zh) | 一种辅助驾驶的控制方法、装置和系统 | |
CN114911501A (zh) | 交通事故识别预测方法、设备及计算机可读存储介质 | |
CN111993997A (zh) | 基于语音的行人避让提示方法、装置、设备及存储介质 | |
CN113427973A (zh) | 车载空调控制方法、装置、汽车及存储介质 | |
CN113879313A (zh) | 驾驶员疲劳检测方法及装置 | |
CN112455404A (zh) | 车辆制动控制的方法、设备、存储介质及装置 | |
CN116776204B (zh) | 驾驶人风险敏感度差异化表征方法、装置、设备及介质 | |
CN112418315B (zh) | 基于制动特征和svm算法的驾驶员身份识别建模方法 | |
CN113650624B (zh) | 驾驶提醒方法、设备、存储介质及装置 | |
CN113067830B (zh) | 一种车载总线信号的检测方法、装置、车辆和存储介质 |
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 |