CN111653090A - 一种基于v2x的无威胁车辆筛选方法 - Google Patents

一种基于v2x的无威胁车辆筛选方法 Download PDF

Info

Publication number
CN111653090A
CN111653090A CN202010382021.XA CN202010382021A CN111653090A CN 111653090 A CN111653090 A CN 111653090A CN 202010382021 A CN202010382021 A CN 202010382021A CN 111653090 A CN111653090 A CN 111653090A
Authority
CN
China
Prior art keywords
vehicle
target vehicle
absolute value
distance
value
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.)
Granted
Application number
CN202010382021.XA
Other languages
English (en)
Other versions
CN111653090B (zh
Inventor
范晓娟
胡坤福
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.)
Huizhou Desay SV Intelligent Transport Technology Research Institute Co Ltd
Original Assignee
Huizhou Desay SV Intelligent Transport Technology Research Institute Co Ltd
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 Huizhou Desay SV Intelligent Transport Technology Research Institute Co Ltd filed Critical Huizhou Desay SV Intelligent Transport Technology Research Institute Co Ltd
Priority to CN202010382021.XA priority Critical patent/CN111653090B/zh
Publication of CN111653090A publication Critical patent/CN111653090A/zh
Application granted granted Critical
Publication of CN111653090B publication Critical patent/CN111653090B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
    • 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
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/012—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from other sources than vehicle or roadside beacons, e.g. mobile networks
    • 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
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • 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
    • G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Business, Economics & Management (AREA)
  • Computing Systems (AREA)
  • Emergency Management (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及一种基于V2X的无威胁车辆筛选方法，包括判断目标车辆与本车之间的距离是否随时间增大；若目标车辆与本车之间的距离随时间增大，则以本车中心为原点，以本车行驶方向为X轴，建立本车坐标系，并获取本车行驶速度；获取目标车辆行驶速度，并计算目标车辆行驶速度在本车坐标系X轴方向上的投影速度；将投影速度与本车行驶速度作差值计算，差值的绝对值视为第一绝对值，将投影速度的绝对值视为第二绝对值，本车行驶速度的绝对值视为第三绝对值；判断第一绝对值是否等于第二绝对值与第三绝对值之和，若是，则将目标车辆筛除；否则，保留目标车辆。该方法将行驶方向相反的车辆自动筛掉，降低本车V2X系统的处理任务，提高了预警有效性。

Description

一种基于V2X的无威胁车辆筛选方法
技术领域
本发明属于智联网汽车评测中，场景数据采集的技术领域，尤其涉及无威胁车辆筛选方法。
背景技术
V2X(vehicle to everything)目前是车联网发展的关键领域之一，其主要内容包括以下几种互联类型：车与车互联(Vehicle to Vehicle，V2V)、车与基础设施互联(Vehicle to Infrastructure，V2I)、车与人互联(Vehicle to Pedestrian，V2P)以及车与互联网的互联(Vehicle to Network)。其中，车与车的互联能够使本车与环境中其他车辆实现信息交互，从而使本车能实时获取周围其他车辆的行驶状态以及路况信息等，从而对驾驶员作出预警提醒，以提高驾驶安全性、减少拥堵、提高交通效率。
在实际应用过程中，在本车V2X的通信范围内，通常会存在多个目标车辆，这就意味着，本车V2X系统需要同时接收大量的车辆信息并进行场景计算，计算量较大。特别是当本车处于车辆密集的交通工况下，如红绿灯路口、拥堵高速路段等，目标车辆的数量还会进一步增加，甚至接收到的目标车辆的数据在一定范围内是可以无限增加的。但是，由于本车配置的硬件处理能力又是有限的，接收到大量的目标节点数据后，无法实时处理，通常只能把来不及处理的目标节点数据先存入队列，然后根据硬件处理能力，对列队中的目标节点数据再逐一取出并计算处理。这种方案会导致数据大量积压，而且接收到的目标车辆信息无法被实时处理，容易引发预警滞后、误报、漏报等严重问题。其实，在V2X的场景计算中，有很大部分目标车辆对本车是无威胁的，是不需要计算的，如背向行驶的车辆等。因此，为了减轻本车V2X的计算负担，降低对硬件处理能力的要求，有技术方案开发了一种针对背向行驶车辆的筛除方法，将对本车无威胁的车辆自动筛选掉，以提高预警信号的有效性。
发明内容
为了解决上述技术问题，本发明提供了一种基于V2X的无威胁车辆筛选方法，基于搭设在本车上的V2X系统以及搭设在目标车辆上的V2X系统，包括：
判断目标车辆与本车之间的距离是否随时间增大；
若目标车辆与本车之间的距离随时间增大，则以本车中心为原点，以本车行驶方向为X轴，建立本车坐标系，并获取本车行驶速度；
获取目标车辆行驶速度，并计算目标车辆行驶速度在本车坐标系X轴方向上的投影速度；
将投影速度与本车行驶速度作差值计算，差值的绝对值视为第一绝对值，将投影速度的绝对值视为第二绝对值，本车行驶速度的绝对值视为第三绝对值；
判断第一绝对值是否等于第二绝对值与第三绝对值之和，若是，则将目标车辆筛除；否则，保留目标车辆。
进一步的，所述以本车中心为原点，以本车行驶方向为X轴，建立本车坐标系包括如下步骤：
获取本车在地方独立坐标系中的坐标值(X1,Y1)以及第一航向角θ1；
获取目标车辆在地方独立坐标系中的坐标值(X2,Y2)以及第二航向角θ2；
以本车坐标值(X1,Y1)为原点，以本车行驶方向为X轴，建立本车坐标系；
求取目标车辆在本车坐标系的坐标值，求取公式如下：
x＝(X2-X1)cosθ1+(Y2-Y1)sinθ1；
y＝-(X2-X1)sinθ1+(Y2-Y1)cosθ1；
其中，所述(x,y)为目标车辆在本车坐标系中的坐标值。
进一步的，所述获取目标车辆行驶速度，并计算目标车辆行驶速度在本车坐标系X轴方向上的投影速度步骤，包括：
获取目标车辆的行驶速度；
计算目标车辆在本车坐标系中的相对航向角θ；
目标车辆行驶速度与相对航向角θ的余弦值的乘积即为投影速度。
进一步的，所述目标车辆在本车坐标系中的相对航向角θ等于第二航向角θ2与第一航向角θ1的差值。
进一步的，所述判断目标车辆与本车之间的距离是否随时间增大步骤包括：
获取本车与目标车辆在上一时刻的第一距离值；
获取本车与目标车辆在当前时刻的第二距离值；
将第二距离值减去第一距离值，得到第一距离差值；
当距离差值大于0，则认为目标车辆与本车之间的距离随时间增大；否则，认为目标车辆与本车之间的距离不随时间增大。
进一步的，所述判断第一绝对值是否等于第二绝对值与第三绝对值之和，若是，则将目标车辆筛除；否则，保留目标车辆步骤之后，还包括对被保留车辆的威胁评估：
继续获取本车与目标车辆在下一时刻的第三距离值；
将第三距离值减去第二距离值，得到第二距离差值；
当第二距离差值小于0，则将目标车辆视为威胁车辆；
当第二距离差值大于等于0且小于第一距离差值，则以固定周期持续获取目标车辆的行驶信息，实现对目标车辆的监测；
当第二距离差值大于第一距离差值，则忽略目标车辆。
进一步的，所述当第二距离差值小于0，则将目标车辆视为威胁车辆之后，还包括：
向本车发出预警信号。
进一步的，所述预警信号至少包括图片预警、振动预警、声音预警、屏幕闪烁预警中的一种。
进一步的，在所述当第二距离差值大于等于0且小于第一距离差值，则以固定周期持续获取目标车辆的行驶信息，实现对目标车辆的监测步骤中，所述获取目标车辆行驶信息的固定周期与第二距离差值成正比关系。
本发明取得的技术效果如下：
本发明提供了一种基于V2X的无威胁车辆筛选方法，通过该方法能够将与本车行驶方向相反的车辆自动筛选掉，即将对本车无威胁的目标车辆筛除，该筛选过程对本车的安全性不会造成任何影响，同时能够大大降低本车V2X系统的数据处理任务，减少了对硬件处理能力的要求，显著提升了本车V2X系统的数据处理速度，提高预警信号的有效性和实用率，避免了预警滞后、误报、漏报等严重问题。
附图说明
图1为实施例1中基于V2X的无威胁车辆筛选方法流程图。
图2为实施例1中目标车辆的筛除过程示意图。
图3为实施例1中目标车辆与本车辆的行驶场景示意图。
具体实施方式
下面结合附图对本发明的较佳实施例进行详细阐述，以使本发明的优点和特征更易被本领域技术人员理解，从而对本发明的保护范围作出更为清楚的界定。
实施例1：
本发明实施例提供了一种基于V2X的无威胁车辆筛选方法，该方法的实施基于安装在本车上的V2X系统以及搭设在各目标车辆上的V2X系统，且各目标车辆上的V2X系统分别与本车上的V2X系统通信连接。
一种基于V2X的无威胁车辆筛选方法，具体如图1、图2及图3所示，包括如下步骤：
101、判断目标车辆与本车之间的距离是否随时间增大。
目标车辆与本车之间的距离决定了目标车辆对本车的威胁程度，目标车辆与本车之间的距离越大，表示目标车辆距本车越远，威胁程度越小；目标车辆与本车之间的距离越小，则表示目标车辆距本车越近，两者发生碰撞的可能性越大，即威胁程度越大。而目标车辆与本车之间的距离随时间的变化趋势则能够预示两者在下一时刻的距离大小，即两者在下一时刻发生碰撞的可能性。由于相背行驶的车辆，必然与本车之间的距离是越来越大的，即目标车辆与本车之间的距离是随时间逐渐增大的，因此，这里以目标车辆与本车之间的距离是否随时间增大作为第一判断条件，以此作为第一重筛选。
具体的，为了判断出目标车辆与本车之间的距离是否随时间增大，首先需要获取本车与目标车辆在上一时刻的第一距离值，然后还需要继续获取本车与目标车辆在当前时刻的第二距离值，利用第二距离值减去第一距离值，所得到的差值即为第一距离差值。当距离差值大于0，则认为第二距离值大于第一距离值，即目标车辆与本车之间的距离随时间增大，那么目标车辆可能是与本车相背行驶的，进入步骤102中；否则，认为第二距离值等于或小于第一距离值，即目标车辆与本车之间的距离不随时间增大，那么目标车辆不可能是与本车相背行驶的，故保留目标车辆，以继续对其进行监测和观察。
102、若目标车辆与本车之间的距离随时间增大，则以本车中心为原点，以本车行驶方向为X轴，建立本车坐标系，并获取本车行驶速度。
在本车坐标系的具体建立过程中，首先需要获取本车在地方独立坐标系中的坐标值(X1,Y1)以及第一航向角θ1。然后继续获取目标车辆在地方独立坐标系中的坐标值(X2,Y2)以及第二航向角θ2。再以本车坐标值(X1,Y1)为原点，以本车行驶方向为X轴，以垂直与本车行驶方向为Y轴，建立本车坐标系。本车坐标系的具体建立过程可参考现有技术中建立坐标系的方法，在此不做赘述。当本车坐标系建立成之后，便可以求取目标车辆在本车坐标系的坐标值，具体的求取公式如下：
x＝(X2-X1)cosθ1+(Y2-Y1)sinθ1； (1)
y＝-(X2-X1)sinθ1+(Y2-Y1)cosθ1； (2)
其中，所述(x,y)即为目标车辆在本车坐标系中的坐标值。
在本实施例中，本车和目标车辆在地方独立坐标系中的坐标值(X1,Y1)和(X2,Y2)可以通过定位软件获取，当然也可以通过对世界坐标系WGS-84进行转化后获取。如果是通过对世界坐标系WGS-84进行转化后获取本车和目标车辆的地方独立坐标值，则具体的转化公式如下：
Figure BDA0002482520590000061
Figure BDA0002482520590000071
在公式(3)和公式(4)中，X为赤道至纬度为B的平行圈的子午线弧长；N为卯酉圈曲率半径；l为投影点经度L与该点所处经度带轴子午线经度L0差；t＝tanB；u＝e’cosB；e＝0.08181919为第一偏心率；e’＝0.082094438为第二偏心率。
103、获取目标车辆行驶速度，并计算目标车辆行驶速度在本车坐标系X轴方向上的投影速度。
为了计算出投影速度，一般需要先获取目标车辆的行驶速度，然后计算目标车辆在本车坐标系中的相对航向角θ，而目标车辆行驶速度与相对航向角θ的余弦值的乘积即为投影速度(投影速度是指目标车辆行驶速度在本车坐标系X轴方向的分速度)，目标车辆行驶速度与相对航向角θ的正弦值的乘积即为在本车坐标系Y轴向的速度(Y轴向的速度是指目标车辆速度在本车坐标系Y轴方向的分速度)。这里所说的目标车辆在本车坐标系中的相对航向角θ等于第二航向角θ2与第一航向角θ1的差值。
104、将投影速度与本车行驶速度作差值计算，差值的绝对值视为第一绝对值，将投影速度的绝对值视为第二绝对值，本车行驶速度的绝对值视为第三绝对值。
105、判断第一绝对值是否等于第二绝对值与第三绝对值之和，若是，则将目标车辆筛除；否则，保留目标车辆。
当目标车辆在本车坐标系X轴方向的投影速度与本车行驶速度方向相反，即意味着两者是渐行渐远的，那么投影速度与本车行驶速度的差值的绝对则应等于投影速度的绝对值与本车行驶速度的绝对值之和。也就是说，当第一绝对值等于第二绝对值与第三绝对值之和，则表明目标车辆与本车是渐行渐远的行驶趋势，此时，可认为两者的大方向是相背行驶的，可以将该目标车辆进行筛除。否则，认为目标车辆与本车不是相背行驶的，目标车辆的行驶趋势有可能会在以后对本车的安全行驶产生影响，因此需要保留目标车辆，以继续进行观察和监测。
本实施例中，之所以会以目标车辆与本车之间的距离变化作为背道行驶的第一判断条件，以投影速度与本车行驶速度之间的关系作为背道行驶的第二判断条件来筛除相背行驶的目标车辆，是因为单纯以目标车辆与本车的相对速度或相对距离是无法准确判断出目标车辆和本车是否相背行驶。其主要原因是，目标车辆与本车的速度差值在实际行驶过程中既有可能是正值也有可能是负值(若目标车辆与本车行驶方向相同但速度不同，那么两者的速度差值可能为正值，也可能为负值；若目标车辆与本车行驶方向相反，以本车速度为正值，则两者的速度差值则为负值)，这就意味着，目标车辆与本车之间的相对速度无法作为背道行驶判断的唯一条件，目标车辆与本车之间的相对距离也不能作为背道行驶的唯一判断条件。而以目标车辆与本车之间的距离变化作为背道行驶的第一判断条件，以投影速度与本车行驶速度之间的关系作为背道行驶的第二判断条件，利用第一判断条件和第二判断条件相结合，便可以使V2X系统能够准确判断出与本车背道行驶的目标车辆。因为与本车背道行驶的目标车辆对本车的安全行驶完全不会产生任何威胁，所以V2X系统可以直接将其删除或者忽略，无需对其进行监测，增加V2X系统的额外工作。当然，这样就可以将优先的硬件资源应用于对非背道行驶的目标车辆的监测和计算，进而提高V2X系统的计算效率。
当然，为了提高车辆行驶安全性，一般还需要继续对被保留的目标车辆做进一步跟踪分析，以进一步判断被保留目标车辆对本车的威胁程度。本实施例中，针对被保留的目标车辆，还包括威胁评估步骤。在威胁评估步骤中，V2X系统会继续获取本车与被保留的目标车辆在下一时刻的第三距离值，并将第三距离值减去第二距离值，得到第二距离差值。当第二距离差值小于0时，意味着在当前时刻和下一时刻之间，目标车辆与本车之间的距离随时间推移而减少，那么预示着目标车辆正在逐渐靠近本车，则将目标车辆视为威胁车辆。而一旦目标车辆被判定为威胁车辆后，V2X系统就会向本车驾驶员发出预警信号，所述的预警信号至少包括图片预警、振动预警、声音预警、屏幕闪烁预警、空调口吹气预警或车灯闪烁预警中的一种或多种。当第二距离差值大于等于0且小于第一距离差值，则以固定周期持续获取目标车辆的行驶信息，实现对目标车辆的监测。这是因为，当第二距离差值大于等于0且小于第一距离差值时，虽然目标车辆与本车之间的距离仍然随时间推移而增加，但增加的幅度却减缓了，此时目标车辆与本车之间的距离有可能继续随时间增大，但也有可能会增加幅度继续减缓，甚至出现负值，因此，需要进一步以固定周期获取目标车辆的行驶信息，以实现对目标车辆的监测。而当第二距离差值大于第一距离差值，则认为该目标车辆对本车是安全的，可以忽略该目标车辆。
当然，为了提高对目标车辆监测的有效性和实用性，一般使获取目标车辆行驶信息的固定周期与第二距离差值成正比关系。即第二距离差值越大，第二距离差值就越接近第一距离差值，此时认为目标车辆对本车的威胁程度相对不那么急迫，则可以适当降低对目标车辆行驶信息的获取频率。相反，若第二距离差值越小，第二距离差值越接近0，则目标车辆与本车之间距离的增幅减缓越明显，意味着目标车辆有可能会对本车造成较大的威胁，因此需要适当提高对目标车辆行驶信息的获取频率，以加大监测次数。
本实施例提供的一种基于V2X的无威胁车辆筛选方法能够将与本车行驶方向相反的车辆自动筛选掉，即将对本车无威胁的目标车辆筛除，该筛选过程对本车的安全性不会造成任何影响，同时能够大大降低本车V2X系统的数据处理任务，减少了对硬件处理能力的要求，显著提升了本车V2X系统的数据处理速度，提高预警信号的有效性和实用率，避免了预警滞后、误报、漏报等严重问题。
上面结合附图对本发明的实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。

Claims (9)

1.一种基于V2X的无威胁车辆筛选方法，其特征在于，基于搭设在本车上的V2X系统以及搭设在目标车辆上的V2X系统，包括：
判断目标车辆与本车之间的距离是否随时间增大；
若目标车辆与本车之间的距离随时间增大，则以本车中心为原点，以本车行驶方向为X轴，建立本车坐标系，并获取本车行驶速度；
获取目标车辆行驶速度，并计算目标车辆行驶速度在本车坐标系X轴方向上的投影速度；
将投影速度与本车行驶速度作差值计算，差值的绝对值视为第一绝对值，将投影速度的绝对值视为第二绝对值，本车行驶速度的绝对值视为第三绝对值；
判断第一绝对值是否等于第二绝对值与第三绝对值之和，若是，则将目标车辆筛除；否则，保留目标车辆。
2.如权利要求1所述一种基于V2X的无威胁车辆筛选方法，其特征在于，所述以本车中心为原点，以本车行驶方向为X轴，建立本车坐标系包括如下步骤：
获取本车在地方独立坐标系中的坐标值(X1,Y1)以及第一航向角θ1；
获取目标车辆在地方独立坐标系中的坐标值(X2,Y2)以及第二航向角θ2；
以本车坐标值(X1,Y1)为原点，以本车行驶方向为X轴，建立本车坐标系；
求取目标车辆在本车坐标系的坐标值，求取公式如下：
x＝(X2-X1)cosθ1+(Y2-Y1)sinθ1；
y＝-(X2-X1)sinθ1+(Y2-Y1)cosθ1；
其中，所述(x,y)为目标车辆在本车坐标系中的坐标值。
3.如权利要求2所述一种基于V2X的无威胁车辆筛选方法，其特征在于，所述获取目标车辆行驶速度，并计算目标车辆行驶速度在本车坐标系X轴方向上的投影速度步骤，包括：
获取目标车辆的行驶速度；
计算目标车辆在本车坐标系中的相对航向角θ；
目标车辆行驶速度与相对航向角θ的余弦值的乘积即为投影速度。
4.如权利要求3所述一种基于V2X的无威胁车辆筛选方法，其特征在于，所述目标车辆在本车坐标系中的相对航向角θ等于第二航向角θ2与第一航向角θ1的差值。
5.如权利要求1所述一种基于V2X的无威胁车辆筛选方法，其特征在于，所述判断目标车辆与本车之间的距离是否随时间增大步骤包括：
获取本车与目标车辆在上一时刻的第一距离值；
获取本车与目标车辆在当前时刻的第二距离值；
将第二距离值减去第一距离值，得到第一距离差值；
当距离差值大于0，则认为目标车辆与本车之间的距离随时间增大；否则，认为目标车辆与本车之间的距离不随时间增大。
6.如权利要求5所述一种基于V2X的无威胁车辆筛选方法，其特征在于，所述判断第一绝对值是否等于第二绝对值与第三绝对值之和，若是，则将目标车辆筛除；否则，保留目标车辆步骤之后，还包括对被保留车辆的威胁评估：
继续获取本车与目标车辆在下一时刻的第三距离值；
将第三距离值减去第二距离值，得到第二距离差值；
当第二距离差值小于0，则将目标车辆视为威胁车辆；
当第二距离差值大于等于0且小于第一距离差值，则以固定周期持续获取目标车辆的行驶信息，实现对目标车辆的监测；
当第二距离差值大于第一距离差值，则忽略目标车辆。
7.如权利要求6所述一种基于V2X的无威胁车辆筛选方法，其特征在于，所述当第二距离差值小于0，则将目标车辆视为威胁车辆之后，还包括：
向本车发出预警信号。
8.如权利要求7所述一种基于V2X的无威胁车辆筛选方法，其特征在于，所述预警信号至少包括图片预警、振动预警、声音预警、屏幕闪烁预警中的一种。
9.如权利要求6所述一种基于V2X的无威胁车辆筛选方法，其特征在于，在所述当第二距离差值大于等于0且小于第一距离差值，则以固定周期持续获取目标车辆的行驶信息，实现对目标车辆的监测步骤中，所述获取目标车辆行驶信息的固定周期与第二距离差值成正比关系。
CN202010382021.XA 2020-05-08 2020-05-08 一种基于v2x的无威胁车辆筛选方法 Active CN111653090B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010382021.XA CN111653090B (zh) 2020-05-08 2020-05-08 一种基于v2x的无威胁车辆筛选方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010382021.XA CN111653090B (zh) 2020-05-08 2020-05-08 一种基于v2x的无威胁车辆筛选方法

Publications (2)

Publication Number Publication Date
CN111653090A true CN111653090A (zh) 2020-09-11
CN111653090B CN111653090B (zh) 2022-03-22

Family

ID=72348037

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010382021.XA Active CN111653090B (zh) 2020-05-08 2020-05-08 一种基于v2x的无威胁车辆筛选方法

Country Status (1)

Country Link
CN (1) CN111653090B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101407199A (zh) * 2008-10-28 2009-04-15 湖北汽车工业学院 一种车辆碰撞预警方法及装置
CN101727758A (zh) * 2009-12-15 2010-06-09 浙江工业大学 一种基于短程无线通信的车辆危险警告信息传递方法
CN102013174A (zh) * 2010-11-18 2011-04-13 华东理工大学 基于光通信的车辆碰撞预警系统
CN103197675A (zh) * 2013-03-13 2013-07-10 北京矿冶研究总院 地下铲运机自主行驶和避障运动控制及目标路径规划方法
CN104299452A (zh) * 2014-10-28 2015-01-21 奇瑞汽车股份有限公司 一种车辆碰撞预警系统及其预警方法
CN107993487A (zh) * 2017-12-11 2018-05-04 东软集团股份有限公司 避让紧急车辆的方法及装置
CN108039065A (zh) * 2017-12-25 2018-05-15 重庆冀繁科技发展有限公司 车辆运行安全监控方法
CN108366347A (zh) * 2017-12-29 2018-08-03 惠州市德赛西威汽车电子股份有限公司 一种车联网动态自组网的方法
CN109413572A (zh) * 2018-10-31 2019-03-01 惠州市德赛西威汽车电子股份有限公司 车辆碰撞预警及车速引导的优化方法及系统

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101407199A (zh) * 2008-10-28 2009-04-15 湖北汽车工业学院 一种车辆碰撞预警方法及装置
CN101727758A (zh) * 2009-12-15 2010-06-09 浙江工业大学 一种基于短程无线通信的车辆危险警告信息传递方法
CN102013174A (zh) * 2010-11-18 2011-04-13 华东理工大学 基于光通信的车辆碰撞预警系统
CN103197675A (zh) * 2013-03-13 2013-07-10 北京矿冶研究总院 地下铲运机自主行驶和避障运动控制及目标路径规划方法
CN104299452A (zh) * 2014-10-28 2015-01-21 奇瑞汽车股份有限公司 一种车辆碰撞预警系统及其预警方法
CN107993487A (zh) * 2017-12-11 2018-05-04 东软集团股份有限公司 避让紧急车辆的方法及装置
CN108039065A (zh) * 2017-12-25 2018-05-15 重庆冀繁科技发展有限公司 车辆运行安全监控方法
CN108366347A (zh) * 2017-12-29 2018-08-03 惠州市德赛西威汽车电子股份有限公司 一种车联网动态自组网的方法
CN109413572A (zh) * 2018-10-31 2019-03-01 惠州市德赛西威汽车电子股份有限公司 车辆碰撞预警及车速引导的优化方法及系统

Also Published As

Publication number Publication date
CN111653090B (zh) 2022-03-22

Similar Documents

Publication Publication Date Title
US11151867B2 (en) Traffic condition system for internet of vehicles based on image recognition
CN104269073B (zh) 一种基于车车通信的逆向车道超车预警方法
CN106781485B (zh) 道路拥堵识别方法、v2x车载终端以及车联网系统
JP6556939B2 (ja) 車両制御装置
Ghahremannezhad et al. Real-time accident detection in traffic surveillance using deep learning
US10282996B1 (en) Collision prevention based on connected devices
CN113538917A (zh) 碰撞预警方法与碰撞预警装置
Yang et al. Research on forward collision warning system based on connected vehicle V2V communication
WO2023035710A1 (zh) 一种弱势交通参与者碰撞预警方法及其系统、存储介质
WO2021189767A1 (zh) 一种基于v2x的多目标处理方法
CN111653090B (zh) 一种基于v2x的无威胁车辆筛选方法
CN118155401A (zh) 一种道路拥堵位置识别方法、设备及装置
CN112258895A (zh) 一种基于v2x的丁字路口碰撞判断方法
CN115200586B (zh) 基于协同感知和智能边缘计算的自动驾驶路径规划方法
KR102551566B1 (ko) 교통사고 검지 시스템 및 그 방법
US11823570B2 (en) Traffic management server, and method and computer program for traffic management using the same
CN115240470A (zh) 基于nr-v2x的弱势交通参与者碰撞预警系统与方法
CN111681430B (zh) 实时预测未来机动车到达信号灯路口停止线台数的方法
CN114170832A (zh) 公交车辆监测方法、装置、服务器、系统及存储介质
JPH0554294A (ja) 交差点情報通信装置
CN113470213A (zh) 数据处理方法、装置、车载终端设备和服务器
EP4322566B1 (en) Cpm apr based security for its
CN114771515B (zh) 车辆碰撞处理方法、装置及相关设备
US20220348216A1 (en) Proxy basic safety message for unequipped vehicles
Minh et al. Granular quantifying traffic states using mobile probes

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