CN111830942A - 一种安全自动驾驶方法及系统 - Google Patents
一种安全自动驾驶方法及系统 Download PDFInfo
- Publication number
- CN111830942A CN111830942A CN202010729615.3A CN202010729615A CN111830942A CN 111830942 A CN111830942 A CN 111830942A CN 202010729615 A CN202010729615 A CN 202010729615A CN 111830942 A CN111830942 A CN 111830942A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- automatic driving
- driver
- fault
- information
- 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.)
- Withdrawn
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0208—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the configuration of the monitoring system
- G05B23/0213—Modular or universal configuration of the monitoring system, e.g. monitoring system having modules that may be combined to build monitoring program; monitoring system that can be applied to legacy systems; adaptable monitoring system; using different communication protocols
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供的一种安全自动驾驶方法,该方法采集车辆行驶周围环境信息,将收集到的信息进行数据处理并分析,将分析后的数据转化成指令,从而使当前车辆获取自动驾驶指令,实时检测的车辆行驶过程中车辆状态,若有车辆有故障,将传输相应的控制策略给驾驶员,同时向服务终端发出警报,该过程通过获取行驶车辆周围的信息,可有效的制定出最优的驾驶方案,降低了交通拥挤的情况,提高了自动驾驶安全系数,车辆行驶时对车辆自身状态进行检测,实时知晓车辆自身情况,减少了意外事件的发生,增加了车辆驾驶安全系数,控制策略可以有效的知晓车辆故障原因,快速制定出维修方案,缩短了车辆的维修时间。本发明还提供一种安全自动驾驶系统。
Description
技术领域
本发明属于自动驾驶技术领域,更具体地说,是涉及一种安全自动驾驶方法及系统。
背景技术
目前,交通拥堵是每个大城市都存在的问题,导致行车时间长比较长,易造成司机疲劳驾驶,进而发生交通事故;因车辆故障导致交通拥挤或意外事件的发生,造成不可弥补的损失;车辆维修时,因车辆零部件有上千种,且电控系统的复杂性和故障的多样化,在车辆不解体的情况下,使得判断故障及制定解决方案时很难快速准确地找到最佳方案,导致汽车维修周期长,维修成本高,进而造成资源浪费的现象。在现有技术中,车辆行驶过程中由驾驶员非正常操作或车辆自身故障产生的安全隐患不能被及时发现并得到解决。
发明内容
本发明的目的在于提供一种安全自动驾驶方法及系统,旨在解决车辆行驶过程中由驾驶员非正常操作或车辆自身故障产生的安全隐患不能被及时发现并得到解决的技术问题。
为实现上述目的,本发明采用的技术方案是:提供一种安全自动驾驶方法,包括:
步骤1、采集车辆行驶周围环境的信息;
步骤2、将收集到的信息进行数据处理并分析;
步骤3、将分析后的数据转化成指令,从而使当前车辆获取自动驾驶指令;
步骤4、实时检测的车辆行驶过程中车辆状态,若有车辆有故障,将传输相应的控制策略给驾驶员,同时向服务终端发出警报。
优选地,所述步骤1车辆行驶周围环境的信息包括:车道信息、障碍物位置、障碍物距离、障碍物速度、车辆自身状态、交通标志及信号灯颜色。
优选地,所述步骤2中,车道监测通过摄像头确定车辆与车道线的距离偏差、角度偏差、道路曲率、车辆前方障碍物相对位置及速度;通过雷达获得车辆一定范围内的与障碍物相对距离及速度。
优选地,所述步骤3中,基于周围环境的信息判断车辆是否偏离轨道,若发生偏离,则发出报警信号。
优选地,所述步骤4的车辆故障检测方法步骤如下:
步骤4.1、利用车辆数据库中的诊断案例的故障现象和故障原因对应传感器输出数据,通过随机梯度下降算法迭代训练得到最优的网络权值,通过误差反向传播神经网络中网络数学模型的节点输出模型和作用函数进行计算。
隐层节点输出模型:
Oj=f(∑Wij×Xi-qj)
输出节点输出模型:
f-非线形作用函数;q-神经单元阀值;Xi-输入信号;输入节点与隐层节点的联接强度取值Wij;隐层节点与输出节点之间的联接强度Tjk。
作用函数模型:
作用函数是反应下层输入对应上层节点刺激脉冲强度的函数又称刺激函数,作用函数一般取(0,1)内连续取值Sigmoid函数:
f(x)=1/(1+e-x);
步骤4.2、传感器提取发动机进气温度、发动机冷却液温度、发动机机油温度、变速器润滑油油温温度监测;传感器提取机油压力、进气压力、轮胎压力、ABS油压压力监测数据;传感器提取发动机转速、轮胎转速速度监测数据;
步骤4.3、将采集的数据输入到反向传播神经网络模型中,会输出一个控制策略;
步骤4.4、控制策略信息包括:故障诊断、事故预报、生产指导,并发送给驾驶员,同时向求助服务终端发出警报。
优选地,还包括:步骤5,实时监测驾驶员状态,若驾驶员行为异常时,以车内人员安全为核心,启动自动驾驶模式控制车辆驾驶状态。
优选地,所述步骤5包括以下步骤:
步骤5.1、利用含有驾驶员面容、规范动作及驾驶姿态的数据库作为训练集并构建级联线性网络结构识别模型,获取规范驾驶行为的聚类均值,此聚类均值为设定的阀值;
步骤5.2、在车内摄像头监测驾驶员驾驶行为,并将驾驶员的行为图像传输到级联线性网络结构识别模型内;
步骤5.3、级联线性网络结构识别模型对输出的值与设定的阀值进行比较,若输出结果小于或等于设定的阈值,则为驾驶行为正常,无需发送任何指令;若输入结果大于设定的阈值,则为驾驶行为异常,立即启动自动驾驶模式控制车辆驾驶状态。
本发明还包括另一种安全自动驾驶系统,其特征在于,包括自动驾驶组件,所述自动驾驶组件包括:
车道线识别模块,设置在所述车辆前方;
障碍物识别模块,设置在所述车辆上方;
毫米波雷达,设置在所述车辆的前方、后方和侧面;
超声波雷达,设置在所述车辆的后方;
激光雷达,设置在所述车辆的前方两侧;
组合惯性导航装置,设置在所述车辆上方;
工控机装置,设置在所述车辆内,所述工控机装置分别与所述车道线识别模块、所述障碍物识别模块、所述毫米波雷达、所述超声波雷达、所述激光雷达及所述组合惯性导航装置连接。
优选地,还包故障检测组件,所述故障检测组件包括:
温度传感系统,设置在所述车辆发动机上;
压力传感系统,设置在所述车辆发动机主油道上、进气歧管处、车胎、燃油分配器管路上;
速度传感系统,设置在所述车辆发动机和车胎上;
故障分析单元,设置在所述工控机装置上,所述故障分析单元分别与所述温度传感系统、所述压力传感系统和所述速度传感系统连接。
优选地,还包括驾驶员行为检测组件,所述驾驶员行为检测组件包括:
监测摄像模块,设置在所述车辆驾驶室内;
级联线性网络结构异常分析单元,设置在所述工控机装置上,所述级联线性网络结构异常分析单元与所述监测摄像模块连接。
由上述方案可知,本发明提供的一种安全自动驾驶方法,该方法采集车辆行驶周围环境信息,将收集到的信息进行数据处理并分析,将分析后的数据转化成指令,从而使当前车辆获取自动驾驶指令,实时检测的车辆行驶过程中车辆状态,若有车辆有故障,将传输相应的控制策略给驾驶员,同时向服务终端发出警报,该过程通过获取行驶车辆周围的信息,来确定车辆行驶前方路况,通过分析后的数据可有效的制定出最优的驾驶方案,进而降低了交通拥挤的情况,自动驾驶提高了行车安全系数,避免了驾驶员的
疲劳驾驶,车辆行驶时对车辆自身状态进行检查,车辆故障时发送控制策略,实时知晓车辆自身情况提前安排维修,减少了车辆因突发故障导致的交通堵塞,同时也降低了因车辆故障导致的意外事件的发生,增加了车辆驾驶安全系数,接收到的控制策略可以有效的知晓车辆故障原因,从而可以快速制定出维修方案,进而缩短了车辆的维修时间,降低了维修成本,减少了资源浪费等情况。
作为本申请另一实施例,本发明还提供了一种安全自动驾驶系统,用于控制车辆在路面上自动驾驶,该种安全自动驾驶系统包括:车道线识别模块、障碍物识别模块、毫米波雷达、超声波雷达、激光雷达、组合惯性导航装置及工控机装置,车道线识别模块安装在车辆前方,最大视角识别行驶车道的车道线信息,障碍物识别模块安装在车辆上方,可知晓前方远处交通信号灯的状态标志及障碍物信息,为了能获取车道路上信息的图像信息更准确且全面,可在车辆上安装多个障碍物识别模块,通过安装在车辆前方、后方、侧面的毫米雷达,可精准的获取车辆周围障碍物的相对距离和相对速度;通过安装在车辆后方的超声波雷达,获取周边近距离的障碍物的相对距离和相对速度;通过安装在车辆前方两侧的激光雷达,获得车辆前向路沿特征,实现对前向路沿的识别,组合惯性导航装置安装在车的上方,组合惯性导航装置采用多个传感器融合技术将卫星定位、定向和惯性测量相结合,输出高精准度的位置、速度、姿态、角速度及加速度信息,工控机装置安装在车辆内,工控机装置与车道线识别模块、障碍物识别模块、毫米波雷达、超声波雷达、激光雷达及组合惯性导航装置连接,该种安全自动驾驶系统,通过车道线识别模块、障碍物识别模块、毫米波雷达、超声波雷达、激光雷达和组合惯性导航装置与工控机装置连接,可有效的获取当前车辆行驶的车道线信息、前方交通信号灯的状态标志及障碍物信息,感知当前车辆与周围障碍物之间的距离、障碍物之间的相对速度及相对位置,工控机装置发出当前车辆的自动驶指令信号,提高了自动驾驶的安全性,一种安全自动驾驶系统,有效的避免了因驾驶员疲劳驾驶导致的交通事故,车辆上的车辆控制系统结构简单,成本低。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术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的前提下,还可以根据这些附图获得其他的附图。
图1为一种安全自动驾驶方法流程框图;
图2为一种安全自动驾驶方法中的车辆故障检测方法流程框图;
图3为误差反向传播神经网络结构图;
图4为一种安全自动驾驶方法中的行为检测方法流程框图;
图5为一种安全自动驾驶系统结构框图。
具体实施方式
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,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术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,都属于本发明保护的范围。
实施例1
请一并参阅图1至图5,现对本发明提供了一种安全自动驾驶方法进行说明,该方法的步骤包括:
S1、采集车辆行驶周围环境的信息。
具体地,摄像头获取车辆当前行驶车道的车道线信息、前方交通信号灯的状态标志及障碍物信息,为了能获取车道路上信息的图像信息更准确且全面,可在车辆上安装多个摄像头。通过雷达获取车辆周围障碍物的相对距离、相对速度及车辆前向路沿特征。
S2、将收集到的信息进行数据处理并分析。
具体地,CAN通信采用无破坏性的仲裁机制,即若总线上的多个节点同时发送数据,具有高优先级数据包的节点仲裁胜出,可继续发送数据,而其他仲裁失败的节点将推出发送状态,转为接收节点,与其他总线仲裁机制相比,其不仅不破坏已发送的数据,同时不会造成发送数据延迟,通过CAN通信与摄像头确定车辆与车道的距离偏差、角度偏差、道路曲率、车辆前方障碍物相对位置及速度;通过CAN通信与雷达获得车辆一定范围内与障碍物相对距离及速度,采用CAN通信传输数据能够及时准确将数据信息传输,有助于加快数据分析时间。
S3将分析后的数据转化成指令,从而使当前车辆获取自动驾驶指令。
具体地,将分析后的数据转化成指令,从而使当前车辆获取自动驾驶指令,自动驾驶指令信号包括“准备行驶”、“行驶”、“准备停止”、“停止”四个状态中的一个。
S4实时检测的车辆行驶过程中车辆状态,若有车辆有故障,将传输相应的控制策略给驾驶员,同时向服务终端发出警报。
具体地,传感器采集车辆行驶中需要消耗的器件信息,将信息转化成数据与车辆安全数据进行匹配,匹配后的结果如果有偏差,将问题数据与历史问题数据进行匹配,找到符合解决问题的控制策略,将控制策略发送给驾驶员,同时向求助服务终端发出警报。
上述一种安全自动驾驶方法,通过获取行驶车辆周围的信息,来确定车辆行驶前方路况,通过分析后的数据可有效的制定出最优的驾驶方案,采用CAN 通信传输数据能够及时准确将数据信息传输,而且CAN通信具有抗电磁波干扰能力强,为自动驾驶系统提供安全可靠地信息传输途径,该过程通过获取行驶车辆周围的信息,来确定车辆行驶前方路况,通过分析后的数据可有效的制定出最优的驾驶方案,进而降低了交通拥挤的情况,自动驾驶提高了行车安全系数,避免了驾驶员非正常操作引发的安全风险,进而降低了交通拥挤的情况,车辆行驶时对车辆自身状态进行检查,车辆故障时发送控制策略,实时知晓车辆自身情况提前安排维修,减少了车辆因突发故障导致的交通堵塞,同时也降低了因车辆故障导致的意外事件的发生,增加了车辆驾驶安全系数,接收到的控制策略可以有效的知晓车辆故障原因,从而可以快速制定出维修方案,进而缩短了车辆的维修时间,降低了维修成本,减少了资源浪费等情况。
具体的说,一种安全自动驾驶方法,当应用在公交车驾驶系统上,避免驾驶员疲劳驾驶,导致的交通事故,因公交车有规定的行驶路线,可预先将公交车的行驶路线上遇到的所有交通标志和信号灯信息录入系统,当公交车行驶时,获取的信息与系统数据库中的信息进行比对分析,根据结果选择适合的行驶指令,因公交车驾驶路线唯一,进一步提高车辆驾驶的安全系数。
本实施例中,一种安全自动驾驶方法,在自动驾驶系统启动状态中,基于周围环境的信息判断车辆是否偏离轨道,通过摄像头和雷达的数据进行分析车辆位置、速度及行车路线与车辆发出的指令信息比对,若不一致发生偏离,则发出报警标识和状态显示标识到整车网络系统,使其车辆能按照指令进行驾驶,并发出报警标识告知驾驶员,驾驶员需要对驾驶状态进行监控,状态显示标识到整车网络系统,系统调整切换手动驾驶模式,该种安全自动驾驶方法,可有效的提高行车安全驾驶系数。
实施例中,一种安全自动驾驶方法中的骤4的车辆故障检测方法步骤如下:
S4.1、利用车辆数据库中的诊断案例的故障现象和故障原因对应传感器输出数据,通过随机梯度下降算法迭代训练得到最优的网络权值,通过误差反向传播神经网络中网络数学模型的节点输出模型和作用函数进行计算。
隐层节点输出模型:
Oj=f(∑Wij×Xi-qj)
输出节点输出模型:
f-非线形作用函数;q-神经单元阀值;Xi-输入信号;输入节点与隐层节点的联接强度取值Wij;隐层节点与输出节点之间的联接强度Tjk。
作用函数模型:
作用函数是反应下层输入对应上层节点刺激脉冲强度的函数又称刺激函数,作用函数一般取(0,1)内连续取值Sigmoid函数:
f(x)=1/(1+e-x);
具体地,利用车辆数据库中的诊断案例的故障现象、故障原因及故障等级对应传感器输出数据,通过随机梯度下降算法迭代训练得到最优的网络权值,建立一个有映射关系的反向传播神经网络模型,通过调整输入节点与隐层节点的联接强度取值Wij和隐层节点与输出节点之间的联接强度以及阈值Tjk,使误差沿梯度方向下降,经过反复学习训练,确定与最小误差相对应的网络参数(权值和阈值),训练即告停止。此时经过训练的神经网络即能对类似样本的输入信息,又能自行处理输出误差最小的经过非线形转换的信息。
S4.2、传感器提取发动机进气温度、发动机冷却液温度、发动机机油温度、变速器润滑油油温温度监测;传感器提取机油压力、进气压力、轮胎压力、ABS 油压压力监测数据;传感器提取发动机转速、轮胎转速速度监测数据。
具体地,根据车辆行驶时磨损消耗位置设置相应的感应器,检测出发动机进气温度T1、发动机冷却液温度T2、发动机机油温度T3、变速器润滑油油温 T4共计4组温度,检测出机油压力P1、进气压力P2、轮胎压力P3和ABS油压 P4共计4组压力;检测发动机转速V1、轮胎转速V2共计2组速度的对应的3 组个物理信号值,易导致车辆故障发生的原因。
步骤4.3、将采集的数据输入到反向传播神经网络模型中,会输出一个控制策略。
将误差反向传播神经网络模型传感器模式中的数据记录如下:
温度向量S1=[T1,T2,T3,T4]
压力向量S2=[P1,P2,P3,P4]
速度向量S3=[V1,V2]
将记录的数据转化为状态信息,每个测量值都有在其正常范围,当测量值在该范围内时,故障分析单元指令状态为1,当测量值不在该范围内时,故障分析单元指令状态为0。
具体地,第一级10个ART-2神经网络构成,分别对3组不同的物理传感信号进行融合,第二级用一个反射传播神经网络结构对第一级融合的结果进行2 次融合,将结果输入信息空间经映射φ到聚类融合空间C,这里映射φ由10个 ART-2神经网络组成每个网络的维数K=11,其他参数如对比度常数,调整子系统常数等以及之后的误差反向传播神经网络模型的建立均需要根据具体实际情况由专业数学建模人员来完成。之后再由聚类融合空间C经映射φ到类别空间也就是故障原因和故障等级,等级分为正常、轻微、一般、严重、非常严重5 个等级。
S4.4、控制策略信息包括:故障诊断、事故预报、生产指导,并发送给驾驶员,同时向求助服务终端发出警报。
具体地,故障分析单元安装在工控机装置上,有效的将控制策略信息发送给驾驶员、控制系统及向求助终端发出警报,控制策略提供:故障诊断、事故预报及生产指导有助于我们对故障了解。
上述一种安全自动驾驶方法中的车辆故障检测方法,实时知晓车辆自身情况提前安排维修,减少了车辆因突发故障导致的交通堵塞,同时也降低了因车辆故障导致的意外事件的发生,增加了车辆驾驶安全系数,接收到的控制策略可以有效的知晓车辆故障原因,从而可以快速制定出维修方案,进而缩短了车辆的维修时间,降低了维修成本,减少了资源浪费等情况。
本实施例中,一种安全自动驾驶方法,还包括步骤5,通过行为检测组件实时监测驾驶员状态,若驾驶员行为异常时,以车内人员安全为核心,启动自动驾驶模式控制车辆驾驶状态。
具体地,通过摄像头采集驾驶员的面容及驾驶姿势信息,通过级联线性神经网络模型判断司机是否为异常驾驶行为,若驾驶行为异常,为了车内人员安全,车辆将收到自动驾驶指令,控制当前车辆驾驶状态。
异常驾驶行为判断方法骤如下:
S5.1利用含有驾驶员面容、规范动作及驾驶姿态的数据库作为训练集并构建级联线性网络结构识别模型,获取规范驾驶行为的聚类均值,此聚类均值为设定的阀值;
建级联线性网络结构识别模型,首先面容、规范动作及驾驶姿态图像作为样本,输出流光图,将光流图平均分割成非重叠的光流子图,尺寸为w×h。在时序上使用同一空间位置的子图用于训练对应的通过级联线性网络结构识别模型。某一个空间位置处有N张子图用于训练,训练集表示为X=[X1,X2,...XN] ∈Rwh×N。对于某个子图Xi,在每一个空间点处取出尺寸为k1xk2的图块,所有重叠的图块组成的集合可以表示为{Xi,1,Xi,2,…,Xi,(h-k1+1)x (w-k2+1)}其中每一项Xi,j表示Xi的第j个按列向量化的图块。对于每一个图块,减去其所在集合的均值,可以得到矩阵所有的光流子图,可以通过相同的操作得到对应的矩阵。将所有的矩阵连接在一起,可以得到:其中q=(h-k1+1)×(w-k2+1)。第一级的级联线性网络结构识别滤波核可以表示为:
第二级的滤波核可以通过如下操作得到:
其中函数H(.)对于整数的输出为1,其它的输入值输出为0。将每个数值型图分割成B块,计算每个块的直方图信息,然后再将各个块的直方图特征进行级联,最终得到块扩展直方图特征。
根据上述公式可得出级联线性网络结构识别模型的直方图特征。
S5.2、在车内摄像头监测驾驶员驾驶行为,并将驾驶员的行为图像传输到级联线性网络结构识别模型内。
具体地,摄像头检测到驾驶员行为的视频通过计算得到流光子图,通过对应的级联线性网络结构识别模型可以得到相应的局部特征值。
S5.3级联线性网络结构识别模型对输出的值与设定的阀值进行比较,若输出结果小于或等于设定的阈值,则为驾驶行为正常,无需发送任何指令;若输入结果大于设定的阈值,则为驾驶行为异常,立即启动自动驾驶模式控制车辆驾驶状态。
上述一种安全自动驾驶方法中的行为检测方法,采用级联线性网络结构识别模型可有效的将驾驶员的驾驶状态实时记录,同时系统检测出驾驶员异常驾驶时,将停止驾驶员控制车辆系统,启动车辆自动驾驶模式,可有效的避免驾驶员因非正常操作导致的交通事故,增加了行车安全系统,该方法使用在公交车上,可有效的避免因公交车行车时间长,导致的驾驶员疲劳驾驶,引发的意外事故,增加了公共出行的安全系数,同时也可以记录驾驶员的工作情况。
实施例2
本发明还提供一种安全自动驾驶系统,用于控制车辆在路面上自动驾驶,该种安全自动驾驶系统包括:车道线识别模块、障碍物识别模块、毫米波雷达、超声波雷达、激光雷达、组合惯性导航装置及工控机装置,车道线识别模块安装在车辆前方,最大视角识别行驶车道的车道线信息,障碍物识别模块安装在车辆上方,可知晓前方远处交通信号灯的状态标志及障碍物信息,为了能获取车道路上信息的图像信息更准确且全面,可在车辆上安装多个障碍物识别模块,通过安装在车辆前方、后方、侧面的毫米雷达,可精准的获取车辆周围障碍物的相对距离和相对速度;通过安装在车辆后方的超声波雷达,获取周边近距离的障碍物的相对距离和相对速度;通过安装在车辆前方两侧的激光雷达,获得车辆前向路沿特征,实现对前向路沿的识别,组合惯性导航装置安装在车的上方,组合惯性导航装置采用多个传感器融合技术将卫星定位、定向和惯性测量相结合,输出高精准度的位置、速度、姿态、角速度及加速度信息,工控机装置安装在车辆内,工控机装置与车道线识别模块、障碍物识别模块、毫米波雷达、超声波雷达、激光雷达及组合惯性导航装置连接,该种安全自动驾驶系统,通过车道线识别模块、障碍物识别模块、毫米波雷达、超声波雷达、激光雷达和组合惯性导航装置与工控机装置连接,可有效的获取当前车辆行驶的车道线信息、前方交通信号灯的状态标志及障碍物信息,感知当前车辆与周围障碍物之间的距离、障碍物之间的相对速度及相对位置,工控机装置发出当前车辆的自动驶指令信号,进而提高了自动驾驶的安全性,一种安全自动驾驶系统,有效的避免了因驾驶员疲劳驾驶导致的交通事故,车辆上的车辆控制系统结构简单,成本低。
本实施例中,一种安全自动驾驶系统还包故障检测组件,其中故障检测组件包括温度传感系统、压力传感系统、速度传感系统和故障分析单元,温度传感系统安装在车辆发动机上;压力传感系统安装在车辆发动机主道上、进气歧管处、车胎和燃油分配器管路上;速度传感系统安装在车辆发动机和车胎上;故障分析单元安装在工控机装置上,故障分析单元分别与温度传感系统、压力传感系统及速度传感系统连接,将温度传感系统、压力传感系统及速度传感系统上的数据进行分析处理,该种安全自动驾驶系统,实时知晓车辆自身情况提前安排维修,减少了车辆因突发故障导致的交通堵塞,同时也降低了因车辆故障导致的意外事件的发生,增加了车辆驾驶安全系数,接收到的控制策略可以有效的知晓车辆故障原因,从而可以快速制定出维修方案,进而缩短了车辆的维修时间,降低了维修成本,减少了资源浪费等情况。
本实施例中,一种安全自动驾驶系统还包括驾驶员行为检测组件,驾驶员行为检测组件包括监测摄像模块和级联线性网络结构异常分析单元,监测摄像模块安装在驾驶室内,级联线性网络结构异常分析单元,设置在工控机装置上,级联线性网络结构异常分析单元与监测摄像模块连接,该种安全自动驾驶系统可有效的检测驾驶员的状态,并作出相应的驾驶指令,减少因疲劳驾驶导致的意外事故的发生。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种安全自动驾驶方法,其特征在于,包括:
步骤1、采集车辆行驶周围环境的信息;
步骤2、将收集到的信息进行数据处理并分析;
步骤3、将分析后的数据转化成指令,从而使当前车辆获取自动驾驶指令;
步骤4、实时检测的车辆行驶过程中车辆状态,若有车辆有故障,将传输相应的控制策略给驾驶员,同时向服务终端发出警报。
2.如权利要求1所述的一种安全自动驾驶方法,其特征在于,所述步骤1车辆行驶周围环境的信息包括:车道信息、障碍物位置、障碍物距离、障碍物速度、车辆自身状态、交通标志及信号灯颜色。
3.如权利要求2所述的一种安全自动驾驶方法,其特征在于:所述步骤2中,车道监测通过摄像头确定车辆与车道线的距离偏差、角度偏差、道路曲率、车辆前方障碍物相对位置及速度;通过雷达获得车辆一定范围内的与障碍物相对距离及速度。
4.如权利要求3所述的一种安全自动驾驶方法,其特征在于:所述步骤3中,基于周围环境的信息判断车辆是否偏离轨道,若发生偏离,则发出报警信号。
5.如权利要求4所述的一种安全自动驾驶方法,其特征在于,所述步骤4的车辆故障检测方法步骤如下:
步骤4.1、利用车辆数据库中的诊断案例的故障现象和故障原因对应传感器输出数据,通过随机梯度下降算法迭代训练得到最优的网络权值,通过误差反向传播神经网络中网络数学模型的节点输出模型和作用函数进行计算。
隐层节点输出模型:
Oj=f(∑Wij×Xi-qj)
输出节点输出模型:
f-非线形作用函数;q-神经单元阀值;Xi-输入信号;输入节点与隐层节点的联接强度取值Wij;隐层节点与输出节点之间的联接强度Tjk。
作用函数模型:
作用函数是反应下层输入对应上层节点刺激脉冲强度的函数又称刺激函数,作用函数一般取(0,1)内连续取值Sigmoid函数:
f(x)=1/(1+e-x);
步骤4.2、传感器提取发动机进气温度、发动机冷却液温度、发动机机油温度、变速器润滑油油温温度监测;传感器提取机油压力、进气压力、轮胎压力、ABS油压压力监测数据;传感器提取发动机转速、轮胎转速速度监测数据;
步骤4.3、将采集的数据输入到反向传播神经网络模型中,会输出一个控制策略;
步骤4.4、控制策略信息包括:故障诊断、事故预报、生产指导,并发送给驾驶员,同时向求助服务终端发出警报。
6.如权利要求5所述的一种安全自动驾驶方法,其特征在于,还包括:步骤5,实时监测驾驶员状态,若驾驶员行为异常时,以车内人员安全为核心,启动自动驾驶模式控制车辆驾驶状态。
7.如权利要求6所述的一种安全自动驾驶方法,其特征在于,所述步骤5包括以下步骤:
步骤5.1、利用含有驾驶员面容、规范动作及驾驶姿态的数据库作为训练集并构建级联线性网络结构识别模型,获取规范驾驶行为的聚类均值,此聚类均值为设定的阀值;
步骤5.2、在车内摄像头监测驾驶员驾驶行为,并将驾驶员的行为图像传输到级联线性网络结构识别模型内;
步骤5.3、级联线性网络结构识别模型对输出的值与设定的阀值进行比较,若输出结果小于或等于设定的阈值,则为驾驶行为正常,无需发送任何指令;若输入结果大于设定的阈值,则为驾驶行为异常,立即启动自动驾驶模式控制车辆驾驶状态。
8.一种安全自动驾驶系统,其特征在于,包括自动驾驶组件,所述自动驾驶组件包括:
车道线识别模块,设置在所述车辆前方;
障碍物识别模块,设置在所述车辆上方;
毫米波雷达,设置在所述车辆的前方、后方和侧面;
超声波雷达,设置在所述车辆的后方;
激光雷达,设置在所述车辆的前方两侧;
组合惯性导航装置,设置在所述车辆上方;
工控机装置,设置在所述车辆内,所述工控机装置分别与所述车道线识别模块、所述障碍物识别模块、所述毫米波雷达、所述超声波雷达、所述激光雷达及所述组合惯性导航装置连接。
9.如权利要求8所述的一种安全自动驾驶系统,其特征在于,还包故障检测组件,所述故障检测组件包括:
温度传感系统,设置在所述车辆发动机上;
压力传感系统,设置在所述车辆发动机主油道上、进气歧管处、车胎、燃油分配器管路上;
速度传感系统,设置在所述车辆发动机和车胎上;
故障分析单元,设置在所述工控机装置上,所述故障分析单元分别与所述温度传感系统、所述压力传感系统和所述速度传感系统连接。
10.如权利要求9所述的一种安全自动驾驶系统,其特征在于,还包括驾驶员行为检测组件,所述驾驶员行为检测组件包括:
监测摄像模块,设置在所述车辆驾驶室内;
级联线性网络结构异常分析单元,设置在所述工控机装置上,所述级联线性网络结构异常分析单元与所述监测摄像模块连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010729615.3A CN111830942A (zh) | 2020-07-27 | 2020-07-27 | 一种安全自动驾驶方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010729615.3A CN111830942A (zh) | 2020-07-27 | 2020-07-27 | 一种安全自动驾驶方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111830942A true CN111830942A (zh) | 2020-10-27 |
Family
ID=72925495
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010729615.3A Withdrawn CN111830942A (zh) | 2020-07-27 | 2020-07-27 | 一种安全自动驾驶方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111830942A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113012389A (zh) * | 2021-03-15 | 2021-06-22 | 许琰 | 一种监测车辆司机驾驶行为的行车记录报警装置 |
CN113085872A (zh) * | 2021-04-23 | 2021-07-09 | 平安科技(深圳)有限公司 | 驾驶行为评估方法、装置、设备及存储介质 |
CN113435404A (zh) * | 2021-07-14 | 2021-09-24 | 深圳市比一比网络科技有限公司 | 基于雷达及图像检测的电客车调车安全辅助驾驶方法与系统 |
CN113635917A (zh) * | 2021-07-12 | 2021-11-12 | 东风汽车集团股份有限公司 | 一种车辆自动驾驶控制方法和装置 |
CN114639259A (zh) * | 2022-03-04 | 2022-06-17 | 安徽安凯汽车股份有限公司 | 一种无人驾驶客车启停智能控制系统 |
CN115009357A (zh) * | 2022-06-30 | 2022-09-06 | 北京主线科技有限公司 | 车辆转向检测控制系统、方法、电子设备及存储介质 |
CN116400382A (zh) * | 2023-06-09 | 2023-07-07 | 旷智中科(北京)技术有限公司 | 一种多线可调式激光雷达组合导航方法 |
-
2020
- 2020-07-27 CN CN202010729615.3A patent/CN111830942A/zh not_active Withdrawn
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113012389A (zh) * | 2021-03-15 | 2021-06-22 | 许琰 | 一种监测车辆司机驾驶行为的行车记录报警装置 |
CN113085872A (zh) * | 2021-04-23 | 2021-07-09 | 平安科技(深圳)有限公司 | 驾驶行为评估方法、装置、设备及存储介质 |
CN113635917A (zh) * | 2021-07-12 | 2021-11-12 | 东风汽车集团股份有限公司 | 一种车辆自动驾驶控制方法和装置 |
CN113435404A (zh) * | 2021-07-14 | 2021-09-24 | 深圳市比一比网络科技有限公司 | 基于雷达及图像检测的电客车调车安全辅助驾驶方法与系统 |
CN114639259A (zh) * | 2022-03-04 | 2022-06-17 | 安徽安凯汽车股份有限公司 | 一种无人驾驶客车启停智能控制系统 |
CN115009357A (zh) * | 2022-06-30 | 2022-09-06 | 北京主线科技有限公司 | 车辆转向检测控制系统、方法、电子设备及存储介质 |
CN115009357B (zh) * | 2022-06-30 | 2023-11-07 | 北京主线科技有限公司 | 车辆转向检测控制系统、方法、电子设备及存储介质 |
CN116400382A (zh) * | 2023-06-09 | 2023-07-07 | 旷智中科(北京)技术有限公司 | 一种多线可调式激光雷达组合导航方法 |
CN116400382B (zh) * | 2023-06-09 | 2023-08-22 | 旷智中科(北京)技术有限公司 | 一种多线可调式激光雷达组合导航方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111830942A (zh) | 一种安全自动驾驶方法及系统 | |
CN111462481B (zh) | 包含多功能无人车的云大脑智能交通系统 | |
US11242066B2 (en) | Vehicle control apparatus and vehicle control system and vehicle control method thereof | |
CN109544725B (zh) | 一种基于事件驱动的自动驾驶事故智能处理方法 | |
CN112466141A (zh) | 一种面向车路协同的智能网联路端设备交互方法、系统及存储介质 | |
GB2573738A (en) | Driving monitoring | |
CN111427041A (zh) | 一种矿区无人驾驶车辆的紧急停车系统 | |
CN113378741B (zh) | 一种基于多源传感器的飞机牵引车辅助感知方法及其系统 | |
Peng et al. | Intelligent method for identifying driving risk based on V2V multisource big data | |
CN112306051A (zh) | 一种高速公路无人驾驶交警车辆机器人系统 | |
JP7380616B2 (ja) | 自動運転制御装置、自動運転制御方法、及び自動運転制御プログラム | |
CN115465293B (zh) | 一种多传感器安全自认知及安全处理装置及方法 | |
CN109094574B (zh) | 一种基于台架的无人车驾驶状态测量控制系统 | |
CN112489383A (zh) | 一种基于机器视觉的预防闯红灯事故预警系统、方法 | |
CN112441019A (zh) | 一种面向车路协同的智能网联汽车行驶监控系统及方法 | |
CN117644880B (zh) | 一种面向智能网联汽车的融合安全防护系统及控制方法 | |
KR102368427B1 (ko) | 인공지능 알고리즘을 이용한 자율주행 동적운행 위험도 분석 및 평가 방법과, 이를 이용한 자율주행 평가시스템 | |
CN210760742U (zh) | 智能车辆辅助驾驶系统 | |
CN117008574A (zh) | 一种智能网联汽车高级辅助驾驶系统和自动驾驶系统测试平台 | |
US20230260301A1 (en) | Biometric task network | |
US11794780B2 (en) | Reward function for vehicles | |
CN114282776A (zh) | 车路协同评估自动驾驶安全性的方法、装置、设备和介质 | |
Peng et al. | A Method for Vehicle Collision Risk Assessment through Inferring Driver's Braking Actions in Near-Crash Situations | |
Bachmann et al. | Responsible integration of autonomous vehicles in an autocentric society | |
CN111985386A (zh) | 一种基于计划行为理论的行人违章穿行行为辨识方法 |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20201027 |
|
WW01 | Invention patent application withdrawn after publication |