CN111994075A - 一种基于人工智能的驾驶辅助方法 - Google Patents
一种基于人工智能的驾驶辅助方法 Download PDFInfo
- Publication number
- CN111994075A CN111994075A CN202010940738.1A CN202010940738A CN111994075A CN 111994075 A CN111994075 A CN 111994075A CN 202010940738 A CN202010940738 A CN 202010940738A CN 111994075 A CN111994075 A CN 111994075A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- preset
- driving
- vehicles
- driver
- 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- Withdrawn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
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 16
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 230000004399 eye closure Effects 0.000 claims description 11
- 238000005516 engineering process Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000005070 sampling Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 238000013475 authorization Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000004424 eye movement Effects 0.000 description 2
- 230000001815 facial effect Effects 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 210000003128 head Anatomy 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000012549 training 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
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/095—Predicting travel path or likelihood of collision
- B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
-
- 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
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
-
- 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
- B60W40/00—Estimation 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
- B60W40/08—Estimation 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 drivers or passengers
-
- 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
- B60W50/08—Interaction between the driver and the control system
- B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
-
- 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
- B60W40/00—Estimation 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
- B60W40/08—Estimation 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 drivers or passengers
- B60W2040/0818—Inactivity or incapacity of driver
- B60W2040/0827—Inactivity or incapacity of driver due to sleepiness
-
- 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
- B60W50/08—Interaction between the driver and the control system
- B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
- B60W2050/143—Alarm means
-
- 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
-
- 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
- B60W2540/00—Input parameters relating to occupants
- B60W2540/229—Attention level, e.g. attentive to driving, reading or sleeping
-
- 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
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/404—Characteristics
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种基于人工智能的驾驶辅助方法,判断本车辆的驾驶员是否存在疲劳驾驶的情况,若存在疲劳驾驶的情况,则获取本车辆的驾驶信息以及预设半径范围内的其他车辆的驾驶信息,根据本车辆以及其他车辆的驾驶信息,进行行驶轨迹预测,进而预测本车辆和其他车辆是否存在碰撞危险,若预测本车辆和其他车辆存在碰撞危险,则根据本车辆的实际速度信息的大小采取相应的解决措施。因此,本发明提供的基于人工智能的驾驶辅助方法根据车速的大小进行不同的解决措施,能够提升汽车辅助驾驶的安全性,相较于传统的汽车辅助驾驶方式,驾驶安全性较高,而且智能化程度较高。
Description
技术领域
本发明涉及一种基于人工智能的驾驶辅助方法。
背景技术
随着科学技术的发展,越来越多的人工智能技术应用到实际生产和生活中,给人们生活带来极大的便利。以人工智能应用到智能辅助驾驶技术领域为例,目前智能辅助驾驶已经成为一个极度火热的研究领域,在智能辅助驾驶技术的支持下,用户可以轻松且安全实现车辆操控,其驾驶轻松度与安全性可以得到质的提升。目前常见的智能辅助驾驶技术包括但不限于并线辅助、自适应巡航、车道偏离预警、自动紧急制动等。但是目前的基于人工智能技术的驾驶辅助方法只能够根据与前车的距离进行安全控制,安全性较低。
发明内容
本发明的目的是提供一种基于人工智能的驾驶辅助方法,用于解决现有的驾驶辅助方法的安全性较低的问题。
本发明采用以下技术方案:
一种基于人工智能的驾驶辅助方法,包括:
获取本车辆的驾驶员信息;
根据所述驾驶员信息,判断所述本车辆的驾驶员是否存在疲劳驾驶的情况;
若所述本车辆的驾驶员存在疲劳驾驶的情况,则获取本车辆的驾驶信息以及预设半径范围内的其他车辆的驾驶信息;
根据所述本车辆的驾驶信息预测本车辆的行驶轨迹,根据所述其他车辆的驾驶信息预测其他车辆的行驶轨迹;
根据所述本车辆的行驶轨迹以及其他车辆的行驶轨迹,采用预设的碰撞预测算法预测所述本车辆和其他车辆是否存在碰撞危险;
若预测所述本车辆和其他车辆存在碰撞危险,则获取本车辆的实际速度信息;
比较所述实际速度信息与预设速度阈值;
若所述实际速度信息大于或者等于所述预设速度阈值,则按照预设的第一安全干预方式对所述本车辆进行安全应急控制,按照预设的第一提醒方式对所述本车辆的驾驶员进行安全提醒,并将所述本车辆和其他车辆存在碰撞危险的预测结果发送至所述其他车辆;
若所述实际速度信息小于所述预设速度阈值,则按照预设的第二提醒方式对所述本车辆的驾驶员进行安全提醒,并将所述本车辆和其他车辆存在碰撞危险的预测结果发送至所述其他车辆。
进一步地,所述获取本车辆的驾驶员信息,包括:
获取所述本车辆的驾驶员在第一预设时间段内闭眼的总次数,以及每次闭眼的闭眼持续时间;
相应地,所述根据所述驾驶员信息,判断所述本车辆的驾驶员是否存在疲劳驾驶的情况,包括:
比较每次闭眼的闭眼持续时间与预设闭眼时间阈值,获取大于或者等于所述预设闭眼时间阈值的闭眼持续时间,并统计大于或者等于所述预设闭眼时间阈值的闭眼持续时间的次数,得到第一次数;
计算所述第一次数与所述总次数的实际比值;
若所述实际比值大于或者等于预设比值,则判断所述本车辆的驾驶员存在疲劳驾驶的情况,若所述实际比值小于所述预设比值,则判断所述本车辆的驾驶员不存在疲劳驾驶的情况。
进一步地,若所述实际速度信息小于所述预设速度阈值,且在之后的第二预设时间段内未检测到所述本车辆的驾驶员对本车辆进行安全操作,则按照预设的第二安全干预方式对所述本车辆进行安全应急控制。
进一步地,所述根据所述本车辆的行驶轨迹以及其他车辆的行驶轨迹,采用预设的碰撞预测算法预测所述本车辆和其他车辆是否存在碰撞危险,包括:
根据所述本车辆的行驶轨迹获取第一行驶轨迹曲线;
根据所述其他车辆的行驶轨迹获取第二行驶轨迹曲线;
在预设坐标上绘制所述第一行驶轨迹曲线和所述第二行驶轨迹曲线;
获取所述第一行驶轨迹曲线和所述第二行驶轨迹曲线的最小距离;
比较所述最小距离与预设距离阈值,若所述最小距离小于或者等于所述预设距离阈值,则判断所述本车辆和其他车辆存在碰撞危险,若所述最小距离大于所述预设距离阈值,则判断所述本车辆和其他车辆不存在碰撞危险。
本发明的有益效果为:先根据本车辆的驾驶员信息判断本车辆的驾驶员是否存在疲劳驾驶的情况,当本车辆的驾驶员存在疲劳驾驶的情况时,启动驾驶辅助,提升驾驶辅助的可靠性和智能化程度;获取本车辆的驾驶信息以及预设半径范围内的其他车辆的驾驶信息预测得到本车辆和其他车辆的行驶轨迹,进而根据本车辆的行驶轨迹以及周围其他车辆的行驶轨迹,进行本车辆和其他车辆是否存在碰撞危险的判定,当本车辆和其他车辆存在碰撞危险时,若实际速度信息大于或者等于预设速度阈值,即若车速比较快时,则按照预设的第一安全干预方式对本车辆进行主动安全应急控制,避免发生碰撞危险,提升安全性,而且,按照预设的第一提醒方式对本车辆的驾驶员进行安全提醒,以提升本车辆驾驶员清醒并注意危险,还将本车辆和其他车辆存在碰撞危险的预测结果发送至其他车辆,使其他车辆的驾驶员均注意到碰撞危险,使得其他车辆也及时采取相关的安全措施,提升驾驶安全性;若本车辆的实际速度信息小于预设速度阈值,即车速较小时,则按照预设的第二提醒方式对本车辆的驾驶员进行安全提醒,并将本车辆和其他车辆存在碰撞危险的预测结果发送至其他车辆,由于本车辆的车速较小,则此时将主动安全驾驶的权限给到驾驶员本人,使得驾驶员在经过提醒之后能够采取合适的安全措施,提升驾驶安全性。因此,根据车速的大小进行不同的解决措施,能够提升汽车辅助驾驶的安全性,相较于传统的汽车辅助驾驶方式,驾驶安全性较高,而且智能化程度较高。
附图说明
图1是本发明提供的一种基于人工智能的驾驶辅助方法的流程图;
图2是第一行驶轨迹曲线和第二行驶轨迹曲线不相交的示意图;
图3是第一行驶轨迹曲线和第二行驶轨迹曲线相交的示意图。
具体实施方式
本实施例提供一种基于人工智能的驾驶辅助方法,该驾驶辅助方法的硬件执行主体可以为车辆中的车载终端或者整车控制器,本实施例以整车控制器为例,即该驾驶辅助方法的实现过程由整车控制器执行。由于该驾驶辅助方法需要车辆之间进行数据共享,因此,各个车辆均需要进行联网,比如:各个车辆的整车控制器通过无线网络与后台服务器通信连接,则通过后台服务器就可以实现各个车辆的整车控制器进行数据共享,即实现各个车辆的数据交互和数据共享。由于本车辆需要获取预设半径范围内的其他车辆的数据信息,因此,各个车辆上均可以设置有定位器,后台服务器获取各个车辆的位置信息,并根据各个车辆的位置信息确定本车辆预设半径范围内的其他车辆,最后控制预设半径范围内的其他车辆与本车辆进行数据交互。或者,通过专门的无线收发器直接实现各个车辆的数据交互,比如:对于本车辆而言,只能够接收到预设半径范围内的其他各个车辆的数据信息。其中,预设半径范围中的预设半径的大小由实际情况进行确定,比如由无线收发器的功率,或者周围建筑物的密集程度决定。应当注意,本实施例中,该驾驶辅助方法以本车辆作为主体进行说明,当然,该驾驶辅助方法并非只适用于本车辆,所以,其他车辆中的相关检测设备以及相关数据处理设备与本车辆相同。
如图1所示,该驾驶辅助方法包括以下步骤:
步骤S1:获取本车辆的驾驶员信息:
整车控制器获取本车辆的驾驶员信息,驾驶员信息用于判断本车辆的驾驶员是否存在疲劳驾驶的情况。那么,驾驶员信息为能够判断驾驶员是否疲劳驾驶的数据信息。
本实施例中,本车辆的驾驶员信息包括:本车辆的驾驶员在第一预设时间段内闭眼的总次数,以及每次闭眼的闭眼持续时间。应当理解,第一预设时间段由整车控制器进行预设,该第一预设时间段的长短由实际需要进行设置。本车辆中设置有摄像头,用于采集驾驶员的面部特征,通过获取面部特征得到驾驶员各次闭眼的状态。那么,整车控制器获取本车辆的驾驶员在第一预设时间段内闭眼的总次数,以及每次闭眼的闭眼持续时间。
闭眼持续时间可以采用如下方式进行检测:对于任意一次闭眼,检测该次闭眼的闭眼时刻,以及接下来出现的第一次睁眼的睁眼时刻,这两个时刻之间的时间段为闭眼持续时间,而闭眼检测方式以及睁眼检测方式属于常规技术手段,不再赘述。
步骤S2:根据所述驾驶员信息,判断所述本车辆的驾驶员是否存在疲劳驾驶的情况:
整车控制器获取到驾驶员信息之后,根据驾驶员信息判断本车辆的驾驶员是否存在疲劳驾驶的情况。由于本实施例中,本车辆的驾驶员信息包括:本车辆的驾驶员在第一预设时间段内闭眼的总次数,以及每次闭眼的闭眼持续时间,则以下给出一种疲劳驾驶的判断过程:
整车控制器中预设有一个闭眼时间阈值,该预设闭眼时间阈值由实际需要进行设置,比如2s。整车控制器比较每次闭眼的闭眼持续时间与预设闭眼时间阈值,就得到两种闭眼状态,一种是闭眼持续时间大于或者等于预设闭眼时间阈值的闭眼状态,另一种是闭眼持续时间小于预设闭眼时间阈值的闭眼状态。那么,整车控制器获取大于或者等于预设闭眼时间阈值的闭眼持续时间,并统计大于或者等于预设闭眼时间阈值的闭眼持续时间的闭眼次数,该闭眼次数为第一次数。
整车控制器计算第一次数与总次数的实际比值。
整车控制器中预设有一个比值,该预设比值由实际需要进行设置。若实际比值大于或者等于预设比值,表示长时间闭眼的次数占比较大,则判定本车辆的驾驶员存在疲劳驾驶的情况,若实际比值小于预设比值,表示长时间闭眼的次数占比较小,则判定本车辆的驾驶员不存在疲劳驾驶的情况。
上述疲劳驾驶的判断过程能够可靠准确地对疲劳驾驶进行检测,应当理解,上述只是给出了一种疲劳驾驶的判断过程,作为其他的实施方式,还可以采用现有已公开的其他疲劳驾驶判断方法,比如授权公告号为CN104881955B 的中国专利文件中公开的一种驾驶员疲劳驾驶检测方法,包括:采集驾驶员行驶过程中的头部图像;从头部图像中定位驾驶员的眼睛区域,判断驾驶员是否佩戴墨镜,并获得粗定位眼睛图像,其中,判断驾驶员是否佩戴墨镜的方法为先假定驾驶员未佩戴墨镜并得到眼睛区域的图像,将图像转化到HSV空间,选取V通道,并使用OTSU算法进行二值化,统计二值化后图像中黑色像素点的比例,如果超出设定阈值,则认为驾驶员佩戴墨镜;根据不同光线情况和驾驶员是否佩戴墨镜对粗定位眼睛图像进行处理得到眼睛轮廓的图像,其中,使用 Mask匀光算法、金字塔的均值漂移分割算法中的至少一个算法对粗定位眼睛图像进行处理得到眼睛轮廓的图像;根据眼睛轮廓的图像,通过重心位置的x坐标将眼睛目标分为左右两个部分,分别计算左右两个部分的重心,计算其连线与水平线的夹角,按照夹角旋转图像,将眼睛旋转至水平,再计算眼睛轮廓的上下边界得到眼高,根据眼高计算得到驾驶员行驶过程中眼睛的开合度;判断眼睛的开合度是否小于设定的阈值,是则判定驾驶员处于疲劳状态。
相应地,若疲劳驾驶判断过程发生变化,则步骤S1中获取到的本车辆的驾驶员信息也发生相应的变化,需要与疲劳驾驶判断过程相适配。
步骤S3:若所述本车辆的驾驶员存在疲劳驾驶的情况,则获取本车辆的驾驶信息以及预设半径范围内的其他车辆的驾驶信息:
若本车辆的驾驶员存在疲劳驾驶的情况,则启动辅助驾驶控制,即整车控制器获取本车辆的驾驶信息以及预设半径范围内的其他车辆的驾驶信息。其他车辆为处于本车辆预设半径范围内的车辆,其他车辆的个数不定,可以只有一个,也可以包含多个。应当理解,其他车辆的驾驶信息通过无线通信方式输出给本车辆。
驾驶信息为车辆在行驶过程中的各种行驶信息,由于驾驶信息用于预测对应车辆的行驶轨迹,因此,驾驶信息为能够预测行驶轨迹的行驶信息。根据驾驶信息预测车辆的行驶轨迹属于常规技术手段,现有技术中已有一定程度的公开,比如授权公告号为CN105718750B的中国专利文件中公开了一种车辆行驶轨迹的预测方法,包括:从车辆的原始交通数据中提取历史轨迹信息,并对历史轨迹信息进行聚类分析,得到聚类簇;利用聚类簇,对初始模型进行训练,得到预测模型;利用预测模型,对车辆的行驶轨迹进行预测,得到目标行驶轨迹;其中,预测模型携带虚拟参考点的参考信息;每个虚拟参考点的参考信息包括自身坐标值和RSSI值;计算目标行驶轨迹的可信度,当可信度达到预设阈值时,利用目标行驶轨迹的位置信息,对预测模型中参考信息进行更新;利用进行参考信息更新后的预测模型对车辆的行驶轨迹进行下一次预测;其中,历史轨迹信息携带虚拟参考点的参考信息;利用预测模型,对车辆的行驶轨迹进行预测,得到目标行驶轨迹,包括:获取车辆的RSSI值;根据所有虚拟参考点的自身坐标值和RSSI值,计算得到与车辆的RSSI相对应的车辆坐标值;利用车辆坐标值,对车辆的行驶轨迹进行预测,得到目标行驶轨迹。基于上述一种车辆行驶轨迹的预测方法,驾驶信息可以是能够实现行驶轨迹预测的各数据信息。再比如:授权公告号为CN109572550B的中国专利文件中公开了一种行车轨迹预测方法,包括:获取驾驶员眼动数据及车辆行驶数据,车辆行驶数据至少包括车辆当前状态数据;通过用于识别驾驶员驾驶状态的随机森林模型对驾驶员眼动数据进行识别,得到驾驶员的当前驾车状态数据;通过行车策略预测模型对驾驶员的当前驾车状态数据进行处理,得到驾驶员当前状态行车策略数据;通过行车轨迹预测模型对车辆当前状态数据与驾驶员当前状态行车策略数据进行处理,以得到与驾驶员当前状态相适应的未来行车轨迹信息。基于上述一种行车轨迹预测方法,驾驶信息可以是能够实现行驶轨迹预测的各数据信息。
因此,整车控制器获取本车辆的驾驶信息以及预设半径范围内的其他车辆的驾驶信息的具体数据组成由后续采用的行驶轨迹预测方法决定,由于行驶轨迹预测方法属于现有技术,则本车辆的驾驶信息以及预设半径范围内的其他车辆的驾驶信息也属于现有技术。
步骤S4:根据所述本车辆的驾驶信息预测本车辆的行驶轨迹,根据所述其他车辆的驾驶信息预测其他车辆的行驶轨迹:
整车控制器根据获取到的本车辆的驾驶信息预测本车辆的行驶轨迹,根据获取到的其他车辆的驾驶信息预测其他车辆的行驶轨迹。由于行驶轨迹预测方法属于现有技术,不再赘述。
步骤S5:根据所述本车辆的行驶轨迹以及其他车辆的行驶轨迹,采用预设的碰撞预测算法预测所述本车辆和其他车辆是否存在碰撞危险:
整车控制器得到本车辆的行驶轨迹以及其他车辆的行驶轨迹之后,采用预设的碰撞预测算法预测本车辆和其他车辆是否存在碰撞危险。本实施例中,其他车辆以只有一个车辆为例进行说明,若包含多个车辆,则每一个车辆的处理过程与此相同。
本车辆和其他车辆是否存在碰撞危险的预测过程由实际需要进行设置,本实施例给出一种具体实现过程,包括:
步骤S501:根据本车辆的行驶轨迹获取第一行驶轨迹曲线。应当理解,本车辆的行驶轨迹为本车辆即将行驶的路线,则整车控制器根据本车辆的行驶轨迹获取第一行驶轨迹曲线。其中,可以根据本车辆的行驶轨迹得到若干个坐标点,根据各坐标点得到第一行驶轨迹曲线。
步骤S502:根据其他车辆的行驶轨迹获取第二行驶轨迹曲线。同理,其他车辆的行驶轨迹为其他车辆即将行驶的路线,则整车控制器根据其他车辆的行驶轨迹车辆的行驶轨迹获取第二行驶轨迹曲线。其中,可以根据其他车辆的行驶轨迹得到若干个坐标点,根据各坐标点得到第二行驶轨迹曲线。
步骤S503:在预设坐标上绘制第一行驶轨迹曲线和第二行驶轨迹曲线。应当理解,整车控制器中预设有一个坐标,将第一行驶轨迹曲线和第二行驶轨迹曲线绘制在该预设坐标上,即将这两个曲线的各个坐标点绘制在坐标上。
步骤S504:获取第一行驶轨迹曲线和第二行驶轨迹曲线的最小距离。应当理解,整车控制器获取这两个曲线的最小距离,即这两个曲线中的距离最近的两个点的距离。由于根据两个已知的曲线获取这两个曲线的最小距离属于常规技术手段,不再赘述。
步骤S505:比较最小距离与预设距离阈值。整车控制器中预设有一个距离阈值,该预设距离阈值由实际需要进行设置。整车控制器做如下判断:若最小距离小于或者等于预设距离阈值,则判断本车辆和其他车辆存在碰撞危险,若最小距离大于预设距离阈值,则判断本车辆和其他车辆不存在碰撞危险。其中,最小距离小于或者等于预设距离阈值包括两种情况:(1)第一行驶轨迹曲线(曲线A)和第二行驶轨迹曲线(曲线B)不相交,如图2所示,Lmin为第一行驶轨迹曲线和第二行驶轨迹曲线的最小距离;(2)第一行驶轨迹曲线(曲线A)和第二行驶轨迹曲线(曲线B)相交,如图3所示,则第一行驶轨迹曲线和第二行驶轨迹曲线的最小距离为0。
作为其他的实施方式,还可以采用其他的预测方式,比如:根据预设的采样周期确定若干个采样时刻,获取本车辆的行驶轨迹中的各个采样时刻的本车辆的坐标点,以及获取其他车辆的行驶轨迹中的各个采样时刻的其他车辆的坐标点,然后分别计算相同采样时刻下的本车辆的坐标点与其他车辆的坐标点的距离,获取这些距离中的最小值,比较最小距离值与预设值的大小,若最小距离值小于或者等于该预设值,则判断存在碰撞危险,若最小距离值大于该预设值,则判断不存在碰撞危险。
应当理解,根据本车辆的行驶轨迹以及其他车辆的行驶轨迹,采用预设的碰撞预测算法预测本车辆和其他车辆是否存在碰撞危险的预测算法属于常规技术,本实施例不局限于上述两种方式,还可以采用现有技术中的其他方式。
步骤S6:若预测所述本车辆和其他车辆存在碰撞危险,则获取本车辆的实际速度信息:
本车辆中设置有速度传感器,能够实时检测本车辆的实际速度信息,那么,若预测本车辆和其他车辆存在碰撞危险,则整车控制器通过速度传感器获取本车辆的实际速度信息。
步骤S7:比较所述实际速度信息与预设速度阈值:
整车控制器中预设有一个速度阈值,该预设速度阈值的数值大小由实际情况进行设置,比如20km/h。
整车控制器比较实际速度信息与预设速度阈值,以确定实际速度信息与预设速度阈值的大小关系。
步骤S8:若所述实际速度信息大于或者等于所述预设速度阈值,则按照预设的第一安全干预方式对所述本车辆进行安全应急控制,按照预设的第一提醒方式对所述本车辆的驾驶员进行安全提醒,并将所述本车辆和其他车辆存在碰撞危险的预测结果发送至所述其他车辆:
整车控制器中预设有第一安全干预方式,整车控制器能够根据该第一安全干预方式对本车辆进行相应的安全应急控制。第一安全干预方式的具体方式由实际需要进行设置,但是不管第一安全干预方式的具体方式是什么,均是为了使本车辆脱离危险,降低与其他车辆发生碰撞的风险,比如:第一安全干预方式包括:控制打开双闪、打开喇叭并减速,还可以包括前轮向右转一定角度,使得靠路边停车。
整车控制器中预设有第一提醒方式和第二提醒方式,由于第一提醒方式用于在本车辆的实际速度信息大于或者等于预设速度阈值的情况下对驾驶员进行提醒,而第二提醒方式用于在本车辆的实际速度信息小于预设速度阈值的情况下对驾驶员进行提醒,因此,第一提醒方式的力度要高于第二提醒方式,使得给驾驶员更大的外部提醒,使其注意安全。比如:第一提醒方式可以包括:车内报警器的报警声音的分贝为第一分贝、方向盘和座椅震动;而第二提醒方式可以包括:车内报警器的报警声音的分贝为第二分贝,其中,第一分贝大于第二分贝。
若实际速度信息大于或者等于预设速度阈值,则整车控制器按照预设的第一安全干预方式对本车辆进行安全应急控制,使本车辆进入到一个较为安全的状态,降低与其他车辆发生碰撞的风险;按照预设的第一提醒方式对本车辆的驾驶员进行安全提醒,使其注意安全;并将本车辆和其他车辆存在碰撞危险的预测结果发送至其他车辆,实现数据共享,使其他车辆也能够获知到碰撞危险的信息,进而使其他车辆能够及时采取相关的安全措施。
步骤S9:若所述实际速度信息小于所述预设速度阈值,则按照预设的第二提醒方式对所述本车辆的驾驶员进行安全提醒,并将所述本车辆和其他车辆存在碰撞危险的预测结果发送至所述其他车辆:
若本车辆的实际速度信息小于预设速度阈值,则整车控制器按照预设的第二提醒方式对本车辆的驾驶员进行安全提醒,并将本车辆和其他车辆存在碰撞危险的预测结果发送至其他车辆。因此,若本车辆的实际速度信息小于预设速度阈值,则将主动安全驾驶的权限给到驾驶员本人,使得驾驶员在经过提醒之后能够采取合适的安全措施,提升驾驶安全性。
进一步地,整车控制器中预设有第二预设时间段,该第二预设时间段由实际需要进行设置,而且,该第二预设时间段的起始时刻为整车控制器按照预设的第二提醒方式对本车辆的驾驶员进行安全提醒的时刻。整车控制器中还预设有第二安全干预方式,该第二安全干预方式可以与第一安全干预方式相同,也可以不同,比如第二安全干预方式仅包括控制车辆减速以及打开双闪。
整车控制器在按照预设的第二提醒方式对本车辆的驾驶员进行安全提醒之后,本车辆的驾驶员应当能够采取相关的安全操作(作为一个具体实施方式,本车辆的驾驶员应当采取的安全操作为车辆制动),以降低危险。那么,整车控制器检测本车辆驾驶员是否对本车辆进行安全操作,即检测车辆是否制动。若第二预设时间段内未检测到本车辆的驾驶员对本车辆进行安全操作,即若本车辆的实际速度信息小于预设速度阈值,且在之后的第二预设时间段内未检测到本车辆的驾驶员对本车辆进行安全操作,则整车控制器按照预设的第二安全干预方式对本车辆进行安全应急控制,提高驾驶安全性。
上述实施例仅以一种具体的实施方式说明本发明的技术方案,任何对本发明进行的等同替换及不脱离本发明精神和范围的修改或局部替换,其均应涵盖在本发明权利要求保护的范围之内。
Claims (4)
1.一种基于人工智能的驾驶辅助方法,其特征在于,包括:
获取本车辆的驾驶员信息;
根据所述驾驶员信息,判断所述本车辆的驾驶员是否存在疲劳驾驶的情况;
若所述本车辆的驾驶员存在疲劳驾驶的情况,则获取本车辆的驾驶信息以及预设半径范围内的其他车辆的驾驶信息;
根据所述本车辆的驾驶信息预测本车辆的行驶轨迹,根据所述其他车辆的驾驶信息预测其他车辆的行驶轨迹;
根据所述本车辆的行驶轨迹以及其他车辆的行驶轨迹,采用预设的碰撞预测算法预测所述本车辆和其他车辆是否存在碰撞危险;
若预测所述本车辆和其他车辆存在碰撞危险,则获取本车辆的实际速度信息;
比较所述实际速度信息与预设速度阈值;
若所述实际速度信息大于或者等于所述预设速度阈值,则按照预设的第一安全干预方式对所述本车辆进行安全应急控制,按照预设的第一提醒方式对所述本车辆的驾驶员进行安全提醒,并将所述本车辆和其他车辆存在碰撞危险的预测结果发送至所述其他车辆;
若所述实际速度信息小于所述预设速度阈值,则按照预设的第二提醒方式对所述本车辆的驾驶员进行安全提醒,并将所述本车辆和其他车辆存在碰撞危险的预测结果发送至所述其他车辆。
2.根据权利要求1所述的基于人工智能的驾驶辅助方法,其特征在于,所述获取本车辆的驾驶员信息,包括:
获取所述本车辆的驾驶员在第一预设时间段内闭眼的总次数,以及每次闭眼的闭眼持续时间;
相应地,所述根据所述驾驶员信息,判断所述本车辆的驾驶员是否存在疲劳驾驶的情况,包括:
比较每次闭眼的闭眼持续时间与预设闭眼时间阈值,获取大于或者等于所述预设闭眼时间阈值的闭眼持续时间,并统计大于或者等于所述预设闭眼时间阈值的闭眼持续时间的次数,得到第一次数;
计算所述第一次数与所述总次数的实际比值;
若所述实际比值大于或者等于预设比值,则判断所述本车辆的驾驶员存在疲劳驾驶的情况,若所述实际比值小于所述预设比值,则判断所述本车辆的驾驶员不存在疲劳驾驶的情况。
3.根据权利要求1所述的基于人工智能的驾驶辅助方法,其特征在于,若所述实际速度信息小于所述预设速度阈值,且在之后的第二预设时间段内未检测到所述本车辆的驾驶员对本车辆进行安全操作,则按照预设的第二安全干预方式对所述本车辆进行安全应急控制。
4.根据权利要求1所述的基于人工智能的驾驶辅助方法,其特征在于,所述根据所述本车辆的行驶轨迹以及其他车辆的行驶轨迹,采用预设的碰撞预测算法预测所述本车辆和其他车辆是否存在碰撞危险,包括:
根据所述本车辆的行驶轨迹获取第一行驶轨迹曲线;
根据所述其他车辆的行驶轨迹获取第二行驶轨迹曲线;
在预设坐标上绘制所述第一行驶轨迹曲线和所述第二行驶轨迹曲线;
获取所述第一行驶轨迹曲线和所述第二行驶轨迹曲线的最小距离;
比较所述最小距离与预设距离阈值,若所述最小距离小于或者等于所述预设距离阈值,则判断所述本车辆和其他车辆存在碰撞危险,若所述最小距离大于所述预设距离阈值,则判断所述本车辆和其他车辆不存在碰撞危险。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010940738.1A CN111994075A (zh) | 2020-09-09 | 2020-09-09 | 一种基于人工智能的驾驶辅助方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010940738.1A CN111994075A (zh) | 2020-09-09 | 2020-09-09 | 一种基于人工智能的驾驶辅助方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111994075A true CN111994075A (zh) | 2020-11-27 |
Family
ID=73469534
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010940738.1A Withdrawn CN111994075A (zh) | 2020-09-09 | 2020-09-09 | 一种基于人工智能的驾驶辅助方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111994075A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113421455A (zh) * | 2020-12-31 | 2021-09-21 | 安波福电子(苏州)有限公司 | 一种车辆安全模组 |
CN114013446A (zh) * | 2021-11-19 | 2022-02-08 | 安徽江淮汽车集团股份有限公司 | 一种带驾驶员生命体征监测系统的汽车 |
CN114735010A (zh) * | 2022-05-17 | 2022-07-12 | 中南大学 | 基于情绪识别的智能车辆行驶控制方法、系统及存储介质 |
-
2020
- 2020-09-09 CN CN202010940738.1A patent/CN111994075A/zh not_active Withdrawn
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113421455A (zh) * | 2020-12-31 | 2021-09-21 | 安波福电子(苏州)有限公司 | 一种车辆安全模组 |
CN113421455B (zh) * | 2020-12-31 | 2022-11-29 | 安波福电子(苏州)有限公司 | 一种车辆安全模组 |
CN114013446A (zh) * | 2021-11-19 | 2022-02-08 | 安徽江淮汽车集团股份有限公司 | 一种带驾驶员生命体征监测系统的汽车 |
CN114735010A (zh) * | 2022-05-17 | 2022-07-12 | 中南大学 | 基于情绪识别的智能车辆行驶控制方法、系统及存储介质 |
CN114735010B (zh) * | 2022-05-17 | 2022-12-13 | 中南大学 | 基于情绪识别的智能车辆行驶控制方法、系统及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112026761A (zh) | 一种基于数据共享的汽车辅助驾驶方法 | |
JP7205154B2 (ja) | 表示装置 | |
CN110155046A (zh) | 自动紧急制动分级控制方法与系统 | |
CN111994075A (zh) | 一种基于人工智能的驾驶辅助方法 | |
CN110164183A (zh) | 一种在车车通信条件下考虑他车驾驶意图的安全辅助驾驶预警方法 | |
CN109969172A (zh) | 车辆控制方法、设备及计算机存储介质 | |
CN107867283A (zh) | 基于预测模型的集成式fcw/acc/aeb系统及车辆 | |
US20220063669A1 (en) | Travel Control Method and Travel Control Device for Vehicle | |
CN111746511A (zh) | 车辆控制系统 | |
CN110533958A (zh) | 车辆变道提醒方法及系统 | |
CN110126730A (zh) | 车辆变道提醒方法及系统 | |
WO2022213542A1 (zh) | 基于激光雷达和轨迹预测的信控交叉口清空方法和系统 | |
CN113043944A (zh) | 融合轨迹预测和侧方障碍监测的车辆安全警示系统和方法 | |
CN110678914A (zh) | 用于自动驾驶车的控制的车辆控制装置及方法 | |
CN114126940A (zh) | 电子控制装置 | |
CN116572984A (zh) | 一种基于多特征融合的危险驾驶管控方法及系统 | |
CN113269990B (zh) | 一种车辆碰撞的预警方法及车辆控制系统 | |
CN113119945B (zh) | 一种基于环境模型的汽车高级辅助驾驶系统 | |
CN111103882A (zh) | 一种无人驾驶电动汽车的自主跟车控制方法 | |
CN114194186B (zh) | 车辆行驶控制装置 | |
CN113370972B (zh) | 行驶控制装置、行驶控制方法以及存储程序的计算机可读取存储介质 | |
CN106809159A (zh) | 车辆超越动作自动提醒方法和装置 | |
CN111591294B (zh) | 一种不同交通环境下的车辆换道预警方法 | |
CN113401056A (zh) | 显示控制装置、显示控制方法以及计算机可读取存储介质 | |
CN116187067A (zh) | 混合交通流下无信控行人过街横道的人车冲突分析方法 |
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: 20201127 |
|
WW01 | Invention patent application withdrawn after publication |