CN112373482A - 一种基于驾驶模拟器的驾驶习惯建模方法 - Google Patents
一种基于驾驶模拟器的驾驶习惯建模方法 Download PDFInfo
- Publication number
- CN112373482A CN112373482A CN202011322112.0A CN202011322112A CN112373482A CN 112373482 A CN112373482 A CN 112373482A CN 202011322112 A CN202011322112 A CN 202011322112A CN 112373482 A CN112373482 A CN 112373482A
- Authority
- CN
- China
- Prior art keywords
- driving
- vehicle
- speed
- driver
- test
- 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
Links
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
- 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
- B60W40/09—Driving style or behaviour
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- B60W2050/0001—Details of the control system
- B60W2050/0019—Control system elements or transfer functions
- B60W2050/0028—Mathematical models, e.g. for simulation
- B60W2050/0029—Mathematical model of the driver
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- Transportation (AREA)
- Automation & Control Theory (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于驾驶模拟器的驾驶习惯建模方法,包括以下步骤:在模拟驾驶器上进行驾驶员在环模拟驾驶试验且全程录像;模拟驾驶试验的工况包括城市道路拥堵路况、城市道路非拥堵路况、高速道路拥堵路况、高速道路非拥堵路况;采集的数据包括跟车距离、车速、加速度;计算得到跟车距离最大值、最小值、平均值;车速最大值、最小值、平均值;加速度最大值;减速度最大值;根据录像计算合法加速变道机会总量和合法减速变道机会总量,并计算得到加速变道概率、减速变道概率;建立测试混合工况,检测驾驶习惯模型的可信度。本发明运用模拟驾驶器进行模拟驾驶试验实现驾驶员驾驶习惯建模,可降低实车测试成本,并得到高准确度的驾驶习惯模型。
Description
技术领域
本发明涉及汽车技术领域,特别涉及一种基于驾驶模拟器的驾驶习惯建模方法。
背景技术
随着汽车产业的不断发展,人均汽车保有量也在不断增长。然而,汽车的普及也带来了相关事故发生频率的增加,对人们的生命和财产安全造成了潜在的威胁。随着辅助驾驶技术和无人驾驶技术的迅猛发展,如何享受新技术带来的便利的前提下尽可能保障人们的生命和财产安全已经成为了相关行业研究人员的重要研究方向。由于辅助驾驶和无人驾驶技术尚未进入大规模商用阶段,在将来的一定时期内,可能出现有人和无人车辆共享道路的情况,因此,对驾驶员的驾驶习惯进行建模不但有利于对交通线路的安全性进行测试,从而避免错误的道路设计造成的事故;也有利于未来人机共驾时期进行行车安全测试。目前,现有技术中还没有报道关于如何运用驾驶模拟器进行驾驶习惯建模的方法。
发明内容
本发明的主要目的在于提供一种基于驾驶模拟器的驾驶习惯建模方法,以模拟驾驶器试验为基础,建立驾驶员驾驶习惯模型。
为了达到上述目的,本发明提供一种基于驾驶模拟器的驾驶习惯建模方法,包括以下步骤:
在模拟驾驶器上进行驾驶员在环模拟驾驶试验且全程录像;
所述模拟驾驶试验的工况包括城市道路拥堵路况、城市道路非拥堵路况、高速道路拥堵路况、高速道路非拥堵路况四种试验;
模拟驾驶试验中采集的数据包括跟车距离、车速、加速度;
根据模拟驾驶试验所采数据计算得到所述四种试验中的跟车距离最大值dmax、最小值dmin、平均值davg;车速最大值Vmax、最小值Vmin、平均值Vavg;加速度最大值amax。;减速度最大值ademax;
根据录像的视频计算合法加速变道机会总量和合法减速变道机会总量,并计算得到加速变道概率、减速变道概率;
建立测试混合工况,并进行非驾驶员在环的仿真试验和驾驶员在环试验,检测驾驶习惯模型的可信度。
进一步地,驾驶员模拟驾驶试验中的机动车异常工况包括:强行并道、超速驾驶、闯红绿灯、逆行、紧急制动。
进一步地,模拟驾驶试验中的行人和非机动车异常行为包括:行人或非机动车违规横穿马路、非机动车闯入机动车道。
进一步地,拥堵路况的判断标准是在长度大于或等于200m的道路上,任一车道内的所有机动车辆平均速度小于15km/h,否则为非拥堵路况。
进一步地,计算加速变道概率的公式如式(1)所示:
式(1)中,Pacc为模拟驾驶试验中加速变道概率,Nacc为模拟驾驶试验中加速变道机会总量,nacc为模拟驾驶试验中的加速变道次数;
计算减速变道概率的公式如式(2)所示:
式(2)中,Pdec为模拟驾驶试验中减速变道概率,Nacc为模拟驾驶试验中减速变道机会总量,nacc为模拟驾驶试验中减速变道次数。
进一步地,进行非驾驶员在环的仿真试验时,模拟真实驾驶员驾驶习惯的车辆,即模拟驾驶员车辆遵循以下规则:
1)当同车道前方存在其它车辆,需要进行跟车时,若跟车距离d大于跟车距离最大值dmax,车速V小于车速平均值Vavg,则模拟驾驶员车辆加速到车速平均值Vavg,且整个加速过程中加速度小于加速度最大值amax;
2)当同车道前方存在其它车辆,需要进行跟车时,若跟车距离d小于跟车距离最小值dmin,则模拟驾驶员车辆减速行驶,且整个减速过程中减速度大小必须小于减速度最大值ademax。
3)当同车道前方存在其它车辆,需要进行跟车时,若跟车距离小于跟车距离平均值davg,大于跟车距离最小值dmin,则以1km为路程窗口,若当前路程窗口内的平均行驶速度Vavgw小于车速平均值Vavg,则模拟驾驶员车辆加速行驶,且其加速度区间为[0,amax],速度保证在[Vmin,Vmax]区间中,直到跟车距离处在[dmin+(davg-dmin)*0.2,dmin+(davg-dmin)*0.4]区间内;若当前路程窗口内的平均行驶速度Vavgw大于车速平均值Vavg,则模拟驾驶员车辆减速行驶,且减速度区间为[ademax,0],速度保证在[Vmin,Vmax]区间中,直到跟车距离处在[dmin+(davg-dmin)*0.6,dmin+(davg-dmin)*0.8]区间内;
4)当同车道前方无其它车辆,不需要进行跟车时,若当前路程窗口内的平均行驶速度Vavgw小于车速平均值Vavg,则模拟驾驶员车辆加速行驶,且加速度区间为[0,amax];
5)当同车道前方无其它车辆,不需要进行跟车时,若当前路程窗口内的平均行驶速度Vavgw大于车速平均值Vavg,则模拟驾驶员车辆减速行驶,且加速度区间为[ademax,0]。
进一步地,进行非驾驶员在环的仿真试验时,模拟驾驶员车辆遵循以下规则:
若当前路况符合法定变道条件且当前路程窗口的平均行驶速度Vavgw小于速度平均值Vavg,且目标车速在相邻高速车道的法定速度区间内,则模拟驾驶员车辆趋向于变道至相邻高速车道,变道概率值为max(Pcha,Pacc),其中Pcha为候选变道概率,且Pcha=|(V-Vavg)/Vavg|;
若当前路况符合法定变道条件且当前路程窗口的平均行驶速度Vavgw大于速度平均值Vavg,且目标车速在相邻低速车道的法定速度区间内,则模拟驾驶员车辆趋向于变道至相邻低速,变道概率值为min(-Pcha,Pdec)。
进一步地,建立的混合测试工况包括所述模拟驾驶试验中设计的城市道路拥堵路况、城市道路非拥堵路况、高速道路拥堵路况、高速道路非拥堵路况,且四种路况的路长比例为1:1:1:1。
进一步地,混合测试工况下,若非驾驶员在环的仿真试验中的平均速度与驾驶员在环模拟驾驶试验的平均速度误差在15%以内,则认为当前所得驾驶习惯模型可信度在可接受范围之内。
由于采用上述技术方案,本发明达到以下技术效果:本发明运用模拟驾驶器进行模拟驾驶试验实现驾驶员驾驶习惯建模,可降低实车测试成本,且采用多种参数衡量驾驶习惯准确性,弥补了现有技术的不足。
附图说明
图1为根据本发明的基于驾驶模拟器的驾驶习惯建模方法的流程示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明,下面将结合实施例中的附图,对本发明实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例仅仅是本发明一部分的实施例,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所做的等效变化与修饰前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
请结合图1,本实施例提供的一种基于驾驶模拟器的驾驶习惯建模方法,包括如下步骤:
S1.进行模拟驾驶试验:
在模拟驾驶器上进行驾驶员在环模拟驾驶试验且全程录像。模拟驾驶试验包括城市道路拥堵路况、城市道路非拥堵路况、高速道路拥堵路况、高速道路非拥堵路况这四种试验;模拟驾驶试验中采集的数据包括跟车距离、车速、加速度;驾驶员模拟驾驶试验中包含的机动车异常工况有强行并道、超速驾驶、闯红绿灯、逆行、紧急制动;模拟驾驶试验中包含的行人和非机动车异常行为有行人或非机动车违规横穿马路、非机动车闯入机动车道。其中,拥堵路况的判断标准是在长度大于或等于200m的道路上,任一车道内的所有机动车辆平均速度小于15km/h,否则为非拥堵路况。
S2.处理试验数据
根据模拟驾驶试验所采数据计算得到根据所采数据得到四种试验中的跟车距离最大值dmax、最小值dmin、平均值davg;车速最大值Vmax、最小值Vmin、平均值Vavg;加速度最大值amax;减速度最大值ademax。根据录像获得的视频计算合法加速变道机会总量和合法减速变道机会总量,并计算得到加速变道概率、减速变道概率;
计算加速变道概率的公式如下式所示:
式中,Pacc为模拟驾驶试验中加速变道概率,Nacc为模拟驾驶试验中加速变道机会总量,nacc为模拟驾驶试验中的加速变道次数。
计算减速变道概率的公式如下所示
式中,Pdec为模拟驾驶试验中减速变道概率,Nacc为模拟驾驶试验中减速变道机会总量,nacc为模拟驾驶试验中减速变道次数。
S3.建立混合测试工况
建立的混合测试工况包括前述模拟驾驶试验中设计的四种试验工况,且城市道路拥堵路况、城市道路非拥堵路况、高速道路拥堵路况、高速道路非拥堵路况这四种试验路长所占比例为1:1:1:1,且相关工况中出现异常车辆、行人和非机动车辆违法行为的概率与步骤S1中相关工况相同。
S4进行模型测试
建立测试混合工况,并进行非驾驶员在环的仿真试验和驾驶员在环试验,检测驾驶习惯建模的可信度。进行非驾驶员在环的仿真试验时,模拟真实驾驶员驾驶习惯的车辆,即模拟驾驶员车辆遵循以下规则:
1)当同车道前方存在其它车辆,需要进行跟车时,若跟车距离d大于跟车距离最大值dmax,车速V小于车速平均值Vavg,则模拟驾驶员车辆加速到车速平均值Vavg,且整个加速过程中加速度小于最大加速度值amax。
2)当同车道前方存在其它车辆,需要进行跟车时,若跟车距离d小于跟车距离最小值dmin,则模拟驾驶员车辆减速行驶,且整个减速过程中减速度大小必须小于最大减速度ademax的大小。
3)当同车道前方存在其它车辆,需要进行跟车时,若跟车距离小于跟车距离平均值davg,大于跟车距离最小值dmin,则以1km为路程窗口,若当前路程窗口内的平均行驶速度Vavgw小于车速平均值Vavg,则模拟驾驶员车辆加速行驶,且其加速度区间为[0,amax],速度保证在[Vmin,Vmax]区间中,直到跟车距离处在[dmin+(davg-dmin)*0.2,dmin+(davg-dmin)*0.4]区间内。若当前路程窗口内的行驶平均速度Vavgw大于车速平均值Vavg,则模拟驾驶员车辆减速行驶,且减速度区间为[ademax,0],速度保证在[Vmin,Vmax]区间中,直到跟车距离处在[dmin+(davg-dmin)*0.6,dmin+(davg-dmin)*0.8]区间内。
4)当同车道前方无其它车辆,不需要进行跟车时,若当前路程窗口内的平均行驶速度Vavgw小于车速平均值Vavg,则模拟驾驶员车辆加速行驶,且加速度区间为[0,amax]。
5)当同车道前方无其它车辆,不需要进行跟车时,若当前路程窗口内的平均行驶速度Vavgw大于车速平均值Vavg,则模拟驾驶员车辆减速行驶,且加速度区间为[ademax,0]。
进行非驾驶员在环的仿真试验时,若当前路况符合法定变道条件且当前路程窗口的平均行驶速度Vavgw小于车速平均值Vavg,且目标车速在相邻高速车道的法定速度区间内,则模拟驾驶员车辆趋向于变道至相邻高速车道,变道概率值为max(Pcha,Pacc),其中Pcha为候选变道概率,且Pcha=|(V-Vavg)/Vavg|。
若当前路况符合法定变道条件且当前路程窗口的平均行驶速度Vavgw大于车速平均值Vavg,且目标车速在相邻低速车道的法定速度区间内,则模拟驾驶员车辆趋向于变道至相邻低速,变道概率值为min(-Pcha,Pdec)。
混合测试工况下,若非驾驶员在环的仿真试验中的平均速度与驾驶员在环模拟驾驶试验的平均速度误差在15%以内,则认为当前所得驾驶习惯模型可信度在可接受范围之内,否则,需要重新修正非驾驶员在环的仿真试验中的驾驶员习惯仿真策略。
最后输出所得到的驾驶员驾驶习惯模型。
以上所述仅为本发明较佳的实施方式,并非用以限定本发明的保护范围;同时,以上的描述对于相关技术领域中具有通常知识者应可明了并据以实施,因此其他未脱离本发明所揭露概念下所完成之等效改变或修饰,都应涵盖在本发明的保护范围之内。
Claims (9)
1.一种基于驾驶模拟器的驾驶习惯建模方法,其特征在于,包括以下步骤:
在模拟驾驶器上进行驾驶员在环模拟驾驶试验且全程录像;
所述模拟驾驶试验的工况包括城市道路拥堵路况、城市道路非拥堵路况、高速道路拥堵路况、高速道路非拥堵路况四种试验;
模拟驾驶试验中采集的数据包括跟车距离、车速、加速度;
根据模拟驾驶试验所采数据计算得到所述四种试验中的跟车距离最大值dmax、最小值dmin、平均值davg;车速最大值Vmax、最小值Vmin、平均值Vavg;加速度最大值amax;减速度最大值ademax;
根据录像的视频计算合法加速变道机会总量和合法减速变道机会总量,并计算得到加速变道概率、减速变道概率;
建立测试混合工况,并进行非驾驶员在环的仿真试验和驾驶员在环试验,检测驾驶习惯模型的可信度。
2.根据权利要求1所述一种基于驾驶模拟器的驾驶习惯建模方法,其特征在于,驾驶员模拟驾驶试验中的机动车异常工况包括:强行并道、超速驾驶、闯红绿灯、逆行、紧急制动。
3.根据权利要求1所述一种基于驾驶模拟器的驾驶习惯建模方法,其特征在于,模拟驾驶试验中的行人和非机动车异常行为包括:行人或非机动车违规横穿马路、非机动车闯入机动车道。
4.根据权利要求1所述一种基于驾驶模拟器的驾驶习惯建模方法,其特征在于,拥堵路况的判断标准是在长度大于或等于200m的道路上,任一车道内的所有机动车辆平均速度小于15km/h,否则为非拥堵路况。
6.根据权利要求5所述一种基于驾驶模拟器的驾驶习惯建模方法,其特征在于,进行非驾驶员在环的仿真试验时,模拟真实驾驶员驾驶习惯的车辆,即模拟驾驶员车辆遵循以下规则:
1)当同车道前方存在其它车辆,需要进行跟车时,若跟车距离d大于跟车距离最大值dmax,车速V小于车速平均值Vavg,则模拟驾驶员车辆加速到车速平均值Vavg,且整个加速过程中加速度小于加速度最大值amax;
2)当同车道前方存在其它车辆,需要进行跟车时,若跟车距离d小于跟车距离最小值dmin,则模拟驾驶员车辆减速行驶,且整个减速过程中减速度大小必须小于减速度最大值ademax。
3)当同车道前方存在其它车辆,需要进行跟车时,若跟车距离小于跟车距离平均值davg,大于跟车距离最小值dmin,则以1km为路程窗口,若当前路程窗口内的平均行驶速度Vavgw小于车速平均值Vavg,则模拟驾驶员车辆加速行驶,且其加速度区间为[0,amax],速度保证在[Vmin,Vmax]区间中,直到跟车距离处在[dmin+(davg-dmin)*0.2,dmin+(davg-dmin)*0.4]区间内;若当前路程窗口内的平均行驶速度Vavgw大于车速平均值Vavg,则模拟驾驶员车辆减速行驶,且减速度区间为[ademax,0],速度保证在[Vmin,Vmax]区间中,直到跟车距离处在[dmin+(davg-dmin)*0.6,dmin+(davg-dmin)*0.8]区间内;
4)当同车道前方无其它车辆,不需要进行跟车时,若当前路程窗口内的平均行驶速度Vavgw小于车速平均值Vavg,则模拟驾驶员车辆加速行驶,且加速度区间为[0,amax];
5)当同车道前方无其它车辆,不需要进行跟车时,若当前路程窗口内的平均行驶速度Vavgw大于车速平均值Vavg,则模拟驾驶员车辆减速行驶,且加速度区间为[ademax,0]。
7.根据权利要求6所述一种基于驾驶模拟器的驾驶习惯建模方法,其特征在于,进行非驾驶员在环的仿真试验时,模拟驾驶员车辆遵循以下规则:
若当前路况符合法定变道条件且当前路程窗口的平均行驶速度Vavgw小于车速平均值Vavg,且目标车速在相邻高速车道的法定速度区间内,则模拟驾驶员车辆趋向于变道至相邻高速车道,变道概率值为max(Pcha,Pacc),其中Pcha为候选变道概率,且Pcha=|(V-Vavg)/Vavg|;
若当前路况符合法定变道条件且当前路程窗口的平均行驶速度Vavgw大于车速平均值Vavg,且目标车速在相邻低速车道的法定速度区间内,则模拟驾驶员车辆趋向于变道至相邻低速,变道概率值为min(-Pcha,Pdec)。
8.根据权利要求1所述一种基于驾驶模拟器的驾驶习惯建模方法,其特征在于,建立的混合测试工况包括所述模拟驾驶试验中设计的城市道路拥堵路况、城市道路非拥堵路况、高速道路拥堵路况、高速道路非拥堵路况,且四种路况的路长比例为1:1:1:1。
9.根据权利要求1所述一种基于驾驶模拟器的驾驶习惯建模方法,其特征在于,混合测试工况下,若非驾驶员在环的仿真试验中的平均速度与驾驶员在环模拟驾驶试验的平均速度误差在15%以内,则认为当前所得驾驶习惯模型可信度在可接受范围之内。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011322112.0A CN112373482B (zh) | 2020-11-23 | 2020-11-23 | 一种基于驾驶模拟器的驾驶习惯建模方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011322112.0A CN112373482B (zh) | 2020-11-23 | 2020-11-23 | 一种基于驾驶模拟器的驾驶习惯建模方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112373482A true CN112373482A (zh) | 2021-02-19 |
CN112373482B CN112373482B (zh) | 2021-11-05 |
Family
ID=74587562
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011322112.0A Active CN112373482B (zh) | 2020-11-23 | 2020-11-23 | 一种基于驾驶模拟器的驾驶习惯建模方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112373482B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113158332A (zh) * | 2021-03-29 | 2021-07-23 | 东南大学 | 一种基于驾驶员反应时间的高原公路停车视距计算方法 |
Citations (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030093210A1 (en) * | 2001-11-15 | 2003-05-15 | Toshiyuki Kondo | Travel control apparatus of vehicle |
US20040176936A1 (en) * | 2002-12-17 | 2004-09-09 | Akihiko Ohtsu | Road traffic simulation apparatus |
US20050192736A1 (en) * | 2004-02-26 | 2005-09-01 | Yasuhiro Sawada | Road traffic simulation apparatus |
CN101389521A (zh) * | 2005-12-28 | 2009-03-18 | 国立大学法人名古屋大学 | 驾驶行动推定装置、驾驶支援装置、车辆评价系统、驾驶者模型生成装置、及驾驶行动判定装置 |
CN102662320A (zh) * | 2012-03-05 | 2012-09-12 | 吴建平 | 一种基于模糊数学的车辆跟驰模拟方法 |
CN104054117A (zh) * | 2012-01-20 | 2014-09-17 | 丰田自动车株式会社 | 驾驶模型的制作装置、驾驶模型的制作方法、驾驶评价装置、驾驶评价方法以及驾驶辅助系统 |
CN104590274A (zh) * | 2014-11-26 | 2015-05-06 | 浙江吉利汽车研究院有限公司 | 一种驾驶行为自适应系统及驾驶行为自适应方法 |
US20150266455A1 (en) * | 2013-12-06 | 2015-09-24 | Christopher Kenneth Wilson | Systems and Methods for Building Road Models, Driver Models, and Vehicle Models and Making Predictions Therefrom |
CN105654808A (zh) * | 2016-02-03 | 2016-06-08 | 北京易驾佳信息科技有限公司 | 一种基于实际机动车的机动车驾驶人智能化训练系统 |
CN105679020A (zh) * | 2016-01-29 | 2016-06-15 | 深圳市美好幸福生活安全系统有限公司 | 一种驾驶行为分析装置和方法 |
CN107016193A (zh) * | 2017-04-06 | 2017-08-04 | 中国科学院自动化研究所 | 驾驶员跟车行为分析中的期望跟车距离计算方法 |
CN107153916A (zh) * | 2017-04-30 | 2017-09-12 | 安徽中科美络信息技术有限公司 | 一种基于fcm聚类和bp神经网络的驾驶行为评价方法 |
US20170297564A1 (en) * | 2014-09-23 | 2017-10-19 | Beijing Institute Of Technology | Intelligent driving system with an embedded driver model |
CN107330356A (zh) * | 2017-05-15 | 2017-11-07 | 开易(北京)科技有限公司 | 一种基于学习的在线车道变线预测方法及系统 |
CN107364435A (zh) * | 2016-05-13 | 2017-11-21 | 富士施乐株式会社 | 操作模型构建系统和操作模型构建方法 |
CN108791302A (zh) * | 2018-06-25 | 2018-11-13 | 大连大学 | 驾驶员行为建模系统 |
CN108819948A (zh) * | 2018-06-25 | 2018-11-16 | 大连大学 | 基于逆向强化学习的驾驶员行为建模方法 |
CN108891422A (zh) * | 2018-07-09 | 2018-11-27 | 深圳市易成自动驾驶技术有限公司 | 智能车辆的控制方法、装置及计算机可读存储介质 |
DE102017214542A1 (de) * | 2017-08-21 | 2019-02-21 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren, Vorrichtung, Computerprogramm und Computerprogrammprodukt zur Verifikation eines Fahrerassistenzsystems |
WO2019034233A1 (en) * | 2017-08-14 | 2019-02-21 | Toyota Motor Europe | SYSTEM AND METHOD FOR VEHICLE MODELING AND SIMULATION |
CN110182217A (zh) * | 2019-04-23 | 2019-08-30 | 吉林大学 | 一种面向复杂超车场景的行驶任务复杂度量化评估方法 |
US20190367040A1 (en) * | 2017-03-23 | 2019-12-05 | Nec Corporation | Information processing device, travel data processing method, vehicle, and program recording medium |
CN110750052A (zh) * | 2019-09-30 | 2020-02-04 | 奇点汽车研发中心有限公司 | 驾驶模型的训练方法和装置、电子设备和介质 |
CN110764494A (zh) * | 2019-11-26 | 2020-02-07 | 畅加风行(苏州)智能科技有限公司 | 一种基于SCANeR的人机混驾自动驾驶虚拟测试平台 |
CN110865632A (zh) * | 2019-11-25 | 2020-03-06 | 重庆长安新能源汽车科技有限公司 | 基于智能驾驶模拟器的人机交互测试方法 |
CN111201554A (zh) * | 2017-10-17 | 2020-05-26 | 本田技研工业株式会社 | 行驶模型生成系统、行驶模型生成系统中的车辆、处理方法以及程序 |
CN111433087A (zh) * | 2017-12-18 | 2020-07-17 | 智加科技公司 | 用于自动驾驶车辆中的似人车辆控制预测的方法和系统 |
CN111527013A (zh) * | 2017-12-27 | 2020-08-11 | 宝马股份公司 | 车辆变道预测 |
CN111731312A (zh) * | 2020-06-15 | 2020-10-02 | 苏州绿科智能机器人研究院有限公司 | 提取驾驶风格特征参数的实验系统及驾驶风格识别方法 |
EP3722908A1 (en) * | 2019-04-09 | 2020-10-14 | Bayerische Motoren Werke Aktiengesellschaft | Learning a scenario-based distribution of human driving behavior for realistic simulation model |
-
2020
- 2020-11-23 CN CN202011322112.0A patent/CN112373482B/zh active Active
Patent Citations (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030093210A1 (en) * | 2001-11-15 | 2003-05-15 | Toshiyuki Kondo | Travel control apparatus of vehicle |
US20040176936A1 (en) * | 2002-12-17 | 2004-09-09 | Akihiko Ohtsu | Road traffic simulation apparatus |
US20050192736A1 (en) * | 2004-02-26 | 2005-09-01 | Yasuhiro Sawada | Road traffic simulation apparatus |
CN101389521A (zh) * | 2005-12-28 | 2009-03-18 | 国立大学法人名古屋大学 | 驾驶行动推定装置、驾驶支援装置、车辆评价系统、驾驶者模型生成装置、及驾驶行动判定装置 |
CN104054117A (zh) * | 2012-01-20 | 2014-09-17 | 丰田自动车株式会社 | 驾驶模型的制作装置、驾驶模型的制作方法、驾驶评价装置、驾驶评价方法以及驾驶辅助系统 |
CN102662320A (zh) * | 2012-03-05 | 2012-09-12 | 吴建平 | 一种基于模糊数学的车辆跟驰模拟方法 |
US20150266455A1 (en) * | 2013-12-06 | 2015-09-24 | Christopher Kenneth Wilson | Systems and Methods for Building Road Models, Driver Models, and Vehicle Models and Making Predictions Therefrom |
US20170297564A1 (en) * | 2014-09-23 | 2017-10-19 | Beijing Institute Of Technology | Intelligent driving system with an embedded driver model |
CN104590274A (zh) * | 2014-11-26 | 2015-05-06 | 浙江吉利汽车研究院有限公司 | 一种驾驶行为自适应系统及驾驶行为自适应方法 |
CN105679020A (zh) * | 2016-01-29 | 2016-06-15 | 深圳市美好幸福生活安全系统有限公司 | 一种驾驶行为分析装置和方法 |
CN105654808A (zh) * | 2016-02-03 | 2016-06-08 | 北京易驾佳信息科技有限公司 | 一种基于实际机动车的机动车驾驶人智能化训练系统 |
CN107364435A (zh) * | 2016-05-13 | 2017-11-21 | 富士施乐株式会社 | 操作模型构建系统和操作模型构建方法 |
US20190367040A1 (en) * | 2017-03-23 | 2019-12-05 | Nec Corporation | Information processing device, travel data processing method, vehicle, and program recording medium |
CN107016193A (zh) * | 2017-04-06 | 2017-08-04 | 中国科学院自动化研究所 | 驾驶员跟车行为分析中的期望跟车距离计算方法 |
CN107153916A (zh) * | 2017-04-30 | 2017-09-12 | 安徽中科美络信息技术有限公司 | 一种基于fcm聚类和bp神经网络的驾驶行为评价方法 |
CN107330356A (zh) * | 2017-05-15 | 2017-11-07 | 开易(北京)科技有限公司 | 一种基于学习的在线车道变线预测方法及系统 |
WO2019034233A1 (en) * | 2017-08-14 | 2019-02-21 | Toyota Motor Europe | SYSTEM AND METHOD FOR VEHICLE MODELING AND SIMULATION |
DE102017214542A1 (de) * | 2017-08-21 | 2019-02-21 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren, Vorrichtung, Computerprogramm und Computerprogrammprodukt zur Verifikation eines Fahrerassistenzsystems |
CN111201554A (zh) * | 2017-10-17 | 2020-05-26 | 本田技研工业株式会社 | 行驶模型生成系统、行驶模型生成系统中的车辆、处理方法以及程序 |
CN111433087A (zh) * | 2017-12-18 | 2020-07-17 | 智加科技公司 | 用于自动驾驶车辆中的似人车辆控制预测的方法和系统 |
CN111527013A (zh) * | 2017-12-27 | 2020-08-11 | 宝马股份公司 | 车辆变道预测 |
CN108819948A (zh) * | 2018-06-25 | 2018-11-16 | 大连大学 | 基于逆向强化学习的驾驶员行为建模方法 |
CN108791302A (zh) * | 2018-06-25 | 2018-11-13 | 大连大学 | 驾驶员行为建模系统 |
CN108891422A (zh) * | 2018-07-09 | 2018-11-27 | 深圳市易成自动驾驶技术有限公司 | 智能车辆的控制方法、装置及计算机可读存储介质 |
EP3722908A1 (en) * | 2019-04-09 | 2020-10-14 | Bayerische Motoren Werke Aktiengesellschaft | Learning a scenario-based distribution of human driving behavior for realistic simulation model |
CN110182217A (zh) * | 2019-04-23 | 2019-08-30 | 吉林大学 | 一种面向复杂超车场景的行驶任务复杂度量化评估方法 |
CN110750052A (zh) * | 2019-09-30 | 2020-02-04 | 奇点汽车研发中心有限公司 | 驾驶模型的训练方法和装置、电子设备和介质 |
CN110865632A (zh) * | 2019-11-25 | 2020-03-06 | 重庆长安新能源汽车科技有限公司 | 基于智能驾驶模拟器的人机交互测试方法 |
CN110764494A (zh) * | 2019-11-26 | 2020-02-07 | 畅加风行(苏州)智能科技有限公司 | 一种基于SCANeR的人机混驾自动驾驶虚拟测试平台 |
CN111731312A (zh) * | 2020-06-15 | 2020-10-02 | 苏州绿科智能机器人研究院有限公司 | 提取驾驶风格特征参数的实验系统及驾驶风格识别方法 |
Non-Patent Citations (2)
Title |
---|
任有: "交通环境下驾驶行为模拟与应急驾驶可靠性建模", 《中国博士学位论文全文数据库电子期刊工程科技Ⅱ辑》 * |
许洋等: "《用户驾驶行为建模的研究和应用》", 《计算机科学》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113158332A (zh) * | 2021-03-29 | 2021-07-23 | 东南大学 | 一种基于驾驶员反应时间的高原公路停车视距计算方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112373482B (zh) | 2021-11-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Murphey et al. | Driver's style classification using jerk analysis | |
CN112631246B (zh) | 测试评价信息确定方法、装置、设备及计算机存储介质 | |
CN104157156A (zh) | 一种高速公路危险路段车速动态管理预警方法 | |
CN113257024B (zh) | 一种基于v2i的高速公路雨雾环境防追尾预警方法及系统 | |
CN114067561B (zh) | 城市快速道路车路协同主动管控系统的虚拟现实测试方法 | |
CN110264825A (zh) | 一种驾驶模拟安全评价方法、装置及系统 | |
CN113554877B (zh) | 一种基于可变限速的长上坡交通流稳定性提升方法 | |
CN103786733A (zh) | 一种自动档汽车环保驾驶行为的提示方法 | |
CN113920762A (zh) | 一种基于智能网联环境下应急车辆优先通行的控制方法 | |
CN112230228B (zh) | 一种基于场地测试技术的智能汽车视觉传感器测试方法 | |
CN112373482B (zh) | 一种基于驾驶模拟器的驾驶习惯建模方法 | |
CN116811854A (zh) | 汽车运行轨迹确定方法、装置、汽车和存储介质 | |
CN116039674A (zh) | 一种自动驾驶控制方法、装置、车辆及存储介质 | |
CN110543617B (zh) | 基于时间步的无控交叉口驾驶员避撞决策过程建模方法及系统 | |
CN115223347A (zh) | 一种车辆闯红灯预警及车速控制方法 | |
CN109131349B (zh) | 一种用于抑制道路交通幽灵堵塞的方法 | |
CN112785863B (zh) | 基于K-Means和熵加权的并道决策分类预警方法 | |
Liu et al. | A Systematic Scenario Typology for Automated Vehicles Based on China-FOT | |
CN116486606B (zh) | 一种智能网联车载终端中央控制系统 | |
CN115966100B (zh) | 一种行车安全控制方法及系统 | |
CN115331457B (zh) | 一种车速管理方法及系统 | |
CN118072553B (zh) | 一种交通安全智能管控系统 | |
CN117238131B (zh) | 一种车联网环境下交通流特性分析方法 | |
CN115456392B (zh) | 一种高速多车多驾驶行为冲突协同决策方法及装置 | |
CN112491814B (zh) | 一种车联网网联交叉口网络攻击检测方法及系统 |
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 |