CN112560279B - 一种车辆追撞风险概率估算方法、终端设备和存储介质 - Google Patents

一种车辆追撞风险概率估算方法、终端设备和存储介质 Download PDF

Info

Publication number
CN112560279B
CN112560279B CN202011537864.9A CN202011537864A CN112560279B CN 112560279 B CN112560279 B CN 112560279B CN 202011537864 A CN202011537864 A CN 202011537864A CN 112560279 B CN112560279 B CN 112560279B
Authority
CN
China
Prior art keywords
vehicle
collision
time
risk probability
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.)
Active
Application number
CN202011537864.9A
Other languages
English (en)
Other versions
CN112560279A (zh
Inventor
涂岩恺
黄朝阳
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.)
Xiamen Yaxun Zhilian Technology Co ltd
Original Assignee
Xiamen Yaxon Networks 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 Xiamen Yaxon Networks Co Ltd filed Critical Xiamen Yaxon Networks Co Ltd
Priority to CN202011537864.9A priority Critical patent/CN112560279B/zh
Publication of CN112560279A publication Critical patent/CN112560279A/zh
Application granted granted Critical
Publication of CN112560279B publication Critical patent/CN112560279B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/15—Vehicle, aircraft or watercraft design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/08—Probabilistic or stochastic CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/12—Timing analysis or timing optimisation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Mathematical Optimization (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Game Theory and Decision Science (AREA)
  • Automation & Control Theory (AREA)
  • Computational Mathematics (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Mathematical Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及一种车辆追撞风险概率估算方法，其可包括以下步骤：S1.建立车辆追撞风险概率估算模型；S2.在车辆行驶过程中，通过自学习算法计算bc、bh值；S3.在车辆行驶过程中，通过电子地平线信息与雷达信息计算a值；S4.计算TC和TH值，并根据得到TC、TH、a、bc和bh计算出Pc，Ph之后，进一步去除相关性，估算最终的风险概率值P。本发明在计算概率时，融合了个人反应情况的自学习方法及与车辆实时地形相关的阈值计算方法，考虑了前后车地形差异对追撞风险的影响，使得风险计算概率与车辆的内外部环境更为匹配，计算出的碰撞风险概率更为准确。

Description

一种车辆追撞风险概率估算方法、终端设备和存储介质
技术领域
本发明涉及汽车安全和节能领域，具体地涉及一种车辆追撞风险概率估算方法、终端设备和存储介质。
背景技术
在汽车安全和节能领域，汽车根据前向雷达判断和前车的碰撞风险是十分重要的技术。例如在节能控制的ACC(自适应巡航)功能中，需要根据前方车辆的碰撞风险，调整巡航速度；再比如，在生态驾驶系统中，评价司机驾驶行为，也需要历史的前向碰撞风险数据来统计和引导司机驾驶行为改善。
但传统方法，简单利用前向雷达输出的和前车的距离及相对车速计算碰撞时间或车头时距来判断风险。但是这样的方法没有考虑到司机个人的反应速度差异因素和车辆外部实时地形因素对制动的影响，不一定能普遍反映出准确的碰撞风险。例如，对反应速度慢的司机，在ACC中需要和前车保持更大的距离，否则用传统简单的碰撞时间来判断风险，可能会让司机会觉得ACC控制的跟车距离过近，导致心理上的焦虑而不敢继续采用ACC功能；再例如，对于下坡地形，由于重力使用使车辆制动力效果等于减弱了，这时如果用传统简单的碰撞时间来判断风险，可能导致跟车距离过近，因风险评价不准而引起可能的事故风险。
发明内容
本发明旨在提供一种车辆追撞风险概率估算方法、终端设备和存储介质，以解决上述问题。为此，本发明采用的具体技术方案如下：
根据本发明的一方面，提供了一种车辆追撞风险概率估算方法，其可包括以下步骤：
S1.车辆行驶时，先通过自学习统计在正常行驶状态下，后车司机踩刹车制动的碰撞时间常数bc和车头时距常数bh；
S2.初始化司机极限反应时间a为一初始默认值，在车辆行驶过程中，通过后车电子地平线提供的车辆前方道路地形信息与雷达测距信息实时调整上述后车司机极限反应时间a；
S3.实时计算后车与前车的当前碰撞时间TC和车头时距TH。
S4.根据TC、TH、a、bc和bh建立车辆追撞风险概率估算模型，分别计算正常行驶状态下发生碰到的概率PC和在前车极限制动下发生碰撞的概率Ph；
S5.去除概率PC和概率Ph之间的相关性，估算最终的风险概率值P。
进一步地，S1的具体过程如下：
S11.车辆行驶过程中，检测车辆的刹车信号是否被踩下；如踩下，进入步骤S12；
S12.通过前向雷达获取D和V1，并计算刹车时的实时碰撞时间TC和车头时距TH，并存储记录；
S13.判断刹车记录TC、TH的次数是否达到预设数量，如达到，进入S14，否则返回S11循环检测、计算和记录；
S14.按TC记录集从小到大排序，取前N％分位数作为bc值；以及按TH记录集从小到大排序，取前N％分位数作为bh值。
进一步地，S13中的预设数量为10次以上。
进一步地，S14中的N＝1～30。
进一步地，S2的具体过程如下：
S21.通过前向雷达获取与前车的距离D和前车车速V1，从电子地平线系统得到后车当前位置的坡度S0和距离后车位置前方距离D处的道路坡度S1,后车车速度为V0；
S22.计算TC之后发生碰撞时重力势力能的落差：mgD(S1-S0)；
S23.计算a的调整系数
Figure GDA0003846351750000031
其中v为后车与前车速差V0-V1；
S24.将a的初使化值乘以调整系数u，得到调整后的a值。
进一步地，S3中的碰撞时间Tc和车头时距Th的具体计算过程如下：
Figure GDA0003846351750000032
其中，D为后车与前车的距离，V0为后车车速度，V1为前车车速。
进一步地，S4中建立的车辆追撞风险概率估算模型为：
Figure GDA0003846351750000033
Figure GDA0003846351750000034
进一步地，S5中最终的风险概率值P的估算公式为：
P＝Pc+Ph-PcPh。
根据本发明的另一方面，还提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其中，所述处理器执行所述计算机程序时实现如上所述方法的步骤。
根据本发明的又一方面，还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上所述方法的步骤。
本发明采用上述技术方案，具有的有益效果是：在计算概率时，融合了个人反应情况的自学习方法及与车辆实时地形相关的阈值计算方法，考虑了前后车地形差异对追撞风险的影响，使得风险计算概率与车辆的内外部环境更为匹配，计算出的碰撞风险概率更为准确。
附图说明
为进一步说明各实施例，本发明提供有附图。这些附图为本发明揭露内容的一部分，其主要用以说明实施例，并可配合说明书的相关描述来解释实施例的运作原理。配合参考这些内容，本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点。图中的组件并未按比例绘制，而类似的组件符号通常用来表示类似的组件。
图1是本发明的一种车辆追撞风险概率估算方法的流程图；
图2是碰撞时间常数bc和车头时距常数bh的计算流程图。
具体实施方式
现结合附图和具体实施方式对本发明进一步说明。
如图1所示，一种车辆追撞风险概率估算方法可包括以下步骤：
S1.车辆行驶时，先通过自学习统计在正常行驶状态下，后车司机踩刹车制动的碰撞时间常数bc和车头时距常数bh。其中，碰撞时间常数bc和车头时距常数bh是司机心理感觉出现需要踩刹车制动时的TC/TH时间,TC是正常行驶下发生碰撞的时间(称为碰撞时间)，TH是在前车极限制动(V1＝0)时发生碰撞的时间(称为车头时距)。当TC/TH时间大于bc/bh,此时无需刹车制动，风险概率为0，当TC/TH时间小于bc/bh时，才开始计算风险概率。对于bc、bh，由于与司机对风险的个人判断有关，有较强的个体因素影响，因此采用自学习的方式得到bc、bh,自学习流程如图2所示，具体步骤如下：
步骤一：车辆行驶过程中，检测车辆的刹车信号是否被踩下；若踩下，进入步骤二；
步骤二：通过前向雷达获取后车与前车的距离D和前车车速V1，并计算刹车时的实时碰撞时间TC和车头时距TH，并存储记录；
步骤三：判断刹车记录TC、TH的次数是否达到预设数量，若达到，进入步骤四，否则返回步骤一循环检测、计算和记录；为了确保准确性，预设数量通常要达到10次以上，优选地，预设数量为30以上(例如，50次)；
步骤四：按TC记录集从小到大排序，取前N％分位数作为bc值；以及按TH记录集从小到大排序，取前N％分位数作为bh值。bc、bh值通常可以取前1-30％分位数，优选地，取前10％分位数。
S2.初始化司机极限反应时间a为一初始默认值，在车辆行驶过程中，通过后车电子地平线提供的车辆前方道路地形信息与雷达测距信息实时调整所述后车司机极限反应时间a。司机极限反应时间a表示即使根据人的极限反应，也肯定会发生碰撞的TC/TH时间，根据相关文献，驾驶员的极限反应时间在0.4～0.6秒之间，取一个平均值a＝0.5秒作为初始值；TC/TH时间小于a，风险概率为100％。对于a,由于在不同地形下，刹车制动的能力不同，因此需要结合电子地平线数据进行调整。S2的具体过程如下：
S21.通过前向雷达获取后车与前车的距离D和前车车速V1，从电子地平线系统得到后车当前位置的坡度S0和距离后车位置前方距离D处的道路坡度S1,后车车速为V0；
S22.计算TC之后发生碰撞时重力势力能的落差：mgD(S1-S0)；如果重力势能落差为负值，表示制动还需要额外克服因地形差造成的重力势能差，因此制动距离要更长点，a值要变大；如果为正值，表示两车地形差引起的重力势能差可以帮助制动，a值可变小；
S23.计算a的调整系数
Figure GDA0003846351750000061
其中v为后车与前车速差V0-V1；
S24.将a的初使化值乘以调整系数u，得到调整后的a值，即a＝a*u。
S3.实时计算后车与前车的当前碰撞时间TC和车头时距TH，具体计算公式如下：
Figure GDA0003846351750000062
S4.根据TC、TH、a、bc和bh建立车辆追撞风险概率估算模型，分别计算正常行驶状态下发生碰到的概率PC和在前车极限制动下发生碰撞的概率Ph，车辆追撞风险概率估算模型如下：
Figure GDA0003846351750000063
Figure GDA0003846351750000071
S5.去除概率PC和概率Ph之间的相关性，估算最终的风险概率值P：
P＝Pc+Ph-PcPh。
根据P值，可更准确的确定前向风险，用于进一步更准确的节油ACC控制或驾驶评价等功能。
本发明利用碰撞时间TC和TH来计算碰撞概率Pc和Ph，并在计算概率时，融合了个人反应情况的自学习方法及与车辆实时地形相关的阈值计算方法，考虑了前后车地形差异对追撞风险的影响，使得风险计算概率与车辆的内外部环境更为匹配，计算出的碰撞风险概率更为准确。
在本发明的实施例中，还提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其中，所述处理器执行所述计算机程序时实现如上所述方法的步骤S1-S5。
进一步地，该终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。该终端设备可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，上述终端设备的组成结构仅仅是终端设备的示例，并不构成对终端设备的限定，可以包括比上述更多或更少的部件，或者组合某些部件，或者不同的部件，例如终端设备还可以包括输入输出设备、网络接入设备、总线等，本发明实施例对此不做限定。
进一步地，所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是终端设备的控制中心，利用各种接口和线路连接整个终端设备的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现本发明实施例上述方法的步骤S1-S5。
终端设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法步骤S1-S5中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
尽管结合优选实施方案具体展示和介绍了本发明，但所属领域的技术人员应该明白，在不脱离所附权利要求书所限定的本发明的精神和范围内，在形式上和细节上可以对本发明做出各种变化，均为本发明的保护范围。

Claims (6)

1.一种车辆追撞风险概率估算方法，其特征在于，包括以下步骤：
S1.车辆行驶时，先通过自学习统计在正常行驶状态下，后车司机踩刹车制动的碰撞时间常数bc和车头时距常数bh，其中，碰撞时间常数bc是司机心理感觉出现需要踩刹车制动时的TC时间，车头时距常数bh是司机心理感觉出现需要踩刹车制动时的TH时间,TC是正常行驶下发生碰撞的时间，TH是在前车极限制动时发生碰撞的时间；
S2.初始化司机极限反应时间a为一初始默认值，其中，所述司机极限反应时间a表示即使根据人的极限反应，也肯定会发生碰撞的TC或TH时间，在车辆行驶过程中，通过后车电子地平线提供的车辆前方道路地形信息与雷达测距信息实时调整后车的所述司机极限反应时间a；
其中，步骤S2的具体过程如下：
S21.通过前向雷达获取后车与前车的距离D和前车车速V1，从电子地平线得到后车当前位置的坡度S0和距离后车位置前方距离D处的道路坡度S1,后车车速为V0；
S22.计算TC之后发生碰撞时重力势力能的落差：mgD(S1-S0)，其中，mg为后车重力计算式；
S23.计算a的调整系数
Figure FDA0004113906350000011
其中v为后车与前车车速差V0-V1；
S24.将a的初始默认值乘以调整系数u，得到调整后的a值；
S3.实时计算后车与前车的当前碰撞时间TC和车头时距TH；
其中，步骤S3中的碰撞时间TC和车头时距TH的具体计算过程如下：
Figure FDA0004113906350000012
其中，D为后车与前车的距离，V0为后车车速，V1为前车车速；
S4.根据TC、TH、a、bc和bh建立车辆追撞风险概率估算模型，分别计算正常行驶状态下发生碰到的概率PC和在前车极限制动下发生碰撞的概率Ph，所述车辆追撞风险概率估算模型为：
Figure FDA0004113906350000021
Figure FDA0004113906350000022
S5.去除概率PC和概率Ph之间的相关性，估算最终的风险概率值P；
其中，步骤S5中最终的风险概率值P的估算公式为：
P＝Pc+Ph-PcPh。
2.如权利要求1所述的车辆追撞风险概率估算方法，其特征在于，步骤S1的具体过程如下：
S11.车辆行驶过程中，检测车辆的刹车信号是否被踩下；若踩下，进入步骤S12；
S12.通过前向雷达获取后车与前车的距离D和前车车速V1，并计算刹车时的实时碰撞时间TC和车头时距TH，并存储记录；
S13.判断刹车记录TC、TH的次数是否达到预设数量，若达到，进入步骤S14，否则返回步骤S11循环检测、计算和记录；
S14.按TC记录集从小到大排序，取前N％分位数作为bc值；以及按TH记录集从小到大排序，取前N％分位数作为bh值。
3.如权利要求2所述的车辆追撞风险概率估算方法，其特征在于，步骤S13中的预设数量为10次以上。
4.如权利要求2所述的车辆追撞风险概率估算方法，其特征在于，步骤S14中的N＝1～30。
5.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-4中任一项所述方法的步骤。
6.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-4中任一项所述方法的步骤。
CN202011537864.9A 2020-12-23 2020-12-23 一种车辆追撞风险概率估算方法、终端设备和存储介质 Active CN112560279B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011537864.9A CN112560279B (zh) 2020-12-23 2020-12-23 一种车辆追撞风险概率估算方法、终端设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011537864.9A CN112560279B (zh) 2020-12-23 2020-12-23 一种车辆追撞风险概率估算方法、终端设备和存储介质

Publications (2)

Publication Number Publication Date
CN112560279A CN112560279A (zh) 2021-03-26
CN112560279B true CN112560279B (zh) 2023-06-02

Family

ID=75030953

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011537864.9A Active CN112560279B (zh) 2020-12-23 2020-12-23 一种车辆追撞风险概率估算方法、终端设备和存储介质

Country Status (1)

Country Link
CN (1) CN112560279B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008250492A (ja) * 2007-03-29 2008-10-16 Toyota Motor Corp 運転者危険度取得装置
JP2013152551A (ja) * 2012-01-24 2013-08-08 Toyota Central R&D Labs Inc 運転支援装置、状況学習装置、及びプログラム
CN103810904A (zh) * 2014-03-12 2014-05-21 哈尔滨工业大学 基于vanet的高速公路行车安全预警系统及预警方法
CN109542081A (zh) * 2018-11-14 2019-03-29 江苏大学 一种基于线下车辆减速度曲线的线上行车危险估计方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180032891A1 (en) * 2016-07-29 2018-02-01 International Business Machines Corporation Adaptive architecture for crash prediction in vehicle collision avoidance systems

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008250492A (ja) * 2007-03-29 2008-10-16 Toyota Motor Corp 運転者危険度取得装置
JP2013152551A (ja) * 2012-01-24 2013-08-08 Toyota Central R&D Labs Inc 運転支援装置、状況学習装置、及びプログラム
CN103810904A (zh) * 2014-03-12 2014-05-21 哈尔滨工业大学 基于vanet的高速公路行车安全预警系统及预警方法
CN109542081A (zh) * 2018-11-14 2019-03-29 江苏大学 一种基于线下车辆减速度曲线的线上行车危险估计方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
朱彤 等.基于概率计算的车辆碰撞风险模型研究.《科技导报》.2012,(第22期), *
朱西产 等.基于自然驾驶数据的跟车场景潜在风险评估.《中国公路学报》.2020,(第04期), *
王雪松 等.驾驶员前向避撞行为特征的降维及多元方差分析.《同济大学学报(自然科学版)》.2016,(第12期), *

Also Published As

Publication number Publication date
CN112560279A (zh) 2021-03-26

Similar Documents

Publication Publication Date Title
CN109591811B (zh) 车辆制动方法、装置及存储介质
CN106314428B (zh) 一种避撞系统、避撞方法及机动车辆
US9064419B2 (en) Driver condition assessment device
CN112132040B (zh) 基于视觉的安全带实时监测方法、终端设备及存储介质
CN111062089B (zh) 一种刹车效果评价方法、终端设备及存储介质
WO2021217957A1 (zh) 一种车辆质量计算方法、终端设备及存储介质
CN111038502A (zh) 一种安全车距预估、修正、预警、驾驶资质评估方法及系统
CN110775034A (zh) 一种自动刹车辅助系统控制方法、终端设备及存储介质
CN108860143B (zh) 用于控制自动驾驶的车辆的方法和车辆控制系统
US10543837B2 (en) Mitigating bodily injury in vehicle collisions by reducing the change in momentum resulting therefrom
WO2023000757A1 (zh) 车辆跟停控制方法、装置及计算机可读存储介质
JP6365107B2 (ja) 事故情報算出装置、及びプログラム
CN112560279B (zh) 一种车辆追撞风险概率估算方法、终端设备和存储介质
EP4257440A1 (en) Vehicle-following distance control method based on terrain, and terminal device and storage medium
CN116968733B (zh) 车辆安全风险评估方法及其装置、设备、介质
CN115841712A (zh) 一种基于v2x技术的驾驶数据处理方法、装置及设备
CN110929996A (zh) 驾驶风险估计方法及装置
CN112997230A (zh) 双重自适应碰撞避免系统
CN113386779B (zh) 驾驶风格识别方法、设备及存储介质
CN111311903A (zh) 一种车辆行驶状态监控方法、终端设备及存储介质
CN111325869A (zh) 一种车辆疲劳驾驶精确判断方法、终端设备及存储介质
CN118025151B (zh) 一种面向智能车的制动意图预测方法、装置、设备和介质
CN113650616B (zh) 一种基于采集数据的车辆行为预测方法及系统
EP4253137A1 (en) Curve prediction-based electric vehicle energy management method, terminal device, and storage medium
CN115394121B (zh) 一种公路运行风险研判方法

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
GR01 Patent grant
GR01 Patent grant
CP03 Change of name, title or address

Address after: 303-e, Zone C, innovation building, software park, Xiamen Torch hi tech Zone, Xiamen, Fujian, 361000

Patentee after: Xiamen Yaxun Zhilian Technology Co.,Ltd.

Country or region after: China

Address before: 303-e, Zone C, innovation building, software park, Xiamen Torch hi tech Zone, Xiamen, Fujian, 361000

Patentee before: XIAMEN YAXON NETWORK Co.,Ltd.

Country or region before: China

CP03 Change of name, title or address