CN112721939B - 一种基于多传感器融合的驾驶员制动意图识别方法 - Google Patents
一种基于多传感器融合的驾驶员制动意图识别方法 Download PDFInfo
- Publication number
- CN112721939B CN112721939B CN202110054863.7A CN202110054863A CN112721939B CN 112721939 B CN112721939 B CN 112721939B CN 202110054863 A CN202110054863 A CN 202110054863A CN 112721939 B CN112721939 B CN 112721939B
- Authority
- CN
- China
- Prior art keywords
- braking
- vehicle
- intention
- follows
- speed
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 25
- 230000004927 fusion Effects 0.000 title claims abstract description 20
- 238000006073 displacement reaction Methods 0.000 claims abstract description 16
- 239000008186 active pharmaceutical agent Substances 0.000 claims abstract description 11
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000007500 overflow downdraw method Methods 0.000 claims description 3
- 230000000630 rising effect Effects 0.000 claims description 3
- 238000003786 synthesis reaction Methods 0.000 claims description 3
- 230000001172 regenerating effect Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 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
- 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
- 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
- B60W40/02—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 ambient conditions
-
- 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
- B60W40/10—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 vehicle motion
- B60W40/105—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
-
- 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
- B60W2540/12—Brake pedal position
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Mathematical Physics (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Regulating Braking Force (AREA)
Abstract
本发明公开了一种基于多传感器融合的驾驶员制动意图识别方法,包括步骤如下:(1)获取车辆行驶过程中前方物体相对自车的距离与相对运动速度信息;(2)获取制动过程中制动踏板压力、制动踏板位移及当前车速信息;(3)根据步骤(1)、步骤(2)中获取的信息,计算得到对驾驶员制动意图的判断结果;(4)使用DS证据理论对上述得到的判断结果进行融合,将满足融合规则的结果作为最终结果输出。本发明通过踏板力与踏板位移进行制动意图识别的同时,利用毫米波雷达获得前方物体距离与相对速度并进行制动需求判断,将二者的识别结果通过DS证据理论进行决策层融合,使制动意图的识别更加准确。
Description
技术领域
本发明属于自动驾驶技术领域,尤其涉及一种基于多传感器融合的驾驶员制动意图识别方法。
背景技术
随着节能环保成为当今世界的主题,清洁、节能的电动汽车是未来汽车工业技术创新的主要发展方向。随着电动汽车技术不断发展,电动汽车的制动系统由传统的液压制动向线控制动转变。线控制动在满足基本制动需求的同时,可以与再生制动系统协调控制进行制动能量回收,再生制动作为电动汽车节能技术的重要组成部分,对提高电动汽车续驶里程,推动电动汽车发展具有重要作用。另外,传统的制动系统产生的制动力仅与驾驶员控制的制动踏板行程有关,在某些工况下难以保证制动的安全性和制动的平顺性;而线控制动系统可以根据工况与驾驶员的制动意图对制动力进行相应的调整,在保证制动安全性的同时提高再生制动时的能量回收效果。
由于上述电动汽车和线控制动系统的特点,对驾驶员制动意图的准确识别甚至预测,有助于进行再生制动系统的制动力力分配,对保证电动汽车的制动安全性,提高能量利用率有着重要作用。国内外许多学者提出了对驾驶员制动意图进行识别的方法,大都是仅通过踏板力与踏板位移就将制动意图简单的划分为几种模式,没有考虑到车辆所处的行驶工况,制动意图识别准确度较低。
随着汽车电子电气技术的进步,汽车上配备的传感器越来越多,不同传感器在不同场景发挥作用,获取的信息也各不相同。为了实现自动驾驶,就必定需要多个传感器相互配合,通过融合算法共同构成汽车的感知系统。目前,将多传感融合技术应用在制动意图识别预测方面的技术较少。
发明内容
针对于上述现有技术的不足,本发明的目的在于提供一种基于多传感器融合的驾驶员制动意图识别方法,以解决现有技术中制动意图识别准确度低的问题。本发明通过踏板力与踏板位移进行制动意图识别的同时,利用毫米波雷达获得前方物体距离与相对速度并进行制动需求判断,将二者的识别结果通过DS证据理论进行决策层融合,使制动意图的识别更加准确。
为达到上述目的,本发明采用的技术方案如下:
本发明的一种基于多传感器融合的驾驶员制动意图识别方法,包括步骤如下:
(1)获取车辆行驶过程中前方物体相对自车的距离与相对运动速度信息;
(2)获取制动过程中制动踏板压力、制动踏板位移及当前车速信息;
(3)根据步骤(1)、步骤(2)中获取的信息,计算得到对驾驶员制动意图的判断结果;
(4)使用DS证据理论对上述得到的判断结果进行融合,将满足融合规则的结果作为最终结果输出。
进一步地,所述步骤(1)中前方物体相对自车的距离的计算公式为:
前方物体相对自车的运动速度的计算公式为:
式中,r为前方物体相对自车的距离,T为雷达的调制周期,ΔF为毫米波频率带宽;u为前方物体相对自车的运动速度,c为光速,f0为雷达中心的工作频率,fb+为动态目标反射信号与发射信息上升沿的频率差值,fb-为下降沿的频率差值。
进一步地,所述步骤(3)的具体步骤为:
(31)由当前车速、前方物体相对自车的距离、前方物体相对自车的运动速度,并根据设定的判断规则A,得到判断结果M1;
(32)由当前车速、制动踏板压力、制动踏板位移,并根据设定的判断规则B,得到判断结果E2。
进一步地,所述步骤(31)中的判断规则A具体如下:
引入参考系数ε,表示为:
式中,v为当前车速;
规定ε的阈值为ε1、ε2,当时ε<ε1、ε1≤ε≤ε2、ε2<ε时,得到不同的M1,三种条件下的M1根据实际使用情况调整,示例如下:
进一步地,所述步骤(32)中的判断规则B具体如下:
对输入变量进行模糊化,选择三角函数作为输入变量的隶属度函数;
将车速划分为两个模糊子集:低速、高速;
将制动踏板压力划分为三个模糊子集:小、中、大;
将制动踏板位移划分为三个模糊子集:小、中、大;
根据不同工况即不同的模糊子集组合,共有18种M2,每种M2的β1、β2、β3取值根据实际使用情况调整。
进一步地,所述步骤(4)中DS证据理论融合方法如下:
制动意图为紧急制动、中度制动、轻度制动依次为事件A1、A2、A3;
基本概率赋值函数mi(Ai)=Mi(Ai);
信度函数的计算公式为:
式中,Θ为识别框架,代表所有可能事件的集合,A代表事件,B是A的子集,m(B)代表事件B的基本概率赋值函数;
计算归一化常数K:
利用Dempster证据合成规则分别计算紧急制动、中度制动、轻度制动的组合mass函数m12,具体公式如下:
判决规则如下:
若有:
则A1为最终识别结果,μ1、μ2为预先设定的阈值。
本发明的有益效果:
1、本发明提出的识别方法不局限于使用制动踏板压力、制动踏板位移等仅受驾驶员操作影响的因素作为输入,通过使用毫米波雷达引入了行驶工况。
2、本发明识别方法的输入参数包含了行驶工况和驾驶员两方面的因素,最后将两方面的识别结果通过DS证据理论进行决策层融合,使制动意图的识别更加准确。
附图说明
图1为本发明方法的流程图;
图2为本发明使用DS证据理论的融合流程图;
图3为mass函数示意表;
图4a为车速模糊子集隶属度函数图;
图4b为制动踏板压力模糊子集隶属度函数图;
图4c为制动踏板位移模糊子集隶属度函数图;
图5为模糊规则表。
具体实施方式
为了便于本领域技术人员的理解,下面结合实施例与附图对本发明作进一步的说明,实施方式提及的内容并非对本发明的限定。
参照图1所示,本发明的一种基于多传感器融合的驾驶员制动意图识别方法,包括步骤如下:
(1)车辆行驶过程中,毫米波雷达获取前方物体相对自车的距离与相对运动速度信息;所述步骤(1)中前方物体相对自车的距离的计算公式为:
前方物体相对自车的运动速度的计算公式为:
式中,r为前方物体相对自车的距离,T为雷达的调制周期,ΔF为毫米波频率带宽;u为前方物体相对自车的运动速度,c为光速,f0为雷达中心的工作频率,fb+为动态目标反射信号与发射信息上升沿的频率差值,fb-为下降沿的频率差值。
(2)驾驶员踩制动踏板时,制动踏板上的踏板力传感器获取制动踏板压力、踏板位移传感器获取制动踏板位移、车速传感器获取当前车速信息;
(3)根据步骤(1)、步骤(2)中获取的信息,计算得到对驾驶员制动意图的判断结果;
(31)由当前车速、前方物体相对自车的距离、前方物体相对自车的运动速度,并根据设定的判断规则A,得到判断结果M1;
(32)由当前车速、制动踏板压力、制动踏板位移,并根据设定的判断规则B,得到判断结果E2。
所述步骤(31)中的判断规则A具体如下:
引入参考系数ε,表示为:
式中,v为当前车速;
规定ε的阈值为ε1、ε2,当时ε<ε1、ε1≤ε≤ε2、ε2<ε时,得到不同的M1,三种条件下的M1根据实际使用情况调整,示例如下:
参照图4a-图4c所示,所述步骤(32)中的判断规则B具体如下:
对输入变量进行模糊化,选择三角函数作为输入变量的隶属度函数;
将车速划分为两个模糊子集:低速、高速;
将制动踏板压力划分为三个模糊子集:小、中、大;
将制动踏板位移划分为三个模糊子集:小、中、大;
参照图5所示,根据不同工况即不同的模糊子集组合,共有18种M2,每种M2的β1、β2、β3取值根据实际使用情况调整。
(4)使用DS证据理论对上述得到的判断结果进行融合,将满足融合规则的结果作为最终结果输出;
参照图2所示,所述步骤(4)中DS证据理论融合方法如下:
制动意图为紧急制动、中度制动、轻度制动依次为事件A1、A2、A3;
基本概率赋值函数mi(Ai)=Mi(Ai);
信度函数的计算公式为:
式中,Θ为识别框架,代表所有可能事件的集合,A代表事件,B是A的子集,m(B)代表事件B的基本概率赋值函数;
计算归一化常数K:
利用Dempster证据合成规则分别计算紧急制动、中度制动、轻度制动的组合mass函数m12,mass函数示意表如图3所示,具体公式如下:
判决规则如下:
若有:
则A1为最终识别结果,μ1、μ2为预先设定的阈值。
本发明具体应用途径很多,以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以作出若干改进,这些改进也应视为本发明的保护范围。
Claims (5)
1.一种基于多传感器融合的驾驶员制动意图识别方法,其特征在于,包括步骤如下:
(1)获取车辆行驶过程中前方物体相对自车的距离与相对运动速度信息;
(2)获取制动过程中制动踏板压力、制动踏板位移及当前车速信息;
(3)根据步骤(1)、步骤(2)中获取的信息,计算得到对驾驶员制动意图的判断结果;
(4)使用DS证据理论对得到的判断结果进行融合,将满足融合规则的结果作为最终结果输出;
所述步骤(4)中DS证据理论融合方法如下:
制动意图为紧急制动、中度制动、轻度制动依次为事件A1、A2、A3;
基本概率赋值函数mi(Ai)=Mi(Ai);
信度函数的计算公式为:
式中,Θ为识别框架,代表所有可能事件的集合,A代表事件,B是A的子集,m(B)代表事件B的基本概率赋值函数;
计算归一化常数K:
利用Dempster证据合成规则分别计算紧急制动、中度制动、轻度制动的组合mass函数m12,具体公式如下:
判决规则如下:
若有:
则A1为最终识别结果,μ1、μ2为预先设定的阈值。
3.根据权利要求1所述的基于多传感器融合的驾驶员制动意图识别方法,其特征在于,所述步骤(3)的具体步骤为:
(31)由当前车速、前方物体相对自车的距离、前方物体相对自车的运动速度,并根据设定的判断规则A,得到判断结果M1;
(32)由当前车速、制动踏板压力、制动踏板位移,并根据设定的判断规则B,得到判断结果E2。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110054863.7A CN112721939B (zh) | 2021-01-15 | 2021-01-15 | 一种基于多传感器融合的驾驶员制动意图识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110054863.7A CN112721939B (zh) | 2021-01-15 | 2021-01-15 | 一种基于多传感器融合的驾驶员制动意图识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112721939A CN112721939A (zh) | 2021-04-30 |
CN112721939B true CN112721939B (zh) | 2022-04-08 |
Family
ID=75591634
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110054863.7A Active CN112721939B (zh) | 2021-01-15 | 2021-01-15 | 一种基于多传感器融合的驾驶员制动意图识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112721939B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114889568B (zh) * | 2022-04-22 | 2023-03-31 | 江苏恒力制动器制造有限公司 | 一种智能汽车电液复合电子液压制动系统控制方法 |
CN117056827A (zh) * | 2023-08-15 | 2023-11-14 | 合肥中科自动控制系统有限公司 | 一种基于时序ds理论的异步多模态目标级信息融合方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2005021342A1 (en) * | 2003-08-28 | 2005-03-10 | Honda Motor Co., Ltd. | Brake pedal control apparatus |
WO2011080798A1 (ja) * | 2009-12-28 | 2011-07-07 | トヨタ自動車株式会社 | 車両の制御装置 |
CN108501804A (zh) * | 2018-03-30 | 2018-09-07 | 重庆交通大学 | 基于行人动作预判的碰撞预警系统 |
CN109035960A (zh) * | 2018-06-15 | 2018-12-18 | 吉林大学 | 基于模拟驾驶平台的驾驶员驾驶模式分析系统及分析方法 |
Family Cites Families (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE19633736A1 (de) * | 1996-08-21 | 1998-02-26 | Teves Gmbh Alfred | Selbsttätig aktivierte Bremsanlage |
US7668633B2 (en) * | 2003-03-26 | 2010-02-23 | Continental Tevas Ag & Co. Ohg | Electronic control system for a vehicle and method for determining at least one driver-independent intervention in a vehicle system |
US20060052923A1 (en) * | 2004-09-03 | 2006-03-09 | Eaton Corporation (Rj) | Classification system and method using relative orientations of a vehicle occupant |
JP4816248B2 (ja) * | 2006-05-23 | 2011-11-16 | 日産自動車株式会社 | 車両用運転操作補助装置 |
WO2008020076A1 (de) * | 2006-08-18 | 2008-02-21 | Continental Teves Ag & Co. Ohg | Ansteuerung von sicherheitsmitteln eines kraftfahrzeugs |
US8032467B1 (en) * | 2008-05-31 | 2011-10-04 | Hrl Laboratories, Llc | Valuation-based learning system |
JP6453695B2 (ja) * | 2015-03-31 | 2019-01-16 | 株式会社デンソー | 運転支援装置、及び運転支援方法 |
CN105015548B (zh) * | 2015-07-23 | 2017-10-17 | 江苏大学 | 一种纵向避撞提醒和自动跟随集成系统及方法 |
US10479373B2 (en) * | 2016-01-06 | 2019-11-19 | GM Global Technology Operations LLC | Determining driver intention at traffic intersections for automotive crash avoidance |
KR101765635B1 (ko) * | 2016-02-02 | 2017-08-07 | 현대자동차 주식회사 | 하이브리드 차량의 운전 모드 전환 시스템 및 그 방법 |
CN105825241B (zh) * | 2016-04-15 | 2019-01-25 | 长春工业大学 | 基于模糊神经网络的驾驶员制动意图辨识方法 |
JP6520858B2 (ja) * | 2016-08-08 | 2019-05-29 | トヨタ自動車株式会社 | 車両走行制御装置 |
US10144427B2 (en) * | 2017-03-07 | 2018-12-04 | Toyota Motor Engineering & Manufacturing North America, Inc. | Learning driver rate of pedal change |
CN107499142B (zh) * | 2017-08-14 | 2020-07-10 | 上海中科深江电动车辆有限公司 | 主动式电动车辆再生制动控制系统及其方法 |
CN107662503B (zh) * | 2017-09-13 | 2021-03-30 | 浙江工业大学之江学院 | 基于加速与制动踏板状态的电动汽车制动意图辨识方法 |
CN111183082A (zh) * | 2017-10-02 | 2020-05-19 | 本田技研工业株式会社 | 车辆控制装置、车辆控制方法及程序 |
US10860022B2 (en) * | 2018-04-11 | 2020-12-08 | GM Global Technology Operations LLC | Method and apparatus for automatical rule learning for autonomous driving |
CN108995655B (zh) * | 2018-07-06 | 2020-04-10 | 北京理工大学 | 一种驾驶员驾驶意图识别方法及系统 |
KR20200058642A (ko) * | 2018-11-19 | 2020-05-28 | 현대자동차주식회사 | 차량 및 그 제어 방법 |
US10906547B2 (en) * | 2018-11-28 | 2021-02-02 | Hyundai Motor Company | Controlling engine idle sailing in a vehicle using relative vehicle speed |
KR20200096351A (ko) * | 2019-02-01 | 2020-08-12 | 주식회사 만도 | 긴급 제동 시스템 및 그 제어 방법 |
CN110626339B (zh) * | 2019-07-10 | 2021-03-02 | 聊城大学 | 基于驾驶员意图的紧急避障自动驾驶辅助力矩计算方法 |
CN111340074B (zh) * | 2020-02-13 | 2023-05-26 | 南京航空航天大学 | 基于改进的rbf神经网络的驾驶员制动意图辨识方法 |
-
2021
- 2021-01-15 CN CN202110054863.7A patent/CN112721939B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2005021342A1 (en) * | 2003-08-28 | 2005-03-10 | Honda Motor Co., Ltd. | Brake pedal control apparatus |
WO2011080798A1 (ja) * | 2009-12-28 | 2011-07-07 | トヨタ自動車株式会社 | 車両の制御装置 |
CN108501804A (zh) * | 2018-03-30 | 2018-09-07 | 重庆交通大学 | 基于行人动作预判的碰撞预警系统 |
CN109035960A (zh) * | 2018-06-15 | 2018-12-18 | 吉林大学 | 基于模拟驾驶平台的驾驶员驾驶模式分析系统及分析方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112721939A (zh) | 2021-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112721939B (zh) | 一种基于多传感器融合的驾驶员制动意图识别方法 | |
CN110155046B (zh) | 自动紧急制动分级控制方法与系统 | |
CN105857309B (zh) | 一种考虑多目标的车辆自适应巡航控制方法 | |
Leng et al. | Estimation of tire-road peak adhesion coefficient for intelligent electric vehicles based on camera and tire dynamics information fusion | |
US10286900B2 (en) | Intelligent driving system with an embedded driver model | |
CN111599181B (zh) | 用于智能驾驶系统测试的典型自然驾驶场景识别提取方法 | |
CN107067753B (zh) | 一种基于行车安全距离的跟车自动驾驶方法 | |
CN107662503B (zh) | 基于加速与制动踏板状态的电动汽车制动意图辨识方法 | |
CN109318893B (zh) | 基于车牌像素高度变化的安全驾驶辅助方法和系统 | |
CN103857550A (zh) | 用于适应式控制距离和速度并且用于机动车停车的方法和系统以及借此运行的机动车 | |
Luo et al. | Multi-objective decoupling algorithm for active distance control of intelligent hybrid electric vehicle | |
CN109649389B (zh) | 一种加速度可调节的自适应巡航控制系统及控制方法 | |
CN109910897B (zh) | 一种基于前方路面峰值附着系数的安全距离估算方法 | |
CN112477865B (zh) | 一种基于驾驶员制动行为预测的再生制动控制方法 | |
CN110239558A (zh) | 一种基于识别系数的驾驶风格分层模糊识别系统 | |
CN114734966B (zh) | 基于摄像头和云端实时地图的自动紧急制动系统及方法 | |
CN115817460A (zh) | 一种混合流条件下智能网联车主动协调避撞方法 | |
JP5611725B2 (ja) | 物体検知装置 | |
CN105774780A (zh) | 紧急制动的控制方法和装置 | |
JP5169539B2 (ja) | 降坂路走行速度制御装置 | |
CN115123222A (zh) | 一种融合路面环境和车辆安全模型的辅助巡航主动刹车方法 | |
CN109733347B (zh) | 一种人机耦合的纵向避撞控制方法 | |
CN114274956A (zh) | 车辆巡航控制方法、装置、车辆及可读存储介质 | |
Wang et al. | Research on vehicle adaptive cruise control based on BP neural network working condition recognition | |
Jiang et al. | Hierarchical framework for adaptive cruise control with model predictive control method |
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 |