CN113212449A - 一种前碰撞预警系统的功能触发参数调整方法 - Google Patents

Abstract

本方案涉及一种前碰撞预警系统的功能触发参数调整方法，可自学习驾驶员的不同驾驶风格，有效减少前碰撞预警系统的误报和漏报率，提升预警精确性和有效性，减少交通事故的发生。其包括：判断驾驶员在任意t时刻是否制动车辆；若在任意t时刻驾驶员制动车辆，则判断车辆的前碰撞预警系统是否在t‑t_r时段内触发预警功能；若触发预警功能，则在当车辆的平均制动减速度和车辆的持续制动时间在驾驶员制动车辆的过程中满足第一预设条件时，按照第一调整方式调整前碰撞预警系统的跟车时距触发阈值；若未触发预警功能，则在当车辆的当前跟车时距满足第二预设条件时，按照第二调整方式调整前碰撞预警系统的跟车时距触发阈值。

Description

一种前碰撞预警系统的功能触发参数调整方法

技术领域

本发明涉及车辆高级辅助驾驶技术，尤其涉及一种前碰撞预警系统的功能触发参数调整方法。

背景技术

追尾事故是交通事故形态中占比最高的事故类型，据中国交通事故深入调查组(CIDAS)数据表明，追尾事故占比M1类机动车与M1类机动车间发生的所有事故的45％左右。

前碰撞预警系统(FCW)通过车外雷达、摄像头等传感器实时测量、计算自车与前车的相对速度、距离、碰撞时间(TTC)和车时距(THW)，当TTC或THW小于预先设置的阈值时通过视觉、听觉或触觉给予驾驶员警告，以避免事故尤其是追尾事故的发生。据美国公路安全保险协会(IIHS)对市场装载有FCW车辆的调查报告表明，装载FCW的车辆可减少23％的追尾事故。

不同驾驶员有不同的驾驶风格，激进的驾驶员跟车距离近、换道频繁，对风险容忍度高，期望的预警时间晚，保守的驾驶员跟车距离远，换道少，期望的预警时间早；同一驾驶员在不同路况其驾驶风格也不同，例如在高速路和城市路况下驾驶员对驾驶风险的认知是不同的；驾驶员的状态也会影响驾驶员的风险认知，当驾驶员处于疲劳、分散注意力等状态会增加驾驶员反应的时间，相反，当驾驶员处于聚精会神状态反应时间较短，期望较晚的预警时间。

遗憾的是，目前FCW系统预警阈值为固定值，导致FCW系统准确率较低，激进驾驶员苦于频繁的误触发而对预警习以为常或干脆关闭该功能，保守驾驶员又因预警时刻较晚而不信任FCW系统甚至导致交通事故。因此，提高FCW预警准确率，减少漏报、误报是目前研究人员急需要解决的技术问题。

发明内容

针对以上存在的技术问题，本发明的目的在于提供一种前碰撞预警系统的功能触发参数调整方法，可自学习驾驶员的不同驾驶风格，有效减少前碰撞预警系统的误报和漏报率，提升预警精确性和有效性，减少交通事故的发生。

本发明通过以下技术方案实现本发明的价值：

本发明实施例提供了一种前碰撞预警系统的功能触发参数调整方法，包括：

判断驾驶员在任意t时刻是否制动车辆；

若在任意t时刻驾驶员制动车辆，则判断车辆的前碰撞预警系统是否在t-t_r时段内触发预警功能；

若车辆的前碰撞预警系统在t-t_r时段内触发预警功能，则在当车辆的平均制动减速度和车辆的持续制动时间在驾驶员制动车辆的过程中满足第一预设条件时，按照第一调整方式调整所述前碰撞预警系统的跟车时距触发阈值；

若车辆的前碰撞预警系统在t-t_r时段内未触发预警功能，则在当车辆的当前跟车时距满足第二预设条件时，按照第二调整方式调整所述前碰撞预警系统的跟车时距触发阈值。

优选地，所述方法还包括：

若驾驶员在任意t时刻未制动车辆，则在当驾驶员状态值小于预设数值且车辆的前碰撞预警系统在t-t_r时段内触发预警功能，按照第三调整方式调整所述卡碰撞预警系统的跟车时距触发阈值；

其中，所述驾驶员状态值P_state基于驾驶员疲劳值P_fatigue和驾驶员注意力分散值P_siateaction确定。

优选地，车辆的平均制动减速度和车辆的持续制动时间在驾驶员制动车辆的过程中满足第一预设条件具体为：

在驾驶员持续制动车辆的过程中，车辆的平均制动减速度a_avg大于或等于-2m/s²且车辆的持续制动时间大于或等于1s；

车辆的当前跟车时距满足第二预设条件具体为：

车辆的当前跟车时距小于或等于3.5s。

优选地，按照第一调整方式调整所述前碰撞预警系统的跟车时距触发阈值的步骤包括：

按照第一公式：

T_W2＝T_W1-(1k(t))*(T_W1-THW_avg1)

计算调整后的跟车时距触发阈值T_W2,其中，T_W1为调整前的跟车时距触发阈值，k(t)为驾驶员持续制动车辆过程中的跟车时距与时间曲线的一元回归直线的斜率，THW_avg1为驾驶员持续制动车辆过程中的跟车时距与时间曲线的平均跟车时距。

优选地，按照第二调整方式调整所述前碰撞预警系统的跟车时距触发阈值的步骤包括：

按照第二公式：

T_W2＝T_W1+α(T_W1-THW_avg2)

计算调整后的跟车时距触发阈值T_W2,其中，T_W1为调整前的跟车时距触发阈值，α为大于0的常数，THW_avg2为t-t_r时段内的平均跟车时距。

优选地，驾驶员状态值P_state通过公式：

计算获得，P_fatigue为驾驶员疲劳值，P_siateaction为驾驶员注意力分散值，w₁为预先设定的因驾驶员疲劳驾驶导致交通事故的比例，w₂为预先设定的因驾驶员注意力分散驾驶导致交通事故的比例；

其中，

优选地，按照第三调整方式调整所述前碰撞预警系统的跟车时距触发阈值的步骤包括：

按照第三公式：

T_W2＝T_W1-β(T_W1-THW_avg3)

计算调整后的跟车时距触发阈值T_W2,其中，T_W1为调整前的跟车时距触发阈值，β为小于0的常数，THW_avg3为在t-t_r时段内的平均跟车时距。

本发明的有效收益为：

充分考虑驾驶员的年龄、注意力分散、疲劳状态综合因素作用下，反应时间的差异性，自学习算法调整单元在每次更新跟车时距触发阈值时，可更快的适应驾驶员的驾驶风格，减少误预警的同时，保证危险的、必要的触发不会被系统过滤掉，同样工况下，本方案计算出的跟车时距触发阈值相较于传统的、固定的预警值预警算法(THW_waring＝2.6s)可降低误报率75％，可提升预警精度10％。

附图说明

图1系统工作流程图；

图2自学习算法逻辑图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面结合附图对实施方案进行详细描述。

本发明实施例提供了一种前碰撞预警系统的功能触发参数调整方法，其中该前碰撞预警系统包括有：车外环境感知模块，驾驶员状态监测模块，前碰撞预警控制器模块和预警执行器模块。

具体来说，车外环境感知模块通过摄像头或雷达测量自车与前车的相对距离D。

驾驶员状态监测模块则通过摄像头动态获取车内驾驶员图像，进一步运用深度学习的方法来预测驾驶员疲劳值P_fatigue和驾驶员注意力分散值P_distraction。

驾驶员疲劳值P_fatigue的获取是通过识别驾驶员的面部特征点，计算单位时间内眼睛闭合程度超过80％的时间，该驾驶员疲劳值的计算算法是NHTSA所推荐的算法，驾驶员疲劳值P_fatigue的计算结果为[0,1]间的值，具体计算方式如下：

驾驶员注意力分散值P_distraction为计算驾驶员眼球凝视区域偏离正常驾驶视野范围的时间，计算结果为[0,1]间的值，具体计算公式如下：

驾驶员状态值P_state综合考虑P_fatigue和P_distraction，P_state的计算结果为[0,1]间的值，具体计算公式如下：

w₁是经过预先大数据统计确定因驾驶员疲劳驾驶而导致交通事故的比例，w₂是经过预先大数据统计确定因驾驶员注意力分散驾驶而导致交通事故的比例，w₁和w₂分别取值0.7、0.3。当P_state≤0.5定义为驾驶员注意力集中状态，否则定义为驾驶员注意力分散状态。

驾驶员反应时间t_r根据驾驶员的年龄确定，本实施例中，当驾驶员的年龄位于20-35岁之间t_r取0.56s±0.1s，当驾驶员的年龄位于35-60岁之间t_r取0.8s±0.1s，当驾驶员的年龄位于60岁以上t_r取1.1s±0.1s。

前碰撞预警控制器模块用于完成状态参数计算单元、逻辑控制单元和功能触发参数调整单元。

其中，前碰撞预警控制器模块的状态参数计算单元根据车外环境感知模块的输出的自车与前车的相对距离D，计算跟车时距THW(Time Headway)，

V_Ego为自车速度，从车辆的整车网络获取。

前碰撞预警控制器模块对逻辑控制单元在检测到车辆的当前跟车时距THW≤预警阈值T_w时，向预警执行器模块发送预警指令。

参照图2，前碰撞预警控制器模块的自学习算法调整单元在驾驶员每次制动操作或前碰撞预警系统触发预警后进行跟车时距预警阈值(T_w)的调整，具体调整方式如下：

场景一，自学习算法调整单元检测到在任意t时刻驾驶员制动车辆，且预警系统在t-t_r时段内未触发预警功能，且t时刻的跟车时距THW＞3.5s，则判断当前驾驶员进行车辆制动的原因是正常行驶需要的制动，如停车减速、转向减速、红绿灯减速等场景，则此场景一下对于跟车时距预警阈值T_w不做调整。

场景二，自学习算法调整模块检测到在任意t时刻驾驶员制动车辆，且预警系统在t-t_r时段内触发预警功能，该场景二属正确预警。但若前碰撞预警系统在触发预警的过程中驾驶员持续制动车辆，且持续制动时间t_brake>预设时间t_hold，则认为当前驾驶员的风险容忍度低于前碰撞预警系统的预警时刻的紧急程度，对于跟车时距触发阈值T_w仍有优化空间，因此，在此场景二下，对跟车时距触发阈值T_w的具体调整方式如下：

T_W2＝T_W1-(1k(t))*(T_W1-THW_avg1)

式中，T_W2为调整后的跟车时距触发阈值，T_W1为调整前的跟车时距触发阈值，k(t)为为驾驶员持续制动车辆过程中的跟车时距与时间曲线的一元回归直线的斜率，，THW_avg1为驾驶员持续制动车辆过程中的跟车时距与时间曲线的平均跟车时距。

需注意的是，驾驶员在正常刹车过程中，若制动瞬间的减速度a较大，T_w不应做调整，为过滤该场景，设置约束条件0＜a_avg＜-2m/s²，a_avg为[t_bs,t_be]区间的平均减速度，t_hold取值1s。

场景三，自学习算法调整单元检测到在任意t时刻如驾驶员制动，且预警系统在t-t_r时刻未触发预警功能，且t时刻车时距THW≤3.5s，则认定前碰撞预警系统出现漏报，跟车时距触发参数T_w应向增大趋势调整，调整公式如下：

T_W2＝T_W1+α(T_W1-THW_avg2)

T_W2为调整后的跟车时距触发阈值，T_W1为调整前的跟车时距触发阈值，α取值0.1。

场景四，自学习算法调整单元检测到在任意t时刻如驾驶员制动，且前碰撞预警系统在t-t_r时刻未触发预警功能，且t时刻车时距THW＞3.5s，则该场景为驾驶员因停车、转向等正常行驶过程场景中的制动行为，T_w不作调整。

场景五，自学习算法调整单元检测到在任意t时刻如驾驶员未制动，且驾驶员状态值P_state＞0.5，则确定驾驶员注意力不集中，该场景五为干扰样本，T_w不作调整。

场景六，自学习算法调整单元检测到在任意t时刻如驾驶员未制动，且驾驶员状态值P_state≤0.5，且预警系统在t-t_r时刻未触发预警功能，则该场景六属于无风险的正常行车环境，T_w不作调整。

场景七，自学习算法调整单元检测到在任意t时刻如驾驶员未制动，且驾驶员状态值P_state≤0.5，且预警系统在t-t_r时刻触发预警功能，则该场景七属于误报，跟车时距触发参数T_w应向减小势调整，调整公式如下：

T_W2＝T_W1-β(T_W1-THW_avg3)

T_W2为调整后的跟车时距触发阈值,其中，T_W1为调整前的跟车时距触发阈值；THW_avg3为在t-t_r时段内的平均跟车时距，β取值-0.05。

预警执行器模块在接收到逻辑控制模块发送的预警指令后给予驾驶员视觉、听觉或触觉提醒，如通过仪表给予图像提醒、扩音器给予声音提醒、主动式安全带给予振动提醒。

以上所述仅为本申请的优选实施案例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (7)

1.一种前碰撞预警系统的功能触发参数调整方法，其特征在于，包括：

判断驾驶员在任意t时刻是否制动车辆；

若在任意t时刻驾驶员制动车辆，则判断车辆的前碰撞预警系统是否在t-t_r时段内触发预警功能；

若车辆的前碰撞预警系统在t-t_r时段内触发预警功能，则在当车辆的平均制动减速度和车辆的持续制动时间在驾驶员制动车辆的过程中满足第一预设条件时，按照第一调整方式调整所述前碰撞预警系统的跟车时距触发阈值；

若车辆的前碰撞预警系统在t-t_r时段内未触发预警功能，则在当车辆的当前跟车时距满足第二预设条件时，按照第二调整方式调整所述前碰撞预警系统的跟车时距触发阈值。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

若驾驶员在任意t时刻未制动车辆，则在当驾驶员状态值小于预设数值且车辆的前碰撞预警系统在t-t_r时段内触发预警功能，按照第三调整方式调整所述卡碰撞预警系统的跟车时距触发阈值；

其中，所述驾驶员状态值P_state基于驾驶员疲劳值P_fatigue和驾驶员注意力分散值P_siateaction确定。

3.根据权利要求1所述的方法，其特征在于，车辆的平均制动减速度和车辆的持续制动时间在驾驶员制动车辆的过程中满足第一预设条件具体为：

在驾驶员持续制动车辆的过程中，车辆的平均制动减速度a_avg大于或等于-2m/s²且车辆的持续制动时间大于或等于1s；

车辆的当前跟车时距满足第二预设条件具体为：

车辆的当前跟车时距小于或等于3.5s。

4.根据权利要求1或3所述的方法，其特征在于，按照第一调整方式调整所述前碰撞预警系统的跟车时距触发阈值的步骤包括：

按照第一公式：

T_W2＝T_W1-(1-k(t))*(T_W1-THW_avg1)

计算调整后的跟车时距触发阈值T_W2,其中，T_W1为调整前的跟车时距触发阈值，k(t)为驾驶员持续制动车辆过程中的跟车时距与时间曲线的一元回归直线的斜率，THW_avg1为驾驶员持续制动车辆过程中的跟车时距与时间曲线的平均跟车时距。

5.根据权利要求1或3所述的方法，其特征在于，按照第二调整方式调整所述前碰撞预警系统的跟车时距触发阈值的步骤包括：

按照第二公式：

T_W2＝T_W1+α(T_W1-THW_avg2)

计算调整后的跟车时距触发阈值T_W2,其中，T_W1为调整前的跟车时距触发阈值，α为大于0的常数，THW_avg2为t-t_r时段内的平均跟车时距。

6.根据权利要求2所述的方法，其特征在于，驾驶员状态值P_state通过公式：

计算获得，P_fatigue为驾驶员疲劳值，P_siateaction为驾驶员注意力分散值，w₁为预先设定的因驾驶员疲劳驾驶导致交通事故的比例，w₂为预先设定的因驾驶员注意力分散驾驶导致交通事故的比例；

其中，

7.根据权利要求2或6所述的方法，其特征在于，按照第三调整方式调整所述前碰撞预警系统的跟车时距触发阈值的步骤包括：

按照第三公式：

T_W2＝T_W1-β(T_W1-THW_avg3)

计算调整后的跟车时距触发阈值T_W2,其中，T_W1为调整前的跟车时距触发阈值，β为小于0的常数，THW_avg3为在t-t_r时段内的平均跟车时距。

Images