CN113240901A - 一种智能车换道行为风险等级确定方法及装置 - Google Patents
一种智能车换道行为风险等级确定方法及装置 Download PDFInfo
- Publication number
- CN113240901A CN113240901A CN202110245165.5A CN202110245165A CN113240901A CN 113240901 A CN113240901 A CN 113240901A CN 202110245165 A CN202110245165 A CN 202110245165A CN 113240901 A CN113240901 A CN 113240901A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- lane change
- lane
- vehicles
- intelligent
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
-
- 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
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/167—Driving aids for lane monitoring, lane changing, e.g. blind spot detection
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了智能车换道行为风险等级确定方法及装置,定义从安全性指标、高效性指标和舒适性指标综合评价智能车换道行为的风险等级;通过换道微观信息计算在目标车辆换道前后均处于目标车辆通信范围内的车辆的换道行为风险综合评价指标;依据车辆换道行为风险综合评价指标的历史数据百分比划分,确定当前综合评价指标在两种数据库下分别对应的风险等级,进而确定目标车辆当前的换道行为风险等级。本发明综合考虑换道车辆与通行范围内所有车辆的相互作用,利用换道车辆的历史数据评价目标车辆的换道风险,换道行为风险等级评价更加全面和精确,进而为驾驶员或智能车提供科学合理的判断和决策依据,为道路交通安全和行驶效率提供保障。
Description
技术领域
本发明涉及智能交通控制领域,具体涉及一种智能车换道行为风险等级确定方法及装置。
背景技术
随着计算机、车辆工程、无线通信等领域核心技术的突破和不断推进,智能网联汽车、无人驾驶汽车作为汽车未来的发展方向,对于汽车行业、交通运输行业有着深远的影响,在国家“交通强国”的战略背景下,科研人员不断在技术上实现突破,不断完善智能车的各项性能指标,使道路交通安全和交通效率不断提高。
在非交叉口路段,车辆的行驶方向一般分为横向换道和纵向跟驰,其中车辆的横向换道行为会对目标车辆前后方一定区域内的所有车辆产生不利影响,对局部交通运行的安全性、高效性、舒适性影响极大,所以对于智能车换道行为风险等级的确定尤为重要。已有研究中,中国专利CN201910446724.1基于提出的决策规则和环境信息,生成不同的换道决策,智能车依据不同层级的换道决策最终实现换道,提高了决策效率和智能车换道的合理性;中国专利CN201910449941.6 通过计算车辆相应的速度与轨迹,驱动下层的速度与转向控制器实现车辆的安全换道行为,保证智能车辆在换道行驶过程中的横向安全;中国专利 CN201910333606.X通过建立目标车辆换道轨迹预测模型和车辆换道冲突识别模型,实现车辆换道的风险识别,并输出潜在换道风险等级。
总体而言,现有针对车辆换道的研究对象局限于目标车辆换道前后的引导车和跟驰车,缺乏考虑目标车辆对局部车辆的影响,其次,现有研究多集中于传统车辆的换道行为,鲜有对智能网联汽车乃至自动驾驶汽车的换道行为研究。
发明内容
发明目的:为了克服上述现有技术的不足,本发明目的在于提出一种智能车换道行为风险等级确定方法及装置,基于智能车信息数据库、路侧通信设备信息数据库和实时感知系统,以目标车辆、目标车辆通信范围内的其他车辆为对象,以速度、加速度和车头间距为基础,计算目标智能车通信范围内所有车辆的换道安全性、高效性和舒适性指标并对其进行赋权,得到智能车换道行为风险综合评价指标,根据目标智能车的历史换道风险综合评价指标数据库和路侧通信设备的综合评价指标历史数据库确定当前智能车换道行为所处的风险等级,并以此为依据,对驾驶员起到警示作用,进而为驾驶员或智能车提供科学合理的判断和决策依据,为道路交通安全和行驶效率提供保障。
技术方案:为解决上述技术问题采用的技术方案为:
本发明所述的智能车换道行为风险等级确定方法,由安全性指标、高效性指标、舒适性指标定义智能车道行为的风险等级;该风险等级的确定方法如下:
步骤1、获取目标车辆换道前后通信范围内所有车辆的换道微观信息,
步骤2、通过获取到的换道微观信息,计算目标车辆通信范围内所有车辆的安全性指标、高效性指标和舒适性指标,计算在目标车辆换道前后均处于目标车辆通信范围内的车辆的换道行为风险综合评价指标;
步骤3、计算赋权后的换道微观信息,得到目标车辆换道前后均处于目标车辆通信范围内的车辆的换道行为风险综合评价指标。
本发明所述的智能车换道行为风险等级确定方法,所述换道微观信息包括:目标车辆、目标车辆通信范围内的其他车辆在目标车辆换道行为发生前后的速度、加速度、与前车的车头间距数据。
本发明所述的智能车换道行为风险等级确定方法,所述的安全性指标、高效性指标、舒适性指标计算如下:
计算安全性指标gh:
其中d2为智能车换道之后,所测算车辆与前车的车头间距,v2为智能车换道之后,所测算车辆的速度,d1为智能车换道之前,所测算车辆与前车的车头间距, v1为智能车换道之前,所测算车辆的速度;
计算高效性指标gv:
gv=v2-v1
计算舒适性指标ga:
ga=(a2-a1)2·Θ(a2-a1)
其中a2为智能车换道之后,所测算车辆的加速度,a1为智能车换道之前,所测算车辆的加速度,Θ(a2-a1)为三元变量,当a2>a1时,Θ(a2-a1)=1;当 a2=a1时,Θ(a2-a1)=0;当a2<a1时,Θ(a2-a1)=-1。
本发明所述的智能车换道行为风险等级确定方法,依据安全性指标、高效性指标、舒适性指标换道行为风险中的重要性不同,分别进行赋权,并计算当前测算车辆的换道行为风险综合评价指标fi:
其中kh、kv、ka分别为安全性、高效性、舒适性指标在换道行为风险综合评价指标中的权重,i为换道前后均处于通信范围内的第i辆车;
最后计算在智能车换道前后均处于通信范围内所有车辆的换道行为风险综合评价指标F:
其中fi为换道前后均处于通信范围内的第i辆车的换道行为风险综合评价指标,N为智能车换道前后均处于通信范围内的车辆数;
依据车辆换道行为风险综合评价指标历史数据百分比划分,定义智能车辆换道行为的风险等级,风险等级定义如下:
本发明所述的智能车换道行为风险等级确定方法,所述的取目标车辆换道行为风险综合评价指标的历史数据,包括目标车辆所记录的历史数据、路侧通信设备所记录的与该设备进行通信的综合评价指标历史数据,确定当前综合评价指标在两种数据库下分别对应的风险等级,进而确定目标车辆当前的换道行为风险等级。
本发明所述的智能车换道行为风险等级确定装置,该装置包括智能车状态感知模块,智能车数据储存模块,路侧通信设备数据储存模块,换道行为风险综合评价指标计算模块,换道行为风险等级划分模块;
所述的智能车状态感知模块将获取的信息数据输送至智能车数据储存模块,路侧通信设备数据储存模块由智能车数据储存模块的数据进行风险综合评价;换道行为风险等级划分模块获取到风险综合评价进行道行为风险等级确定。
本发明所述的智能车换道行为风险等级确定装置,所述的智能车状态感知模块包括:对本车的自感知单元,对通信范围内其他车辆的感知单元;
所述的对本车的自感知单元用于获取目标车辆的速度、加速度和与前车的车头间距;
所述的对通信范围内其他车辆的感知单元用于获取通信范围内其他车辆的速度、加速度和与前车的车头间距。
本发明所述的智能车换道行为风险等级确定装置,所述的智能车数据储存模块包括历史数据单元,实时数据单元,分别用于存储历史和实时换道数据;路侧通信设备数据储存模块,包括历史数据单元,用于储存车辆与其发生通信时的换道风险综合评价指标。
本发明所述的智能车换道行为风险等级确定装置,所述的换道行为风险等级划分模块,包括智能车的换道行为风险等级划分单元,路侧通信设备的换道风险等级划分单元;分别用于进行智能车历史数据和路侧通信设备历史数据的百分比划分并确定当前目标车辆的换道行为风险等级。
有益效果:本发明提出的一种智能车换道行为风险确定方法,基于智能车信息数据库、路侧通信设备信息数据库和实时感知系统,以目标车辆、目标车辆通信范围内的其他车辆为对象,以速度、加速度和车头间距为基础,计算目标智能车通信范围内所有车辆的换道安全性、高效性和舒适性指标并对其赋权,得到智能车换道行为风险综合评价指标,通过对综合评价指标的历史数据进行百分比划分,定义智能车辆换道行为的风险等级,根据目标智能车的历史换道风险综合评价指标数据库和路侧通信设备的综合评价指标历史数据库确定当前智能车换道行为所处的风险等级,并以此为依据,对驾驶员起到警示作用。本发明提供的方法综合考虑换道车辆与通信范围内,即区域内其他车辆的相互作用,通过安全性、高效性和舒适性三个维度考量智能车的换道风险,为保证风险等级判定的准确性,引入了智能车自身历史数据库和路侧通信设备历史数据库两个数据库相互进行约束,使对智能车换道行为风险等级的判定更加科学、精准,进而为驾驶员或智能车提供科学合理的判断和决策依据,为道路交通安全和行驶效率提供保障。
附图说明
图1是本发明实施例的方法流程图;
图2是本发明实施例的实例中目标车辆换道前交通状况的示意图;
图3是本发明实施例的示例中目标车辆换道后交通状况的示意图;
图4是本发明实施例的装置结构示意图。
具体实施方式
为使本发明实施例的目的和技术方案更加清楚,下面将结合本发明实施例的附图,对本发明实施例的技术方案进行清楚、完整地描述。显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于所描述的本发明的实施例,本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
一种智能车换道行为风险等级确定方法,包括如下步骤:
(1)定义从三个指标综合评价智能车换道行为的风险等级,包括安全性指标、高效性指标和舒适性指标;
(2)获取目标车辆换道前后通信范围内所有车辆的换道微观信息,所述换道微观信息包括目标车辆、目标车辆通信范围内的其他车辆在目标车辆换道行为发生前后的速度、加速度和与前车的车头间距数据;
(3)计算目标车辆通信范围内所有车辆的三个指标数值,并依据其重要性进行赋权,计算在目标车辆换道前后均处于目标车辆通信范围内的车辆的换道行为风险综合评价指标:
当智能车产生换道行为,对处于目标车辆附近的车辆都会产生影响,所以对所有在智能车换道前后均处于目标车辆通信范围内的车辆都进行安全性、高效性、舒适性指标的测算;
计算安全性指标gh:
其中d2为智能车换道之后,所测算车辆与前车的车头间距,v2为智能车换道之后,所测算车辆的速度,d1为智能车换道之前,所测算车辆与前车的车头间距, v1为智能车换道之前,所测算车辆的速度;
计算高效性指标gv:
gv=v2-v1
计算舒适性指标ga:
ga=(a2-a1)2·Θ(a2-a1)
其中a2为智能车换道之后,所测算车辆的加速度,a1为智能车换道之前,所测算车辆的加速度,Θ(a2-a1)为三元变量,当a2>a1时,Θ(a2-a1)=1;当 a2=a1时,Θ(a2-a1)=0;当a2<a1时,Θ(a2-a1)=-1;
其次依据上述三种指标在换道行为风险中的重要性不同,分别进行赋权,并计算当前测算车辆的换道行为风险综合评价指标fi:
其中kh、kv、ka分别为安全性、高效性、舒适性指标在换道行为风险综合评价指标中的权重,i为换道前后均处于通信范围内的第i辆车;
最后计算在智能车换道前后均处于通信范围内所有车辆的换道行为风险综合评价指标F:
其中fi为换道前后均处于通信范围内的第i辆车的换道行为风险综合评价指标,N为智能车换道前后均处于通信范围内的车辆数;
(4)依据车辆换道行为风险综合评价指标的历史数据百分比划分,定义智能车辆换道行为的风险等级:
基于智能车数据库所存储的自身的换道数据,即历史车辆换道行为风险综合评价指标F;以及路侧通信设备数据库所储存的与该设备进行通信的历史车辆换道行为风险综合评价指标F,将两个历史综合评价指标数据库分别依据评价指标 F的大小由低到高进行排序,再根据百分比进行划分,如下表所示:
表3换道风险等级的百分比划分
其中,若当前综合评价指标落入[0%,5%)区间内,则判定当前换道行为风险等级为I级,定义它为严重危险;若当前综合评价指标落入[5%,15%)内,则判定当前换道行为等级为II级,定义它为中度危险,以此类推;
(5)获取目标车辆换道行为风险综合评价指标的历史数据,包括目标车辆所记录的历史数据、路侧通信设备所记录的与该设备进行通信的综合评价指标历史数据,确定当前综合评价指标在两种数据库下分别对应的风险等级,进而确定目标车辆当前的换道行为风险等级;
依据当前综合评价指标在两个数据库中所处的区间,确定当前综合评价指标在两种数据库下分别对应的风险等级,将两个数据库下得到的风险等级进行对比,取风险等级更高的一个作为目标车道当前的换道行为风险等级。
下面根据某交通示例对本发明作进一步阐述。
交通示例:某一智能车辆行驶在一条单向三车道道路上,目标车辆编号现有向左侧换道需求,在目标车辆换道前,其通信范围内除自身外有6辆车,编号分别为①~⑥;目标车辆换道后,其通信范围内除自身外有5辆车,编号分别为①~⑤,目标车辆换道前后的交通情况如图2、3所示,图中所有参数均以目标车辆为例进行说明,目标车辆换道前后通信范围内的所有车辆信息分别如下表所示:
表4目标车辆换道前通信范围内的所有车辆信息
表5目标车辆换道后通信范围内的所有车辆信息
其他参数中,计算通信范围内单个车辆的换道行为风险等级的参数kh、kv、 ka分别为10、1、1。
以下将采用本发明提出的一种智能车换道行为风险等级的确定方法:
(1)从目标车辆的信息数据库提取目标车辆通信范围内所有车辆的微观数据,如上表所示;
gv=v2-v1
=10-8
=2
ga=(a2-a1)2×θ(a2-a1)
=0
上述各符号与权利要求书所述一致。
目标车辆通信范围内其他车辆的计算结果如下表所示,因为车辆⑥在目标车辆发生换道行为后并不处于目标车辆的通信范围内,故不进行计算:
表6目标车辆通信范围内的各项评价指标
目标车辆通信范围内其他车辆的计算结果如下表所示:
表7目标车辆通信范围内各车辆的换道行为风险综合评价指标
(4)进一步计算在智能车换道前后均处于通信范围内所有车辆的换道行为风险综合评价指标F:
该目标车辆通信范围内所有车辆的换道行为风险综合评价指标为-0.776。
(5)确定目标车辆的换道行为风险等级
根据目标车辆所记录的综合评价指标历史数据、路侧通信设备所记录的与该设备进行通信的综合评价指标历史数据,确定该智能车的换道风险等级在目标车辆数据库中为Ⅳ级,在路侧设备数据库中为Ⅲ级,为给驾驶员起警示作用,取风险等级更高者,即该目标车辆的换道行为风险等级为Ⅲ级
本发明实施例公开的一种智能车换道行为风险等级确定装置,包括:智能车 状态感知模块、智能车数据储存模块、路侧通信设备数据储存模块、换道行为风 险综合评价指标计算模块、换道行为风险等级划分模块、换道行为风险等级确定 模块;其中,智能车状态感知模块,用于获取目标车辆通信范围内的所有车辆在 目标车辆换道前后的微观信息,所述微观信息包括通信范围内所有车辆的速度、 加速度和车头间距数据;智能车数据储存模块,用于储存该智能车的历史和实时 换道数据;路侧通信设备数据储存模块,用于储存历史车辆与该路侧设备发生通 信时所交换的目标车辆换道风险综合评价指标;换道行为风险综合评价指标计算 模块,用于计算目标车辆的换道行为风险综合评价指标;换道行为风险等级划分 模块,用于进行智能车历史数据和路侧通信设备历史数据的百分比划分;换道行 为风险等级确定模块,用于确定当前目标车辆的换道行为风险等级。
其中,智能车状态感知模块包括:对本车的自感知单元和对通信范围内其他车辆的感知单元;智能车数据储存模块包括:实时数据单元和历史数据单元;路侧通信设备数据储存模块包括:历史数据单元。
本实施例公开的一种智能车换道行为风险等级确定装置与一种智能车换道行为风险等级确定方法实施例属于同一构思,具体实现过程详见方法实施例,此处不再赘述。
显然,上述实施例仅仅是为清楚地说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (8)
1.一种智能车换道行为风险等级确定方法,其特征在于:该风险等级的确定方法如下:
步骤1、获取目标车辆换道前后通信范围内所有车辆的换道微观信息,
步骤2、通过获取到的换道微观信息,计算目标车辆通信范围内所有车辆的安全性指标、高效性指标和舒适性指标,计算在目标车辆换道前后均处于目标车辆通信范围内的车辆的换道行为风险综合评价指标;
步骤3、依据车辆换道行为风险综合评价指标的历史数据百分比划分,确定当前智能车辆的换道行为风险等级。
2.根据权利要求1所述的智能车换道行为风险等级确定方法,其特征在于:所述换道微观信息包括:目标车辆、目标车辆通信范围内的其他车辆在目标车辆换道行为发生前后的速度、加速度、与前车的车头间距数据。
3.根据权利要求1所述的智能车换道行为风险等级确定方法,其特征在于:所述目标车辆通信范围内所有车辆的安全性指标、高效性指标和舒适性指标的计算方法如下:
计算安全性指标gh:
其中d2为智能车换道之后,所测算车辆与前车的车头间距,v2为智能车换道之后,所测算车辆的速度,d1为智能车换道之前,所测算车辆与前车的车头间距,v1为智能车换道之前,所测算车辆的速度;
计算高效性指标gv:
gv=v2-v1
计算舒适性指标ga:
ga=(a2-a1)2·Θ(a2-a1)
其中a2为智能车换道之后,所测算车辆的加速度,a1为智能车换道之前,所测算车辆的加速度,Θ(a2-a1)为三元变量,表示智能车换道前后加速度变化对舒适性的影响,当a2>a1时,Θ(a2-a1)=1;当a2=a1时,Θ(a2-a1)=0;当a2<a1时,Θ(a2-a1)=-1。
4.根据权利要求3所述的智能车换道行为风险等级确定方法,其特征在于:对上述计算的三种指标依据安全性权重最高、高效性权重次之、舒适性权重最小分别进行赋权,计算当前测算车辆的换道行为风险综合评价指标fi:
其中kh、kv、ka分别为安全性、高效性、舒适性指标在换道行为风险综合评价指标中的权重;i为换道前后均处于通信范围内的第i辆车;
最后计算在智能车换道前后均处于通信范围内所有车辆的换道行为风险综合评价指标F:
其中fi为换道前后均处于通信范围内的第i辆车的换道行为风险综合评价指标,N为智能车换道前后均处于通信范围内的车辆数;
依据车辆换道行为风险综合评价指标历史数据百分比划分,定义智能车辆换道行为的风险等级,风险等级定义如下:
5.根据权利要求4所述的智能车换道行为风险等级确定方法,其特征在于:所述的目标车辆换道行为风险综合评价指标的历史数据,包括目标车辆所记录的综合评价指标历史数据、路侧通信设备所记录的与该设备进行通信的综合评价指标历史数据,确定当前综合评价指标在两种数据库下分别对应的风险等级,取风险等级最高的为当前智能车换道的风险等级。
6.一种智能车换道行为风险等级确定装置,其特征在于:该装置包括智能车状态感知模块,智能车数据储存模块,路侧通信设备数据储存模块,换道行为风险综合评价指标计算模块,换道行为风险等级划分模块;
所述的智能车状态感知模块将获取的信息数据输送至智能车数据储存模块,换道行为风险综合评价指标计算模块利用数据储存模块传输的数据进行相关指标的计算,并将计算所得综合评价指标输送至智能车数据储存模块和路侧通信设备数据储存模块,分别在各自数据库中进行风险等级的划分,然后将各自数据库下的风险等级传输至换道行为风险等级确定模块进行最终换道行为风险等级的确定。
7.根据权利要求6所述的智能车换道行为风险等级确定装置,其特征在于:所述的智能车状态感知模块包括:对本车的自感知单元,对通信范围内其他车辆的感知单元;
所述的对本车的自感知单元用于获取目标车辆的速度、加速度和与前车的车头间距;
所述的对通信范围内其他车辆的感知单元用于获取通信范围内其他车辆的速度、加速度和与前车的车头间距。
8.根据权利要求6所述的智能车换道行为风险等级确定装置,其特征在于:所述的智能车数据储存模块包括历史数据单元,实时数据单元,分别用于存储历史和实时换道数据;路侧通信设备数据储存模块,包括历史数据单元,用于储存车辆与其发生通信时的换道风险综合评价指标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110245165.5A CN113240901B (zh) | 2021-03-05 | 2021-03-05 | 一种智能车换道行为风险等级确定方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110245165.5A CN113240901B (zh) | 2021-03-05 | 2021-03-05 | 一种智能车换道行为风险等级确定方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113240901A true CN113240901A (zh) | 2021-08-10 |
CN113240901B CN113240901B (zh) | 2022-04-26 |
Family
ID=77130350
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110245165.5A Active CN113240901B (zh) | 2021-03-05 | 2021-03-05 | 一种智能车换道行为风险等级确定方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113240901B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114104007A (zh) * | 2022-01-28 | 2022-03-01 | 交通运输部公路科学研究所 | 一种自动驾驶车辆最小风险控制策略 |
CN114613195A (zh) * | 2022-03-18 | 2022-06-10 | 重庆大学 | 一种面向混合交通的车辆换道风险评估方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109360445A (zh) * | 2018-07-09 | 2019-02-19 | 重庆大学 | 一种基于横向与纵向运动学特征分布的高速换道风险检测方法 |
CN109733390A (zh) * | 2018-12-29 | 2019-05-10 | 江苏大学 | 一种基于驾驶人特性的自适应换道预警方法 |
CN110085056A (zh) * | 2019-04-24 | 2019-08-02 | 华南理工大学 | 一种高速公路车路协同环境下车辆换道瞬时风险识别方法 |
CN110675656A (zh) * | 2019-09-24 | 2020-01-10 | 华南理工大学 | 一种基于瞬时风险识别的智能车辆换道预警方法 |
CN112158206A (zh) * | 2020-09-27 | 2021-01-01 | 东南大学 | 一种智能车强制换道汇入点确定方法及装置 |
-
2021
- 2021-03-05 CN CN202110245165.5A patent/CN113240901B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109360445A (zh) * | 2018-07-09 | 2019-02-19 | 重庆大学 | 一种基于横向与纵向运动学特征分布的高速换道风险检测方法 |
CN109733390A (zh) * | 2018-12-29 | 2019-05-10 | 江苏大学 | 一种基于驾驶人特性的自适应换道预警方法 |
CN110085056A (zh) * | 2019-04-24 | 2019-08-02 | 华南理工大学 | 一种高速公路车路协同环境下车辆换道瞬时风险识别方法 |
CN110675656A (zh) * | 2019-09-24 | 2020-01-10 | 华南理工大学 | 一种基于瞬时风险识别的智能车辆换道预警方法 |
CN112158206A (zh) * | 2020-09-27 | 2021-01-01 | 东南大学 | 一种智能车强制换道汇入点确定方法及装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114104007A (zh) * | 2022-01-28 | 2022-03-01 | 交通运输部公路科学研究所 | 一种自动驾驶车辆最小风险控制策略 |
CN114613195A (zh) * | 2022-03-18 | 2022-06-10 | 重庆大学 | 一种面向混合交通的车辆换道风险评估方法及装置 |
CN114613195B (zh) * | 2022-03-18 | 2024-06-11 | 重庆大学 | 一种面向混合交通的车辆换道风险评估方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113240901B (zh) | 2022-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3533681B1 (en) | Method for detecting safety of driving behavior, apparatus and storage medium | |
CN111354193B (zh) | 一种基于5g通信的高速公路车辆异常行为预警系统 | |
CN109177982A (zh) | 考虑驾驶风格的车辆行驶危险度评价方法 | |
CN113240901B (zh) | 一种智能车换道行为风险等级确定方法及装置 | |
CN111477005B (zh) | 一种基于车辆状态及行车环境的智能感知预警方法及系统 | |
CN110077398B (zh) | 一种用于智能驾驶的危险处理方法 | |
CN112249008B (zh) | 针对复杂动态环境的无人驾驶汽车预警方法 | |
CN106956680B (zh) | 一种电动汽车驾驶行为识别分析方法 | |
CN103552560A (zh) | 基于司机驾驶状态识别的车道偏离报警方法 | |
CN108682149A (zh) | 基于二项Logistic回归的公路事故黑点路段线形致因分析方法 | |
CN105620486B (zh) | 应用于车辆能量管理的行驶模式判断装置及方法 | |
CN108711285A (zh) | 一种基于道路路口的混合交通模拟方法 | |
CN113592221B (zh) | 基于安全替代评价指标的道路路段风险动态评估方法 | |
CN110610326A (zh) | 一种基于驾驶数据的驾驶管理系统 | |
CN117292540B (zh) | 一种桥梁侧风环境车辆侧滑及侧翻预警系统及方法 | |
CN113688561A (zh) | 一种基于神经网络的高速公路施工区最优预警距离确定方法 | |
CN111767644B (zh) | 考虑单隧道限速影响高速公路路段实际通行能力估计方法 | |
CN112466157B (zh) | 一种交通事故的预警方法及装置 | |
CN112590791B (zh) | 一种基于博弈论的智能车换道间隙选择方法及装置 | |
CN110610611B (zh) | 面向混行交通流中智能网联车辆的行车安全性评价方法 | |
CN113506012A (zh) | 一种基于手机车联网数据的驾驶行为风险指数判定方法 | |
CN112686127A (zh) | 基于gm-hmm的驾驶员超车意图识别方法 | |
CN112373482A (zh) | 一种基于驾驶模拟器的驾驶习惯建模方法 | |
CN115923813B (zh) | 一种基于速度急变特征的驾驶行为分析方法及系统 | |
CN115966100B (zh) | 一种行车安全控制方法及系统 |
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 |