CN113658451B - 车辆碰撞预警的控制方法、装置、车辆和可读存储介质 - Google Patents

车辆碰撞预警的控制方法、装置、车辆和可读存储介质 Download PDF

Info

Publication number
CN113658451B
CN113658451B CN202110875599.3A CN202110875599A CN113658451B CN 113658451 B CN113658451 B CN 113658451B CN 202110875599 A CN202110875599 A CN 202110875599A CN 113658451 B CN113658451 B CN 113658451B
Authority
CN
China
Prior art keywords
vehicle
collision
information
user
preset
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
CN202110875599.3A
Other languages
English (en)
Other versions
CN113658451A (zh
Inventor
张彦宁
刘娟
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.)
Sany Special Vehicle Co Ltd
Original Assignee
Sany Special Vehicle 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 Sany Special Vehicle Co Ltd filed Critical Sany Special Vehicle Co Ltd
Priority to CN202110875599.3A priority Critical patent/CN113658451B/zh
Publication of CN113658451A publication Critical patent/CN113658451A/zh
Application granted granted Critical
Publication of CN113658451B publication Critical patent/CN113658451B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供了一种车辆碰撞预警的控制方法、装置、车辆和可读存储介质。其中，车辆碰撞预警的控制方法，包括：获取用户特征信息、环境信息、第一车辆行驶信息和第二车辆行驶信息；根据用户特征信息、环境信息、第一车辆行驶信息和第二车辆行驶信息，利用预设碰撞规避时间阈值模型，确定碰撞规避时间阈值；根据第一车辆行驶信息、第二车辆行驶信息和碰撞规避时间阈值，确定碰撞风险概率；根据碰撞风险概率和预设风险概率阈值，控制第一车辆的运行参数。本发明提供的技术方案通过计算碰撞风险概率对碰撞风险随时间的变化趋势进行描述，提高了车辆碰撞预警的准确性，确保车辆行驶的安全性。

Description

车辆碰撞预警的控制方法、装置、车辆和可读存储介质
技术领域
本发明涉及车辆技术领域，具体而言，涉及一种车辆碰撞预警的控制方法、一种车辆碰撞预警的控制装置、一种车辆和一种可读存储介质。
背景技术
相关技术中，车辆碰撞预警方法多基于本车与前车之间的相对速度和相对距离计算碰撞时间，根据碰撞时间发出报警信号。然而，该方法对碰撞风险影响因素的随机性以及碰撞风险随时间变化的特性考虑较少，导致车辆碰撞预警的精准度较低。
发明内容
本发明旨在至少解决现有技术或相关技术中存在的技术问题之一。
为此，本发明的第一方面提供了一种车辆碰撞预警的控制方法。
本发明的第二方面还提供了一种车辆碰撞预警的控制装置。
本发明的第三方面还提供了一种车辆。
本发明的第四方面还提供了一种可读存储介质。
有鉴于此，本发明的第一方面提出了一种车辆碰撞预警的控制方法，包括：获取用户特征信息、环境信息、第一车辆行驶信息和第二车辆行驶信息；根据用户特征信息、环境信息、第一车辆行驶信息和第二车辆行驶信息，利用预设碰撞规避时间阈值模型，确定碰撞规避时间阈值；根据第一车辆行驶信息、第二车辆行驶信息和碰撞规避时间阈值，确定碰撞风险概率；根据碰撞风险概率和预设风险概率阈值，控制第一车辆的运行参数。
在该技术方案中，在车辆行驶过程中，第一车辆和第二车辆沿同一方向行驶，第二车辆位于第一车辆的前方，针对第一车辆来说，第二车辆低速行驶、减速或者刹车，存在前方碰撞危险。因此，采集用户的特征信息、当前环境信息、第一车辆行驶信息和第二车辆行驶信息。将采集到的用户特征信息、当前环境信息、第一车辆行驶信息和第二车辆行驶信息，导入预先建立的碰撞规避时间阈值模型中，计算得到第一车辆和第二车辆之间的碰撞风险概率。进一步地，根据碰撞风险概率和预设的风险概率阈值，确定当前第一车辆与第二车辆之间发生碰撞的风险等级，进而控制第一车辆的运行参数。
通过上述方式，将用户特征信息和当前环境信息这些随机变量结合车辆的行驶信息，实时计算第一车辆和第二车辆之间的碰撞风险概率，以实现通过概率，对碰撞风险随时间的变化趋势进行描述，提高了车辆碰撞预警的准确性，进而根据碰撞风险概率，控制第一车辆的运行参数，实现对车辆的紧急避险措施，减少事故的发生，确保车辆行驶的安全性。
根据本发明提供的上述的车辆碰撞预警的控制方法，还可以具有以下附加技术特征：
在上述技术方案中，进一步地，根据用户特征信息、环境信息、第一车辆行驶信息和第二车辆行驶信息，利用预设碰撞规避时间阈值模型，确定碰撞规避时间阈值的步骤，具体包括：将用户特征信息和环境信息导入Cox回归模型，确定用户反应时间；根据第一车辆行驶信息和第二车辆行驶信息，确定第一车辆和第二车辆之间的相对距离和相对速度；将相对距离、相对速度、用户反应时间和预设行驶参数导入预设碰撞规避时间阈值模型，确定碰撞规避时间阈值。
在该技术方案中，将采集到的用户的特征信息和当前环境信息导入Cox回归模型中，利用Cox回归模型，计算用户对于发生碰撞的反应时间，进而得到用户反应时间的概率分布。
具体地，Cox回归模型为：
Figure BDA0003190150850000021
其中，tr为用户反应时间；X为影响因素自变量向量；h(tr，X)为X条件下，tr时刻用户做出反应的瞬时概率；h0(tr)为当X向量为0时，h(tr，X)的基准危险率，exp为自然数对数，βi为自变量X的偏回归系数，Xi为自变量向量中的第i个自变量，i∈{1，2，3，…，N}，N为大于0的整数。
具体地，将用户的特征信息和当前环境信息作为影响因素自变量向量X，导入Cox回归模型，计算用户反应时间，确定用户反应时间tr的概率分布。
进一步地，采集第一车辆的行驶速度、第二车辆的行驶速度和两车之间的相对距离，根据采集到的第一车辆的行驶速度、第二车辆的行驶速度，得到第一车辆和第二车辆的相对速度。将两车的相对距离、相对速度、用户反应时间以及预设的行驶参数导入预先建立的碰撞规避时间阈值模型的公式中，计算得到碰撞规避时间阈值，利用碰撞规避时间阈值模型，描述碰撞规避时间阈值的概率分布其中。
具体地，碰撞规避时间阈值模型方程式为：
Figure BDA0003190150850000031
其中，D为第一车辆和第二车辆的相对距离，amax为第一车辆的最大减速度，te为碰撞规避时间阈值，v为第一车辆和第二车辆的相对速度，Ds为第一车辆和第二车辆之间预设安全距离，tr为用户反应时间。
通过上述方式，采用Cox回归模型确定用户反应时间。由于用户反应时间是随机的，是根据用户特征信息和当前环境信息等自变量变化的，因此，通过用户反应时间，利用碰撞规避时间阈值模型相结合，计算碰撞规避时间阈值，并描述碰撞规避时间阈值的概率分布。使得碰撞规避时间阈值能够适配于用户反应时间，提高了碰撞规避时间阈值的灵活性和随机性，进而提高了车辆碰撞预警的准确性。
在上述任一技术方案中，进一步地，根据第一车辆行驶信息、第二车辆行驶信息和碰撞规避时间阈值，确定碰撞风险概率的步骤，具体包括：根据任一时刻的相对距离和任一时刻的相对速度，确定第一车辆和第二车辆之间的任一时刻的碰撞时间；根据第一公式，计算碰撞风险概率；
第一公式为：
ETTCk＝P(TTCk≤te)，
其中，ETTCk为第k时刻的碰撞风险概率，TTCk为第k时刻的碰撞时间，te为碰撞规避时间阈值，P为第k时刻的碰撞时间小于或等于碰撞规避时间阈值的概率，k为大于0的整数。
在该技术方案中，根据任一时刻的第一车辆和第二车辆之间的相对距离和相对速度，计算任一时刻的第一车辆和第二车辆发生碰撞所需的时间，记为碰撞时间。将计算得到的任一时刻的碰撞时间导入第一公式中，计算任一时刻的碰撞时间小于碰撞规避时间阈值的概率作为碰撞风险输出。
通过上述方式，根据当前实际的相对距离和相对速度，得到当前确定的碰撞时间，进而采用碰撞时间小于碰撞规避时间阈值的概率表示碰撞风险，使得碰撞风险概率更加符合车辆在行驶中的实际情况，提高了碰撞风险概率的准确性。
在上述任一技术方案中，进一步地，根据碰撞风险概率和预设风险概率阈值，控制第一车辆的运行参数的步骤，具体包括：将碰撞风险概率和预设风险概率阈值进行比较；基于碰撞风险概率大于预设风险概率阈值，控制第一车辆停止运行。
在该技术方案中，在得到碰撞风险概率后，将碰撞风险概率和预设的风险概率阈值进行比较。如果碰撞风险概率大于预设风险概率阈值，说明此时第一车辆和第二车辆之间碰撞风险等级较高，用户无法在反应时间内完成碰撞风险避让处理，则自动控制第一车辆停止运行。
通过上述方式，在碰撞风险概率过高，即当前碰撞风险等级较大的情况下，采取强制紧急避险措施，自动控制第一车辆停止运行，以确保车辆行驶的安全性。
在上述任一技术方案中，进一步地，根据碰撞风险概率和预设风险概率阈值，控制第一车辆的运行参数之前，还包括：将碰撞风险概率和预设预警阈值进行比较；基于碰撞风险概率大于预设预警阈值，发出预警信号，其中，预设预警阈值小于预设风险概率阈值。
在该技术方案中，如果碰撞风险概率的大小尚未达到采取强制避险措施时，将车辆发生碰撞风险的概率和预设的预警阈值进行比较，如果碰撞风概率大于预警阈值时，此时发出预警信号，通过发出预警信号的方式使用户意识到危险，使得用户能够根据提醒采取制动措施。
通过上述方式，根据碰撞风险概率和预警阈值的大小关系，来确定是否发出预警信号，提高了发出预警信号时间的准确性，避免过早预警或过晚预警的现象，提高了预警的有效性。
在上述任一技术方案中，进一步地，预警信号包括以下至少一种：振动预警信号、语音预警信号和灯光预警信号。
在该技术方案中，不同的预警方式对用户可能有不同的反应时间，因此，根据碰撞风险概率所对应的碰撞风险等级，确定发出预警的预警强度，进而确定其对应的预警信号，其中，预警信号包括振动预警信号、语音预警信号和灯光预警信号。
通过上述方式，设置多种预警信号，使得发出的预警信号能够随碰撞风险概率的变化而变化，实现了车辆碰撞预警的多样性。
在上述任一技术方案中，进一步地，用户特征信息包括以下至少一种：用户年龄、用户性别和用户连续驾驶时长。
在该技术方案中，由于用户年龄、性别、驾驶技术、驾驶习惯等因素，不同的用户反应的时间存在差异化。因此，采集用户的特征信息作为计算用户反应时间的影响因素自变量。其中，用户特征信息包括用户年龄、用户性别等身份信息。进一步地，考虑到在某些情况下，例如用户走神的情况下，用户特征信息还包括用户连续驾驶时长、用户的肢体行为、脸部表情、视线方位信息等用户的状态信息。
通过上述方式，将用户的身份信息和当前用户的状态信息相结合，作为计算用户反应时间的影响因素自变量，使得用户反应时间的计算结果更加合理，提高了用户反应时间概率分布的准确性，进而提高了车辆碰撞预警的精准性。
在上述任一技术方案中，进一步地，环境信息包括以下至少一种：湿度、温度、风速、光线强度、雷电情况、降雨情况、降雾情况和降雪情况。
在该技术方案中，环境信息包括湿度、温度、风速、光线强度、雷电情况、降雨情况、降雾情况和降雪情况的至少一种，将采集到的车辆当前所处环境的环境信息与用户特征信息相结合作为自变量，导入Cox回归模型中，得到用户发生碰撞的反应时间的概率分布。
通过上述方式，提高了用户反应时间计算的准确性和合理性，进而提高了车辆碰撞预警的精确度。
根据本发明的第二方面，提出了一种车辆碰撞预警的控制装置，包括获取模块，用于获取用户特征信息、环境信息、第一车辆行驶信息和第二车辆行驶信息；第一确定模块，用于根据用户特征信息、环境信息、第一车辆行驶信息和第二车辆行驶信息，利用预设碰撞规避时间阈值模型，确定碰撞规避时间阈值；第二确定模块，用于根据第一车辆行驶信息、第二车辆行驶信息和碰撞规避时间阈值，确定碰撞风险概率；控制模块，用于根据碰撞风险概率和预设风险概率阈值，控制第一车辆的运行参数。
在该技术方案中，车辆碰撞预警的控制装置包括获取模块、第一确定模块、第二确定模块和控制模块。
具体地，在车辆行驶过程中，第一车辆和第二车辆沿同一方向行驶，第二车辆位于第一车辆的前方，针对第一车辆来说，第二车辆低速行驶、减速或者刹车，存在前方碰撞危险，因此，通过获取模块采集用户的特征信息、当前环境信息、第一车辆行驶信息和第二车辆行驶信息。
进一步地，第一确定模块将采集到的用户特征信息、当前环境信息、第一车辆行驶信息和第二车辆行驶信息，导入预先建立的碰撞规避时间阈值模型中，计算得到第一车辆和第二车辆之间的碰撞风险概率。
进一步地，第二确定模块根据碰撞风险概率和预设的风险概率阈值，确定当前第一车辆与第二车辆之间发生碰撞的风险等级。
进一步地，控制模块根据碰撞风险概率控制第一车辆的运行参数。
通过上述方式，将用户特征信息和当前环境信息这些随机变量结合车辆的行驶信息，实时计算第一车辆和第二车辆之间的碰撞风险概率，以实现通过概率，对碰撞风险随时间的变化趋势进行描述，提高了车辆碰撞预警的准确性，进而根据碰撞风险概率，控制第一车辆的运行参数，以实现紧急避险措施，减少事故的发生，确保车辆行驶的安全性。
根据本发明的第三方面，提出了一种车辆，包括第二方面提出的车辆碰撞预警的控制装置，或包括存储器，存储器储存有程序或指令；处理器，与存储器连接，处理器，被配置为执行程序或指令时实现第一方面提出的车辆碰撞预警的控制方法。因此该车辆具备第一方面提出的车辆碰撞预警的控制方法或第二方面提出的车辆碰撞预警的控制装置的全部有益效果，在此不再赘述。
根据本发明的第四方面，提出了一种可读存储介质，其上存储有程序或指令，程序或指令被处理器执行时执行第一方面提出的车辆碰撞预警的控制方法。因此该可读存储介质具备第一方面提出的车辆碰撞预警的控制方法的全部有益效果，为避免重复，不再过多赘述。
本发明的附加方面和优点将在下面的描述部分中变得明显，或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1示出了本发明实施例的车辆碰撞预警的控制方法的流程示意图；
图2示出了本发明具体实施例的车辆碰撞预警的控制方法的逻辑图；
图3示出了本发明实施例的碰撞风险概率随时间变化曲线图；
图4示出了本发明实施例的车辆碰撞预警的控制装置的示意框图。
其中，图4中附图标记与部件名称之间的对应关系为：
400车辆碰撞预警的控制装置，402获取模块，404第一确定模块，406第二确定模块，408控制模块。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，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在没有做出创造性劳动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。
需要说明，在本发明中如涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
另外，本发明各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。
下面参照图1至图4描述本发明一些实施例的车辆碰撞预警的控制方法、车辆碰撞预警的控制装置、车辆和可读存储介质。
实施例1：
如图1所示，根据本发明的一个实施例，提出了一种车辆碰撞预警的控制方法，该方法包括：
步骤102，获取用户特征信息、环境信息、第一车辆行驶信息和第二车辆行驶信息；
步骤104，根据用户特征信息、环境信息、第一车辆行驶信息和第二车辆行驶信息，利用预设碰撞规避时间阈值模型，确定碰撞规避时间阈值；
步骤106，根据第一车辆行驶信息、第二车辆行驶信息和碰撞规避时间阈值，确定碰撞风险概率；
步骤108，根据碰撞风险概率和预设风险概率阈值，控制第一车辆的运行参数。
在该实施例中，在车辆行驶过程中，第一车辆和第二车辆沿同一方向行驶，第二车辆位于第一车辆的前方，针对第一车辆来说，第二车辆低速行驶、减速或者刹车，存在前方碰撞危险。因此，采集用户的特征信息、当前环境信息、第一车辆行驶信息和第二车辆行驶信息。将采集到的用户特征信息、当前环境信息、第一车辆行驶信息和第二车辆行驶信息，导入预先建立的碰撞规避时间阈值模型中，计算得到第一车辆和第二车辆之间的碰撞风险概率。进一步地，根据碰撞风险概率和预设的风险概率阈值，确定当前第一车辆与第二车辆之间发生碰撞的风险等级，进而控制第一车辆的运行参数。
通过上述方式，将用户特征信息和当前环境信息这些随机变量结合车辆的行驶信息，实时计算第一车辆和第二车辆之间的碰撞风险概率，以实现通过概率，对碰撞风险随时间的变化趋势进行描述，提高了车辆碰撞预警的准确性，进而根据碰撞风险概率，控制第一车辆的运行参数，实现对车辆的紧急避险措施，减少事故的发生，确保车辆行驶的安全性。
实施例2：
在该实施例中，上述根据用户特征信息、环境信息、第一车辆行驶信息和第二车辆行驶信息，利用预设碰撞规避时间阈值模型，确定碰撞规避时间阈值的步骤，具体包括：将用户特征信息和环境信息导入Cox回归模型，确定用户反应时间；根据第一车辆行驶信息和第二车辆行驶信息，确定第一车辆和第二车辆之间的相对距离和相对速度；将相对距离、相对速度、用户反应时间和预设行驶参数导入预设碰撞规避时间阈值模型，确定碰撞规避时间阈值。
在该技术方案中，将采集到的用户的特征信息和当前环境信息导入Cox回归模型中，利用Cox回归模型，计算用户对于发生碰撞的反应时间，进而得到用户反应时间的概率分布。
具体地，Cox回归模型为：
Figure BDA0003190150850000091
其中，tr为用户反应时间；X为影响因素自变量向量；h(tr，X)为X条件下，tr时刻用户做出反应的瞬时概率；h0(tr)为当X向量为0时，h(tr，X)的基准危险率，exp为自然数对数，βi为自变量X的偏回归系数，Xi为自变量向量中的第i个自变量，i∈{1，2，3，…，N}，N为大于0的整数。
具体地，将用户的特征信息和当前环境信息作为影响因素自变量向量X，导入Cox回归模型，计算用户反应时间，确定用户反应时间tr的概率分布。
进一步地，采集第一车辆的行驶速度、第二车辆的行驶速度和两车之间的相对距离，根据采集到的第一车辆的行驶速度、第二车辆的行驶速度，得到第一车辆和第二车辆的相对速度。将两车的相对距离、相对速度、用户反应时间以及预设的行驶参数导入预先建立的碰撞规避时间阈值模型的公式中，计算得到碰撞规避时间阈值，利用碰撞规避时间阈值模型，描述碰撞规避时间阈值的概率分布其中。
具体地，碰撞规避时间阈值模型方程式为：
Figure BDA0003190150850000101
其中，D为第一车辆和第二车辆的相对距离，amax为第一车辆的最大减速度，te为碰撞规避时间阈值，v为第一车辆和第二车辆的相对速度，Ds为第一车辆和第二车辆之间预设安全距离，tr为用户反应时间。
通过上述方式，采用Cox回归模型确定用户反应时间。由于用户反应时间是随机的，是根据用户特征信息和当前环境信息等自变量变化的，因此，通过用户反应时间，利用碰撞规避时间阈值模型相结合，计算碰撞规避时间阈值，并描述碰撞规避时间阈值的概率分布。使得碰撞规避时间阈值能够适配于用户反应时间，提高了碰撞规避时间阈值的灵活性和随机性，进而提高了车辆碰撞预警的准确性。
在具体实施例中，将用户特征信息和环境信息组成的影响因素自变量向量导入Cox回归模型中，计算用户反应时间，得到用户反应时间的正态分布函数曲线。进一步地，将计算得到的用户反应时间导入预先建立的碰撞规避时间阈值模型中，通过牛顿运动学方程式，计算碰撞规避时间阈值，其中，碰撞规避时间阈值和用户反应时间线性相关，考虑到用户反应时间的随机性，描述碰撞规避时间阈值的正态分布函数曲线，提升了碰撞规避时间阈值在实际应用的实用性。
实施例3：
在该实施例中，上述根据第一车辆行驶信息、第二车辆行驶信息和碰撞规避时间阈值，确定碰撞风险概率的步骤，具体包括：根据任一时刻的相对距离和任一时刻的相对速度，确定第一车辆和第二车辆之间的任一时刻的碰撞时间；根据第一公式，计算碰撞风险概率；
第一公式为：
ETTCk＝P(TTCk≤te)，
其中，ETTCk为第k时刻的碰撞风险概率，TTCk为第k时刻的碰撞时间，te为碰撞规避时间阈值，P为第k时刻的碰撞时间小于或等于碰撞规避时间阈值的概率，k为大于0的整数。
在该技术方案中，根据任一时刻的第一车辆和第二车辆之间的相对距离和相对速度，计算任一时刻的第一车辆和第二车辆发生碰撞所需的时间，记为碰撞时间。将计算得到的任一时刻的碰撞时间导入第一公式中，计算任一时刻的碰撞时间小于碰撞规避时间阈值的概率作为碰撞风险输出。
通过上述方式，根据当前实际的相对距离和相对速度，得到当前确定的碰撞时间，进而采用碰撞时间小于碰撞规避时间阈值的概率表示碰撞风险，使得碰撞风险概率更加符合车辆在行驶中的实际情况，提高了碰撞风险概率的准确性。
实施例4：
在该实施例中，上述根据碰撞风险概率和预设风险概率阈值，控制第一车辆的运行参数的步骤，具体包括：将碰撞风险概率和预设风险概率阈值进行比较；基于碰撞风险概率大于预设风险概率阈值，控制第一车辆停止运行。
在该技术方案中，在得到碰撞风险概率后，将碰撞风险概率和预设的风险概率阈值进行比较。如果碰撞风险概率大于预设风险概率阈值，说明此时第一车辆和第二车辆之间碰撞风险等级较高，用户无法在反应时间内完成碰撞风险避让处理，则自动控制第一车辆停止运行。
通过上述方式，在碰撞风险概率过高，即当前碰撞风险等级较大的情况下，采取强制紧急避险措施，自动控制第一车辆停止运行，以确保车辆行驶的安全性。
其中，预设风险概率阈值的范围可以设置为73％至75％。
在具体实施例中，第一车辆可以为自动驾驶模式，如果存在碰撞风险，可由用户接管车辆。如果碰撞风险概率小于或等于预设风险概率阈值时，说明此时第一车辆和第二车辆之间的碰撞风险的等级较低，考虑到用户反应时间，当前时刻接管不会造成交通事故，因此可以等待用户接管第一车辆；如果碰撞风险概率大于预设风险概率阈值时，说明此时第一车辆和第二车辆之间的碰撞风险的等级过高，考虑到用户反应时间，用户在当前时刻接管已经会造成交通事故，且用户尚未接管时，可以根据当前风险情况，自动控制第一车辆的运行参数，采取强制紧急避险措施。
实施例5：
在该实施例中，上述根据碰撞风险概率和预设风险概率阈值，控制第一车辆的运行参数之前，还包括：将碰撞风险概率和预设预警阈值进行比较；基于碰撞风险概率大于预设预警阈值，发出预警信号，其中，预设预警阈值小于预设风险概率阈值。
在该技术方案中，如果碰撞风险概率的大小尚未达到采取强制避险措施时，将车辆发生碰撞风险的概率和预设的预警阈值进行比较，如果碰撞风概率大于预警阈值时，此时发出预警信号，通过发出预警信号的方式使用户意识到危险，使得用户能够根据提醒采取制动措施。
通过上述方式，根据碰撞风险概率和预警阈值的大小关系，来确定是否发出预警信号，提高了发出预警信号时间的准确性，避免过早预警或过晚预警的现象，提高了预警的有效性。
其中，预设预警阈值小于预设风险概率阈值，预设预警阈值的范围可以是25％至28％。此外，当碰撞风险概率大于预警阈值时，可随着碰撞风险概率的大小，调整碰撞预警信号的强度。
实施例6：
在该实施例中，上述预警信号包括以下至少一种：振动预警信号、语音预警信号和灯光预警信号。
在该技术方案中，不同的预警方式对用户可能有不同的反应时间，因此，根据碰撞风险概率所对应的碰撞风险等级，确定发出预警的预警强度，进而确定其对应的预警信号，其中，预警信号包括振动预警信号、语音预警信号和灯光预警信号。
通过上述方式，设置多种预警信号，使得发出的预警信号能够随碰撞风险概率的变化而变化，实现了车辆碰撞预警的多样性。
在具体实施例中，在碰撞风险概率达到发出预警信号的概率后，根据碰撞风险概率的大小，将碰撞风险等级划分为低风险等级、中风险等级和高风险等级，每个风险等级具有对应的预警方式，进而通过碰撞风险概率对应的风险等级，确定发出预警信号的预警强度和预警方式，提示用户采取制动措施，从而有效避免碰撞的发生。
实施例7：
在该实施例中，上述用户特征信息包括以下至少一种：用户年龄、用户性别和用户连续驾驶时长。
在该技术方案中，由于用户年龄、性别、驾驶技术、驾驶习惯等因素，不同的用户反应的时间存在差异化。因此，采集用户的特征信息作为计算用户反应时间的影响因素自变量。其中，用户特征信息包括用户年龄、用户性别等身份信息。进一步地，考虑到在某些情况下，例如用户走神的情况下，用户特征信息还包括用户连续驾驶时长、用户的肢体行为、脸部表情、视线方位信息等用户的状态信息。
通过上述方式，将用户的身份信息和当前用户的状态信息相结合，作为计算用户反应时间的影响因素自变量，使得用户反应时间的计算结果更加合理，提高了用户反应时间概率分布的准确性，进而提高了车辆碰撞预警的精准性。
实施例8：
在该实施例中，上述环境信息包括以下至少一种：湿度、温度、风速、光线强度、雷电情况、降雨情况、降雾情况、降雪情况。
在该技术方案中，环境信息包括湿度、温度、风速、光线强度、雷电情况、降雨情况、降雾情况、降雪情况的至少一种，将采集到的车辆当前所处环境的环境信息与用户特征信息相结合作为自变量，导入Cox回归模型中，得到用户发生碰撞的反应时间的概率分布。
通过上述方式，提高了用户反应时间计算的准确性和合理性，进而提高了车辆碰撞预警的精确度。
实施例9：
根据本发明的一个具体实施例，提出了一种基于概率的车辆碰撞预警方法。随着自动驾驶技术的研发、应用和商业化进程不断加快，对驾驶安全技术的需求也不断增加。车辆碰撞预警用于自动驾驶决策，特别是危险情况驾驶人接管决策、危险情况紧急避险决策，是驾驶安全技术中的一项重要内容。目前的碰撞预警方法多基于时距和间距，对碰撞风险影响因素的随机性以及风险随时间变化的特性考虑较少，导致现有碰撞预警方法在描述车辆发生潜在碰撞的实际过程时精度较低。采用概率作为碰撞风险评价指标，使得碰撞风险能够随时间变化的评价、表达。
相较于现有技术中的随机部分为碰撞规避时间阈值，通过输入目标特征和交通环境参数得到不同工况下应取的碰撞规避时间阈值，但是没有考虑用户随机性对车辆碰撞风险计算的影响的问题。本申请根据车辆碰撞风险发生、碰撞风险预警信号发出、用户对预警信号做出反应、用户接管并规避风险的事件产生、发展特征。
具体地，如图2所示，建立基于Cox回归模型或其他特定概率密度模型的用户反应时间模型和碰撞规避时间阈值模型，同时使用牛顿运动学方程描述上述碰撞规避时间阈值模型的计算过程，将随机性引入车辆碰撞预警问题中。考虑用户反应时间的随机性，将碰撞规避时间阈值设为服从特定分布的随机值。
进一步地，通过车辆感知模块，获取第一次车辆行驶信息和第二车辆行驶信息以及其他预设碰撞规避时间阈值模型中的自变量信息，阈值自变量信息包括但不限于用户特征信息和交通信息。
进一步地，通过Cox回归模型计算用户反应时间，考虑到用户反应时间的随机性，并使用Cox回归模型描述用户反应时间的概率分布，能够更加精准地描述碰撞风险。
具体地，Cox回归模型为：
Figure BDA0003190150850000141
其中，tr为用户的反应时间，X为影响因素自变量向量，h0(tr)为当X向量为0时，h(tr，X)的基准风险函数，h(tr，X)为X条件下，tr时刻用户做出反应的瞬间概率，exp为自然数对数，βi为自变量X的偏回归系数，Xi为自变量向量中的第i个自变量，i∈{1，2，3，…，N}，N为大于0的整数。
具体地，当用户在tr时刻对预警信号做出反应的概率高，则认为用户反应时间为tr的概率高。h0(tr)通过数据估计，可通过参数方法和非参数方法估计。
进一步地，采用牛顿运动学方程求解碰撞规避时间阈值，碰撞规避时间阈值为发生碰撞的最小碰撞规避时间，其中，最小碰撞规避时间中的随机性受用户反应时间影响。
具体地，牛顿运动学方程为：
Figure BDA0003190150850000142
其中，D为第一车辆和第二车辆的相对距离，amax为第一车辆的最大减速度，te为碰撞规避时间阈值，v为第一车辆和第二车辆的相对速度，Ds为第一车辆和第二车辆之间预设安全距离，tr为用户反应时间。
具体地，amax通过第一车辆的性能和路面摩擦系数设定。
进一步地，根据计算碰撞规避时间阈值的第一公式，计算碰撞规避时间阈值。通过碰撞时间小于碰撞规避时间阈值的概率表示碰撞风险，实时计算概率并作为碰撞风险输出。按照碰撞风险概率对碰撞风险进行分级。当碰撞时间小于碰撞规避时间阈值的碰撞风险概率较高时，认为无法在用户反应时间内完成接管和风险处置，此时的碰撞风险较高。通过概率表达碰撞风险随时间变化的情况，有利于随时间、碰撞风险概率大小调整碰撞预警信号的强度。
第一公式为：
ETTCk＝P(TTCk≤te)，
其中，ETTCk为第k时刻的碰撞风险概率，TTCk为第k时刻的碰撞时间，te为碰撞规避时间阈值，P为第k时刻的碰撞时间小于或等于碰撞规避时间阈值的概率，k为大于0的整数。
进一步地，利用预先建立的碰撞规避时间阈值模型，通过碰撞风险概率对碰撞风险随时间变化的趋势进行描述，并发出预警信号，随时间变化，预警方式也可随时间变化。其中，通过声、光、震动等方式发布不同等级的碰撞风险的预警信号，提醒用户接管第一车辆。预设用户接管机制，并使其满足安全驾驶需求。
进一步地，本申请能够用于辅助驾驶中需用户接管的情况，当第一车辆的碰撞风险概率大于预设预警阈值时，根据碰撞风险等级进行预警信号发布，当用户没有做出接管动作且风险未超过风险概率阈值时，此时考虑用户反应时间，且当前时刻接管不会造成交通事故，等待用户接管第一车辆；进一步地，当碰撞风险概率超过风险概率阈值时，此时考虑用户反应时间，当前时刻接管已经会造成交通事故，如果用户尚未接管，决策模块发出指令，采取强制紧急避险措施，控制第一车辆的运行参数。
进一步地，如图3所示，为碰撞风险概率随时间变化的曲线图，其中，图中“灰线”表示第二车辆的行驶速度，假设第二车辆的行驶速度由120km/h匀减速至0km/h，第一车辆在一定时间后采取减速措施。图中“黑线”表示计算出的碰撞风险概率随时间变化的变化曲线，从图中能够清楚地看出，以0.1s为单位，第1000个左右的时间步长，即100s对应的碰撞风险概率最大，此时第一车辆和第二车辆之间的碰撞风险等级最高。
实施例10：
如图4所示，本发明第二方面的实施例，提出了一种车辆碰撞预警的控制装置400，包括获取模块402，用于获取用户特征信息、环境信息、第一车辆行驶信息和第二车辆行驶信息；第一确定模块404，用于根据用户特征信息、环境信息、第一车辆行驶信息和第二车辆行驶信息，利用预设碰撞规避时间阈值模型，确定碰撞规避时间阈值；第二确定模块406，用于根据第一车辆行驶信息、第二车辆行驶信息和碰撞规避时间阈值，确定碰撞风险概率；控制模块408，用于根据碰撞风险概率和预设风险概率阈值，控制第一车辆的运行参数。
在该技术方案中，车辆碰撞预警的控制装置400包括获取模块402、第一确定模块404、第二确定模块406和控制模块408。
具体地，在第一车辆行驶过程中，第一车辆和第二车辆沿同一方向行驶，第二车辆位于第一车辆的前方，针对第一车辆来说，第二车辆低速行驶、减速或者刹车，存在前方碰撞危险，因此，通过获取模块402采集用户的特征信息、当前环境信息、第一车辆行驶信息和第二车辆行驶信息。
进一步地，第一确定模块404将采集到的用户特征信息、当前环境信息、第一车辆行驶信息和第二车辆行驶信息，导入预先建立的碰撞规避时间阈值模型，计算得到第一车辆和第二车辆之间的碰撞风险概率，通过概率作为碰撞风险输出。
进一步地，第二确定模块406根据碰撞风险概率和预设的风险概率阈值，确定当前第一车辆与第二车辆之间发生碰撞的风险等级。
进一步地，控制模块408根据风险等级控制第一车辆的运行参数。
通过上述方式，将用户特征信息和当前交通环境信息这些随机变量结合车辆的行驶信息，实时计算第一车辆和第二车辆之间的碰撞风险概率，通过碰撞风险概率，对碰撞风险随时间的变化趋势进行描述，进而根据碰撞风险概率，控制第一车辆的运行参数，以实现紧急避险措施，减少事故的发生。提高了车辆碰撞预警的准确性，确保车辆行驶的安全性。
实施例11：
本发明第三方面的实施例，提出了一种车辆，包括第二方面提出的车辆碰撞预警的控制装置。
在该实施例中，在车辆行驶过程中，目标车辆和目标车辆的前向车辆沿同一方向行驶，针对目标车辆来说，前向车辆低速行驶、减速或者刹车，存在前方碰撞危险，因此，采集用户的特征信息、当前环境信息、目标车辆行驶信息和前向车辆行驶信息。将采集到的用户特征信息、当前环境信息、目标车辆行驶信息和前向车辆行驶信息，导入预先建立的碰撞规避时间阈值模型，计算得到目标车辆和前向车辆之间的碰撞风险概率，通过概率作为碰撞风险输出。进一步地，根据碰撞风险概率和预设的风险概率阈值，确定当前目标车辆与前向车辆之间发生碰撞的风险等级，根据风险等级控制目标车辆的运行参数。
通过上述方式，将用户特征信息和当前交通环境信息这些随机变量结合车辆的行驶信息，实时计算目标车辆和前向车辆之间的碰撞风险概率，通过碰撞风险概率，对碰撞风险随时间的变化趋势进行描述，进而根据碰撞风险概率，控制目标车辆的运行参数，以实现紧急避险措施，减少事故的发生。提高了车辆碰撞预警的准确性，确保车辆行驶的安全性。
其中，车辆可以为自动驾驶车辆或无人驾驶车辆，本申请在此不做具体限制。
实施例12：
本发明第三方面的实施例，提出了一种车辆，包括存储器，存储器储存有程序或指令；处理器，与存储器连接，处理器，被配置为执行程序或指令时实现第一方面提出的车辆碰撞预警的控制方法。
在该实施例中，在车辆行驶过程中，目标车辆和目标车辆的前向车辆沿同一方向行驶，针对目标车辆来说，前向车辆低速行驶、减速或者刹车，存在前方碰撞危险，因此，采集用户的特征信息、当前环境信息、目标车辆行驶信息和前向车辆行驶信息。将采集到的用户特征信息、当前环境信息、目标车辆行驶信息和前向车辆行驶信息，导入预先建立的碰撞规避时间阈值模型，计算得到目标车辆和前向车辆之间的碰撞风险概率，通过概率作为碰撞风险输出。进一步地，根据碰撞风险概率和预设的风险概率阈值，确定当前目标车辆与前向车辆之间发生碰撞的风险等级，根据风险等级控制目标车辆的运行参数。
通过上述方式，将用户特征信息和当前交通环境信息这些随机变量结合车辆的行驶信息，实时计算目标车辆和前向车辆之间的碰撞风险概率，通过碰撞风险概率，对碰撞风险随时间的变化趋势进行描述，进而根据碰撞风险概率，控制目标车辆的运行参数，以实现紧急避险措施，减少事故的发生。提高了车辆碰撞预警的准确性，确保车辆行驶的安全性。
实施例13：
本发明第四方面的实施例，提出了一种可读存储介质，其上存储有程序或指令，程序或指令被处理器执行时实现如上述任一技术方案的车辆碰撞预警的控制方法的步骤。
其中，可读存储介质包括只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等。
本发明提供的可读存储介质，程序或指令被处理器执行时实现如上述任一技术方案的车辆碰撞预警的控制方法的步骤，因此该可读存储介质包括上述任一技术方案的车辆碰撞预警的控制方法的全部有益效果，在此不再赘述。以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种车辆碰撞预警的控制方法，其特征在于，包括：
获取用户特征信息、环境信息、第一车辆行驶信息和第二车辆行驶信息；
根据所述用户特征信息、所述环境信息、所述第一车辆行驶信息和所述第二车辆行驶信息，利用预设碰撞规避时间阈值模型，确定碰撞规避时间阈值；
根据所述第一车辆行驶信息、所述第二车辆行驶信息和所述碰撞规避时间阈值，确定碰撞风险概率；
根据所述碰撞风险概率和预设风险概率阈值，控制第一车辆的运行参数；
所述根据所述用户特征信息、所述环境信息、所述第一车辆行驶信息和所述第二车辆行驶信息，利用预设碰撞规避时间阈值模型，确定碰撞规避时间阈值的步骤，具体包括：
将所述用户特征信息和所述环境信息导入Cox回归模型，确定用户反应时间；
根据所述第一车辆行驶信息和所述第二车辆行驶信息，确定所述第一车辆和第二车辆之间的相对距离和相对速度；
将所述相对距离、所述相对速度、所述用户反应时间和预设行驶参数导入所述预设碰撞规避时间阈值模型，确定所述碰撞规避时间阈值；
所述Cox回归模型为：
Figure FDA0003823672590000011
其中，所述tr为用户反应时间；所述X为影响因素自变量向量；所述h(tr，X)为所述X条件下，所述tr时刻用户做出反应的瞬时概率；所述h0(tr)为当X向量为0时，所述h(tr，X)的基准危险率，所述exp为自然数对数，所述βi为自变量X的偏回归系数，所述Xi为自变量向量中的第i个自变量，i∈{1，2，3，…，N}，N为大于0的整数；
所述预设碰撞规避时间阈值模型为：
Figure FDA0003823672590000021
其中，所述D为第一车辆和第二车辆之间的相对距离，所述amax为第一车辆的最大减速度，所述te为碰撞规避时间阈值，所述v为第一车辆和第二车辆的相对速度，所述Ds为第一车辆和第二车辆之间预设安全距离，所述tr为所述用户反应时间。
2.根据权利要求1所述的车辆碰撞预警的控制方法，其特征在于，所述根据所述第一车辆行驶信息、所述第二车辆行驶信息和所述碰撞规避时间阈值，确定碰撞风险概率的步骤，具体包括：
根据任一时刻的所述相对距离和所述任一时刻的所述相对速度，确定所述第一车辆和所述第二车辆之间的所述任一时刻的碰撞时间；根据第一公式，计算所述碰撞风险概率；
所述第一公式为：
ETTCk＝P(TTCk≤te)，
其中，所述ETTCk为第k时刻的所述碰撞风险概率，所述TTCk为所述第k时刻的所述碰撞时间，所述te为所述碰撞规避时间阈值，所述P为所述第k时刻的所述碰撞时间小于或等于所述碰撞规避时间阈值的概率，k为大于0的整数。
3.根据权利要求1所述的车辆碰撞预警的控制方法，其特征在于，所述根据所述碰撞风险概率和预设风险概率阈值，控制第一车辆的运行参数的步骤，具体包括：
将所述碰撞风险概率和所述预设风险概率阈值进行比较；
基于所述碰撞风险概率大于所述预设风险概率阈值，控制所述第一车辆停止运行。
4.根据权利要求3所述的车辆碰撞预警的控制方法，其特征在于，所述根据所述碰撞风险概率和预设风险概率阈值，控制第一车辆的运行参数之前，还包括：
将所述碰撞风险概率和预设预警阈值进行比较；
基于所述碰撞风险概率大于所述预设预警阈值，发出预警信号，
其中，所述预设预警阈值小于所述预设风险概率阈值。
5.根据权利要求4所述的车辆碰撞预警的控制方法，其特征在于，
所述预警信号包括以下至少一种：振动预警信号、语音预警信号和灯光预警信号。
6.根据权利要求1至4中任一项所述的车辆碰撞预警的控制方法，其特征在于，
所述用户特征信息包括以下至少一种：用户年龄、用户性别和用户连续驾驶时长。
7.根据权利要求1至4中任一项所述的车辆碰撞预警的控制方法，其特征在于，
所述环境信息包括以下至少一种：湿度、温度、风速、光线强度、雷电情况、降雨情况、降雾情况和降雪情况。
8.一种车辆碰撞预警的控制装置，其特征在于，包括：
获取模块，用于获取用户特征信息、环境信息、第一车辆行驶信息和第二车辆行驶信息；
第一确定模块，用于根据所述用户特征信息、所述环境信息、所述第一车辆行驶信息和所述第二车辆行驶信息，利用预设碰撞规避时间阈值模型，确定碰撞规避时间阈值；
第二确定模块，用于根据所述第一车辆行驶信息、所述第二车辆行驶信息和所述碰撞规避时间阈值，确定碰撞风险概率；
控制模块，用于根据所述碰撞风险概率和预设风险概率阈值，控制第一车辆的运行参数；
第一确定模块，还用于：
将所述用户特征信息和所述环境信息导入Cox回归模型，确定用户反应时间；
根据所述第一车辆行驶信息和所述第二车辆行驶信息，确定所述第一车辆和第二车辆之间的相对距离和相对速度；
将所述相对距离、所述相对速度、所述用户反应时间和预设行驶参数导入所述预设碰撞规避时间阈值模型，确定所述碰撞规避时间阈值；
所述Cox回归模型为：
Figure FDA0003823672590000041
其中，所述tr为用户反应时间；所述X为影响因素自变量向量；所述h(tr，X)为所述X条件下，所述tr时刻用户做出反应的瞬时概率；所述h0(tr)为当X向量为0时，所述h(tr，X)的基准危险率，所述exp为自然数对数，所述βi为自变量X的偏回归系数，所述Xi为自变量向量中的第i个自变量，i∈{1，2，3，…，N}，N为大于0的整数；
所述预设碰撞规避时间阈值模型为：
Figure FDA0003823672590000042
其中，所述D为第一车辆和第二车辆之间的相对距离，所述amax为第一车辆的最大减速度，所述te为碰撞规避时间阈值，所述v为第一车辆和第二车辆的相对速度，所述Ds为第一车辆和第二车辆之间预设安全距离，所述tr为所述用户反应时间。
9.一种车辆，其特征在于，包括：
如权利要求8所述的车辆碰撞预警的控制装置；或
存储器，所述存储器储存有程序或指令；
处理器，与所述存储器连接，所述处理器执行所述程序或指令时执行如权利要求1至7中任一项所述的车辆碰撞预警的控制方法。
10.一种可读存储介质，其上存储有程序或指令，其特征在于，所述程序或指令被处理器执行时实现如权利要求1至7中任一项所述的车辆碰撞预警的控制方法的步骤。
CN202110875599.3A 2021-07-30 2021-07-30 车辆碰撞预警的控制方法、装置、车辆和可读存储介质 Active CN113658451B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110875599.3A CN113658451B (zh) 2021-07-30 2021-07-30 车辆碰撞预警的控制方法、装置、车辆和可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110875599.3A CN113658451B (zh) 2021-07-30 2021-07-30 车辆碰撞预警的控制方法、装置、车辆和可读存储介质

Publications (2)

Publication Number Publication Date
CN113658451A CN113658451A (zh) 2021-11-16
CN113658451B true CN113658451B (zh) 2022-11-22

Family

ID=78478218

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110875599.3A Active CN113658451B (zh) 2021-07-30 2021-07-30 车辆碰撞预警的控制方法、装置、车辆和可读存储介质

Country Status (1)

Country Link
CN (1) CN113658451B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115123131B (zh) * 2022-07-08 2024-01-09 浙江吉利控股集团有限公司 车辆安全电子控制方法、装置、设备及存储介质
CN115359682B (zh) * 2022-08-09 2024-02-13 上汽通用五菱汽车股份有限公司 碰撞预警方法及装置
CN116189380B (zh) * 2022-12-26 2024-08-02 湖北工业大学 机械设备人机安全交互方法、系统、装置以及介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105761548A (zh) * 2016-04-14 2016-07-13 西安电子科技大学 基于动态贝叶斯网络的交叉路口碰撞避免方法
CN109413572A (zh) * 2018-10-31 2019-03-01 惠州市德赛西威汽车电子股份有限公司 车辆碰撞预警及车速引导的优化方法及系统
CN109801511A (zh) * 2017-11-16 2019-05-24 华为技术有限公司 一种碰撞预警方法及装置
CN110276985A (zh) * 2018-03-16 2019-09-24 华为技术有限公司 自动驾驶安全评估方法、装置和系统
CN111369829A (zh) * 2020-03-13 2020-07-03 中建山东投资有限公司 一种基于分层cox的车辆追尾预警方法
CN111994074A (zh) * 2020-08-31 2020-11-27 江铃汽车股份有限公司 车辆碰撞预警方法及装置
CN112590801A (zh) * 2020-12-24 2021-04-02 吉林大学 一种基于驾驶员疲劳程度的前方碰撞预警控制方法
CN112991816A (zh) * 2019-12-13 2021-06-18 智博汽车科技(上海)有限公司 车辆碰撞预警的方法、装置、存储介质以及车辆

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105761548A (zh) * 2016-04-14 2016-07-13 西安电子科技大学 基于动态贝叶斯网络的交叉路口碰撞避免方法
CN109801511A (zh) * 2017-11-16 2019-05-24 华为技术有限公司 一种碰撞预警方法及装置
CN110276985A (zh) * 2018-03-16 2019-09-24 华为技术有限公司 自动驾驶安全评估方法、装置和系统
CN109413572A (zh) * 2018-10-31 2019-03-01 惠州市德赛西威汽车电子股份有限公司 车辆碰撞预警及车速引导的优化方法及系统
CN112991816A (zh) * 2019-12-13 2021-06-18 智博汽车科技(上海)有限公司 车辆碰撞预警的方法、装置、存储介质以及车辆
CN111369829A (zh) * 2020-03-13 2020-07-03 中建山东投资有限公司 一种基于分层cox的车辆追尾预警方法
CN111994074A (zh) * 2020-08-31 2020-11-27 江铃汽车股份有限公司 车辆碰撞预警方法及装置
CN112590801A (zh) * 2020-12-24 2021-04-02 吉林大学 一种基于驾驶员疲劳程度的前方碰撞预警控制方法

Also Published As

Publication number Publication date
CN113658451A (zh) 2021-11-16

Similar Documents

Publication Publication Date Title
CN113658451B (zh) 车辆碰撞预警的控制方法、装置、车辆和可读存储介质
Feng et al. Can vehicle longitudinal jerk be used to identify aggressive drivers? An examination using naturalistic driving data
US8258934B2 (en) Vehicle and method of advising a driver therein
US7302344B2 (en) Driver adaptive collision warning system
US9045145B2 (en) Vehicle and method of tuning performance of same
US9707974B2 (en) Vehicle with identification system
US9707975B2 (en) Vehicle and method for advising driver of same
US8886365B2 (en) Vehicle and method for advising driver of same
WO2019011268A1 (zh) 基于博弈论的驾驶员辅助系统决策方法、系统及其他
CN105501220A (zh) 车辆碰撞预警的方法、装置以及车辆
CN109542081A (zh) 一种基于线下车辆减速度曲线的线上行车危险估计方法
CN114148321B (zh) 一种考虑碰撞风险的自动紧急制动及安全评价方法
JP2009157606A (ja) ドライバ状態推定装置及びプログラム
CN112530164B (zh) 一种高海拔地区道路主动驾驶安全预警方法及系统
CN116001795A (zh) 一种换道风险评估及个性化换道决策方法
CN114162145A (zh) 车辆自动驾驶方法、装置及电子设备
CN113353083B (zh) 车辆行为识别方法
CN112172829B (zh) 车道偏离预警方法、装置、电子设备和存储介质
JP2012128739A (ja) 衝突危険判定装置及びプログラム
JP7382304B2 (ja) リスク管理装置、リスク管理方法及びリスク管理システム
CN210000130U (zh) 一种汽车自识别减速系统
Li et al. Effects of feature selection on lane-change maneuver recognition: an analysis of naturalistic driving data
JP6614688B1 (ja) 制動評価装置、制動評価方法、自動制動パターンの評価閾値の生成方法、自動制動パターンの基礎データの収集方法
JP2009154675A (ja) ドライバ状態推定装置及びプログラム
Shakib et al. An adaptive system for detecting driving abnormality of individual drivers using Gaussian mixture model

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
EE01 Entry into force of recordation of patent licensing contract
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20211116

Assignee: Sany Automobile Manufacturing Co.,Ltd.

Assignor: SANY SPECIAL PURPOSE VEHICLE Co.,Ltd.

Contract record no.: X2024980010904

Denomination of invention: Control method, device, vehicle, and readable storage medium for vehicle collision warning

Granted publication date: 20221122

License type: Common License

Record date: 20240801