CN113715794A - 基于人工智能的汽车智能刹车方法及系统 - Google Patents

基于人工智能的汽车智能刹车方法及系统 Download PDF

Info

Publication number
CN113715794A
CN113715794A CN202111246290.4A CN202111246290A CN113715794A CN 113715794 A CN113715794 A CN 113715794A CN 202111246290 A CN202111246290 A CN 202111246290A CN 113715794 A CN113715794 A CN 113715794A
Authority
CN
China
Prior art keywords
driving
condition
label
excavation
initial
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
Application number
CN202111246290.4A
Other languages
English (en)
Other versions
CN113715794B (zh
Inventor
杨建国
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.)
Chuangyu Intelligent Changshu Netlink Technology Co ltd
Original Assignee
Chuangyu Intelligent Changshu Netlink Technology 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 Chuangyu Intelligent Changshu Netlink Technology Co ltd filed Critical Chuangyu Intelligent Changshu Netlink Technology Co ltd
Priority to CN202111246290.4A priority Critical patent/CN113715794B/zh
Publication of CN113715794A publication Critical patent/CN113715794A/zh
Application granted granted Critical
Publication of CN113715794B publication Critical patent/CN113715794B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60T—VEHICLE BRAKE CONTROL SYSTEMS OR PARTS THEREOF; BRAKE CONTROL SYSTEMS OR PARTS THEREOF, IN GENERAL; ARRANGEMENT OF BRAKING ELEMENTS ON VEHICLES IN GENERAL; PORTABLE DEVICES FOR PREVENTING UNWANTED MOVEMENT OF VEHICLES; VEHICLE MODIFICATIONS TO FACILITATE COOLING OF BRAKES
    • B60T17/00—Component parts, details, or accessories of power brake systems not covered by groups B60T8/00, B60T13/00 or B60T15/00, or presenting other characteristic features
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R16/00—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for
    • B60R16/02—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements
    • B60R16/023—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements for transmission of signals between vehicle parts or subsystems
    • B60R16/0231—Circuits relating to the driving or the functioning of the vehicle
    • B60R16/0232—Circuits relating to the driving or the functioning of the vehicle for measuring vehicle parameters and indicating critical, abnormal or dangerous conditions
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请提供的基于人工智能的汽车智能刹车方法及系统，通过获得车辆行驶数据并挖掘车辆行驶数据中的初始行驶标签集，将初始行驶标签集加载至事先设置的挖掘剖析网络以将初始行驶标签集中的第一行驶状况，非范例行驶主题的行驶状况作为第二行驶状况；将行驶主题行驶状况进行优化处理，优化处理后行驶状况符合事先设置的行驶状况的行驶主题确定为存在提示信号的行驶主题，通过优化处理多组行驶标签的挖掘剖析结果，依据量化优化处理结果确定提示信号提示结果，从而能够提高提示信号剖析结果的精确性和可信度；基于全部存在提示信号的行驶主题能够更加精确地生成初始提示信号剖析情况。

Description

基于人工智能的汽车智能刹车方法及系统
技术领域
本申请涉及数据处理技术领域，具体而言，涉及基于人工智能的汽车智能刹车方法及系统。
背景技术
在实际汽车刹车的过程中，可能存在不能准确地识别车辆行驶情况，从而不能准确的进行控制车辆刹车，因此，亟需一种汽车智能刹车方法以解决上述技术问题。
发明内容
鉴于此，本申请提供了基于人工智能的汽车智能刹车方法及系统。
第一方面，提供一种基于人工智能的汽车智能刹车方法，所述方法包括：
获得车辆行驶数据，并挖掘所述车辆行驶数据中的初始行驶标签集，其中，所述初始行驶标签集包括事先设置的量化行驶记录的行驶标签；
将所述初始行驶标签集加载至事先设置的挖掘剖析网络，以将所述初始行驶标签集中行驶标签的范例行驶主题的行驶状况作为第一行驶状况，非范例行驶主题的行驶状况作为第二行驶状况；
将所述初始行驶标签集中行驶标签的行驶主题行驶状况进行优化处理，优化处理后行驶状况符合事先设置的行驶状况的行驶主题确定为存在提示信号的行驶主题，基于全部存在提示信号的行驶主题生成初始提示信号剖析情况。
在一种独立实施的实施例中，所述方法还包括：
获得所述车辆行驶数据中初始行驶标签集后的更新行驶标签；
将所述更新行驶标签加载至所述事先设置的挖掘剖析网络以得到所述更新行驶标签的目标提示信号剖析情况；
结合所述初始提示信号剖析情况和所述目标提示信号剖析情况的相似部分进行优化，得到提示信号的提示结果。
在一种独立实施的实施例中，所述结合所述初始提示信号剖析情况和所述目标提示信号剖析情况的相似部分进行优化，得到提示信号的提示结果，包括：
确定所述初始提示信号剖析情况和所述目标提示信号剖析情况的关联情况；
在所述关联情况符合事先设置的关联情况的基础上，结合所述目标提示信号剖析情况优化所述初始提示信号剖析情况，以优化所述提示信号的提示结果。
在一种独立实施的实施例中，所述方法还包括：
获得所述车辆行驶数据中的挖掘行驶标签，将所述挖掘行驶标签中初始提示信号剖析情况对应的提示信号提示结果进行挖掘处理，将其余非提示信号提示结果的行驶状况作为第三行驶状况；
基于挖掘处理后挖掘行驶标签的提示信号提示结果以及非提示信号提示结果的行驶状况确定所述挖掘行驶标签的最小剖析层；
确定挖掘处理后挖掘行驶标签中每一行驶状况的车辆行驶情况，并将大于或小于0的车辆行驶情况作为第四行驶状况，其中，所述第四行驶状况符合所述第三行驶状况；
基于更新后挖掘行驶标签的车辆行驶情况确定所述挖掘行驶标签的最大剖析层；结合所述挖掘行驶标签的最小剖析层以及最大剖析层获得所述挖掘行驶标签的提示信号描述结果。
在一种独立实施的实施例中，所述结合所述挖掘行驶标签的最小剖析层以及最大剖析层获得所述挖掘行驶标签的提示信号描述结果，包括：
结合所述挖掘行驶标签的行驶状况确定所述挖掘行驶标签的剖析层；结合所述挖掘行驶标签的剖析层、最小剖析层以及最大剖析层获得所述挖掘行驶标签的提示信号描述结果。
在一种独立实施的实施例中，所述结合所述挖掘行驶标签的行驶状况确定所述挖掘行驶标签的剖析层，包括：
获得所述挖掘行驶标签上每一行驶主题的行驶状况；
逐一确定每一行驶主题与适配行驶主题的车辆行驶情况；
优化处理所述挖掘行驶标签中全部行驶主题的车辆行驶情况，以获得所述挖掘行驶标签的剖析层。
第二方面，提供一种基于人工智能的汽车智能刹车系统，包括互相之间通信的处理器和存储器，所述处理器用于从所述存储器中读取计算机程序并执行，以实现上述的方法。
本申请实施例所提供的基于人工智能的汽车智能刹车方法及系统，通过获得车辆行驶数据，并挖掘车辆行驶数据中的初始行驶标签集，将初始行驶标签集加载至事先设置的挖掘剖析网络，以将初始行驶标签集中行驶标签的范例行驶主题的行驶状况作为第一行驶状况，非范例行驶主题的行驶状况作为第二行驶状况；将初始行驶标签集中行驶标签的行驶主题行驶状况进行优化处理，优化处理后行驶状况符合事先设置的行驶状况的行驶主题确定为存在提示信号的行驶主题，通过优化处理多组行驶标签的挖掘剖析结果，依据量化优化处理结果确定提示信号提示结果，从而能够提高提示信号剖析结果的精确性和可信度；基于全部存在提示信号的行驶主题能够更加精确地生成初始提示信号剖析情况。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的基础上，还可以根据这些附图获得其他相关的附图。
图1为本申请实施例所提供的一种基于人工智能的汽车智能刹车方法的流程图。
图2为本申请实施例所提供的一种基于人工智能的汽车智能刹车装置的框图。
图3为本申请实施例所提供的一种基于人工智能的汽车智能刹车系统的架构图。
具体实施方式
为了更好的理解上述技术方案，下面通过附图以及具体实施例对本申请技术方案做详细的说明，应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明，而不是对本申请技术方案的限定，在不冲突的情况下，本申请实施例以及实施例中的技术特征可以相互组合。
请参阅图1，示出了一种基于人工智能的汽车智能刹车方法，该方法可以包括以下步骤100-步骤300所描述的技术方案。
步骤100，获得车辆行驶数据，并挖掘所述车辆行驶数据中的初始行驶标签集，其中，所述初始行驶标签集包括事先设置的量化行驶记录的行驶标签。
步骤200，将所述初始行驶标签集加载至事先设置的挖掘剖析网络，以将所述初始行驶标签集中行驶标签的范例行驶主题的行驶状况作为第一行驶状况，非范例行驶主题的行驶状况作为第二行驶状况。
步骤300，将所述初始行驶标签集中行驶标签的行驶主题行驶状况进行优化处理，优化处理后行驶状况符合事先设置的行驶状况的行驶主题确定为存在提示信号的行驶主题，基于全部存在提示信号的行驶主题生成初始提示信号剖析情况。
可以理解，在执行上述步骤100-步骤300所描述的内容时，通过获得车辆行驶数据，并挖掘车辆行驶数据中的初始行驶标签集，将初始行驶标签集加载至事先设置的挖掘剖析网络，以将初始行驶标签集中行驶标签的范例行驶主题的行驶状况作为第一行驶状况，非范例行驶主题的行驶状况作为第二行驶状况；将初始行驶标签集中行驶标签的行驶主题行驶状况进行优化处理，优化处理后行驶状况符合事先设置的行驶状况的行驶主题确定为存在提示信号的行驶主题，通过优化处理多组行驶标签的挖掘剖析结果，依据量化优化处理结果确定提示信号提示结果，从而能够提高提示信号剖析结果的精确性和可信度；基于全部存在提示信号的行驶主题能够更加精确地生成初始提示信号剖析情况。
基于上述基础，还可以包括以下步骤a1-步骤a3所描述的内容。
步骤a1，获得所述车辆行驶数据中初始行驶标签集后的更新行驶标签。
步骤a2，将所述更新行驶标签加载至所述事先设置的挖掘剖析网络以得到所述更新行驶标签的目标提示信号剖析情况。
步骤a3，结合所述初始提示信号剖析情况和所述目标提示信号剖析情况的相似部分进行优化，得到提示信号的提示结果。
可以理解，在执行上述步骤a1-步骤a3所描述的内容时，通过不间断地更新行驶标签，进而提高相似部分优化提示信号的提示结果的准确性。
在本实施例中，结合所述初始提示信号剖析情况和所述目标提示信号剖析情况的相似部分进行优化时，存在相似部分不准确的问题，从而难以准确地得到提示信号的提示结果，为了改善上述技术问题，步骤a3所描述的结合所述初始提示信号剖析情况和所述目标提示信号剖析情况的相似部分进行优化，得到提示信号的提示结果的步骤，具体可以包括以下步骤a31和步骤a32所描述的内容。
步骤a31，确定所述初始提示信号剖析情况和所述目标提示信号剖析情况的关联情况。
步骤a32，在所述关联情况符合事先设置的关联情况的基础上，结合所述目标提示信号剖析情况优化所述初始提示信号剖析情况，以优化所述提示信号的提示结果。
可以理解，在执行上述步骤a31和步骤a32所描述的内容时，结合所述初始提示信号剖析情况和所述目标提示信号剖析情况的相似部分进行优化时，改善相似部分不准确的问题，从而能够准确地得到提示信号的提示结果。
基于上述基础，还可以包括以下步骤s1-步骤s4所描述的内容。
步骤s1，获得所述车辆行驶数据中的挖掘行驶标签，将所述挖掘行驶标签中初始提示信号剖析情况对应的提示信号提示结果进行挖掘处理，将其余非提示信号提示结果的行驶状况作为第三行驶状况。
步骤s2，基于挖掘处理后挖掘行驶标签的提示信号提示结果以及非提示信号提示结果的行驶状况确定所述挖掘行驶标签的最小剖析层。
步骤s3，确定挖掘处理后挖掘行驶标签中每一行驶状况的车辆行驶情况，并将大于或小于0的车辆行驶情况作为第四行驶状况，其中，所述第四行驶状况符合所述第三行驶状况。
步骤s4，基于更新后挖掘行驶标签的车辆行驶情况确定所述挖掘行驶标签的最大剖析层；结合所述挖掘行驶标签的最小剖析层以及最大剖析层获得所述挖掘行驶标签的提示信号描述结果。
可以理解，在执行上述步骤s1-步骤s4所描述的内容时，通过精确地进行挖掘处理，从而提高提示信号描述结果的精确度。
在本实施例中，结合所述挖掘行驶标签的最小剖析层以及最大剖析层时，存在剖析不准确的问题，从而难以准确地获得所述挖掘行驶标签的提示信号描述结果，为了改善上述技术问题，步骤s4所描述的结合所述挖掘行驶标签的最小剖析层以及最大剖析层获得所述挖掘行驶标签的提示信号描述结果的步骤，具体可以包括以下步骤s41所描述的内容。
步骤s41，结合所述挖掘行驶标签的行驶状况确定所述挖掘行驶标签的剖析层；结合所述挖掘行驶标签的剖析层、最小剖析层以及最大剖析层获得所述挖掘行驶标签的提示信号描述结果。
可以理解，在执行上述步骤s41所描述的内容时，结合所述挖掘行驶标签的最小剖析层以及最大剖析层时，改善剖析不准确的问题，从而能够准确地获得所述挖掘行驶标签的提示信号描述结果。
在本实施例中，结合所述挖掘行驶标签的行驶状况时，存在行驶状况不准确的问题，从而难以准确地确定所述挖掘行驶标签的剖析层，为了改善上述技术问题，步骤s41所描述的结合所述挖掘行驶标签的行驶状况确定所述挖掘行驶标签的剖析层的步骤，具体可以包括以下步骤d1-步骤d3所描述的内容。
步骤d1，获得所述挖掘行驶标签上每一行驶主题的行驶状况。
步骤d2，逐一确定每一行驶主题与适配行驶主题的车辆行驶情况。
步骤d3，优化处理所述挖掘行驶标签中全部行驶主题的车辆行驶情况，以获得所述挖掘行驶标签的剖析层。
可以理解，在执行上述步骤d1-步骤d3所描述的内容时，结合所述挖掘行驶标签的行驶状况时，改善行驶状况不准确的问题，从而能够准确地确定所述挖掘行驶标签的剖析层。
在上述基础上，请结合参阅图2，提供了一种基于人工智能的汽车智能刹车装置200，应用于基于人工智能的汽车智能刹车系统，所述装置包括：
标签挖掘模块210，用于获得车辆行驶数据，并挖掘所述车辆行驶数据中的初始行驶标签集，其中，所述初始行驶标签集包括事先设置的量化行驶记录的行驶标签；
结果剖析模块220，用于将所述初始行驶标签集加载至事先设置的挖掘剖析网络，以将所述初始行驶标签集中行驶标签的范例行驶主题的行驶状况作为第一行驶状况，非范例行驶主题的行驶状况作为第二行驶状况；
情况剖析模块230，用于将所述初始行驶标签集中行驶标签的行驶主题行驶状况进行优化处理，优化处理后行驶状况符合事先设置的行驶状况的行驶主题确定为存在提示信号的行驶主题，基于全部存在提示信号的行驶主题生成初始提示信号剖析情况。
在上述基础上，请结合参阅图3，示出了一种基于人工智能的汽车智能刹车系统300，包括互相之间通信的处理器310和存储器320，所述处理器310用于从所述存储器320中读取计算机程序并执行，以实现上述的方法。
在上述基础上，还提供了一种计算机可读存储介质，其上存储的计算机程序在运行时实现上述的方法。
综上，基于上述方案，通过获得车辆行驶数据，并挖掘车辆行驶数据中的初始行驶标签集，将初始行驶标签集加载至事先设置的挖掘剖析网络，以将初始行驶标签集中行驶标签的范例行驶主题的行驶状况作为第一行驶状况，非范例行驶主题的行驶状况作为第二行驶状况；将初始行驶标签集中行驶标签的行驶主题行驶状况进行优化处理，优化处理后行驶状况符合事先设置的行驶状况的行驶主题确定为存在提示信号的行驶主题，通过优化处理多组行驶标签的挖掘剖析结果，依据量化优化处理结果确定提示信号提示结果，从而能够提高提示信号剖析结果的精确性和可信度；基于全部存在提示信号的行驶主题能够更加精确地生成初始提示信号剖析情况。
应当理解，上述所示的系统及其模块可以利用各种方式来实现。例如，在一些实施例中，系统及其模块可以通过硬件、软件或者软件和硬件的结合来实现。其中，硬件部分可以利用专用逻辑来实现；软件部分则可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法和系统可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本申请的系统及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用例如由各种类型的处理器所执行的软件实现，还可以由上述硬件电路和软件的结合(例如，固件)来实现。
需要说明的是，不同实施例可能产生的有益效果不同，在不同的实施例里，可能产生的有益效果可以是以上任意一种或几种的组合，也可以是其他任何可能获得的有益效果。
上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本申请的限定。虽然此处并没有明确说明，本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议，所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时，本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外，本领域技术人员可以理解，本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外，本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。
计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等，或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、RF、或类似介质，或任何上述介质的组合。
本申请各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写，包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等，常规程序化编程语言如C语言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP，动态编程语言如Python、Ruby和Groovy，或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网（LAN）或广域网（WAN），或连接至外部计算机（例如通过因特网），或在云计算环境中，或作为服务使用如软件即服务（SaaS）。
此外，除非权利要求中明确说明，本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。
同理，应当注意的是，为了简化本申请披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本申请实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有适应性的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本申请一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。
针对本申请引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本申请作为参考。与本申请内容不一致或产生冲突的申请历史文件除外，对本申请权利要求最广范围有限制的文件(当前或之后附加于本申请中的)也除外。需要说明的是，如果本申请附属材料中的描述、定义、和/或术语的使用与本申请所述内容有不一致或冲突的地方，以本申请的描述、定义和/或术语的使用为准。
最后，应当理解的是，本申请中所述实施例仅用以说明本申请实施例的原则。其他的变形也可能属于本申请的范围。因此，作为示例而非限制，本申请实施例的替代配置可视为与本申请的教导一致。相应地，本申请的实施例不仅限于本申请明确介绍和描述的实施例。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (7)

1.一种基于人工智能的汽车智能刹车方法，其特征在于，所述方法包括：
获得车辆行驶数据，并挖掘所述车辆行驶数据中的初始行驶标签集，其中，所述初始行驶标签集包括事先设置的量化行驶记录的行驶标签；
将所述初始行驶标签集加载至事先设置的挖掘剖析网络，以将所述初始行驶标签集中行驶标签的范例行驶主题的行驶状况作为第一行驶状况，非范例行驶主题的行驶状况作为第二行驶状况；
将所述初始行驶标签集中行驶标签的行驶主题行驶状况进行优化处理，优化处理后行驶状况符合事先设置的行驶状况的行驶主题确定为存在提示信号的行驶主题，基于全部存在提示信号的行驶主题生成初始提示信号剖析情况。
2.如权利要求1所述的基于人工智能的汽车智能刹车方法，其特征在于，所述方法还包括：
获得所述车辆行驶数据中初始行驶标签集后的更新行驶标签；
将所述更新行驶标签加载至所述事先设置的挖掘剖析网络以得到所述更新行驶标签的目标提示信号剖析情况；
结合所述初始提示信号剖析情况和所述目标提示信号剖析情况的相似部分进行优化，得到提示信号的提示结果。
3.如权利要求2所述的基于人工智能的汽车智能刹车方法，其特征在于，所述结合所述初始提示信号剖析情况和所述目标提示信号剖析情况的相似部分进行优化，得到提示信号的提示结果，包括：
确定所述初始提示信号剖析情况和所述目标提示信号剖析情况的关联情况；
在所述关联情况符合事先设置的关联情况的基础上，结合所述目标提示信号剖析情况优化所述初始提示信号剖析情况，以优化所述提示信号的提示结果。
4.如权利要求1所述的基于人工智能的汽车智能刹车方法，其特征在于，所述方法还包括：
获得所述车辆行驶数据中的挖掘行驶标签，将所述挖掘行驶标签中初始提示信号剖析情况对应的提示信号提示结果进行挖掘处理，将其余非提示信号提示结果的行驶状况作为第三行驶状况；
基于挖掘处理后挖掘行驶标签的提示信号提示结果以及非提示信号提示结果的行驶状况确定所述挖掘行驶标签的最小剖析层；
确定挖掘处理后挖掘行驶标签中每一行驶状况的车辆行驶情况，并将大于或小于0的车辆行驶情况作为第四行驶状况，其中，所述第四行驶状况符合所述第三行驶状况；
基于更新后挖掘行驶标签的车辆行驶情况确定所述挖掘行驶标签的最大剖析层；结合所述挖掘行驶标签的最小剖析层以及最大剖析层获得所述挖掘行驶标签的提示信号描述结果。
5.如权利要求4所述的基于人工智能的汽车智能刹车方法，其特征在于，所述结合所述挖掘行驶标签的最小剖析层以及最大剖析层获得所述挖掘行驶标签的提示信号描述结果，包括：
结合所述挖掘行驶标签的行驶状况确定所述挖掘行驶标签的剖析层；结合所述挖掘行驶标签的剖析层、最小剖析层以及最大剖析层获得所述挖掘行驶标签的提示信号描述结果。
6.如权利要求5所述的基于人工智能的汽车智能刹车方法，其特征在于，所述结合所述挖掘行驶标签的行驶状况确定所述挖掘行驶标签的剖析层，包括：
获得所述挖掘行驶标签上每一行驶主题的行驶状况；
逐一确定每一行驶主题与适配行驶主题的车辆行驶情况；
优化处理所述挖掘行驶标签中全部行驶主题的车辆行驶情况，以获得所述挖掘行驶标签的剖析层。
7.一种基于人工智能的汽车智能刹车系统，其特征在于，包括互相之间通信的处理器和存储器，所述处理器用于从所述存储器中读取计算机程序并执行，以实现权利要求1-6任一项所述的方法。
CN202111246290.4A 2021-10-26 2021-10-26 基于人工智能的汽车智能刹车方法及系统 Active CN113715794B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111246290.4A CN113715794B (zh) 2021-10-26 2021-10-26 基于人工智能的汽车智能刹车方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111246290.4A CN113715794B (zh) 2021-10-26 2021-10-26 基于人工智能的汽车智能刹车方法及系统

Publications (2)

Publication Number Publication Date
CN113715794A true CN113715794A (zh) 2021-11-30
CN113715794B CN113715794B (zh) 2022-05-17

Family

ID=78686123

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111246290.4A Active CN113715794B (zh) 2021-10-26 2021-10-26 基于人工智能的汽车智能刹车方法及系统

Country Status (1)

Country Link
CN (1) CN113715794B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103201148A (zh) * 2010-09-28 2013-07-10 罗伯特·博世有限公司 基于驾驶员行为的车辆的制动控制
US10019901B1 (en) * 2015-08-28 2018-07-10 State Farm Mutual Automobile Insurance Company Vehicular traffic alerts for avoidance of abnormal traffic conditions
CN109466447A (zh) * 2018-11-30 2019-03-15 南昌与德软件技术有限公司 一种驾驶提示方法、装置、汽车及存储介质
US20190389442A1 (en) * 2019-07-05 2019-12-26 Lg Electronics Inc. Brake control system used in a vehicle and control method thereof
CN110853179A (zh) * 2018-08-21 2020-02-28 上海博泰悦臻网络技术服务有限公司 车联网服务器、车辆及基于行驶数据的车辆油耗提示方法
US20210331655A1 (en) * 2019-07-08 2021-10-28 Lg Electronics Inc. Method and device for monitoring vehicle's brake system in autonomous driving system

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103201148A (zh) * 2010-09-28 2013-07-10 罗伯特·博世有限公司 基于驾驶员行为的车辆的制动控制
US10019901B1 (en) * 2015-08-28 2018-07-10 State Farm Mutual Automobile Insurance Company Vehicular traffic alerts for avoidance of abnormal traffic conditions
CN110853179A (zh) * 2018-08-21 2020-02-28 上海博泰悦臻网络技术服务有限公司 车联网服务器、车辆及基于行驶数据的车辆油耗提示方法
CN109466447A (zh) * 2018-11-30 2019-03-15 南昌与德软件技术有限公司 一种驾驶提示方法、装置、汽车及存储介质
US20190389442A1 (en) * 2019-07-05 2019-12-26 Lg Electronics Inc. Brake control system used in a vehicle and control method thereof
US20210331655A1 (en) * 2019-07-08 2021-10-28 Lg Electronics Inc. Method and device for monitoring vehicle's brake system in autonomous driving system

Also Published As

Publication number Publication date
CN113715794B (zh) 2022-05-17

Similar Documents

Publication Publication Date Title
CN113886468A (zh) 基于互联网的在线互动数据挖掘方法及系统
CN113903473A (zh) 基于人工智能的医疗信息智能交互的方法及系统
CN115732050A (zh) 一种医疗大数据信息智能采集方法及系统
CN113715794B (zh) 基于人工智能的汽车智能刹车方法及系统
CN114417076A (zh) 基于人工智能的生产线智能预警方法及系统
CN114329116B (zh) 基于人工智能的智慧园区资源匹配度分析方法及系统
CN115373688A (zh) 一种软件开发线程的优化方法、系统及云平台
CN113947709A (zh) 基于人工智能的图像处理方法及系统
CN115455803A (zh) 一种室内能耗信息分析方法及系统
CN115442759A (zh) 一种基于智慧城市的5g物联网通讯数据处理方法及系统
CN115455070A (zh) 一种电流信号的数据管控方法及系统
CN115563153A (zh) 基于人工智能的任务批量处理方法、系统及服务器
CN115358298A (zh) 一种制冷信息下发方法及系统
CN114970507A (zh) 基于元宇宙的特征识别方法及系统
CN114691830B (zh) 一种基于大数据的网络安全分析方法及系统
CN115371848A (zh) 一种热能信息监控方法及系统
CN114139870A (zh) 基于人工智能的智能建筑管理方法及系统
CN115455406A (zh) 一种网络信息的风险检测方法及系统
CN115345194A (zh) 基于混合树形算法的信号处理方法及系统
CN114298737A (zh) 结合企业挂链的产业画像分析方法、系统及云平台
CN115292301A (zh) 基于人工智能的任务数据异常监测处理方法及系统
CN115374368A (zh) 基于互联网的网签数据处理方法及系统
CN115756576A (zh) 软件开发包的翻译方法及软件开发系统
CN115416588A (zh) 基于元数据的智能汽车控制方法及系统
CN114114944A (zh) 一种智能家居智能匹配方法及系统

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