CN113920699A - 车辆风险预警方法、路侧控制单元及风险预警控制系统 - Google Patents

车辆风险预警方法、路侧控制单元及风险预警控制系统 Download PDF

Info

Publication number
CN113920699A
CN113920699A CN202111422415.4A CN202111422415A CN113920699A CN 113920699 A CN113920699 A CN 113920699A CN 202111422415 A CN202111422415 A CN 202111422415A CN 113920699 A CN113920699 A CN 113920699A
Authority
CN
China
Prior art keywords
vehicle
risk
repulsive force
adjacent
current
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
CN202111422415.4A
Other languages
English (en)
Other versions
CN113920699B (zh
Inventor
郭宇奇
侯德藻
朱丽丽
李茜瑶
李婉君
贺瑞华
张金金
车晓琳
黄烨然
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.)
Research Institute of Highway Ministry of Transport
Original Assignee
Research Institute of Highway Ministry of Transport
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 Research Institute of Highway Ministry of Transport filed Critical Research Institute of Highway Ministry of Transport
Priority to CN202111422415.4A priority Critical patent/CN113920699B/zh
Publication of CN113920699A publication Critical patent/CN113920699A/zh
Application granted granted Critical
Publication of CN113920699B publication Critical patent/CN113920699B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • G08B21/24—Reminder alarms, e.g. anti-loss alarms
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold
    • 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
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of 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
    • G08G1/0125—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
    • G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
    • 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
    • G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请实施例提供了一种车辆风险预警方法、路侧控制单元及风险预警控制系统。该方法包括：实时获取当前车辆的车辆数据以及与当前车辆位于同一车道上且相邻的至少一个相邻车辆的车辆数据，其中，当前车辆的驾驶类型为自动驾驶，相邻车辆的驾驶类型为自动驾驶或人工驾驶；根据获取的车辆数据计算当前车辆与每个相邻车辆之间的风险斥力；根据计算得到的风险斥力、当前车辆与至少一个相邻车辆的驾驶类型以及预设的风险预警策略对当前自动驾驶车辆以及至少一个相邻车辆进行控制以实现车辆风险预警，其中，预设的风险预警策略包括风险斥力大小、车辆的驾驶类型以及车速控制指令之间的映射关系。本申请实施例可以提高路段内的交通流的安全性和稳定性。

Description

车辆风险预警方法、路侧控制单元及风险预警控制系统
技术领域
本申请实施例涉及车辆的风险预警和控制领域，尤其涉及一种车辆风险预警方法、路侧控制单元及风险预警控制系统。
背景技术
目前对车辆局部信息感知和微观控制的研究较多，对于自动驾驶行为安全性、混合交通流运行规律、面向混合交通的控制方法等研究较少，而自动驾驶行为安全性、混合交通流运行规律、面向混合交通的控制方法等恰恰是自动驾驶技术规模化应用的必要前提和理论储备。有必要从交通系统的视角评估自动驾驶技术的潜在影响和新需求，以应用为导向、以安全为保障，研究混合交通场景下的自动驾驶行为规则、交通流模型、协同控制方法，并开发仿真验证工具，构建自动驾驶在交通层面的理论平台和模型库，为自动驾驶落地提供支撑。
在道路测试中技术成熟度尚待提升的智能网联汽车，与人工驾驶汽车混合智能交互运行，易引起交通流的震荡，从而导致另类“路怒”等问题，形成了安全风险隐患大的新型混合交通流。为此，亟需形成有效的道路测试安全风险预警防控手段，保障分级有序推进道路测试。
发明内容
本申请实施例提供一种车辆风险预警方法、路侧控制单元及风险预警控制系统，以提高交通流的安全性和稳定性。
第一方面，本申请实施例提供了一种车辆风险预警方法，包括：
实时获取当前车辆的车辆数据以及与当前车辆位于同一车道上且相邻的至少一个相邻车辆的车辆数据，其中，当前车辆的驾驶类型为自动驾驶，所述相邻车辆的驾驶类型为自动驾驶或人工驾驶；
根据获取的车辆数据计算当前车辆与每个相邻车辆之间的风险斥力；
根据计算得到的风险斥力、当前车辆与所述至少一个相邻车辆的驾驶类型以及预设的风险预警策略对当前自动驾驶车辆以及至少一个相邻车辆进行控制以实现车辆风险预警，其中，所述预设的风险预警策略包括风险斥力大小、车辆的驾驶类型以及车速控制指令之间的映射关系。
第二方面，本申请实施例还提供了一种车辆风险预警装置，包括：
车辆数据获取模块，用于实时获取当前车辆的车辆数据以及与当前车辆位于同一车道上且相邻的至少一个相邻车辆的车辆数据，其中，当前车辆的驾驶类型为自动驾驶，所述相邻车辆的驾驶类型为自动驾驶或人工驾驶；
风险斥力计算模块，用于根据获取的车辆数据计算当前车辆与每个相邻车辆之间的风险斥力；
车辆控制模块，用于根据计算得到的风险斥力、当前车辆与所述至少一个相邻车辆的驾驶类型以及预设的风险预警策略对当前自动驾驶车辆以及至少一个相邻车辆进行控制以实现车辆风险预警，其中，所述预设的风险预警策略包括风险斥力大小、车辆的驾驶类型以及车速控制指令之间的映射关系。
第三方面，本申请实施例还提供了一种路侧控制单元，包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本申请实施例所述的车辆风险预警方法。
第四方面，本申请实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本申请实施例所述的车辆风险预警方法。
第五方面，本申请实施例还提供了一种风险预警控制系统，包括：一个路网总控制中心、设置于每条道路的道路分控制中心和图像采集装置，以及设置于每条道路的每个路段的如本申请实施例所述的路侧控制单元；其中，
所述图像采集处理装置用于采集所属道路内的图像数据，并根据所述图像数据计算所属道路的车流密度，将所述车流密度发送至所属道路的多个路侧控制单元；
所述路侧控制单元用于根据对所属路段内的至少一个车辆的控制生成车辆风险预警信息，并在接收到的车流密度大于预设车流密度阈值的情况下将所述车辆风险预警信息发送至所属道路的道路分控制中心；
所述道路分控制中心用于整合所属道路内的多个路段的路侧控制单元上报的车辆风险预警信息，得到预警信息整合结果，将所述预警信息整合结果发送至所述路网总控制中心；
所述路网总控制中心用于根据每条道路的道路分控制中心发送的预警信息整合结果，确定路网信息，其中，所述路网信息用于指示车辆躲避交通拥堵路段。
本申请实施例提供的车辆风险预警方法、路侧控制单元及风险预警控制系统，实时获取当前车辆的车辆数据以及与当前车辆位于同一车道上且相邻的至少一个相邻车辆的车辆数据，其中，当前车辆的驾驶类型为自动驾驶，所述相邻车辆的驾驶类型为自动驾驶或人工驾驶；根据获取的车辆数据计算当前车辆与每个相邻车辆之间的风险斥力；根据计算得到的风险斥力、当前车辆与至少一个相邻车辆的驾驶类型以及预设的风险预警策略对当前自动驾驶车辆以及至少一个相邻车辆进行控制以实现车辆风险预警，其中，预设的风险预警策略包括风险斥力大小、车辆的驾驶类型以及车速控制指令之间的映射关系。实现了在自动驾驶车辆与人工驾驶车辆混合交互运行的交通场景下，对各个车辆进行风险预警以及控制，提高路段内的交通流的安全性和稳定性。
附图说明
图1为本申请实施例提供的一种车辆风险预警方法的流程示意图；
图2为本申请实施例提供的另一种车辆风险预警方法的流程示意图；
图3为本申请实施例提供的一种车辆风险预警装置的结构框图；
图4为本申请实施例提供的一种路侧控制单元的结构示意图；
图5为本申请实施例提供的一种风险预警控制系统的结构示意图；
图6为本申请实施例提供的一种风险预警控制系统的部分结构示意图；
图7为本申请实施例提供的一种风险预警控制系统的工作流程示意图；
图8为本申请实施例提供的另一种风险预警控制系统的工作流程示意图；
图9为本申请实施例提供的另一种风险预警控制系统的工作流程示意图；
图10为本申请实施例提供的另一种风险预警控制系统的工作流程示意图。
具体实施方式
下面将参照附图更详细地描述本申请的实施例。虽然附图中显示了本申请的某些实施例，然而应当理解的是，本申请可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本申请。应当理解的是，本申请的附图及实施例仅用于示例性作用，并非用于限制本申请的保护范围。
应当理解，本申请的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本申请的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意，本申请中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
图1为本申请实施例提供的一种车辆风险预警方法的流程示意图。该方法可以由车辆风险预警装置执行，其中，该装置可以由软件和/或硬件实现，可配置于电子设备中，典型的，可以配置在路侧控制单元中。本申请实施例提供的车辆风险预警方法适用于对路段内的多个相邻车辆进行风险预警以及控制的场景。如图1所示，本实施例提供的车辆风险预警方法可以包括：
S110、实时获取当前车辆的车辆数据以及与当前车辆位于同一车道上且相邻的至少一个相邻车辆的车辆数据。
其中，当前车辆的驾驶类型为自动驾驶，相邻车辆的驾驶类型为自动驾驶或人工驾驶。
车辆分为人工驾驶车辆和自动驾驶车辆。其中，人工驾驶车辆不具备网联功能，不能与周围车辆以及路侧控制单元进行通信，无法获知车辆当前是否与相邻车辆处于安全行驶状态。自动驾驶车辆具备智能网联功能，能够实现与周围其他车辆实时通信，相互发送各自的速度、加度数和位置等信息，能够与所行驶路段的路侧控制单元进行通信，将本车辆以及相邻的其他车辆的速度、加度数和位置等信息实时传输到路侧控制单元。
因此，本实施例中，在当前车辆的驾驶类型为自动驾驶的情况下，路侧控制单元可以获取当前车辆发送的当前车辆的车辆数据以及与当前车辆位于同一车道上且相邻的至少一个相邻车辆的车辆数据。
当前车辆的车辆数据包括当前车辆的车速、当前车辆与每个相邻车辆的距离；相邻车辆的车辆数据包括相邻车辆的车速。
S120、根据获取的车辆数据计算当前车辆与每个相邻车辆之间的风险斥力。
对于同一车道上的前后相邻的跟驰车辆与被跟驰车辆，当驾驶员在跟驰过程中以高速靠近被跟驰车辆时，会感知到一种压迫感，为保障行驶安全，驾驶员迫使自己采取减速措施从而与被跟驰车辆保持一定的车距。而这种感知到的压迫感可以用风险斥力表示，斥力来源于与跟驰车辆与被跟驰车辆之间相互作用而形成的场，由两车之间的间距、相对速度及跟驰车辆的安全跟驰距离共同确定。
根据以下公式计算前后相邻的跟驰车辆与被跟驰车辆之间的风险斥力：
Figure BDA0003377938060000061
其中，Fij为跟驰车辆与被跟驰车辆之间的风险斥力，可以理解为车辆跟驰过程中感知到源自于被跟驰车辆的风险场施加在跟驰车辆上的风险斥力，也就是车辆跟驰过程中的风险值，风险斥力通过指数函数处理为(0,1]之间的值，用于表征车辆间安全风险的相对大小，无量纲；Sij为跟驰车辆与被跟驰车辆之间的距离，单位为m；Vi为跟驰车辆的车速，Vj为被跟驰车辆的车速，单位为m/s；
Figure BDA0003377938060000071
为跟驰车辆的安全跟驰间距，单位为m；
Figure BDA0003377938060000072
为跟驰车辆侵入被跟驰车辆的风险场的侵入距离。
当
Figure BDA0003377938060000073
且Vi-Vj＞0时，跟驰车辆开始感知到被跟驰车辆的风险场产生的斥力。当跟驰间距Sij与安全跟驰间距
Figure BDA0003377938060000074
相等时，跟驰车辆处于风险场势能最低处，跟驰车辆的风险斥力无限接近0。当跟驰间距Sij较小时，若两车速度差无限接近0，则风险斥力也无限接近0，若两车速度差较大，则风险斥力也随之增大。
Figure BDA0003377938060000075
的计算公式为：
Figure BDA0003377938060000076
其中，bi是在紧急制动情况下，跟驰车辆的最大减速度，单位为m/s2；Bj是在紧急制动情况下，被跟驰车辆的最大减速度，单位为m/s2；τi是跟驰车辆的反应时间，单位为s；Lj是跟驰车辆与被跟驰车辆之间的关键车间距，单位为m。
最大减速度以及反应时间与车辆类型相关，本实施例中，可以将被跟驰车辆与跟驰车辆的最大减速度设置为相同值，该数据可以通过被跟驰车辆与跟驰车辆中的自动驾驶车辆发送至路侧控制单元。
需要说明的是，在当前车辆的前后均存在相邻车辆的情况下，针对当前车辆与相邻前车计算风险斥力的情况，当前车辆为跟驰车辆，相邻前车为被跟驰车辆；针对当前车辆与相邻后车计算风险斥力的情况，当前车辆为被跟驰车辆，相邻后车为跟驰车辆。
S130、根据计算得到的风险斥力、当前车辆与至少一个相邻车辆的驾驶类型以及预设的风险预警策略对当前自动驾驶车辆以及至少一个相邻车辆进行控制以实现车辆风险预警。
其中，预设的风险预警策略包括风险斥力大小、车辆的驾驶类型以及车速控制指令之间的映射关系。
一般将风险斥力值Fij＝0.9时作为风险斥力阈值，根据风险斥力的值来判别当前车辆是否处于高风险。当风险斥力小于0.9时认为车辆处于安全行驶状态，不采取控制措施；当风险斥力大于0.9时，认为当前时刻车辆处于高风险安全隐患，需要及时进行安全预警并采取相应的控制策略。
本实施例提供的车辆风险预警方法中，实时获取当前车辆的车辆数据以及与当前车辆位于同一车道上且相邻的至少一个相邻车辆的车辆数据，其中，当前车辆的驾驶类型为自动驾驶，相邻车辆的驾驶类型为自动驾驶或人工驾驶；根据获取的车辆数据计算当前车辆与每个相邻车辆之间的风险斥力；根据计算得到的风险斥力、当前车辆与至少一个相邻车辆的驾驶类型以及预设的风险预警策略对当前自动驾驶车辆以及至少一个相邻车辆进行控制以实现车辆风险预警，其中，预设的风险预警策略包括风险斥力大小、车辆的驾驶类型以及车速控制指令之间的映射关系。实现了在自动驾驶车辆与人工驾驶车辆混合交互运行的交通场景下，对各个车辆进行风险预警以及控制，提高路段内的交通流的安全性和稳定性。
图2为本申请实施例提供的另一种车辆风险预警方法的流程示意图，本实施例中的方案可以与上述实施例中的一个或多个可选方案组合。如图2所示，本实施例提供的车辆风险预警方法可以包括：
S210、实时获取当前车辆的车辆数据以及与当前车辆位于同一车道上且相邻的至少一个相邻车辆的车辆数据。
其中，当前车辆的驾驶类型为自动驾驶，相邻车辆的驾驶类型为自动驾驶或人工驾驶。
至少一个相邻车辆为位于当前车辆之前的相邻前车和位于当前车辆之后的相邻后车。
S220、根据获取的车辆数据计算当前车辆与每个相邻车辆之间的风险斥力。
其中，当前车辆与相邻前车之前的风险斥力为第一斥力，当前车辆与相邻后车之前的风险斥力为第二斥力。
以下对根据计算得到的风险斥力、当前车辆与至少一个相邻车辆的驾驶类型以及预设的风险预警策略对当前自动驾驶车辆以及至少一个相邻车辆进行控制以实现车辆风险预警，进行具体描述。其中，介绍了预设的风险预警策略中，不同风险斥力大小、不同车辆的驾驶类型以及不同车速控制指令之间的映射关系。
S230、在第一斥力大于或等于风险斥力阈值，相邻前车的驾驶类型为人工驾驶且相邻后车的驾驶类型为自动驾驶的情况下，向当前车辆以及相邻后车均发送减速控制指令，并继续实时计算第一斥力以及第二斥力，其中，减速控制指令用于指示当前车辆在减速过程中的减速度小于相邻后车在减速过程中的减速度。
在S230所述情况下，路侧控制单元仅能对当前车辆以及相邻后车进行车速控制，由于第一斥力大于或等于风险斥力阈值，即当前车辆与相邻前车之间处于风险状态，则无论当前车辆与相邻后车之间处于何种状态，都需要当前车辆以及相邻后车调整自身车速。而且需要使得当前车辆在减速过程中的减速度小于相邻后车在减速过程中的减速度，保证当前车辆与相邻后车之间不处于风险状态。
S240、在第一斥力大于或等于风险斥力阈值，相邻前车的驾驶类型为自动驾驶且相邻后车的驾驶类型为自动驾驶的情况下，向当前车辆、相邻前车以及相邻后车均发送车速控制指令，并继续实时计算第一斥力以及第二斥力，其中，车速控制指令用于指示当前车辆、相邻前车以及相邻后车协同调速。
在S240所述情况下，路侧控制单元能对当前车辆、相邻前车以及相邻后车均进行车速控制，此时，路侧控制单元可以向当前车辆、相邻前车以及相邻后车均发送车速控制指令，当前车辆、相邻前车以及相邻后车在收到车速控制指令后，可以与相邻的车辆进行智能网联环境下的通信，从而实现当前车辆、相邻前车以及相邻后车之间的协同调速，保证任意相邻车辆之间不处于风险状态。
S250、在第一斥力大于或等于风险斥力阈值，相邻前车的驾驶类型为自动驾驶且相邻后车的驾驶类型为人工驾驶的情况下，向当前车辆以及相邻前车均发送加速控制指令，并继续实时计算第一斥力以及第二斥力，其中，加速控制指令用于指示相邻前车在加速过程中的加速度大于当前车辆在加速过程中的加速度。
在S250所述情况下，路侧控制单元仅能对当前车辆以及相邻前车进行车速控制，由于第一斥力大于或等于风险斥力阈值，即当前车辆与相邻前车之间处于风险状态，则无论当前车辆与相邻后车之间处于何种状态，都需要当前车辆以及相邻前车调整自身车速。而且需要使得相邻前车在加速过程中的加速度大于当前车辆在加速过程中的加速度，保证当前车辆与相邻前车之间不处于风险状态。
S260、在第一斥力小于风险斥力阈值，第二斥力大于或等于预设的风险斥力阈值，相邻前车的驾驶类型为人工驾驶且相邻后车的驾驶类型为自动驾驶的情况下，向当前车辆发送加速控制指令或向相邻后车发送减速控制指令，并继续实时计算第一斥力以及第二斥力。
在S260所述情况下，路侧控制单元仅能对当前车辆以及相邻后车进行车速控制，由于第二斥力大于或等于风险斥力阈值，即当前车辆与相邻后车之间处于风险状态，则需要当前车辆或者相邻后车调整自身车速。向当前车辆发送加速控制指令或向相邻后车发送减速控制指令，保证当前车辆与相邻后车之间不处于风险状态。
S270、在第一斥力小于风险斥力阈值，第二斥力大于或等于预设的风险斥力阈值，相邻前车的驾驶类型为自动驾驶且相邻后车的驾驶类型为自动驾驶的情况下，向当前车辆、相邻前车以及相邻后车均发送车速控制指令，并继续实时计算第一斥力以及第二斥力，其中，车速控制指令用于指示当前车辆、相邻前车以及相邻后车协同调速。
在S270所述情况下，路侧控制单元能对当前车辆、相邻前车以及相邻后车均进行车速控制，此时，路侧控制单元可以向当前车辆、相邻前车以及相邻后车均发送车速控制指令，当前车辆、相邻前车以及相邻后车在收到车速控制指令后，可以与相邻的车辆进行智能网联环境下的通信，从而实现当前车辆、相邻前车以及相邻后车之间的协同调速，保证任意相邻车辆之间不处于风险状态。
S280、在第一斥力小于风险斥力阈值，第二斥力大于或等于预设的风险斥力阈值，相邻前车的驾驶类型为自动驾驶且相邻后车的驾驶类型为人工驾驶的情况下，向当前车辆以及相邻前车均发送加速控制指令，并继续实时计算第一斥力以及第二斥力，其中，加速控制指令用于指示相邻前车在加速过程中的加速度大于当前车辆在加速过程中的加速度。
在S280所述情况下，路侧控制单元仅能对当前车辆以及相邻前车进行车速控制，由于第二斥力大于或等于风险斥力阈值，即当前车辆与相邻后车之间处于风险状态，需要当前车辆以及相邻前车调整自身车速。而且需要使得相邻前车在加速过程中的加速度大于当前车辆在加速过程中的加速度，保证当前车辆与相邻前车之间不处于风险状态。
可以理解，在第一斥力小于风险斥力阈值，第二斥力小于预设的风险斥力阈值的情况下，相邻车辆之间运行安全，不需要施加控制。
在继续实时计算第一斥力以及第二斥力之后，还包括：在第一斥力小于风险斥力阈值，第二斥力小于风险斥力阈值，且同一车道上的其他多个车辆之间的风险斥力均小于预设的风险斥力阈值的情况下，结束对相应车辆的控制；在第一斥力大于或等于风险斥力阈值或第二斥力大于或风险斥力阈值或同一车道上其他多个车辆之间的风险斥力存在风险斥力大于或等于风险斥力阈值的情况下，判断当前车辆是否满足换道条件，响应于当前车辆满足换道条件，控制当前车辆进行换道行驶，响应于当前车辆不满足换道条件，继续对相应车辆的车速进行控制，直至满足目标控制要求。
本实施例的车辆风险预警方法为实时控制策略，在路侧控制单元对相应车辆的车速进行控制的情况下，继续实时获取第一斥力以及第二斥力，并将获取的第一斥力以及第二斥力分别与风险斥力阈值进行比较，在第一斥力大于或等于风险斥力阈值或第二斥力大于或风险斥力阈值或同一车道上其他多个车辆之间的风险斥力存在风险斥力大于或等于风险斥力阈值的情况下，根据比较结果选择S230-S280对应的方案进行调速，直至满足目标控制要求，或者控制当前车辆换道。
目标控制要求包括：当前车辆、相邻前车以及相邻后车中，任意两车的车速差小于预设车速或者相邻车辆之间的侵入距离小于预设距离，其中，侵入距离等于跟驰车辆的安全跟驰间距减去跟驰车辆与被跟驰车辆之间的距离。也就是说，目标控制要求是车辆间的速度趋于一致或者车辆间的安全侵入距离趋于0。
本实施例提供的车辆风险预警方法中具体说明了预设的风险预警策略中包括的风险斥力大小、车辆的驾驶类型以及车速控制指令之间的映射关系，使得路侧控制单元可以根据风险斥力大小以及车辆的驾驶类型选择合适的车速控制方案，提高了车速控制的准确性。
图3为本申请实施例提供的一种车辆风险预警装置的结构框图。该装置可以由软件和/或硬件实现，可配置于电子设备中，典型的，可以配置在路侧控制单元中，可通过车辆风险预警方法实现车辆风险预警以及车辆控制。如图3所示，本实施例提供的车辆风险预警装置可以包括：车辆数据获取模块301、风险斥力计算模块302和车辆控制模块303，其中，
车辆数据获取模块301，用于实时获取当前车辆的车辆数据以及与当前车辆位于同一车道上且相邻的至少一个相邻车辆的车辆数据，其中，当前车辆的驾驶类型为自动驾驶，相邻车辆的驾驶类型为自动驾驶或人工驾驶；
风险斥力计算模块302，用于根据获取的车辆数据计算当前车辆与每个相邻车辆之间的风险斥力；
车辆控制模块303，用于根据计算得到的风险斥力、当前车辆与至少一个相邻车辆的驾驶类型以及预设的风险预警策略对当前自动驾驶车辆以及至少一个相邻车辆进行控制以实现车辆风险预警，其中，预设的风险预警策略包括风险斥力大小、车辆的驾驶类型以及车速控制指令之间的映射关系。
本实施例提供的车辆风险预警装置中，实时获取当前车辆的车辆数据以及与当前车辆位于同一车道上且相邻的至少一个相邻车辆的车辆数据，其中，当前车辆的驾驶类型为自动驾驶，相邻车辆的驾驶类型为自动驾驶或人工驾驶；根据获取的车辆数据计算当前车辆与每个相邻车辆之间的风险斥力；根据计算得到的风险斥力、当前车辆与至少一个相邻车辆的驾驶类型以及预设的风险预警策略对当前自动驾驶车辆以及至少一个相邻车辆进行控制以实现车辆风险预警，其中，预设的风险预警策略包括风险斥力大小、车辆的驾驶类型以及车速控制指令之间的映射关系。实现了在自动驾驶车辆与人工驾驶车辆混合交互运行的交通场景下，对各个车辆进行风险预警以及控制，提高路段内的交通流的安全性和稳定性。
在上述方案的基础上，当前车辆的车辆数据包括当前车辆的车速、当前车辆与每个相邻车辆的距离；相邻车辆的车辆数据包括相邻车辆的车速；风险斥力计算模块302具体用于根据以下公式计算前后相邻的跟驰车辆与被跟驰车辆之间的风险斥力：
Figure BDA0003377938060000151
其中，Fij为跟驰车辆与被跟驰车辆之间的风险斥力；Sij为跟驰车辆与被跟驰车辆之间的距离；Vi为跟驰车辆的车速，Vj为被跟驰车辆的车速；
Figure BDA0003377938060000152
为跟驰车辆的安全跟驰间距；
Figure BDA0003377938060000153
为跟驰车辆侵入被跟驰车辆的风险场的侵入距离；
Figure BDA0003377938060000154
的计算公式为：
Figure BDA0003377938060000155
其中，bi是在紧急制动情况下，跟驰车辆的最大减速度；Bj是在紧急制动情况下，被跟驰车辆的最大减速度；τi是跟驰车辆的反应时间；Lj是跟驰车辆与被跟驰车辆之间的关键车间距。
在上述方案的基础上，至少一个相邻车辆为位于当前车辆之前的相邻前车和位于当前车辆之后的相邻后车，且当前车辆与相邻前车之前的风险斥力为第一斥力，当前车辆与相邻后车之前的风险斥力为第二斥力。
在上述方案的基础上，车辆控制模块303具体用于：
在第一斥力大于或等于风险斥力阈值，相邻前车的驾驶类型为人工驾驶且相邻后车的驾驶类型为自动驾驶的情况下，向当前车辆以及相邻后车均发送减速控制指令，并继续实时计算第一斥力以及第二斥力，其中，减速控制指令用于指示当前车辆在减速过程中的减速度小于相邻后车在减速过程中的减速度；
在第一斥力大于或等于风险斥力阈值，相邻前车的驾驶类型为自动驾驶且相邻后车的驾驶类型为自动驾驶的情况下，向当前车辆、相邻前车以及相邻后车均发送车速控制指令，并继续实时计算第一斥力以及第二斥力，其中，车速控制指令用于指示当前车辆、相邻前车以及相邻后车协同调速；
在第一斥力大于或等于风险斥力阈值，相邻前车的驾驶类型为自动驾驶且相邻后车的驾驶类型为人工驾驶的情况下，向当前车辆以及相邻前车均发送加速控制指令，并继续实时计算第一斥力以及第二斥力，其中，加速控制指令用于指示相邻前车在加速过程中的加速度大于当前车辆在加速过程中的加速度；
在第一斥力小于风险斥力阈值，第二斥力大于或等于预设的风险斥力阈值，相邻前车的驾驶类型为人工驾驶且相邻后车的驾驶类型为自动驾驶的情况下，向当前车辆发送加速控制指令或向相邻后车发送减速控制指令，并继续实时计算第一斥力以及第二斥力；
在第一斥力小于风险斥力阈值，第二斥力大于或等于预设的风险斥力阈值，相邻前车的驾驶类型为自动驾驶且相邻后车的驾驶类型为自动驾驶的情况下，向当前车辆、相邻前车以及相邻后车均发送车速控制指令，并继续实时计算第一斥力以及第二斥力，其中，车速控制指令用于指示当前车辆、相邻前车以及相邻后车协同调速；
在第一斥力小于风险斥力阈值，第二斥力大于或等于预设的风险斥力阈值，相邻前车的驾驶类型为自动驾驶且相邻后车的驾驶类型为人工驾驶的情况下，向当前车辆以及相邻前车均发送加速控制指令，并继续实时计算第一斥力以及第二斥力，其中，加速控制指令用于指示相邻前车在加速过程中的加速度大于当前车辆在加速过程中的加速度。
在上述方案的基础上，装置还包括继续控制模块具体用于：
在第一斥力小于风险斥力阈值，第二斥力小于风险斥力阈值，且同一车道上的其他多个车辆之间的风险斥力均小于预设的风险斥力阈值的情况下，结束对相应车辆的控制；
在第一斥力大于或等于风险斥力阈值或第二斥力大于或等于风险斥力阈值或同一车道上其他多个车辆之间的风险斥力存在风险斥力大于或等于风险斥力阈值的情况下，判断当前车辆是否满足换道条件，响应于当前车辆满足换道条件，控制当前车辆进行换道行驶，响应于当前车辆不满足换道条件，继续对相应车辆的车速进行控制，直至满足目标控制要求。
在上述方案的基础上，目标控制要求包括：当前车辆、相邻前车以及相邻后车中，任意两车的车速差小于预设车速或者相邻车辆之间的侵入距离小于预设距离，其中，侵入距离等于跟驰车辆的安全跟驰间距减去跟驰车辆与被跟驰车辆之间的距离。
本申请实施例提供的车辆风险预警装置可执行本申请任意实施例提供的车辆风险预警方法，具备执行车辆风险预警方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本申请任意实施例所提供的车辆风险预警方法。
下面参考图4，示出了本申请一个示例中的一种路侧控制单元的结构示意图。如图4所示，该路侧控制单元可以包括：处理器401、存储器402以及通信装置403。该电子设备中处理器401的数量可以是一个或者多个，图4中以一个处理器401为例。该电子设备的处理器401、存储器402以及通信装置403可以通过总线或者其他方式连接，图4中以通过总线连接为例。路侧控制单元设置为执行如本申请任一实施例提供的车辆风险预警方法。
对于路侧控制单元而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可
本申请实施例还提供一种计算机可读存储介质，存储介质中的指令由路侧控制单元的处理器执行时，使得路侧控制单元能够执行如上述方法实施例的车辆风险预警方法。计算机可读存储介质可以是非暂态存储介质。
对于存储介质实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本申请实施例还提供一种风险预警控制系统，如图5-图6所示，风险预警控制系统包括：一个路网总控制中心10、设置于每条道路的道路分控制中心20和图像采集装置21，以及设置于每条道路的每个路段的路侧控制单元30；其中，图像采集装置21用于采集所属道路内的图像数据，并根据图像数据计算所属道路的车流密度，将车流密度发送至所属道路的多个路侧控制单元30；路侧控制单元30用于根据对所属路段内的至少一个车辆40的控制生成车辆风险预警信息，并在接收到的车流密度大于预设车流密度阈值的情况下将车辆风险预警信息发送至所属道路的道路分控制中心20；道路分控制中心20用于整合所属道路内的多个路段的路侧控制单元30上报的车辆风险预警信息，得到预警信息整合结果，将预警信息整合结果发送至路网总控制中心10；路网总控制中心10用于根据每条道路的道路分控制中心20发送的预警信息整合结果，确定路网信息，路网信息用于指示车辆躲避交通拥堵路段。
本实施例中将交通网络按照路网级、道路级和路段级进行三级划分，建立分布式控制架构。其中，路网级设置一个总控制中心10，用以进行若干条道路的控制，每条道路级设置一个分控制中心20，用于进行若干路段的控制，每个路段设置一个路侧控制单元30，对行驶在管辖区域的智能网联车辆进行实时信息传输和控制指令的发布。路侧控制单元30将所属区域的智能网联车辆信息传输到道路分控制中心20，道路分控制中心20将所属的路侧控制单元30传来的信息传输到路网总控制中心10进行存储。需要说明的是，本实施例中的路侧控制单元30还可以执行本申请任一实施例中的车辆风险预警方法。
路侧控制单元30根据车辆信息进行风险斥力的计算，的风险斥力超过风险斥力阈值时，路侧控制单元30向车辆40发送加速、减速或变道等控制指令，以保障车辆40的安全性。同时，若路段内的车流密度较大，且多数车辆间的风险斥力大于风险阈值时，则认为该路段处于高风险，此时，路侧控制单元30同时向相邻的路侧控制单元30和上级道路分控制中心20发送车辆风险预警信息，该车辆风险预警信息中可以包括路侧控制单元30所属路段内的智能网联车辆即自动驾驶车辆发送至路侧控制单元30的车辆数据，以及路侧控制单元30计算得到的各个风险斥力；道路分控制中心20接收到各个路侧控制单元30发送的车辆风险预警信息后，同时向相邻的道路分控制中心20和路网总控制中心10发送车辆风险预警信息，路网总控制中心10将各个道路分控制中心20发送的车辆风险预警信息在全路网进行发布，诱导车辆避开高风险路段行驶。
图7-图10为本申请实施例提供的风险预警控制系统的工作流程示意图。图7-图10中示出了第一斥力F前和第二斥力F后在四种情况下，风险预警控制系统的工作方式，具体说明可参见上述车辆风险预警方法实施例，此处不再赘述。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的申请范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述申请构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中申请的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本申请的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。

Claims (10)

1.一种车辆风险预警方法，其特征在于，包括：
实时获取当前车辆的车辆数据以及与当前车辆位于同一车道上且相邻的至少一个相邻车辆的车辆数据，其中，当前车辆的驾驶类型为自动驾驶，所述相邻车辆的驾驶类型为自动驾驶或人工驾驶；
根据获取的车辆数据计算当前车辆与每个相邻车辆之间的风险斥力；
根据计算得到的风险斥力、当前车辆与所述至少一个相邻车辆的驾驶类型以及预设的风险预警策略对当前自动驾驶车辆以及至少一个相邻车辆进行控制以实现车辆风险预警，其中，所述预设的风险预警策略包括风险斥力大小、车辆的驾驶类型以及车速控制指令之间的映射关系。
2.根据权利要求1所述的方法，其特征在于，当前车辆的车辆数据包括当前车辆的车速、当前车辆与每个相邻车辆的距离；所述相邻车辆的车辆数据包括所述相邻车辆的车速；所述根据获取的车辆数据计算当前车辆与每个相邻车辆之间的风险斥力，包括：
根据以下公式计算前后相邻的跟驰车辆与被跟驰车辆之间的风险斥力：
Figure FDA0003377938050000011
其中，Fij为所述跟驰车辆与所述被跟驰车辆之间的风险斥力；Sij为所述跟驰车辆与所述被跟驰车辆之间的距离；Vi为所述跟驰车辆的车速，Vj为所述被跟驰车辆的车速；
Figure FDA0003377938050000012
为所述跟驰车辆的安全跟驰间距；
Figure FDA0003377938050000013
为所述跟驰车辆侵入所述被跟驰车辆的风险场的侵入距离；
Figure FDA0003377938050000014
的计算公式为：
Figure FDA0003377938050000015
其中，bi是在紧急制动情况下，所述跟驰车辆的最大减速度；Bj是在紧急制动情况下，所述被跟驰车辆的最大减速度；τi是所述跟驰车辆的反应时间；Lj是所述跟驰车辆与所述被跟驰车辆之间的关键车间距。
3.根据权利要求1所述的方法，其特征在于，所述至少一个相邻车辆为位于当前车辆之前的相邻前车和位于当前车辆之后的相邻后车，且当前车辆与所述相邻前车之前的风险斥力为第一斥力，当前车辆与所述相邻后车之前的风险斥力为第二斥力。
4.根据权利要求3所述的方法，其特征在于，所述根据计算得到的风险斥力、当前车辆与所述至少一个相邻车辆的驾驶类型以及预设的风险预警策略对当前自动驾驶车辆以及至少一个相邻车辆进行控制，包括：
在所述第一斥力大于或等于风险斥力阈值，所述相邻前车的驾驶类型为人工驾驶且所述相邻后车的驾驶类型为自动驾驶的情况下，向当前车辆以及所述相邻后车均发送减速控制指令，并继续实时计算所述第一斥力以及所述第二斥力，其中，所述减速控制指令用于指示当前车辆在减速过程中的减速度小于所述相邻后车在减速过程中的减速度；
在所述第一斥力大于或等于风险斥力阈值，所述相邻前车的驾驶类型为自动驾驶且所述相邻后车的驾驶类型为自动驾驶的情况下，向当前车辆、所述相邻前车以及所述相邻后车均发送车速控制指令，并继续实时计算所述第一斥力以及所述第二斥力，其中，所述车速控制指令用于指示当前车辆、所述相邻前车以及所述相邻后车协同调速；
在所述第一斥力大于或等于风险斥力阈值，所述相邻前车的驾驶类型为自动驾驶且所述相邻后车的驾驶类型为人工驾驶的情况下，向当前车辆以及所述相邻前车均发送加速控制指令，并继续实时计算所述第一斥力以及所述第二斥力，其中，所述加速控制指令用于指示所述相邻前车在加速过程中的加速度大于当前车辆在加速过程中的加速度；
在所述第一斥力小于风险斥力阈值，所述第二斥力大于或等于所述预设的风险斥力阈值，所述相邻前车的驾驶类型为人工驾驶且所述相邻后车的驾驶类型为自动驾驶的情况下，向当前车辆发送加速控制指令或向所述相邻后车发送减速控制指令，并继续实时计算所述第一斥力以及所述第二斥力；
在所述第一斥力小于风险斥力阈值，所述第二斥力大于或等于所述预设的风险斥力阈值，所述相邻前车的驾驶类型为自动驾驶且所述相邻后车的驾驶类型为自动驾驶的情况下，向当前车辆、所述相邻前车以及所述相邻后车均发送车速控制指令，并继续实时计算所述第一斥力以及所述第二斥力，其中，所述车速控制指令用于指示当前车辆、所述相邻前车以及所述相邻后车协同调速；
在所述第一斥力小于风险斥力阈值，所述第二斥力大于或等于所述预设的风险斥力阈值，所述相邻前车的驾驶类型为自动驾驶且所述相邻后车的驾驶类型为人工驾驶的情况下，向当前车辆以及所述相邻前车均发送加速控制指令，并继续实时计算所述第一斥力以及所述第二斥力，其中，所述加速控制指令用于指示所述相邻前车在加速过程中的加速度大于当前车辆在加速过程中的加速度。
5.根据权利要求4所述的方法，其特征在于，在所述继续实时计算所述第一斥力以及所述第二斥力之后，还包括：
在所述第一斥力小于所述风险斥力阈值，所述第二斥力小于所述风险斥力阈值，且所述同一车道上的其他多个车辆之间的风险斥力均小于所述预设的风险斥力阈值的情况下，结束对相应车辆的控制；
在所述第一斥力大于或等于所述风险斥力阈值或所述第二斥力大于或等于所述风险斥力阈值或所述同一车道上其他多个车辆之间的风险斥力存在风险斥力大于或等于所述风险斥力阈值的情况下，判断当前车辆是否满足换道条件，响应于当前车辆满足所述换道条件，控制当前车辆进行换道行驶，响应于当前车辆不满足所述换道条件，继续对相应车辆的车速进行控制，直至满足目标控制要求。
6.根据权利要求5所述的方法，其特征在于，所述目标控制要求包括：当前车辆、所述相邻前车以及所述相邻后车中，任意两车的车速差小于预设车速或者相邻车辆之间的侵入距离小于预设距离，其中，所述侵入距离等于跟驰车辆的安全跟驰间距减去所述跟驰车辆与被跟驰车辆之间的距离。
7.一种车辆风险预警装置，其特征在于，包括：
车辆数据获取模块，用于实时获取当前车辆的车辆数据以及与当前车辆位于同一车道上且相邻的至少一个相邻车辆的车辆数据，其中，当前车辆的驾驶类型为自动驾驶，所述相邻车辆的驾驶类型为自动驾驶或人工驾驶；
风险斥力计算模块，用于根据获取的车辆数据计算当前车辆与每个相邻车辆之间的风险斥力；
车辆控制模块，用于根据计算得到的风险斥力、当前车辆与所述至少一个相邻车辆的驾驶类型以及预设的风险预警策略对当前自动驾驶车辆以及至少一个相邻车辆进行控制以实现车辆风险预警，其中，所述预设的风险预警策略包括风险斥力大小、车辆的驾驶类型以及车速控制指令之间的映射关系。
8.一种路侧控制单元，其特征在于，包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6中任一项所述的车辆风险预警方法。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-6中任一项所述的车辆风险预警方法。
10.一种风险预警控制系统，其特征在于，包括：一个路网总控制中心、设置于每条道路的道路分控制中心和图像采集处理装置，以及设置于每条道路的每个路段的如权利要求8所述的路侧控制单元；其中，
所述图像采集处理装置用于采集所属道路内的图像数据，并根据所述图像数据计算所属道路的车流密度，将所述车流密度发送至所属道路的多个路侧控制单元；
所述路侧控制单元用于根据对所属路段内的至少一个车辆的控制生成车辆风险预警信息，并在接收到的车流密度大于预设车流密度阈值的情况下将所述车辆风险预警信息发送至所属道路的道路分控制中心；
所述道路分控制中心用于整合所属道路内的多个路段的路侧控制单元上报的车辆风险预警信息，得到预警信息整合结果，将所述预警信息整合结果发送至所述路网总控制中心；
所述路网总控制中心用于根据每条道路的道路分控制中心发送的预警信息整合结果，确定路网信息，其中，所述路网信息用于指示车辆躲避交通拥堵路段。
CN202111422415.4A 2021-11-26 2021-11-26 车辆风险预警方法、路侧控制单元及风险预警控制系统 Active CN113920699B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111422415.4A CN113920699B (zh) 2021-11-26 2021-11-26 车辆风险预警方法、路侧控制单元及风险预警控制系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111422415.4A CN113920699B (zh) 2021-11-26 2021-11-26 车辆风险预警方法、路侧控制单元及风险预警控制系统

Publications (2)

Publication Number Publication Date
CN113920699A true CN113920699A (zh) 2022-01-11
CN113920699B CN113920699B (zh) 2022-05-24

Family

ID=79248429

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111422415.4A Active CN113920699B (zh) 2021-11-26 2021-11-26 车辆风险预警方法、路侧控制单元及风险预警控制系统

Country Status (1)

Country Link
CN (1) CN113920699B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116363905A (zh) * 2023-05-19 2023-06-30 吉林大学 一种异质交通流合流区换道时机判别及主动安全控制方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104590210A (zh) * 2013-10-31 2015-05-06 通用汽车环球科技运作有限责任公司 用于确定通知首选项中指定的任何车辆事件是否发生的方法、系统及设备
CN105185141A (zh) * 2015-10-14 2015-12-23 浙江大学 一种基于引力场的车辆自动驾驶引导方法
US20180072265A1 (en) * 2016-09-12 2018-03-15 Qualcomm Incorporated Autonomous Vehicle Security
CN108944946A (zh) * 2018-07-11 2018-12-07 北京航空航天大学 一种基于车车通信的弯道风险预估计算方法
CN109841091A (zh) * 2019-01-02 2019-06-04 北京汽车股份有限公司 车辆碰撞预警方法、装置及汽车
CN111081065A (zh) * 2019-12-13 2020-04-28 北京理工大学 路段混行条件下的智能车辆协同换道决策模型
CN111968372A (zh) * 2020-08-25 2020-11-20 重庆大学 一种考虑主观因素的多车型混合交通跟驰行为仿真方法
CN112581756A (zh) * 2020-11-16 2021-03-30 东南大学 一种基于混合交通的行车风险评估方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104590210A (zh) * 2013-10-31 2015-05-06 通用汽车环球科技运作有限责任公司 用于确定通知首选项中指定的任何车辆事件是否发生的方法、系统及设备
CN105185141A (zh) * 2015-10-14 2015-12-23 浙江大学 一种基于引力场的车辆自动驾驶引导方法
US20180072265A1 (en) * 2016-09-12 2018-03-15 Qualcomm Incorporated Autonomous Vehicle Security
CN108944946A (zh) * 2018-07-11 2018-12-07 北京航空航天大学 一种基于车车通信的弯道风险预估计算方法
CN109841091A (zh) * 2019-01-02 2019-06-04 北京汽车股份有限公司 车辆碰撞预警方法、装置及汽车
CN111081065A (zh) * 2019-12-13 2020-04-28 北京理工大学 路段混行条件下的智能车辆协同换道决策模型
CN111968372A (zh) * 2020-08-25 2020-11-20 重庆大学 一种考虑主观因素的多车型混合交通跟驰行为仿真方法
CN112581756A (zh) * 2020-11-16 2021-03-30 东南大学 一种基于混合交通的行车风险评估方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116363905A (zh) * 2023-05-19 2023-06-30 吉林大学 一种异质交通流合流区换道时机判别及主动安全控制方法
CN116363905B (zh) * 2023-05-19 2023-09-05 吉林大学 一种异质交通流合流区换道时机判别及主动安全控制方法

Also Published As

Publication number Publication date
CN113920699B (zh) 2022-05-24

Similar Documents

Publication Publication Date Title
CN109421711B (zh) 跟车速度控制方法、装置、系统、计算机设备及存储介质
EP3361466A1 (en) Risk-based driver assistance for approaching intersections of limited visibility
CN110239550B (zh) 一种车辆自动变道方法
CN112562326A (zh) 车速引导方法、服务器及可读存储介质
KR20180128942A (ko) 규칙에 근거하여 운전자를 지원하기 위한 제어 데이터의 생성 방법
EP3276589B1 (en) Driving assistance device
CN110001647A (zh) 车辆触发变道方法、系统及计算机可读存储介质
CN112061106B (zh) 自动驾驶控制方法、装置、车辆和存储介质
CN112180921A (zh) 自动驾驶算法训练系统及方法
CN113470407B (zh) 多交叉路口通行的车速引导方法、服务器及可读存储介质
CN110641467A (zh) 一种自适应巡航系统车距控制方法及装置
CN113920699B (zh) 车辆风险预警方法、路侧控制单元及风险预警控制系统
CN109070881A (zh) 用于运行车辆的方法
JP6694995B1 (ja) 車線変更評価装置、および車線変更評価方法
CN112172829B (zh) 车道偏离预警方法、装置、电子设备和存储介质
CN115081822A (zh) 一种基于心理和物理风险场的行车风险评估方法和系统
CN114987538A (zh) 一种网联自动驾驶环境下考虑多目标优化的协同换道方法
CN113071515B (zh) 可移动载体控制方法、装置、可移动载体及存储介质
CN112319505B (zh) 自动驾驶换道判断方法、装置、设备及存储介质
CN113593221A (zh) 信息价值评估式驾驶系统、网联车辆系统和数据传输方法
CN117325872A (zh) 一种自动驾驶车辆驾驶员接管认知行为预测系统
CN116653957A (zh) 一种变速变道方法、装置、设备及存储介质
JP2008059094A (ja) 車両群制御システム
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
Sotelo et al. Vision-based adaptive cruise control for intelligent road vehicles

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