CN114170805A - 基于aeb碰撞速度的车辆路径规划方法 - Google Patents

基于aeb碰撞速度的车辆路径规划方法 Download PDF

Info

Publication number
CN114170805A
CN114170805A CN202111595348.6A CN202111595348A CN114170805A CN 114170805 A CN114170805 A CN 114170805A CN 202111595348 A CN202111595348 A CN 202111595348A CN 114170805 A CN114170805 A CN 114170805A
Authority
CN
China
Prior art keywords
vehicle
ego
collision
col
ped
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
CN202111595348.6A
Other languages
English (en)
Other versions
CN114170805B (zh
Inventor
皮大伟
雍健羽
王洪亮
谢伯元
王显会
王尔烈
王霞
孙晓旺
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.)
Nanjing University of Science and Technology
Original Assignee
Nanjing University of Science and Technology
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 Nanjing University of Science and Technology filed Critical Nanjing University of Science and Technology
Priority to CN202111595348.6A priority Critical patent/CN114170805B/zh
Publication of CN114170805A publication Critical patent/CN114170805A/zh
Application granted granted Critical
Publication of CN114170805B publication Critical patent/CN114170805B/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
    • G08G1/01—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
    • G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
    • G08G1/096805—Systems involving transmission of navigation instructions to the vehicle where the transmitted instructions are used to compute a route
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
    • G08G1/096833—Systems involving transmission of navigation instructions to the vehicle where different aspects are considered when computing the route
    • 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

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Mathematical Physics (AREA)
  • Traffic Control Systems (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明公开一种基于AEB碰撞速度的车辆路径规划方法。针对主车辆驶过路边停靠车辆，行人从视野盲区窜出的场景，包括如下步骤：步骤(1)：制定碰撞场景，对场景进行参数坐标化，制定风险函数；步骤(2)：确定碰撞速度Vcol；步骤(3)：在风险函数中引入车辆运动平稳性指数Jerk(x″′，y″′)，基于引入车辆运动平稳性指数的风险函数，进行路径规划。本发明基于AEB碰撞速度制定的风险量，进行车辆路径规划，而不是单纯的紧急制动或者侧偏避撞。由于目前AEB使用的AS算法和TTC算法采取的避撞的方法都是紧急制动，给驾驶员带了一定的制动冲击。本发明采用的路径规划方法，在一定程度上减少了对驾驶员产生的制动冲击，舒适性较好。

Description

基于AEB碰撞速度的车辆路径规划方法
技术领域
本发明属于汽车主动安全领域，具体涉及一种基于AEB碰撞速度的车辆路径规划方法。
背景技术
行人碰撞事故是交通事故中发生频率最高的事故。由于驾驶员判断不及时或注意力不集中，忽视道路上行走的行人，从而导致行人碰撞事故，给行人造成了生命危险。AEB系统作为车辆主动安全辅助驾驶系统，对于减少车辆行驶时发生相互碰撞事故、提高驾驶安全有着重要的作用。
目前AEB系统的预警算法主要有安全距离(safety distance,AS)算法和即碰时间(time to collision,TTC)算法两类。AS算法根据两车的车速和车距，来确定两车需要的安全距离(AS)阀值；TTC算法是根据两车状态来计算两车即将会发生碰撞的时间，来得到即碰时间(TTC)阀值。当车辆状态小于计算所得的AS阀值或者TTC阀值时，AEB系统将激活采取预警或者紧急刹车。
上述算法存在以下问题：
1、由于上述主流算法均是针对车辆行驶碰撞提出的解决算法，这导致了无法对行人进行有效的避撞。
2、由于行人行走具有不确定性、突然性，这导致了上述算法设置的AS阀值和TTC阀值往往来不及起作用。
3、由于上述主流算法均是针对纵向碰撞提出的纵向避撞方案，无法解决行人窜出导致的侧碰问题。
发明内容
本发明的目的在于提供一种针对特定的场景，即驾驶员驾驶车辆经过一辆路边停放车辆时，行人从车后窜出的场景，公开了一种基于AEB碰撞速度制定风险量，进行车辆路径规划的方法，即基于AEB碰撞速度制定风险量的车辆路径规划方法。
实现本发明目的的技术解决方案为：一种基于AEB碰撞速度的车辆路径规划方法，所述方法针对主车辆驶过路边停靠车辆，行人从视野盲区窜出的场景，包括如下步骤：
步骤(1)：制定碰撞场景，对场景进行参数坐标化，制定风险函数；
步骤(2)：确定碰撞速度Vcol；
步骤(3)：在风险函数中引入车辆运动平稳性指数Jerk(x″′，y″′)，基于引入车辆运动平稳性指数的风险函数，进行路径规划。
进一步的，场景中路边停靠车辆被主车辆以车载传感器支持的方式检测并获得主车状态信息Sego，场景中行人状态量Sped以道路摄像头或者声波雷达支持的方式被观测。
进一步的，主车状态信息Sego包括主车的行车速度Vego.X和Vego.Y、主车的坐标位置Xego和Yego；
行人状态量Sped包括行人的步行速度Vped.x和Vped.Y、行人的坐标位置Xped和Yped。
进一步的，步骤(1)“制定碰撞场景，对场景进行参数坐标化，制定风险函数”具体为：
以ω代表行人冲出的危险事件，碰撞速度使用Vcol表示，则危险事件ω与碰撞速度Vcol的联合概率即风险函数为p(ω，Vcol)，p(ω，Vcol)由危险事件ω的发生概率P(ω)与危险事件发生时碰撞速度Vcol的概率分布p(Vcol|ω)的乘积表示，
通过对主车状态信息Sego、行人状态量Sped和AEB参数α的两次边缘化，将式(1)扩展为式(2)进一步扩展为式(3)；
p(ω，Vcol)＝P(ω)·p(Vcol|ω)-----------------------------------(1)
＝P(ω)·∫∫∫p(Vcol，Sego，Sped，a|ω)dSegodSpedda----------------------(2)
＝P(ω)·∫∫∫p(Vcol|Sego，Sped，a，ω)·p(Sego，Sped，a|ω)dSegodSpedda
＝P(ω)·∫∫∫p(Vcol|Sego，Sped，a，ω)·p(Sego|ω)·p(Sped|ω)·p(a|ω)dSegodSpedda---------(3)
对碰撞进行简化，其中的车辆状态Sego、行人状态Sped和AEB激活参数α作为确定性变量，在这种情况下，p(Sego|ω)，p(Sped|ω)和p(a|ω)分别用狄拉克函数δ(x)表示，如式(4)-(6)所示；
p(Sego|ω)＝δ(Sego-Sego)------------------------------------------(4)
p(Sped|ω)＝δ(Sped-Sped)------------------------------------------(5)
p(a|ω)＝δ(α-α)------------------------------------------------(6)
将上述式(4)-(6)带入式(3)中扩展得式(7)，并最终化简为式(8)；式(8)表明，风险量即风险函数由危险事件发生概率和碰撞速度Vcol的密度分布函数乘积表示，其中，当车辆状态Sego、行人状态Sped和AEB激活参数α为确定性变量时，仅存在碰撞速度Vcol为不确定变量，式(9)表明碰撞速度Vcol是和车辆状态Sego、行人状态Sped和AEB激活参数α存在函数关系，当车辆状态Sego、行人状态Sped和AEB激活参数α确定时，碰撞速度Vcol也为确定变量；风险预测驾驶是以危险事件为前提，即发生行人冲出的危险事件的概率是100％，即P(ω)＝1，式(8)改写成式(10)，式(10)即为制定场景下，风险量的最终计算方式；
p(ω，Vcol)＝P(ω)·p(Vcol|ω)
＝P(ω)·∫∫∫p(Vcol|Sego，Sped，a，ω)·δ(Sego-Sego)·δ(Sped-Sped)·δ(α-α)dSegodSpedda-------(7)
＝P(ω)·p(Vcol|Sego，Sped，a，ω)
＝P(ω)·δ(V-Vcol)-------------------------------(8)
其中Vcol＝f(Sego，Sped，α)----------------------------(9)
当P(ω)＝1时，p(ω，Vcol)＝δ(V-Vcol)＝risk(Sego，Sped，α)-------(10)。
进一步的，步骤(2)“确定碰撞速度Vcol”具体为：
假定AEB系统激活存在一定的系统延迟时间τa[s]，经过短暂延迟后AEB系统对车辆以减速度aego.X[m/s2](aego.X＜0)进行减速，假定被测车辆的速度只存在X方向分量(Vego.Y＝0)，行人速度仅在Y方向有分量(Vped.x＝0)；为了确定碰撞速度，需要进行3次碰撞检测，以最终获得碰撞速度，在第一次碰撞检测中，系统将会确定未激活AEB系统的情况下主车辆和行人以当前恒定速度移动式是否发生碰撞；若发生碰撞，则会考虑AEB系统的延迟时间τa[s]，车辆在延迟时间τa[s]内将会自由运行，第二次碰撞检测中，系统会判断主车辆在延迟时间内自由行驶是否会发生碰撞，发生碰撞则碰撞速度Vcol＝Vego.x；若不发生碰撞，则考虑加载减速度aego.x后，主车辆是否与行人发生碰撞，若发生碰撞则此时的碰撞速度以抵达速度Vrch2.x表示。
进一步的，步骤(3)“在风险函数中引入车辆运动平稳性指数Jerk(x″′，y″′)，基于引入车辆运动平稳性指数的风险函数，进行路径规划”具体为：
使风险函数值总和最小的情况下，确定主车状态信息的序列(X0：N，Y0：N)，其中X0：N表示x0，x1……xn的集合，Y0：N表示y0，y1......yn的集合；引入车辆运动平稳性指数Jerk(x″′，y″′)同风险函数求和见式(11)和(12)；其中，q1、q2、q3分别为权重系数，xi表示主车状态信息序列X0：N中的第i个X值，yi表示主车状态信息序列X0：N中的第i个Y值；式(12)表示在J(x0：N，y0：N，
Figure BDA0003430345310000033
)取最小值的情况下主车状态信息序列x0：N，y0：N，
Figure BDA0003430345310000034
的取值的集合；根据上述主车状态信息序列可以规划出主车避免碰撞的路径轨迹如式(12)表示；
Figure BDA0003430345310000031
Figure BDA0003430345310000032
本发明与现有技术相比，其显著优点在于：
(1)针对性强：本发明针对特定的行人窜出场景制定相应的解决方案，相较于AS和TTC算法，具有足够的针对性。
(2)安全性高：本发明基于AEB碰撞速度制定的风险量，进行车辆路径规划，而不是单纯的紧急制动或者侧偏避撞，进行车辆路径规划，是一个制动和侧偏相结合的过程，具有足够高的安全性。
(3)舒适性较好：由于AS和TTC采取的避撞的方法都是紧急制动，给驾驶员带了一定的制动冲击；本发明采用的路径规划方法，在一定程度上减少了对驾驶员产生的制动冲击，舒适性较好。
附图说明
图1为本发明的主车驶过停靠车辆行人窜出场景的示意图。
图2为本发明的三次碰撞判断示意图。
具体实施方式
下面结合附图对本发明作进一步详细描述。
本发明公开了一种基于AEB碰撞速度的车辆路径规划的方法。本发明是针对特定的场景，即驾驶员驾驶车辆经过一辆路边停放车辆时，行人从视野盲区窜出的场景提出的特定的路径规划方法。为解决上述问题，本发明采用以下技术方案：
步骤一：基于场景参数化，制定风险量。
制定所需研究的碰撞场景，并对其进行参数化。具体有主车状态信息Sego包括主车的行车速度Vego.X和Vego.Y、主车的坐标位置Xego和Yego，行人状态量Sped包括行人的步行速度Vped。X和Vped。Y、行人的坐标位置Xped和Yped，如图1所示。
本发明以ω代表行人冲出的危险事件，碰撞速度使用Vcol表示，则危险事件ω与碰撞速度Vcol的联合概率为p(ω，Vcol)，p(ω，Vcol)由危险事件ω的发生概率P(ω)与危险事件发生时碰撞速度Vcol的概率分布p(Vcol|ω)的乘积表示，如式(1)所示。
通过对主车状态信息Sego、行人状态量Sped和AEB参数α的两次边缘化，可以将式(1)扩展为式(2)进一步扩展为式(3)。
p(ω，Vcol)＝P(ω)·p(Vcol|ω)--------------------------------(1)
＝P(ω)·∫∫∫p(Vcol，Sego，Sped，a|ω)dSegodSpedda-------------------(2)
＝P(ω)·∫∫∫p(Vcol|Sego，Sped，a，ω)·p(Sego，Sped，a|ω)dSegodSpedda
＝P(ω)·∫∫∫p(Vcol|Sego，Sped，a，ω)·p(Sego|ω)·p(Sped|ω)·p(a|ω)dSegodSpedda-----------(3)
本发明考虑的简化的风险案例，其中的车辆状态Sego、行人状态Sped和AEB激活参数α并不是随机变量，而是作为确定性变量。在这种情况下，p(Sego|ω)，p(Sped|ω)和p(a|ω)可以分别用狄拉克函数δ(x)表示，如式(4)-(6)所示。
p(Sego|ω)＝δ(Sego-Sego)----------------------------------------(4)
p(Sped|ω)＝δ(Sped-Sped)----------------------------------------(5)
p(a|ω)＝δ(α-α)----------------------------------------------(6)
将上述式(4)-(6)带入式(3)中可以扩展得式(7)，并最终化简为式(8)。式(8)表明，风险量由危险事件发生概率和碰撞速度Vcol的密度分布函数乘积表示，其中，当车辆状态Sego、行人状态Sped和AEB激活参数α为确定性变量时，仅存在碰撞速度Vcol为不确定变量，这里我们给出式(9)表明碰撞速度Vcol是和车辆状态Sego、行人状态Sped和AEB激活参数α存在一定的函数关系，至此当车辆状态Sego、行人状态Sped和AEB激活参数α确定时，碰撞速度Vcol也为确定变量。此外，我们总认为风险预测驾驶总是以危险事件为前提，在这种情况下，发生行人冲出的危险事件的概率是100％，即P(ω)＝1，所以式(8)可以改写成式(10)。式(10)可以作为制定场景下，风险量的最终计算方式。
p(ω，Vcol)＝P(ω)·p(Vcol|ω)
＝P(ω)·∫∫∫p(Vcol|Sego，Sped，a，ω)·δ(Sego-Sego)·δ(Sped-Sped)·δ(α-αdSegodSpedda----------------(7)
＝P(ω)·p(Vcol|Sego，Sped，a，ω)
＝P(ω)·δ(V-Vcol)-----------------------------------------------(8)
其中Vcol＝f(Sego，Sped，α)-------------------------------------------(9)
当P(ω)＝1时，p(ω，Vcol)＝δ(V-Vcol)＝risk(Sego，Sped，α)---------------(10)
步骤二：确定碰撞速度Vcol。
本发明中，假定AEB系统激活存在一定的系统延迟时间τa[s]，经过短暂延迟后AEB系统对车辆以减速度aego.X[m/s2](aego.X＜0)进行减速。假定被测车辆的速度只存在X方向分量(Vego.Y＝0)，行人速度仅在Y方向有分量(Vped.X＝0)。为了确定碰撞速度，需要进行3次碰撞检测，以最终获得碰撞速度，如判断流程图1所示。在第一次碰撞检测中，系统将会确定未激活AEB系统的情况下主车辆和行人以当前恒定速度移动式是否发生碰撞。若发生碰撞，则会考虑AEB系统的延迟时间τa[s]，车辆在延迟时间τa[s]内将会自由运行，第二次碰撞检测中，系统会判断主车辆在延迟时间内自由行驶是否会发生碰撞，发生碰撞则碰撞速度Vcol＝Vego.X。若不发生碰撞，则考虑加载减速度aego.X后，主车辆是否与行人发生碰撞，若发生碰撞则此时的碰撞速度以抵达速度Vrch2.X表示。具体判断方式如图2所示。
步骤三：基于风险量，进行路径规划。
基于上述的风险函数，本发明能够将风险预测驾驶视为一个路径规划问题，即使风险函数值总和最小的情况下，确定主车状态信息的序列(X0：N，Y0：N)，即X0：N表示x0，x1……xn的集合，Y0：N同理。同时，为了保证规划的运动满足车辆安全性和平稳性，引入车辆运动平稳性指数Jerk(x″′，y″′)同风险函数求和。具体表达形式见式(11)和(12)。其中，q1、q2、q3分别为权重系数，xi表示主车状态信息序列X0：N中的第i个X值，yi表示主车状态信息序列X0：N中的第i个Y值。式(12)表示在
Figure BDA0003430345310000061
取最小值的情况下主车状态信息序列x0：N，y0：N，
Figure BDA0003430345310000062
的取值的集合。根据上述主车状态信息序列可以规划出主车避免碰撞的路径轨迹如式(12)表示。
Figure BDA0003430345310000063
Figure BDA0003430345310000064

Claims (6)

1.一种基于AEB碰撞速度的车辆路径规划方法，其特征在于，所述方法针对主车辆驶过路边停靠车辆，行人从视野盲区窜出的场景，包括如下步骤：
步骤(1)：制定碰撞场景，对场景进行参数坐标化，制定风险函数；
步骤(2)：确定碰撞速度Vcol；
步骤(3)：在风险函数中引入车辆运动平稳性指数Jerk(x″′，y″′)，基于引入车辆运动平稳性指数的风险函数，进行路径规划。
2.根据权利要求1所述的方法，其特征在于，场景中路边停靠车辆被主车辆以车载传感器支持的方式检测并获得主车状态信息Sego，场景中行人状态量Sped以道路摄像头或者声波雷达支持的方式被观测。
3.根据权利要求2所述的方法，其特征在于，主车状态信息Sego包括主车的行车速度Vego.X和Vego.Y、主车的坐标位置Xego和Yego；
行人状态量Sped包括行人的步行速度Vped.X和Vped.Y、行人的坐标位置Xped和Yped。
4.根据权利要求3所述的方法，其特征在于，步骤(1)“制定碰撞场景，对场景进行参数坐标化，制定风险函数”具体为：
以ω代表行人冲出的危险事件，碰撞速度使用Vcol表示，则危险事件ω与碰撞速度Vcol的联合概率即风险函数为p(ω，Vcol)，p(ω，Vcol)由危险事件ω的发生概率P(ω)与危险事件发生时碰撞速度Vcol的概率分布p(Vcol|ω)的乘积表示，如式(1)所示；
通过对主车状态信息Sego、行人状态量Sped和AEB参数α的两次边缘化，将式(1)扩展为式(2)进一步扩展为式(3)；
Figure FDA0003430345300000011
对碰撞进行简化，其中的车辆状态Sego、行人状态Sped和AEB激活参数α作为确定性变量，在这种情况下，p(Sego|ω)，p(Sped|ω)和p(a|ω)分别用狄拉克函数δ(x)表示，如式(4)-(6)所示；
Figure FDA0003430345300000012
Figure FDA0003430345300000013
p(a|ω)＝δ(α-α)----------------------------------------------------(6)
将上述式(4)-(6)带入式(3)中扩展得式(7)，并最终化简为式(8)；式(8)表明，风险量即风险函数由危险事件发生概率和碰撞速度Vcol的密度分布函数乘积表示，其中，当车辆状态Sego、行人状态Sped和AEB激活参数α为确定性变量时，仅存在碰撞速度Vcol为不确定变量，式(9)表明碰撞速度Vcol是和车辆状态Sego、行人状态Sped和AEB激活参数α存在函数关系，当车辆状态Sego、行人状态Sped和AEB激活参数α确定时，碰撞速度Vcol也为确定变量；风险预测驾驶是以危险事件为前提，即发生行人冲出的危险事件的概率是100％，即P(ω)＝1，式(8)改写成式(10)，式(10)即为制定场景下，风险量的最终计算方式；
Figure FDA0003430345300000021
其中Vcol＝f(Sego,Sped,α)---------------------------------------------(9)
当P(ω)＝1时，p(ω,Vcol)＝δ(V-Vcol)＝risk(Sego,Sped,α)-----------------(10)。
5.根据权利要求4所述的方法，其特征在于，步骤(2)“确定碰撞速度Vcol”具体为：
假定AEB系统激活存在一定的系统延迟时间τa[s]，经过短暂延迟后AEB系统对车辆以减速度aego.X[m/s2](aego.X<0)进行减速，假定被测车辆的速度只存在X方向分量(Vego.Y＝0)，行人速度仅在Y方向有分量(Vped.X＝0)；为了确定碰撞速度，需要进行3次碰撞检测，以最终获得碰撞速度，在第一次碰撞检测中，系统将会确定未激活AEB系统的情况下主车辆和行人以当前恒定速度移动式是否发生碰撞；若发生碰撞，则会考虑AEB系统的延迟时间τa[s]，车辆在延迟时间τa[s]内将会自由运行，第二次碰撞检测中，系统会判断主车辆在延迟时间内自由行驶是否会发生碰撞，发生碰撞则碰撞速度Vcol＝Vego.X；若不发生碰撞，则考虑加载减速度aego.X后，主车辆是否与行人发生碰撞，若发生碰撞则此时的碰撞速度以抵达速度Vrch2.X表示。
6.根据权利要求5所述的方法，其特征在于，步骤(3)“在风险函数中引入车辆运动平稳性指数Jerk(x″′，y″′)，基于引入车辆运动平稳性指数的风险函数，进行路径规划”具体为：
使风险函数值总和最小的情况下，确定主车状态信息的序列(X0:N,Y0:N)，其中X0:N表示x0，x1……xn的集合，Y0:N表示y0，y1……yn的集合；引入车辆运动平稳性指数Jerk(x″′，y″′)同风险函数求和见式(11)和(12)；其中，q1、q2、q3分别为权重系数，xi表示主车状态信息序列X0:N中的第i个X值，yi表示主车状态信息序列X0:N中的第i个Y值；式(12)表示在
Figure FDA0003430345300000022
取最小值的情况下主车状态信息序列x0:N,y0:N,
Figure FDA0003430345300000033
的取值的集合；根据上述主车状态信息序列可以规划出主车避免碰撞的路径轨迹如式(12)表示；
Figure FDA0003430345300000031
Figure FDA0003430345300000032
CN202111595348.6A 2021-12-23 2021-12-23 基于aeb碰撞速度的车辆路径规划方法 Active CN114170805B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111595348.6A CN114170805B (zh) 2021-12-23 2021-12-23 基于aeb碰撞速度的车辆路径规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111595348.6A CN114170805B (zh) 2021-12-23 2021-12-23 基于aeb碰撞速度的车辆路径规划方法

Publications (2)

Publication Number Publication Date
CN114170805A true CN114170805A (zh) 2022-03-11
CN114170805B CN114170805B (zh) 2024-04-23

Family

ID=80488047

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111595348.6A Active CN114170805B (zh) 2021-12-23 2021-12-23 基于aeb碰撞速度的车辆路径规划方法

Country Status (1)

Country Link
CN (1) CN114170805B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109542081A (zh) * 2018-11-14 2019-03-29 江苏大学 一种基于线下车辆减速度曲线的线上行车危险估计方法
CN111383474A (zh) * 2018-12-29 2020-07-07 长城汽车股份有限公司 自动驾驶车辆的决策系统及方法
CN111915915A (zh) * 2020-07-16 2020-11-10 华人运通(上海)自动驾驶科技有限公司 驾驶场景重构方法、装置、系统、车辆、设备及存储介质
CN112208522A (zh) * 2019-07-12 2021-01-12 株式会社电装 用于控制车辆的驾驶的设备和方法
WO2021217752A1 (zh) * 2020-04-27 2021-11-04 清华大学 车辆-行人碰撞风险域的计算方法及安全评价系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109542081A (zh) * 2018-11-14 2019-03-29 江苏大学 一种基于线下车辆减速度曲线的线上行车危险估计方法
CN111383474A (zh) * 2018-12-29 2020-07-07 长城汽车股份有限公司 自动驾驶车辆的决策系统及方法
CN112208522A (zh) * 2019-07-12 2021-01-12 株式会社电装 用于控制车辆的驾驶的设备和方法
WO2021217752A1 (zh) * 2020-04-27 2021-11-04 清华大学 车辆-行人碰撞风险域的计算方法及安全评价系统
CN111915915A (zh) * 2020-07-16 2020-11-10 华人运通(上海)自动驾驶科技有限公司 驾驶场景重构方法、装置、系统、车辆、设备及存储介质

Also Published As

Publication number Publication date
CN114170805B (zh) 2024-04-23

Similar Documents

Publication Publication Date Title
CN104114423B (zh) 用于测定车辆的紧急制动状况的方法
CN111775940B (zh) 一种自动换道方法、装置、设备及存储介质
CN106133805B (zh) 用于碰撞回避的驾驶辅助方法和系统
CN109808685B (zh) 一种基于危险评估的汽车预警自动避撞控制方法
CN110155046A (zh) 自动紧急制动分级控制方法与系统
JP7234103B2 (ja) 車両制御装置、および、車両制御システム
CN106240458A (zh) 一种基于车载双目相机的车辆前方碰撞预警方法
US20130293395A1 (en) Mobile object target state determination device and program
CN110379203A (zh) 一种行车转向碰撞预警方法
CN114435398B (zh) 基于v2x的adas在前车遮挡场景下的决策控制方法
CN106314430B (zh) 一种应用于智能汽车的纵向主动安全防撞系统及其方法
EP2261093B1 (en) Method and system for predictive yaw stability control for automobile
CN109532483A (zh) 一种汽车油门控制装置及方法
CN113962011B (zh) 一种电动汽车制动系模型及其建立方法
CN111169462B (zh) 安全距离计算模块及其计算方法
CN107031621A (zh) 一种汽车防撞方法
Raksincharoensak et al. Predictive braking assistance system for intersection safety based on risk potential
Shimizu et al. Motion planning via optimization of risk quantified by collision velocity accompanied with AEB activation
CN114379611A (zh) 一种货运列车行车障碍预警方法及系统
Kodaka et al. Rear-end collision velocity reduction system
CN114170805A (zh) 基于aeb碰撞速度的车辆路径规划方法
CN114464012B (zh) 一种基于车联网的车辆行人碰撞预警方法及系统
CN114889589A (zh) 一种智能汽车转向与制动协同避撞控制系统及方法
Tao et al. Commercial truck AEBS test and research based on pedestrian crossing scenario
Brannstrom et al. Threat assessment for avoiding collisions with turning 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