CN114572244A - 智能驾驶及adas前车驾驶行为识别预测方法及模块 - Google Patents
智能驾驶及adas前车驾驶行为识别预测方法及模块 Download PDFInfo
- Publication number
- CN114572244A CN114572244A CN202210190782.4A CN202210190782A CN114572244A CN 114572244 A CN114572244 A CN 114572244A CN 202210190782 A CN202210190782 A CN 202210190782A CN 114572244 A CN114572244 A CN 114572244A
- Authority
- CN
- China
- Prior art keywords
- target vehicle
- vehicle
- driving
- running track
- 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.)
- Pending
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0015—Planning or execution of driving tasks specially adapted for safety
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2556/00—Input parameters relating to data
- B60W2556/45—External transmission of data to or from the vehicle
- B60W2556/65—Data transmitted between vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种智能驾驶及ADAS前车驾驶行为识别预测方法，包括：对地图数据每一帧中目标车辆信息进行整合得出该目标车辆的第一行驶轨迹信息；将自车感知系统感知的目标车辆的第二行驶轨迹与第一行驶轨迹进行校对和整合，形成第三行驶轨迹；根据第三行驶轨迹和目标车辆智能驾驶模型、目标车辆决策系统决策或自车感知系统感知的目标车辆运动状态预测目标车辆行驶轨迹，根据目标车辆的历史行驶轨迹及历史目标车辆行为对目标车辆驾驶类型进行判定；自车根据预测的目标车辆行驶轨迹和判定的目标车辆驾驶类型对自车智能决策进行优化，重新规划自车行驶路径及自车行驶参数。本发明能准确预测目标车辆行驶行为，调整自车行驶路径及自车行驶参数。
Description
技术领域
本发明涉及智能汽车领域，特别是涉及一种智能驾驶及ADAS前车驾驶行为识别预测方法。本发明还涉及集成于车智能驾驶及ADAS系统的前车驾驶行为识别预测模块。
背景技术
智能驾驶与无人驾驶是不同概念，智能驾驶更为宽泛。它指的是机器帮助人进行驾驶，以及在特殊情况下完全取代人驾驶的技术。智能驾驶本质上涉及注意力吸引和注意力分散的认知工程学，主要包括网络导航、自主驾驶和人工干预三个环节。智能驾驶的前提条件是，选用的车辆满足行车的动力学要求，车上的传感器能获得相关视听觉信号和信息，并通过认知计算控制相应的随动系统。智能驾驶的网络导航，解决我们在哪里、到哪里、走哪条道路中的哪条车道等问题；自主驾驶是在智能系统控制下，完成车道保持、超车并道、红灯停绿灯行、灯语笛语交互等驾驶行为；人工干预，就是说驾驶员在智能系统的一系列提示下，对实际的道路情况做出相应的反应。
驾驶员行为是汽车领域的一项研究热点，国内外学者都对驾驶员行为进行了较多的研究，且建立了许多模型。但当前的研究聚焦于自车驾驶员行为上，针对行驶过程中其他行驶车辆的行为，存在问题是目前没有相对客观的指标来识别前车行为。而对前车行为的识别与判定能提高智能驾驶系统的响应速度与精度，优化其路径规划功能，避免一些可能出现的危险情况。
因此，是否能找到某种相对客观的指标或方法结合智能驾驶来识别前车行为，弥补当前智能驾驶前车驾驶行为预测势必的的空缺，是一个亟需解决的问题。
发明内容
在发明内容部分中引入了一系列简化形式的概念,该简化形式的概念均为本领域现有技术简化，这将在具体实施方式部分中进一步详细说明。本发明的发明内容部分并不意味着要试图限定出所要求保护的技术方案的关键特征和必要技术特征，更不意味着试图确定所要求保护的技术方案的保护范围。
本发明涉及一种基于数据及模型的邻车驾驶行为识别预测方法，该方法能较为准确的对前车行为进行识别、预测。
本发明要解决的技术问题是提供一种基于智能驾驶数据及模型能准确识别并预测前车驾驶行为的识别预测方法。
以及，本发明还提供一种集成于车智能驾驶及ADAS系统的前车驾驶行为识别预测模块。
为解决上述技术问题，本发明提供的智能驾驶及ADAS前车驾驶行为识别预测方法，包括：
S1，将目标车辆映射到自车地图数据中，对地图数据每一帧中目标车辆信息进行整合得出该目标车辆的第一行驶轨迹信息；
目标车即前车，其地图数据可能和自车存在差异，因此需要将目标车辆映射到自车地图数据中。相应的，映射基准可以是GPS坐标位置、V2X通信传输的坐标位置、自车感知系统感知的目前车辆相对位置转换的坐标位置等；
S2，将自车感知系统感知的目标车辆的第二行驶轨迹信息与所述第一行驶轨迹信息进行校对和整合，形成第三行驶轨迹信息；
S3，获取目标车辆智能驾驶模型或目标车辆决策系统驾驶决策；
驾驶模型是通过传递函数、最优控制、数据驱动、模型预测控制、智能控制、模糊控制、神经网络、遗传算法等理论进行建立，而后基于深度学习、机器学习通过海量数据对模型进行训练从而完成搭建，驾驶模型可相对客观的对前车行为进行识别；
S4，根据第三行驶轨迹和目标车辆智能驾驶模型、目标车辆决策系统决策或自车感知系统感知的目标车辆运动状态预测目标车辆行驶轨迹，根据目标车辆的历史行驶轨迹及历史目标车辆行为对目标车辆驾驶类型进行判定；
S5，自车根据预测的目标车辆行驶轨迹和判定的目标车辆驾驶类型对自车智能决策进行优化，重新规划自车行驶路径及自车行驶参数。
可选择的，进一步改进所述的智能驾驶及ADAS前车驾驶行为识别预测方法，自车和目标车辆通过无线网络通信进行数据交互。
可选择的，进一步改进所述的智能驾驶及ADAS前车驾驶行为识别预测方法，所述数据交互包括：目标地图数据、自车地图数据、目标车辆智能驾驶及ADAS规划行驶轨迹、自车智能驾驶及ADAS规划行驶轨迹、目标车辆智能驾驶模型或目标车辆决策系统的驾驶决策、自车智能驾驶模型、目标车辆的历史行驶轨迹及历史目标车辆行为。
可选择的，进一步改进所述的智能驾驶及ADAS前车驾驶行为识别预测方法，所述无线网络通信包括4G、5和/或V2X。
为解决上述技术问题，本发明提供一种前车驾驶行为识别预测模块，其集成于车智能驾驶及ADAS系统，包括：
无线通信单元，其用于与目标车辆通过无线网络通信进行数据交互；
第一整合单元，其将目标车辆映射到自车地图数据中，对地图数据每一帧中目标车辆信息进行整合得出该目标车辆的第一行驶轨迹信息；
第二整合单元，其将自车感知系统感知的目标车辆的第二行驶轨迹信息与所述第一行驶轨迹信息进行校对和整合，形成第三行驶轨迹信息；
目标车辆行驶轨迹预测单元，据第三行驶轨迹和目标车辆智能驾驶模型、目标车辆决策系统决策或自车感知系统感知的目标车辆运动状态预测目标车辆行驶轨迹；
目标车辆驾驶类型判定单元，其根据目标车辆的历史行驶轨迹及历史目标车辆行为对目标车辆驾驶类型进行判定；
控制单元，其根据预测的目标车辆行驶轨迹和判定的目标车辆驾驶类型对自车智能决策系统进行优化，重新规划自车行驶路径及自车行驶参数。
可选择的，进一步改进所述的前车驾驶行为识别预测模块，所述无线网络通信包括4G、5和/或V2X。
可选择的，进一步改进所述的前车驾驶行为识别预测模块，所述数据交互包括：目标地图数据、自车地图数据、目标车辆智能驾驶及ADAS规划行驶轨迹、自车智能驾驶及ADAS规划行驶轨迹、目标车辆智能驾驶模型或目标车辆决策系统的驾驶决策、自车智能驾驶模型、目标车辆的历史行驶轨迹及历史目标车辆行为。
本发明主要设计思路如下：
当目标车(前车)出现时，将通过数据交互将目标车辆信息计算整合映射到地图数据中得出其行驶轨迹，并获得其目标车辆的历史行驶轨迹及历史目标车辆行为对其车辆行为进行实时评价，车辆行驶轨迹及车辆行为评价可以选择实时更新并记录上传。通过对行驶轨迹及车辆行为的整合进行综合评价，可对目标车辆行为轨迹进行预测。示例性的，如目标车辆向一侧连续换道时，可预测该车辆可能在前方进行转向或掉头等；可对目标车辆驾驶类型进行判定，如当前车直行出现多次车身稍大幅度晃动时，可判断该目标车驾驶员当前状态对方向盘控制力不足，当前车多次出现急加速减速时，可判断该目标车驾驶员当前状态对油门或刹车控制力不足等；当目标车行驶过缓或者驾驶意图犹豫不决，可判读该目标车驾驶员为新手司机。
目标车行驶轨迹预测结果及驾驶类型判定结果将实时传输至自车智能驾驶系统，对目标车行驶轨迹预测及驾驶类型判定能提高自车智能驾驶系统的响应速度与精度，优化其路径规划功能，避免一些可能出现的危险情况，且当目标车辆多次异常行为时能提示驾驶员或智能驾驶系统提高对其敏感度，例如主动变道或主动减速。本发明能准确预测目标车辆行驶行为，调整自车行驶路径及自车行驶参数，提高驾驶的安全性。
附图说明
本发明附图旨在示出根据本发明的特定示例性实施例中所使用的方法、结构和/或材料的一般特性，对说明书中的描述进行补充。然而，本发明附图是未按比例绘制的示意图，因而可能未能够准确反映任何所给出的实施例的精确结构或性能特点，本发明附图不应当被解释为限定或限制由根据本发明的示例性实施例所涵盖的数值或属性的范围。下面结合附图与具体实施方式对本发明作进一步详细的说明：
图1是本发明原理示意图。
具体实施方式
以下通过特定的具体实施例说明本发明的实施方式，本领域技术人员可由本说明书所公开的内容充分地了解本发明的其他优点与技术效果。本发明还可以通过不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点加以应用，在没有背离发明总的设计思路下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。本发明下述示例性实施例可以多种不同的形式来实施，并且不应当被解释为只限于这里所阐述的具体实施例。应当理解的是，提供这些实施例是为了使得本发明的公开彻底且完整，并且将这些示例性具体实施例的技术方案充分传达给本领域技术人员。
第一实施例；
本发明提供一种智能驾驶及ADAS前车驾驶行为识别预测方法，包括：
S1，将目标车辆映射到自车地图数据中，对地图数据每一帧中目标车辆信息进行整合得出该目标车辆的第一行驶轨迹信息；
S2，将自车感知系统感知的目标车辆的第二行驶轨迹信息与所述第一行驶轨迹信息进行校对和整合，形成第三行驶轨迹信息；
S3，获取目标车辆智能驾驶模型或目标车辆决策系统驾驶决策；
S4，根据第三行驶轨迹和目标车辆智能驾驶模型、目标车辆决策系统决策或自车感知系统感知的目标车辆运动状态预测目标车辆行驶轨迹，根据目标车辆的历史行驶轨迹及历史目标车辆行为对目标车辆驾驶类型进行判定；
S5，自车根据预测的目标车辆行驶轨迹和判定的目标车辆驾驶类型对自车智能决策进行优化，重新规划自车行驶路径及自车行驶参数。
第二实施例；
本发明提供一种智能驾驶及ADAS前车驾驶行为识别预测方法，包括：
S1，将目标车辆映射到自车地图数据中，对地图数据每一帧中目标车辆信息进行整合得出该目标车辆的第一行驶轨迹信息；
S2，将自车感知系统感知的目标车辆的第二行驶轨迹信息与所述第一行驶轨迹信息进行校对和整合，形成第三行驶轨迹信息；
S3，获取目标车辆智能驾驶模型或目标车辆决策系统驾驶决策；
S4，根据第三行驶轨迹和目标车辆智能驾驶模型、目标车辆决策系统决策或自车感知系统感知的目标车辆运动状态预测目标车辆行驶轨迹，根据目标车辆的历史行驶轨迹及历史目标车辆行为对目标车辆驾驶类型进行判定；
S5，自车根据预测的目标车辆行驶轨迹和判定的目标车辆驾驶类型对自车智能决策进行优化，重新规划自车行驶路径及自车行驶参数；
其中，所述无线网络通信包括4G、5和/或V2X，所述数据交互包括：目标地图数据、自车地图数据、目标车辆智能驾驶及ADAS规划行驶轨迹、自车智能驾驶及ADAS规划行驶轨迹、目标车辆智能驾驶模型或目标车辆决策系统的驾驶决策、自车智能驾驶模型、目标车辆的历史行驶轨迹及历史目标车辆行为。
此外，还应当理解的是，尽管在这里可以使用术语“第一”、“第二”等来描述不同的元件、参数、组件、区域、层和/或部分，但是这些元件、参数、组件、区域、层和/或部分不应当受这些术语的限制。这些术语仅是用来将一个元件、参数、组件、区域、层或部分与另一个元件、参数、组件、区域、层或部分区分开来。因此，在不脱离根据本发明的示例性实施例的教导的情况下，以下所讨论的第一元件、参数、组件、区域、层或部分也可以被称作第二元件、参数、组件、区域、层或部分。
第三实施例；
本发明提供一种前车驾驶行为识别预测模块，其集成于车智能驾驶及ADAS系统，其特征在于，包括：
无线通信单元，其用于与目标车辆通过无线网络通信进行数据交互；
第一整合单元，其将目标车辆映射到自车地图数据中，对地图数据每一帧中目标车辆信息进行整合得出该目标车辆的第一行驶轨迹信息；
第二整合单元，其将自车感知系统感知的目标车辆的第二行驶轨迹信息与所述第一行驶轨迹信息进行校对和整合，形成第三行驶轨迹信息；
目标车辆行驶轨迹预测单元，据第三行驶轨迹和目标车辆智能驾驶模型、目标车辆决策系统决策或自车感知系统感知的目标车辆运动状态预测目标车辆行驶轨迹；
目标车辆驾驶类型判定单元，其根据目标车辆的历史行驶轨迹及历史目标车辆行为对目标车辆驾驶类型进行判定；
控制单元，其根据预测的目标车辆行驶轨迹和判定的目标车辆驾驶类型对自车智能决策系统进行优化，重新规划自车行驶路径及自车行驶参数。
第四实施例；
本发明提供一种前车驾驶行为识别预测模块，其集成于车智能驾驶及ADAS系统，其特征在于，包括：
无线通信单元，其可以是4G、5和/或V2X通信单元，其与目标车辆通过无线网络通信进行数据交互；
第一整合单元，其将目标车辆映射到自车地图数据中，对地图数据每一帧中目标车辆信息进行整合得出该目标车辆的第一行驶轨迹信息；
第二整合单元，其将自车感知系统感知的目标车辆的第二行驶轨迹信息与所述第一行驶轨迹信息进行校对和整合，形成第三行驶轨迹信息；
目标车辆行驶轨迹预测单元和目标车辆驾驶类型判定单元构成前车驾驶行为识别预测模块的评价体系，两单元共同作用得出对前车行驶轨迹的预测；
目标车辆行驶轨迹预测单元，根据第三行驶轨迹和目标车辆智能驾驶模型、目标车辆决策系统决策或自车感知系统感知的目标车辆运动状态预测目标车辆行驶轨迹；
基于第三行驶轨迹和目标车辆智能驾驶模型可以获得目标车辆未来的行驶轨迹；
基于第三行驶轨迹结合自车车辆感知系统感知的目标车辆运行状态(车速等)也可以获得目标车辆未来的行驶轨迹；
基于第三行驶轨迹通过直接获得目标车辆决策系统的驾驶决策也可以获得目标车辆未来的行驶轨迹；
例如,目标车辆向一侧连续换道时，可预测该车辆可能在前方进行转向或掉头等；
目标车辆驾驶类型判定单元，其根据目标车辆的历史行驶轨迹及历史目标车辆行为对目标车辆驾驶类型进行判定；
如当前车直行出现多次车身稍大幅度晃动时，可判断该目标车驾驶员当前状态对方向盘控制力不足，当前车多次出现急加速减速时，可判断该目标车驾驶员当前状态对油门或刹车控制力不足等；当目标车行驶过缓或者驾驶意图犹豫不决，可判读该目标车驾驶员为新手司机；
车辆行为是指从自车感知系统能感知到的目标车辆行为，如车身晃动、减速、转向及转向灯等可直观感知到的行为；
控制单元，其根据预测的目标车辆行驶轨迹和判定的目标车辆驾驶类型对自车智能决策系统进行优化，重新规划自车行驶路径及自车行驶参数。
其中，所述数据交互包括：目标地图数据、自车地图数据、目标车辆智能驾驶及ADAS规划行驶轨迹、自车智能驾驶及ADAS规划行驶轨迹、目标车辆智能驾驶模型或目标车辆决策系统的驾驶决策、自车智能驾驶模型、目标车辆的历史行驶轨迹及历史目标车辆行为。
除非另有定义，否则这里所使用的全部术语(包括技术术语和科学术语)都具有与本发明所属领域的普通技术人员通常理解的意思相同的意思。还将理解的是，除非这里明确定义，否则诸如在通用字典中定义的术语这类术语应当被解释为具有与它们在相关领域语境中的意思相一致的意思，而不以理想的或过于正式的含义加以解释。
以上通过具体实施方式和实施例对本发明进行了详细的说明，但这些并非构成对本发明的限制。在不脱离本发明原理的情况下，本领域的技术人员还可做出许多变形和改进，这些也应视为本发明的保护范围。
Claims (7)
1.一种智能驾驶及ADAS前车驾驶行为识别预测方法，其特征在于，包括：
S1，将目标车辆映射到自车地图数据中，对地图数据每一帧中目标车辆信息进行整合得出该目标车辆的第一行驶轨迹信息；
S2，将自车感知系统感知的目标车辆的第二行驶轨迹信息与所述第一行驶轨迹信息进行校对和整合，形成第三行驶轨迹信息；
S3，获取目标车辆智能驾驶模型或目标车辆决策系统驾驶决策；
S4，根据第三行驶轨迹和目标车辆智能驾驶模型、目标车辆决策系统决策或自车感知系统感知的目标车辆运动状态预测目标车辆行驶轨迹，根据目标车辆的历史行驶轨迹及历史目标车辆行为对目标车辆驾驶类型进行判定；
S5，自车根据预测的目标车辆行驶轨迹和判定的目标车辆驾驶类型对自车智能决策进行优化，重新规划自车行驶路径及自车行驶参数。
2.如权利要求1所述的智能驾驶及ADAS前车驾驶行为识别预测方法，其特征在于：自车和目标车辆通过无线网络通信进行数据交互。
3.如权利要求2所述的智能驾驶及ADAS前车驾驶行为识别预测方法，其特征在于：所述数据交互包括：目标地图数据、自车地图数据、目标车辆智能驾驶及ADAS规划行驶轨迹、自车智能驾驶及ADAS规划行驶轨迹、目标车辆智能驾驶模型或目标车辆决策系统的驾驶决策、自车智能驾驶模型、目标车辆的历史行驶轨迹及历史目标车辆行为。
4.如权利要求2所述的智能驾驶及ADAS前车驾驶行为识别预测方法，其特征在于：所述无线网络通信包括4G、5和/或V2X。
5.一种前车驾驶行为识别预测模块，其集成于车智能驾驶及ADAS系统，其特征在于，包括：
无线通信单元，其用于与目标车辆通过无线网络通信进行数据交互；
第一整合单元，其将目标车辆映射到自车地图数据中，对地图数据每一帧中目标车辆信息进行整合得出该目标车辆的第一行驶轨迹信息；
第二整合单元，其将自车感知系统感知的目标车辆的第二行驶轨迹信息与所述第一行驶轨迹信息进行校对和整合，形成第三行驶轨迹信息；
目标车辆行驶轨迹预测单元，据第三行驶轨迹和目标车辆智能驾驶模型、目标车辆决策系统决策或自车感知系统感知的目标车辆运动状态预测目标车辆行驶轨迹；
目标车辆驾驶类型判定单元，其根据目标车辆的历史行驶轨迹及历史目标车辆行为对目标车辆驾驶类型进行判定；
控制单元，其根据预测的目标车辆行驶轨迹和判定的目标车辆驾驶类型对自车智能决策系统进行优化，重新规划自车行驶路径及自车行驶参数。
6.如权利要求5所述的前车驾驶行为识别预测模块，其特征在于：所述无线网络通信包括4G、5和/或V2X。
7.如权利要求5所述的前车驾驶行为识别预测模块，其特征在于：所述数据交互包括：目标地图数据、自车地图数据、目标车辆智能驾驶及ADAS规划行驶轨迹、自车智能驾驶及ADAS规划行驶轨迹、目标车辆智能驾驶模型或目标车辆决策系统的驾驶决策、自车智能驾驶模型、目标车辆的历史行驶轨迹及历史目标车辆行为。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210190782.4A CN114572244A (zh) | 2022-02-28 | 2022-02-28 | 智能驾驶及adas前车驾驶行为识别预测方法及模块 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210190782.4A CN114572244A (zh) | 2022-02-28 | 2022-02-28 | 智能驾驶及adas前车驾驶行为识别预测方法及模块 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114572244A true CN114572244A (zh) | 2022-06-03 |
Family
ID=81776247
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210190782.4A Pending CN114572244A (zh) | 2022-02-28 | 2022-02-28 | 智能驾驶及adas前车驾驶行为识别预测方法及模块 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114572244A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115320631A (zh) * | 2022-07-05 | 2022-11-11 | 西安航空学院 | 一种智能驾驶汽车相邻车道前车驾驶意图辨识方法 |
| CN116499487A (zh) * | 2023-06-28 | 2023-07-28 | 新石器慧通（北京）科技有限公司 | 一种车辆的路径规划方法、装置、设备及介质 |
| CN117456723A (zh) * | 2023-09-26 | 2024-01-26 | 长春理工大学 | 一种智能交通系统的自动驾驶车辆运动轨迹分析系统 |
-
2022
- 2022-02-28 CN CN202210190782.4A patent/CN114572244A/zh active Pending
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115320631A (zh) * | 2022-07-05 | 2022-11-11 | 西安航空学院 | 一种智能驾驶汽车相邻车道前车驾驶意图辨识方法 |
| CN115320631B (zh) * | 2022-07-05 | 2024-04-09 | 西安航空学院 | 一种智能驾驶汽车相邻车道前车驾驶意图辨识方法 |
| CN116499487A (zh) * | 2023-06-28 | 2023-07-28 | 新石器慧通（北京）科技有限公司 | 一种车辆的路径规划方法、装置、设备及介质 |
| CN116499487B (zh) * | 2023-06-28 | 2023-09-05 | 新石器慧通（北京）科技有限公司 | 一种车辆的路径规划方法、装置、设备及介质 |
| CN117456723A (zh) * | 2023-09-26 | 2024-01-26 | 长春理工大学 | 一种智能交通系统的自动驾驶车辆运动轨迹分析系统 |
| CN117456723B (zh) * | 2023-09-26 | 2024-06-07 | 长春理工大学 | 一种智能交通系统的自动驾驶车辆运动轨迹分析系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10915109B2 (en) | Control of autonomous vehicle based on pre-learned passenger and environment aware driving style profile | |
| RU2681984C1 (ru) | Система и способ определения траектории для транспортного средства | |
| CN114572244A (zh) | 智能驾驶及adas前车驾驶行为识别预测方法及模块 | |
| EP3774476B1 (en) | Method and system for adaptively controlling object spacing | |
| CN109885040B (zh) | 一种人机共驾中的车辆驾驶控制权分配系统 | |
| US20200290619A1 (en) | Automated driving systems and control logic using maneuver criticality for vehicle routing and mode adaptation | |
| EP3586211B1 (en) | Automotive autonomous driving to perform complex recurrent low speed manoeuvres | |
| US8947218B2 (en) | Driving support device | |
| US20170249844A1 (en) | Autonomous probability control | |
| US20170248953A1 (en) | Autonomous peril control | |
| KR20150066303A (ko) | 운전자의 주행 패턴을 반영하는 자율 주행 장치 및 그 방법 | |
| US20110022266A1 (en) | Vehicle-suspension system with remote control | |
| CN103347757A (zh) | 通过使用预测环境和驾驶员行为信息来优化燃油经济性的系统和方法 | |
| CN112249008B (zh) | 针对复杂动态环境的无人驾驶汽车预警方法 | |
| WO2019134110A1 (en) | Autonomous driving methods and systems | |
| US20200180614A1 (en) | Vehicle control device | |
| GB2586490A (en) | Autonomous driving mode selection system | |
| US20220306113A1 (en) | Customization of autonomous-driving lane changes of motor vehicles based on drivers' driving behaviours | |
| CN111984018A (zh) | 自动驾驶方法及装置 | |
| CN113173163A (zh) | 学习驾驶员偏好并使车道居中控制适应驾驶员行为的系统和方法 | |
| CN112687121A (zh) | 行驶轨迹的预测方法、装置及自动驾驶车辆 | |
| GB2570683A (en) | A Controller and Method for Controlling the Driving Direction of a Vehicle | |
| US12091059B2 (en) | System and method of managing a driver take-over from an autonomous vehicle based on monitored driver behavior | |
| Weisswange et al. | Intelligent traffic flow assist: Optimized highway driving using conditional behavior prediction | |
| JP2020075561A (ja) | 走行範囲取得システム、車両制御システムおよび走行範囲取得プログラム |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20221202 Address after: 201403 3rd floor, building 11, 6055 Jinhai Road, Fengxian District, Shanghai Applicant after: Shanghai Hexia Junzhi Technology Co.,Ltd. Address before: Room 3051, Building B, 555 Dongchuan Road, Minhang District, Shanghai, 200241 Applicant before: SHANGHAI HEXIA NEW ENERGY TECHNOLOGY Co.,Ltd. |
|
| TA01 | Transfer of patent application right |