CN114613131A - 一种基于安全裕度的个性化前向碰撞预警方法 - Google Patents

一种基于安全裕度的个性化前向碰撞预警方法 Download PDF

Info

Publication number
CN114613131A
CN114613131A CN202210206285.9A CN202210206285A CN114613131A CN 114613131 A CN114613131 A CN 114613131A CN 202210206285 A CN202210206285 A CN 202210206285A CN 114613131 A CN114613131 A CN 114613131A
Authority
CN
China
Prior art keywords
vehicle
early warning
driver
following
forward collision
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
CN202210206285.9A
Other languages
English (en)
Other versions
CN114613131B (zh
Inventor
鲁光泉
龙文民
刘淼淼
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.)
Beihang University
Original Assignee
Beihang University
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 Beihang University filed Critical Beihang University
Priority to CN202210206285.9A priority Critical patent/CN114613131B/zh
Publication of CN114613131A publication Critical patent/CN114613131A/zh
Application granted granted Critical
Publication of CN114613131B publication Critical patent/CN114613131B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/01Detecting movement of traffic to be counted or controlled
    • G08G1/0104Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125Traffic data processing
    • GPHYSICS
    • G08SIGNALLING
    • G08BSIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B31/00Predictive alarm systems characterised by extrapolation or other computation using updated historic data
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/01Detecting movement of traffic to be counted or controlled
    • G08G1/0104Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/01Detecting movement of traffic to be counted or controlled
    • G08G1/052Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/16Anti-collision systems
    • G08G1/161Decentralised systems, e.g. inter-vehicle communication
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/16Anti-collision systems
    • G08G1/166Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02TCLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00Road transport of goods or passengers
    • Y02T10/10Internal combustion engine [ICE] based vehicles
    • Y02T10/40Engine management systems

Landscapes

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

Abstract

本发明开发了一种一种基于安全裕度的个性化前向碰撞预警方法。方法包括(1)通过车辆自身传感器及车联网获取的自车与前车运动状态数据,筛选有效的跟驰数据片段;(2)结合驾驶人反应时间对跟驰过程中驾驶人的前向碰撞安全裕度预警阈值进行在线辨识与更新。(3)基于(2)中的辨识结果,对驾驶人跟驰过程进行实时前向碰撞预警。

Description

一种基于安全裕度的个性化前向碰撞预警方法
技术领域
本发明涉及交通安全领域,特别是一种基于安全裕度的个性化前向碰撞预警方法。
背景技术
前向碰撞预警(Forward Collision Warning,FCW)是为了降低车辆追尾碰撞风险、提高车辆跟驰安全 性而发展起来的一项高级辅助驾驶技术。其主要工作原理是基于传感器采集的车辆及道路信息,实时评估 跟驰过程中自车的前向碰撞风险水平,并基于特定预警规则适时对驾驶人发出预警信息,以避免追尾事故 发生。研究表明,车辆前向碰撞预警技术能帮助驾驶人更快速准确地应对潜在的紧急情况,有效降低跟驰 过程中追尾碰撞事故的发生率及严重程度。
前向碰撞预警指标(Forward Collision Warning Indicator,FCWI)及其阈值T(FCWI)的选取与确定是前 向碰撞预警系统设计中的两个关键问题。若选取的FCWI无法准确实时表征驾驶人跟驰过程中对前向碰撞 风险的感知水平,系统易出现误报漏报。而T(FCWI)的大小则直接决定了前向碰撞预警时刻的合理性。如果 预警过早,预警信息可能会被驾驶人忽略甚至引起分心或烦躁,降低使用舒适性。如果预警过迟,则不仅 难以保障行车安全,更会降低驾驶人对前向碰撞预警系统的信任度。现有的前向碰撞预警方法一般通过实 时判断车辆前向碰撞风险是否达到所选取FCWI的阈值T(FCWI)来决定是否发出预警信息,其中T(FCWI)则 通常由自然驾驶数据统计分析或经验值确定。已有研究中常见的FCWI可分为安全距离类、安全时间类与 风险量化类三种。安全距离类通常基于当前车辆跟驰状态计算期望安全车距,比较典型的安全车距模型包 括MAZDA模型、HONDA模型与Berkeley模型。安全时间类一般可用来表征驾驶人应对当前潜在前向碰 撞危险的剩余时间,主要包括距离碰撞时间(Time to Collision,TTC)、车头时距(Time Headway,THW), 时间裕度(Time Margin,TM)。其中,TTC表示在碰撞轨迹与前后车速度恒定的条件下,从当前时刻至 碰撞发生时刻所需要的时间。TTC值越小,前向碰撞风险越高,常用预警阈值为2.5秒-4秒,如Mobileye 后装产品中FCW功能的TTC预警阈值为2.7秒。在实际应用中,为了避免TTC在两车速度较为接近时易 产生极值的问题,常利用其倒数TTCi表征前向碰撞风险。THW表示同一车道相邻两辆车的车头驶过同一 地点的时间差。THW值越小,跟驰过程中的前向碰撞风险越高,常用预警阈值为2s-3s。TM表示在前车 制动时,后车通过减速以避免追尾碰撞所需的时间。TM值越小,跟驰过程中的前向碰撞风险越高,研究 中以1.5秒作为预警阈值。风险量化类一般通过构建风险量化指标来估计前向碰撞风险,如预警系数W, 风险感知系数(Risk Perception,RP)、安全裕度(Safety Margin,SM)。预警系数W结合MAZDA模型与Honda模型,由实际车距、临界制动距离与临界预警距离的比值关系决定。W大于1时,道路环境安全, 无需预警;W越小于1时,前向碰撞风险越高。RP由1/THW与TTCi线性回归而成,用以同时表征驾驶 人在跟驰过程中稳态和瞬态的主观风险水平,RP值越大,前向碰撞风险越高,研究中取RP为2作为驾驶 人制动的阈值。安全裕度指标SM用以量化跟驰过程中驾驶人的风险感知水平,SM值越低,驾驶人感知 到的主观风险水平越高,相关研究表明SM在表征驾驶人跟驰风险特征上优于TTC和TH。
上述基于特定FCWI及固定阈值的前向碰撞预警方法,虽然能够在一定程度上提高行车安全性,但忽 略了不同驾驶人对于前向碰撞风险反应与承受特征的异质性,易导致预警信息不符合驾驶人心理预期、预 警功能接受度低等问题。因此近年来,学者们逐渐开始关注FCW功能对不同驾驶人的适应能力。Qi等人 利用聚类方法和主题模型把驾驶人分为激进、中立与谨慎三类,并应用至FCW系统中。Wang等人基于驾 驶人制动数据,利用灰度预测方法实现驾驶人风险感知阈值预测,并利用信息熵理论与决策树方法进行评 价与更新,提高了驾驶辅助系统的接受度。Arbabzadeh等人基于驾驶人特征、驾驶行为和周围驾驶条件,利用分层正则化回归模型来估计的驾驶人反应时间,并以此计算FCW功能的临界距离。Wang等人提出了 一种基于TTCi与THW的双层FCW结构,并基于驾驶人制动数据在线辨识优化不同驾驶人的最佳阈值。
虽然驾驶人特征在FCW功能中的影响逐渐受到学者关注,但针对驾驶人反应时间的研究仍旧不够完 善。根据刺激-反应理论,驾驶人对于跟驰状态变化的刺激,通常需要经过感知-决策-动作的过程来实现车 辆操纵。传统的前向碰撞预警系统往往只聚焦于驾驶人制动时刻的跟驰状态分析,忽略了跟驰过程中驾驶 人反应时间的影响。而实际上,在踩下制动踏板产生制动信号前,驾驶人已经感知到了前向碰撞风险并做 出了制动决策。因此,驾驶人反应时间对于T(FCWI)的选取至关重要。
发明内容
针对上述问题,本发明旨在为车辆跟驰过程提供一种基于安全裕度的个性化前向碰撞预警方法,为 不同驾驶人设置差异化的前向碰撞预警阈值,包括如下步骤:
步骤1,通过车辆自身传感器及车联网获取的自车与前车运动状态数据,判断车辆是否处于跟驰状 态,筛选有效的跟驰数据片段。
步骤1-1,通过车辆自身传感器及车联网获取所需前后两车的运动状态数据,具体包括t时刻两车速 度vn(t)、vn-1(t),两车加速度an(t)、an-1(t),两车纵向间距Dn(t),横向间距Ln(t),两车车头时距THWn(t), 两车航向角之差HADn(t),后车宽度Wn,后车制动信号Braken(t),其中n表示后车(FV)、n-1表示前车 (LV)、Braken(t)=1表示车辆制动踏板被踩下、Braken(t)=0表示车辆制动踏板未被踩下。
步骤1-2,建立如下约束:THWn(t)<5s;|Ln(t)|<0.5Wn+0.5m;|HADn(t)|<0.1rad;Dn(t)>5m;
Vn(t)>3m/s,Vn-1(t)>3m/s,筛选有效的车辆跟驰数据,并计算跟驰状态下的车辆安全裕度值
Figure BDA0003525433470000021
其中τv制动过程中的车辆的响应时间,取0.15s,
Figure BDA0003525433470000022
表示制动过程中车辆的最大减速度,取0.75g,g表示 重力加速度。
步骤2,基于步骤1获得的有效跟驰数据片段,结合驾驶人反应时间对跟驰过程中驾驶人的安全裕 度预警阈值进行在线辨识与更新。
步骤2-1,根据车辆制动信号找到车辆制动起始时刻tb,其满足约束Braken(tb-1)=1&Braken(tb)=1, 此时的安全裕度值为SM(tb)。
步骤2-2,驾驶人前撞风险感知时刻tp的安全裕度值可表示为:SMn(tp)=SMn(tbn),其中τn表示后 车驾驶人反应时间,一般可取参考值0.75s。
步骤2-3,对跟驰过程中的每个制动起始时刻计算其对应的前向碰撞风险感知时刻,并进一步得到驾 驶人风险感知时刻的安全裕度数据向量SMn(tp)=(SMn(tp(1)),SMn(tp(2)),...,SMn(tp(k))),其中k表示向量长度。
步骤2-4,驾驶人的前向碰撞安全裕度预警阈值Tn(SM)可由下式得到:
Figure BDA0003525433470000031
步骤3,基于步骤2中的预警阈值结果,将其应用于车辆FCW系统中对驾驶人跟驰过程进行实时预 警。若SMn(t)>Tn(SM),说明当前前向碰撞风险未达到阈值,系统不进行预警;若SMn(t)≤Tn(SM),说明 当前前向碰撞风险达到阈值,有可能发生追尾碰撞,系统对驾驶人进行预警。
附图说明
图1a为根据本公开具体实施方式所述的跟驰场景中制动反应示意图;
图1b为根据本公开具体实施方式所述的两车原始跟驰片段速度图;
图1c为根据本公开具体实施方式所述的两车原始跟驰片段时空图;
图2a为根据本公开具体实施方式所述的跟驰场景中车辆制动反应示意;
图2b为根据本公开具体实施方式所述的SM与制动信号的对比图;
图2c为根据本公开具体实施方式所述的各前向碰撞风险感知时刻SM值;
图3为根据本公开具体实施方式所述的整体逻辑框图。
具体实施方式
下面结合附图和实施例对本发明进行详细的描述。
本实施例所提供的基于安全裕度的个性化前向碰撞预警方法包括以下步骤:
步骤1,通过车辆自身传感器及车联网获取的自车与前车运动状态数据,判断车辆是否处于跟驰状 态,并在此基础上进一步筛选跟驰状态下有效的制动数据片段。
步骤1-1,通过车辆自身传感器及车联网获取所需前后两车的运动状态数据,具体包括t时刻两车速 度vn(t)、vn-1(t),两车加速度an(t)、an-1(t),两车纵向间距Dn(t),横向间距Ln(t),两车车头时距THWn(t), 两车航向角之差HADn(t),后车宽度Wn,后车制动信号Braken(t),其中n表示后车(FV)、n-1表示前车 (LV)、Braken(t)=1表示车辆制动踏板被踩下、Braken(t)=0表示车辆制动踏板未被踩下。在本实施例中, 车辆跟驰场景示意图如图1a所示。
步骤1-2,建立如下约束:THWn(t)<5s;|Ln(t)|<0.5Wn+0.5m;|HADn(t)|<0.1rad;Dn(t)>5m;
Vn(t)>3m/s,Vn-1(t)>3m/s,筛选有效的车辆跟驰数据,并计算跟驰状态下的车辆安全裕度值
Figure BDA0003525433470000041
其中τv制动过程中的车辆的响应时间,取0.15s,
Figure BDA0003525433470000042
表示制动过程中车辆的最大减速度,取0.75g, g表示重力加速度。在本实施例中,车辆数据采集频率为20Hz,原始车辆跟驰数据片段的两车速度及时空 图分别如图1b,图1c所示。
步骤2,基于步骤1获得的有效跟驰数据片段,结合驾驶人反应时间对跟驰过程中驾驶人的安全裕 度阈值进行在线辨识与更新。在本实施例中,跟驰场景中车辆制动反应示意如图2a所示,其中X轴表示 距离,t轴表示时间。
步骤2-1,根据车辆制动信号找到车辆制动起始时刻tb,其满足约束Braken(tb-1)=1&Braken(tb)=1, 此时的安全裕度值为SM(tb)。在本实施例中,SM与制动信号的对比图如图2b所示
步骤2-2,驾驶人前撞风险感知时刻tp的安全裕度值可表示为:SMn(tp)=SMn(tbn),其中τn表示后 车驾驶人反应时间,在本实施例中取τn=0.75s。进一步得到驾驶人风险感知时刻的安全裕度数据向量 SMn(tp)=(SMn(tp(1)),SMn(tp(2)),...,SMn(tp(k))),其中k表示向量长度。在本实施例中,k=5,各前向碰撞风险 感知时刻SM值对比如图2c所示。
步骤2-3,驾驶人的前向碰撞安全裕度预警阈值Tn(SM)可由下式得到:
Figure BDA0003525433470000043
在本实施例中,求得的驾驶人前向碰撞安全裕度预警阈值为Tn(SM)=0.774。
步骤3,基于步骤2中的预警阈值结果,将其应用于车辆FCW系统中对驾驶人跟驰过程进行实时预 警。若SMn(t)>Tn(SM),说明当前前向碰撞风险未达到阈值,系统不进行预警;若SMn(t)≤Tn(SM),说明 当前前向碰撞风险达到阈值,有可能发生追尾碰撞,系统对驾驶人进行预警。在本实施例中,取 Tn(SM)=0.774,并将该阈值应用于车辆的FCW系统。
上述实例仅用于说明本发明的实施方式,其中方法的各个步骤等都是可以有所变化的,凡是在本发 明技术方案的基础上进行的等同变换和改进,均不应排除在本发明的保护范围之外。

Claims (1)

1.一种基于安全裕度的个性化前向碰撞预警方法,其特征在于,包括以下步骤:
步骤1,通过车辆自身传感器及车联网获取的自车与前车运动状态数据,判断车辆是否处于跟驰状态,筛选有效的跟驰数据片段。
步骤1-1,通过车辆自身传感器及车联网获取所需前后两车的运动状态数据,具体包括t时刻两车速度vn(t)、vn-1(t),两车加速度an(t)、an-1(t),两车纵向间距Dn(t),横向间距Ln(t),两车车头时距THWn(t),两车航向角之差HADn(t),后车宽度Wn,后车制动信号Braken(t),其中n表示后车(FV)、n-1表示前车(LV)、Braken(t)=1表示车辆制动踏板被踩下、Braken(t)=0表示车辆制动踏板未被踩下。
步骤1-2,建立如下约束:THWn(t)<5s;|Ln(t)|<0.5Wn+0.5m;|HADn(t)|<0.1rad;Dn(t)>5m;
Vn(t)>3m/s,Vn-1(t)>3m/s,筛选有效的车辆跟驰数据,并计算跟驰状态下的车辆安全裕度值
Figure FDA0003525433460000011
其中τv制动过程中的车辆的响应时间,取0.15s,
Figure FDA0003525433460000012
表示制动过程中车辆的最大减速度,取0.75g,g表示重力加速度。
步骤2,基于步骤1获得的有效跟驰数据片段,结合驾驶人反应时间对跟驰过程中驾驶人的安全裕度预警阈值进行在线辨识与更新。
步骤2-1,根据车辆制动信号找到车辆制动起始时刻tb,其满足约束Braken(tb-1)=1&Braken(tb)=1,此时的安全裕度值为SM(tb)。
步骤2-2,驾驶人前撞风险感知时刻tp的安全裕度值可表示为:SMn(tp)=SMn(tbn),其中τn表示后车驾驶人反应时间,一般可取参考值0.75s。
步骤2-3,对跟驰过程中的每个制动起始时刻计算其对应的前向碰撞风险感知时刻,并进一步得到驾驶人风险感知时刻的安全裕度数据向量SMn(tp)=(SMn(tp(1)),SMn(tp(2)),...,SMn(tp(k))),其中k表示向量长度。
步骤2-4,驾驶人的前向碰撞安全裕度预警阈值Tn(SM)可由下式得到:
Figure FDA0003525433460000013
步骤3,基于步骤2中的预警阈值结果,将其应用于车辆FCW系统中对驾驶人跟驰过程进行实时预警。若SMn(t)>Tn(SM),说明当前前向碰撞风险未达到阈值,系统不进行预警;若SMn(t)≤Tn(SM),说明当前前向碰撞风险达到阈值,有可能发生追尾碰撞,系统对驾驶人进行预警。
CN202210206285.9A 2022-03-01 2022-03-01 一种基于安全裕度的个性化前向碰撞预警方法 Active CN114613131B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210206285.9A CN114613131B (zh) 2022-03-01 2022-03-01 一种基于安全裕度的个性化前向碰撞预警方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210206285.9A CN114613131B (zh) 2022-03-01 2022-03-01 一种基于安全裕度的个性化前向碰撞预警方法

Publications (2)

Publication Number Publication Date
CN114613131A true CN114613131A (zh) 2022-06-10
CN114613131B CN114613131B (zh) 2023-03-28

Family

ID=81860540

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210206285.9A Active CN114613131B (zh) 2022-03-01 2022-03-01 一种基于安全裕度的个性化前向碰撞预警方法

Country Status (1)

Country Link
CN (1) CN114613131B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116605082A (zh) * 2023-07-18 2023-08-18 华东交通大学 一种充电桩安全充电方法、系统、计算机及可读存储介质

Citations (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050080565A1 (en) * 2003-10-14 2005-04-14 Olney Ross D. Driver adaptive collision warning system
US20110106442A1 (en) * 2009-10-30 2011-05-05 Indian Institute Of Technology Bombay Collision avoidance system and method
CN103253261A (zh) * 2013-05-10 2013-08-21 北京航空航天大学 一种基于车车协同的跟驰辅助控制系统
US20140222280A1 (en) * 2013-02-04 2014-08-07 Magna Electronics Inc. Vehicular vision system
DE102013106769A1 (de) * 2013-06-27 2014-12-31 Create Electronic Optical Co., Ltd. Fahrtenschreiber mit der Spurhalte- und Kollisionswarnfunktion
US20150025784A1 (en) * 2013-07-19 2015-01-22 Honda Motor Co., Ltd. Intelligent forward collision warning system
CN105160917A (zh) * 2015-08-24 2015-12-16 武汉理工大学 基于车路协同的信号控制交叉口车速引导系统及方法
CN108944943A (zh) * 2018-07-11 2018-12-07 北京航空航天大学 一种基于风险动态平衡理论的弯道跟驰模型
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
US20190071084A1 (en) * 2017-09-05 2019-03-07 Arizona Board Of Regents On Behalf Of Arizona State University Model predictive adaptive cruise control for reducing rear-end collision risk with follower vehicles
CN110979309A (zh) * 2019-12-23 2020-04-10 北京航空航天大学 一种考虑驾驶人感知误差的车辆跟驰模型稳定性控制方法
US20200269867A1 (en) * 2017-11-16 2020-08-27 Huawei Technologies Co., Ltd. Collision warning method and apparatus
US20200406911A1 (en) * 2018-03-16 2020-12-31 Huawei Technologies Co., Ltd. Self-Driving Safety Evaluation Method, Apparatus, and System
CN112740299A (zh) * 2018-09-19 2021-04-30 祖克斯有限公司 用于车辆的碰撞预测和规避
CN113066282A (zh) * 2021-02-26 2021-07-02 北京航空航天大学合肥创新研究院(北京航空航天大学合肥研究生院) 一种面向混行环境下车辆跟驰耦合关系建模方法及系统
DE102020104535A1 (de) * 2020-02-20 2021-08-26 Bayerische Motoren Werke Aktiengesellschaft Verfahren zum Unterstützen eines Insassen bei einem Aussteigen aus einem Fahrzeug unter Berücksichtigung von Folgeobjekten, Recheneinrichtung sowie Fahrerassistenzsystem
CN113442863A (zh) * 2021-06-24 2021-09-28 中国联合网络通信集团有限公司 一种车辆侧向碰撞的预警方法、装置、设备及存储介质
CN113479201A (zh) * 2021-08-20 2021-10-08 燕山大学 考虑驾驶人反应能力的换道场景车辆风险动态评价方法
CN113479200A (zh) * 2021-08-20 2021-10-08 燕山大学 一种跟车场景车辆风险状态的动态评价方法
CN113611157A (zh) * 2021-08-10 2021-11-05 北京航空航天大学合肥创新研究院(北京航空航天大学合肥研究生院) 一种高速公路车辆追尾碰撞风险估计方法
CN113744563A (zh) * 2021-08-02 2021-12-03 北京工业大学 一种基于轨迹数据的路-车风险实时估计方法
CN113763702A (zh) * 2021-08-03 2021-12-07 信通院车联网创新中心(成都)有限公司 一种基于v2v的宜人化的前方碰撞预警系统及预警方法

Patent Citations (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050080565A1 (en) * 2003-10-14 2005-04-14 Olney Ross D. Driver adaptive collision warning system
US20110106442A1 (en) * 2009-10-30 2011-05-05 Indian Institute Of Technology Bombay Collision avoidance system and method
US20140222280A1 (en) * 2013-02-04 2014-08-07 Magna Electronics Inc. Vehicular vision system
CN103253261A (zh) * 2013-05-10 2013-08-21 北京航空航天大学 一种基于车车协同的跟驰辅助控制系统
DE102013106769A1 (de) * 2013-06-27 2014-12-31 Create Electronic Optical Co., Ltd. Fahrtenschreiber mit der Spurhalte- und Kollisionswarnfunktion
US20150025784A1 (en) * 2013-07-19 2015-01-22 Honda Motor Co., Ltd. Intelligent forward collision warning system
CN105160917A (zh) * 2015-08-24 2015-12-16 武汉理工大学 基于车路协同的信号控制交叉口车速引导系统及方法
US20190071084A1 (en) * 2017-09-05 2019-03-07 Arizona Board Of Regents On Behalf Of Arizona State University Model predictive adaptive cruise control for reducing rear-end collision risk with follower vehicles
US20200269867A1 (en) * 2017-11-16 2020-08-27 Huawei Technologies Co., Ltd. Collision warning method and apparatus
US20200406911A1 (en) * 2018-03-16 2020-12-31 Huawei Technologies Co., Ltd. Self-Driving Safety Evaluation Method, Apparatus, and System
CN108944943A (zh) * 2018-07-11 2018-12-07 北京航空航天大学 一种基于风险动态平衡理论的弯道跟驰模型
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
CN112740299A (zh) * 2018-09-19 2021-04-30 祖克斯有限公司 用于车辆的碰撞预测和规避
CN110979309A (zh) * 2019-12-23 2020-04-10 北京航空航天大学 一种考虑驾驶人感知误差的车辆跟驰模型稳定性控制方法
DE102020104535A1 (de) * 2020-02-20 2021-08-26 Bayerische Motoren Werke Aktiengesellschaft Verfahren zum Unterstützen eines Insassen bei einem Aussteigen aus einem Fahrzeug unter Berücksichtigung von Folgeobjekten, Recheneinrichtung sowie Fahrerassistenzsystem
CN113066282A (zh) * 2021-02-26 2021-07-02 北京航空航天大学合肥创新研究院(北京航空航天大学合肥研究生院) 一种面向混行环境下车辆跟驰耦合关系建模方法及系统
CN113442863A (zh) * 2021-06-24 2021-09-28 中国联合网络通信集团有限公司 一种车辆侧向碰撞的预警方法、装置、设备及存储介质
CN113744563A (zh) * 2021-08-02 2021-12-03 北京工业大学 一种基于轨迹数据的路-车风险实时估计方法
CN113763702A (zh) * 2021-08-03 2021-12-07 信通院车联网创新中心(成都)有限公司 一种基于v2v的宜人化的前方碰撞预警系统及预警方法
CN113611157A (zh) * 2021-08-10 2021-11-05 北京航空航天大学合肥创新研究院(北京航空航天大学合肥研究生院) 一种高速公路车辆追尾碰撞风险估计方法
CN113479201A (zh) * 2021-08-20 2021-10-08 燕山大学 考虑驾驶人反应能力的换道场景车辆风险动态评价方法
CN113479200A (zh) * 2021-08-20 2021-10-08 燕山大学 一种跟车场景车辆风险状态的动态评价方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
ZHANG XIAOXUAN: "Parameters Calibration for Car-following Model based Desired Safety Margin", 《2010 INTERNATIONAL CONFERENCE ON OPTOELECTRONICS AND IMAGE PROCESSING》 *
牛成勇: "汽车前撞预警系统传感器测距精度测试与研究", 《汽车工程学报》 *
鲁光泉: "驾驶人跟车风险接受水平对其接管绩效的影响", 《汽车工程》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116605082A (zh) * 2023-07-18 2023-08-18 华东交通大学 一种充电桩安全充电方法、系统、计算机及可读存储介质
CN116605082B (zh) * 2023-07-18 2023-09-26 华东交通大学 一种充电桩安全充电方法、系统、计算机及可读存储介质

Also Published As

Publication number Publication date
CN114613131B (zh) 2023-03-28

Similar Documents

Publication Publication Date Title
CN106314428B (zh) 一种避撞系统、避撞方法及机动车辆
Moon et al. Design, tuning, and evaluation of a full-range adaptive cruise control system with collision avoidance
US20170369069A1 (en) Driving behavior analysis based on vehicle braking
CN112590801B (zh) 一种基于驾驶员疲劳程度的前方碰撞预警控制方法
DE112010005774T5 (de) Systeme und Verfahren zum Planen von Fahrerschnittstellenaufgaben basierend auf der Fahrerarbeitsbelastung
CN110660194A (zh) 一种驾驶监控预警方法及系统
CN112046454A (zh) 一种基于车辆环境识别的自动紧急制动方法
CN111038502A (zh) 一种安全车距预估、修正、预警、驾驶资质评估方法及系统
CN108944946A (zh) 一种基于车车通信的弯道风险预估计算方法
CN103150677A (zh) 激进驾驶状态识别方法及系统
CN114148321B (zh) 一种考虑碰撞风险的自动紧急制动及安全评价方法
JP2022532941A (ja) 車両信号を処理して挙動危険性の測度を計算するための装置及び方法
CN110901385B (zh) 一种基于驾驶员疲劳状态的主动限速方法
CN109740433A (zh) 一种车辆避让方法及车载终端
CN112874515B (zh) 利用驾驶姿态对驾驶辅助系统进行安全提醒的系统和方法
CN116466644B (zh) 一种基于plc控制的车辆性能监管系统及方法
CN114030475A (zh) 一种车辆辅助驾驶方法、装置、车辆及存储介质
CN114613131B (zh) 一种基于安全裕度的个性化前向碰撞预警方法
CN116001795A (zh) 一种换道风险评估及个性化换道决策方法
WO2022240823A1 (en) Online driver delay and frequency response model
CN114464012B (zh) 一种基于车联网的车辆行人碰撞预警方法及系统
CN113479200A (zh) 一种跟车场景车辆风险状态的动态评价方法
CN117131955B (zh) 一种考虑多约束条件的短时车速预测方法
Kalra et al. Driving Style Recognition System Using Smartphone Sensors Based on Fuzzy Logic.
CN118014349A (zh) 一种隧道事故风险评估方法、系统及设备

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