CN115273550A - 一种基于车联网的车辆碰撞预警方法及系统 - Google Patents

一种基于车联网的车辆碰撞预警方法及系统 Download PDF

Info

Publication number
CN115273550A
CN115273550A CN202210910323.9A CN202210910323A CN115273550A CN 115273550 A CN115273550 A CN 115273550A CN 202210910323 A CN202210910323 A CN 202210910323A CN 115273550 A CN115273550 A CN 115273550A
Authority
CN
China
Prior art keywords
vehicle
driver
distance
threshold value
speed
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
CN202210910323.9A
Other languages
English (en)
Other versions
CN115273550B (zh
Inventor
李静
赵晶晶
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.)
Zhengzhou Institute of Technology
Original Assignee
Zhengzhou Institute of 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 Zhengzhou Institute of Technology filed Critical Zhengzhou Institute of Technology
Priority to CN202210910323.9A priority Critical patent/CN115273550B/zh
Publication of CN115273550A publication Critical patent/CN115273550A/zh
Application granted granted Critical
Publication of CN115273550B publication Critical patent/CN115273550B/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
    • G08G1/16—Anti-collision systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land 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
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • 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
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/161—Decentralised systems, e.g. inter-vehicle communication
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • 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

Abstract

本发明提供一种基于车联网的车辆碰撞预警方法与系统，属于车联网技术领域，具体包括：基于车辆的雷达实时探测车辆与前车的车距，当车距小于第一车距阈值时，将车辆的通信装置打开，其中第一车距阈值根据车辆的驾驶人员特征、车辆特征确定；基于车辆的通信装置与前车的通信装置建立通信，获取前车的司机的前车司机特征和前车的速度；根据前车的司机特征、前车的速度、车距、驾驶人员特征，车辆特征，确定第二车距阈值和第三车距阈值，当车距小于第二车距阈值时，输出车辆的第一推荐车速，当车距小于第三车距阈值时，输出车辆碰撞预警信息，并输出车辆的第二推荐车速，从而实现了对阈值的动态调整，进一步提高了预警的准确性。

Description

一种基于车联网的车辆碰撞预警方法及系统
技术领域
本发明属于车辆网技术领域，尤其涉及一种基于车联网的车辆碰撞预警方法及系统。
背景技术
随着移动通信网络和5G的快速发展，万物互联这一设想正逐渐变为可能。而车联网技术作为物联网发展的一部分，将会对交通领域产生重大影响。车联网的核心思想是将交通环境中的车辆以及交通基础设施作为通信终端接入到网络中，通过移动通信网络实现车辆与车辆、交通基础设施互相连接，从而实现信息共享。如果车辆和车辆以及车辆与交通基础设施之间能够实现信息共享，那么车辆安全预警将不再仅仅依靠车辆自身携载的设备采集的信息，而是可以通过车联网获取周围车辆的运动信息以及交通环境信息来确认自身的安全状况。
硕士论文《基于车联网的车辆碰撞分级预警研究》中作者汪旭设计了路段车联网环境模块，在车联网环境中，车辆与车辆以及车辆与道路设施之间可以保持信息传输和共享。通过分析车辆制动过程以及车辆加减速度、速度、车辆安全距离之间的物理关系，建立了路段车辆碰撞风险分级预警模型，但是若不能根据雷达等辅助装置对车距进行动态监测，在一定阈值下再开启车辆之间的信息传输，将会造成不必要的能源浪费，且没有根据车辆的驾驶者的驾驶者特征，对阈值进行动态调整，会导致对于阈值的判定不够准确，从而导致车距过大或者过小，甚至会导致交通事故的发生。
针对上述技术问题，本发明提供了一种基于车联网的车辆碰撞预警方法及系统。
发明内容
实现本发明目的，本发明采用如下技术方案：
根据本发明的一个方面，提供了一种基于车联网的车辆碰撞预警方法。
一种基于车联网的车辆碰撞预警方法，其特征在于，具体包括：
S11基于车辆的雷达实时探测所述车辆与前车的车距，当所述车距小于第一车距阈值时，将所述车辆的通信装置打开，其中所述第一车距阈值根据所述车辆的驾驶人员特征、车辆特征确定；
S12基于所述车辆的通信装置与前车的通信装置建立通信，获取前车的司机的前车司机特征和前车的速度；
S13根据所述前车的司机特征、所述前车的速度、所述车距、所述驾驶人员特征，所述车辆特征，确定第二车距阈值和第三车距阈值，当所述车距小于第二车距阈值时，输出所述车辆的第一推荐车速，当所述车距小于第三车距阈值时，输出车辆碰撞预警信息，并输出所述车辆的第二推荐车速。
通过采用雷达实时探测车辆与前车的车距，当车距小于第一车距阈值时，说明此时的车距过小，存在碰撞风险，在这种状态下打开车辆的通信装置，与前车的通信装置进行通信，并且第一车距阈值根据驾驶人员特征和车辆特征确定，从而解决了原有的不能根据雷达等辅助装置对车距进行动态监测，在一定阈值下再开启车辆之间的信息传输，将会造成不必要的能源浪费，且没有根据车辆的驾驶者的驾驶者特征，对阈值进行动态调整，会导致对于阈值的判定不够准确，从而导致车距过大或者过小，甚至会导致交通事故的发生的技术问题，根据驾驶者的实际状况和车辆的状况确定第一车距阈值，从而使得阈值的设定变得更加科学可靠，同时通过第一车距阈值的设置，在保证可靠性的基础上，减少了能源的损耗；基于通信得到的前车司机特征和前车的速度以及车距，以及驾驶人员特征，车辆特征，通过采用基于神经网络的预测模型或者根据历史数据构建数学模型，均可以得到第二车距阈值，当小于第二车距阈值时，说明此时的距离较远，但是为了防止误碰撞，推荐采用第一推荐车速，当小于第三车距阈值时，说明此时的车距较近，为了防止误碰撞，推荐采用第二推荐车速，第二车距阈值大于第三车距阈值，第一推荐车速大于第二推荐车速，第一推荐车速设置为所述前车速度的0.9-1.1倍之间，第二推荐车速设置为小于所述前车车速。
通过首先通过雷达确定车距，并小于第一车距阈值后，再打开通信装置，从而在保证可靠性的同时，尽量的降低不必要的能量消耗，并进一步提升了车辆的稳定性，通过基驾驶人员特征、车辆特征确定车辆的第一车距阈值，从而与实际的驾驶人员的具体情况结合到一起，进一步提高了阈值设定的准确性和可靠性，通过获取前车的司机特征，并集合前车的司机特征，确定第二车距阈值和第三车距阈值，从而使得车距的确定不再是确定的，而是与前车的司机体征和车辆的驾驶人员特征结合起来，从而使得车距的阈值设定更加贴近实际需求，也使得车距的设定与实际的驾驶人员和司机挂钩起来，从而避免了碰撞等意外事故的发生，通过直接推荐第一推荐车速、第二推荐车速，从而避免了原有的报警功能对于驾驶人员不直接的问题，使得驾驶人员能够更加直接确定车辆的速度控制范围，从而进一步保证了车辆的安全性。
进一步的技术方案在于，当所述车辆的速度小于第一车速阈值时，关闭所述车辆的雷达。
当车速较低时，此时车辆可以随时进行刹停，因此此时不再需要车辆的雷达对车距进行确定，进一步降低了耗电量。
进一步的技术方案在于，所述车距确定的具体步骤为：
S21当所述车辆的速度大于或者等于第一车速阈值时，开启所处车辆的车载摄像头；
S22基于所述车辆的车载摄像头获取所述前方物体的照片，并将所述照片送入到所述车辆的图像识别装置，确定所述前方物体为行驶车辆时并将所述行驶车辆标记为前车，开启所述车辆的雷达装置；
S23基于所述雷达装置测量得到所述车辆与前车的车距。
通过首先当车辆的速度大于或者等于第一车速阈值时，此时首先通过图像识别装置前方物体为行驶车辆时，此时再开启雷达装置，防止仅仅依靠雷达装置判断错误等问题的出现，进一步保证了系统的可靠性，从而使得车距的测量结果变得更加具有指导意义，也降低了雷达装置的耗电量。
进一步的技术方案在于，所述车辆特征由所述车辆的车龄、所处车辆的速度、所述车辆的制动临界距离确定。
车辆的车龄、速度、制动临界距离都会影响车辆的刹停距离，通过多方面因素的考量，使得最终的车辆特征变得更能反应车辆的实际状况，也使得最终的预测结果变得更加的准确。
进一步的技术方案在于，所述驾驶人员特征根据所述驾驶人员的本次累计驾驶时长、所述驾驶人员的年龄、所述驾驶人员的驾驶习惯确定。
本次累计驾驶时长，时长越长，说明驾驶人员的疲劳度越高，年龄越大，说明反应时间越长，经常急刹车或者急加速类似的驾驶习惯，出现交通事故的可能性也就越大，因此通过上述三方面构建驾驶人员特征，进一步提升了对驾驶人员描述的准确性，也使得阈值的设定变得更加的可靠。
进一步的技术方案在于，所述前车司机特征根据司机的本次累计驾驶时长、司机的年龄、司机的驾驶习惯确定。
进一步的技术方案在于，所述驾驶习惯根据本次驾驶期间的紧急刹车次数、本次驾驶期间的紧急加速次数、本次驾驶期间的实际油耗与所述车辆的官方油耗的比值确定。
比值越大，说明油耗越高，驾驶习惯越不好，紧急刹车次数和紧急加速次数都能准确反应司机或者驾驶人员的驾驶习惯，从而更能准确的判断所述司机和驾驶人员的形式习惯。
进一步的技术方案在于，所述第二车距阈值确定的具体步骤为：
S31提取所述前车的司机特征、所述前车的速度构成前车特征；
S32提取所述驾驶人员特征，所述车辆特征构成车辆综合特征；
S33将所述前车特征、所述车辆综合特征、所述车距送入到基于GA-BiLSTM算法的预测模型之中，获得所述的第二车距阈值。
进一步的技术方案在于，所述第二车距阈值确定的具体步骤为：
S41提取所述前车的司机特征、所述前车的速度构成前车特征；
S42提取所述驾驶人员特征，所述车辆特征构成车辆综合特征；
S43基于所述前车特征、所述车辆综合特征、所述车距搭建所述第二车距阈值的数学模型，并基于所述数学模型求得所述的第二车距阈值。
另一方面，本发明提供了一种基于车联网的车辆碰撞预警系统，采用上述的一种基于车联网的车辆碰撞预警方法，具体包括：
车辆通信装置、前车通信装置、车载雷达装置、车辆分析装置；
其中所述车载雷达装置负责探测所述车辆与前车的车距，并将所述车距传输至车辆分析装置；
所处车辆分析装置负责当所述车距小于第一车距阈值时，将车辆通信装置打开，并根据驾驶人员特征、车辆特征确定第一车距阈值，获取车辆通信装置传输来的司机的前车司机特征和前车的速度；根据所述前车的司机特征、所述前车的速度、所述车距、所述驾驶人员特征，所述车辆特征，确定第二车距阈值和第三车距阈值，当所述车距小于第二车距阈值时，输出所述车辆的第一推荐车速，当所述车距小于第三车距阈值时，输出车辆碰撞预警信息，并输出所述车辆的第二推荐车速；
所述车辆通信装置负责接收前车通信装置传输来的司机的前车司机特征和前车的速度，并将所述司机的前车司机特征和前车的速度传输给车辆分析装置；
所述前车通信装置负责将司机的前车司机特征和前车的速度传输给车辆通信装置。
其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
通过参照附图详细描述其示例实施方式，本发明的上述和其它特征及优点将变得更加明显。
图1为本发明一种基于车联网的车辆碰撞预警方法的流程图；
图2为本发明车距确定的具体步骤的流程图；
图3是本发明一种第二车距阈值确定的具体步骤的流程图；
图4是本发明另外一种第二车距阈值确定的具体步骤的流程图；
图5是一种基于车联网的车辆碰撞预警系统的构成图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的实施方式；相反，提供这些实施方式使得本发明将全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。图中相同的附图标记表示相同或类似的结构，因而将省略它们的详细描述。
用语“一个”、“一”、“该”、“所述”用以表示存在一个或多个要素/组成部分/等；用语“包括”和“具有”用以表示开放式的包括在内的意思并且是指除了列出的要素/组成部分/等之外还可存在另外的要素/组成部分/等。
随着移动通信网络和5G的快速发展，万物互联这一设想正逐渐变为可能。而车联网技术作为物联网发展的一部分，将会对交通领域产生重大影响。车联网的核心思想是将交通环境中的车辆以及交通基础设施作为通信终端接入到网络中，通过移动通信网络实现车辆与车辆、交通基础设施互相连接，从而实现信息共享。如果车辆和车辆以及车辆与交通基础设施之间能够实现信息共享，那么车辆安全预警将不再仅仅依靠车辆自身携载的设备采集的信息，而是可以通过车联网获取周围车辆的运动信息以及交通环境信息来确认自身的安全状况。
硕士论文《基于车联网的车辆碰撞分级预警研究》中作者汪旭设计了路段车联网环境模块，在车联网环境中，车辆与车辆以及车辆与道路设施之间可以保持信息传输和共享。通过分析车辆制动过程以及车辆加减速度、速度、车辆安全距离之间的物理关系，建立了路段车辆碰撞风险分级预警模型，但是若不能根据雷达等辅助装置对车距进行动态监测，在一定阈值下再开启车辆之间的信息传输，将会造成不必要的能源浪费，且没有根据车辆的驾驶者的驾驶者特征，对阈值进行动态调整，会导致对于阈值的判定不够准确，从而导致车距过大或者过小，甚至会导致交通事故的发生。
实施例1
如图1所示，本实施例1提供了一种基于车联网的车辆碰撞预警方法。
一种基于车联网的车辆碰撞预警方法，其特征在于，具体包括：
S11基于车辆的雷达实时探测所述车辆与前车的车距，当所述车距小于第一车距阈值时，将所述车辆的通信装置打开，其中所述第一车距阈值根据所述车辆的驾驶人员特征、车辆特征确定；
S12基于所述车辆的通信装置与前车的通信装置建立通信，获取前车的司机的前车司机特征和前车的速度；
S13根据所述前车的司机特征、所述前车的速度、所述车距、所述驾驶人员特征，所述车辆特征，确定第二车距阈值和第三车距阈值，当所述车距小于第二车距阈值时，输出所述车辆的第一推荐车速，当所述车距小于第三车距阈值时，输出车辆碰撞预警信息，并输出所述车辆的第二推荐车速。
通过采用雷达实时探测车辆与前车的车距，当车距小于第一车距阈值时，说明此时的车距过小，存在碰撞风险，在这种状态下打开车辆的通信装置，与前车的通信装置进行通信，并且第一车距阈值根据驾驶人员特征和车辆特征确定，从而解决了原有的不能根据雷达等辅助装置对车距进行动态监测，在一定阈值下再开启车辆之间的信息传输，将会造成不必要的能源浪费，且没有根据车辆的驾驶者的驾驶者特征，对阈值进行动态调整，会导致对于阈值的判定不够准确，从而导致车距过大或者过小，甚至会导致交通事故的发生的技术问题，根据驾驶者的实际状况和车辆的状况确定第一车距阈值，从而使得阈值的设定变得更加科学可靠，同时通过第一车距阈值的设置，在保证可靠性的基础上，减少了能源的损耗；基于通信得到的前车司机特征和前车的速度以及车距，以及驾驶人员特征，车辆特征，通过采用基于神经网络的预测模型或者根据历史数据构建数学模型，均可以得到第二车距阈值，当小于第二车距阈值时，说明此时的距离较远，但是为了防止误碰撞，推荐采用第一推荐车速，当小于第三车距阈值时，说明此时的车距较近，为了防止误碰撞，推荐采用第二推荐车速，第二车距阈值大于第三车距阈值，第一推荐车速大于第二推荐车速，第一推荐车速设置为所述前车速度的0.9-1.1倍之间，第二推荐车速设置为小于所述前车车速。
通过首先通过雷达确定车距，并小于第一车距阈值后，再打开通信装置，从而在保证可靠性的同时，尽量的降低不必要的能量消耗，并进一步提升了车辆的稳定性，通过基驾驶人员特征、车辆特征确定车辆的第一车距阈值，从而与实际的驾驶人员的具体情况结合到一起，进一步提高了阈值设定的准确性和可靠性，通过获取前车的司机特征，并集合前车的司机特征，确定第二车距阈值和第三车距阈值，从而使得车距的确定不再是确定的，而是与前车的司机体征和车辆的驾驶人员特征结合起来，从而使得车距的阈值设定更加贴近实际需求，也使得车距的设定与实际的驾驶人员和司机挂钩起来，从而避免了碰撞等意外事故的发生，通过直接推荐第一推荐车速、第二推荐车速，从而避免了原有的报警功能对于驾驶人员不直接的问题，使得驾驶人员能够更加直接确定车辆的速度控制范围，从而进一步保证了车辆的安全性。
在另外的一种可能的实施例中，当所述车辆的速度小于第一车速阈值时，关闭所述车辆的雷达。
当车速较低时，此时车辆可以随时进行刹停，因此此时不再需要车辆的雷达对车距进行确定，进一步降低了耗电量。
在另外的一种可能的实施例中，如图2所示，所述车距确定的具体步骤为：
S21当所述车辆的速度大于或者等于第一车速阈值时，开启所处车辆的车载摄像头；
S22基于所述车辆的车载摄像头获取所述前方物体的照片，并将所述照片送入到所述车辆的图像识别装置，确定所述前方物体为行驶车辆时并将所述行驶车辆标记为前车，开启所述车辆的雷达装置；
S23基于所述雷达装置测量得到所述车辆与前车的车距。
通过首先当车辆的速度大于或者等于第一车速阈值时，此时首先通过图像识别装置前方物体为行驶车辆时，此时再开启雷达装置，防止仅仅依靠雷达装置判断错误等问题的出现，进一步保证了系统的可靠性，从而使得车距的测量结果变得更加具有指导意义，也降低了雷达装置的耗电量。
在另外的一种可能的实施例中，所述车辆特征由所述车辆的车龄、所处车辆的速度、所述车辆的制动临界距离确定。
举一个具体的例子，所述车辆特征为：
T＝k1y+k2V+k3s
其中y、V、S分别是车辆的车龄、速度、制动临界距离，k1、k2、k3分别为所述车辆的车龄、速度、制动临界距离的权值。
车辆的车龄、速度、制动临界距离都会影响车辆的刹停距离，通过多方面因素的考量，使得最终的车辆特征变得更能反应车辆的实际状况，也使得最终的预测结果变得更加的准确。
在另外的一种可能的实施例中，所述驾驶人员特征根据所述驾驶人员的本次累计驾驶时长、所述驾驶人员的年龄、所述驾驶人员的驾驶习惯确定。
具体的举个例子，所述驾驶人员特征的计算公式为：
T2＝K4t1eyG
其中t1、y、G分别为所说驾驶人员的本次累计驾驶时长、所述驾驶人员的年龄、所述驾驶人员的驾驶习惯，K4为权值。
本次累计驾驶时长，时长越长，说明驾驶人员的疲劳度越高，年龄越大，说明反应时间越长，经常急刹车或者急加速类似的驾驶习惯，出现交通事故的可能性也就越大，因此通过上述三方面构建驾驶人员特征，进一步提升了对驾驶人员描述的准确性，也使得阈值的设定变得更加的可靠。
在另外的一种可能的实施例中，所述前车司机特征根据司机的本次累计驾驶时长、司机的年龄、司机的驾驶习惯确定。
在另外的一种可能的实施例中，所述驾驶习惯根据本次驾驶期间的紧急刹车次数、本次驾驶期间的紧急加速次数、本次驾驶期间的实际油耗与所述车辆的官方油耗的比值确定。
比值越大，说明油耗越高，驾驶习惯越不好，紧急刹车次数和紧急加速次数都能准确反应司机或者驾驶人员的驾驶习惯，从而更能准确的判断所述司机和驾驶人员的形式习惯。
在另外的一种可能的实施例中，如图3所示，所述第二车距阈值确定的具体步骤为：
S31提取所述前车的司机特征、所述前车的速度构成前车特征；
S32提取所述驾驶人员特征，所述车辆特征构成车辆综合特征；
S33将所述前车特征、所述车辆综合特征、所述车距送入到基于GA-BiLSTM算法的预测模型之中，获得所述的第二车距阈值。
在另外的一种可能的实施例中，如图4所示，所述第二车距阈值确定的具体步骤为：
S41提取所述前车的司机特征、所述前车的速度构成前车特征；
S42提取所述驾驶人员特征，所述车辆特征构成车辆综合特征；
S43基于所述前车特征、所述车辆综合特征、所述车距搭建所述第二车距阈值的数学模型，并基于所述数学模型求得所述的第二车距阈值。
具体的举个例子，所述第二车距阈值的数学模型为：
Figure BDA0003773789230000091
其中S2为第二车距阈值，其中p1、p2、S3分别为所述算法的所述前车特征、所述车辆综合特征、所述车距，K5为权值
实施例2
如图5所示，本发明提供了一种基于车联网的车辆碰撞预警系统，采用上述的一种基于车联网的车辆碰撞预警方法，具体包括：
车辆通信装置、前车通信装置、车载雷达装置、车辆分析装置；
其中所述车载雷达装置负责探测所述车辆与前车的车距，并将所述车距传输至车辆分析装置；
所处车辆分析装置负责当所述车距小于第一车距阈值时，将车辆通信装置打开，并根据驾驶人员特征、车辆特征确定第一车距阈值，获取车辆通信装置传输来的司机的前车司机特征和前车的速度；根据所述前车的司机特征、所述前车的速度、所述车距、所述驾驶人员特征，所述车辆特征，确定第二车距阈值和第三车距阈值，当所述车距小于第二车距阈值时，输出所述车辆的第一推荐车速，当所述车距小于第三车距阈值时，输出车辆碰撞预警信息，并输出所述车辆的第二推荐车速；
所述车辆通信装置负责接收前车通信装置传输来的司机的前车司机特征和前车的速度，并将所述司机的前车司机特征和前车的速度传输给车辆分析装置；
所述前车通信装置负责将司机的前车司机特征和前车的速度传输给车辆通信装置。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统和方法，也可以通过其它的方式实现。以上所描述的系统实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。
在本发明实施例中，术语“多个”则指两个或两个以上，除非另有明确的限定。术语“安装”、“连接”、“固定”等术语均应做广义理解，例如，“连接”可以是固定连接，也可以是可折卸连接，或一体地连接。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明实施例中的具体含义。
本发明实施例的描述中，需要理解的是，术语“上”、“下”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明实施例和简化描述，而不是指示或暗示所指的装置或单元必须具有特定的方向、以特定的方位构造和操作，因此，不能理解为对本发明实施例的限制。
在本说明书的描述中，术语“一个实施例”、“一个优选实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或特点包含于本发明实施例的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或实例。而且，描述的具体特征、结构、材料或特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上仅为本发明实施例的优选实施例而已，并不用于限制本发明实施例，对于本领域的技术人员来说，本发明实施例可以有各种更改和变化。凡在本发明实施例的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明实施例的保护范围之内。

Claims (10)

1.一种基于车联网的车辆碰撞预警方法，其特征在于，具体包括：
S11基于车辆的雷达实时探测所述车辆与前车的车距，当所述车距小于第一车距阈值时，将所述车辆的通信装置打开，其中所述第一车距阈值根据所述车辆的驾驶人员特征、车辆特征确定；
S12基于所述车辆的通信装置与前车的通信装置建立通信，获取前车的司机的前车司机特征和前车的速度；
S13根据所述前车的司机特征、所述前车的速度、所述车距、所述驾驶人员特征，所述车辆特征，确定第二车距阈值和第三车距阈值，当所述车距小于第二车距阈值时，输出所述车辆的第一推荐车速，当所述车距小于第三车距阈值时，输出车辆碰撞预警信息，并输出所述车辆的第二推荐车速。
2.根据权利要求1所述的一种基于车联网的车辆碰撞预警方法，其特征在于，当所述车辆的速度小于第一车速阈值时，关闭所述车辆的雷达。
3.根据权利要求1所述的一种基于车联网的车辆碰撞预警方法，其特征在于，所述车距确定的具体步骤为：
S21当所述车辆的速度大于或者等于第一车速阈值时，开启所处车辆的车载摄像头；
S22基于所述车辆的车载摄像头获取所述前方物体的照片，并将所述照片送入到所述车辆的图像识别装置，确定所述前方物体为行驶车辆时并将所述行驶车辆标记为前车，开启所述车辆的雷达装置；
S23基于所述雷达装置测量得到所述车辆与前车的车距。
4.根据权利要求1所述的一种基于车联网的车辆碰撞预警方法，其特征在于，所述车辆特征由所述车辆的车龄、所处车辆的速度、所述车辆的制动临界距离确定。
5.根据权利要求1所述的一种基于车联网的车辆碰撞预警方法，其特征在于，所述驾驶人员特征根据所述驾驶人员的本次累计驾驶时长、所述驾驶人员的年龄、所述驾驶人员的驾驶习惯确定。
6.根据权利要求1所述的一种基于车联网的车辆碰撞预警方法，其特征在于，所述前车司机特征根据司机的本次累计驾驶时长、司机的年龄、司机的驾驶习惯确定。
7.根据权利要求1所述的一种基于车联网的车辆碰撞预警方法，其特征在于，所述驾驶习惯根据本次驾驶期间的紧急刹车次数、本次驾驶期间的紧急加速次数、本次驾驶期间的实际油耗与所述车辆的官方油耗的比值确定。
8.根据权利要求1所述的一种基于车联网的车辆碰撞预警方法，其特征在于，所述第二车距阈值确定的具体步骤为：
S31提取所述前车的司机特征、所述前车的速度构成前车特征；
S32提取所述驾驶人员特征，所述车辆特征构成车辆综合特征；
S33将所述前车特征、所述车辆综合特征、所述车距送入到基于GA-BiLSTM算法的预测模型之中，获得所述的第二车距阈值。
9.根据权利要求1所述的一种基于车联网的车辆碰撞预警方法，其特征在于，所述第二车距阈值确定的具体步骤为：
S41提取所述前车的司机特征、所述前车的速度构成前车特征；
S42提取所述驾驶人员特征，所述车辆特征构成车辆综合特征；
S43基于所述前车特征、所述车辆综合特征、所述车距搭建所述第二车距阈值的数学模型，并基于所述数学模型求得所述的第二车距阈值。
10.一种基于车联网的车辆碰撞预警系统，采用权利要求1-9任意一项所述的一种基于车联网的车辆碰撞预警方法，具体包括：
车辆通信装置、前车通信装置、车载雷达装置、车辆分析装置；
其中所述车载雷达装置负责探测所述车辆与前车的车距，并将所述车距传输至车辆分析装置；
所处车辆分析装置负责当所述车距小于第一车距阈值时，将车辆通信装置打开，并根据驾驶人员特征、车辆特征确定第一车距阈值，获取车辆通信装置传输来的司机的前车司机特征和前车的速度；根据所述前车的司机特征、所述前车的速度、所述车距、所述驾驶人员特征，所述车辆特征，确定第二车距阈值和第三车距阈值，当所述车距小于第二车距阈值时，输出所述车辆的第一推荐车速，当所述车距小于第三车距阈值时，输出车辆碰撞预警信息，并输出所述车辆的第二推荐车速；
所述车辆通信装置负责接收前车通信装置传输来的司机的前车司机特征和前车的速度，并将所述司机的前车司机特征和前车的速度传输给车辆分析装置；
所述前车通信装置负责将司机的前车司机特征和前车的速度传输给车辆通信装置。
CN202210910323.9A 2022-07-29 2022-07-29 一种基于车联网的车辆碰撞预警方法及系统 Active CN115273550B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210910323.9A CN115273550B (zh) 2022-07-29 2022-07-29 一种基于车联网的车辆碰撞预警方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210910323.9A CN115273550B (zh) 2022-07-29 2022-07-29 一种基于车联网的车辆碰撞预警方法及系统

Publications (2)

Publication Number Publication Date
CN115273550A true CN115273550A (zh) 2022-11-01
CN115273550B CN115273550B (zh) 2023-10-24

Family

ID=83748195

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210910323.9A Active CN115273550B (zh) 2022-07-29 2022-07-29 一种基于车联网的车辆碰撞预警方法及系统

Country Status (1)

Country Link
CN (1) CN115273550B (zh)

Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105679096A (zh) * 2016-03-23 2016-06-15 深圳祖师汇科技股份有限公司 一种前车碰撞预警判定方法及装置
CN106240458A (zh) * 2016-07-22 2016-12-21 浙江零跑科技有限公司 一种基于车载双目相机的车辆前方碰撞预警方法
JP2017167795A (ja) * 2016-03-16 2017-09-21 株式会社デンソーアイティーラボラトリ 迷惑運転検出装置及び迷惑運転検出方法
WO2018032642A1 (zh) * 2016-08-19 2018-02-22 深圳市元征科技股份有限公司 行车碰撞预警方法及装置
WO2018059103A1 (zh) * 2016-09-27 2018-04-05 蔚来汽车有限公司 基于同向前车驾驶信息的紧急状况预警方法及系统
CN108510798A (zh) * 2018-04-10 2018-09-07 西安电子科技大学 行车安全方法和装置
CN108932870A (zh) * 2018-07-16 2018-12-04 安徽江淮汽车集团股份有限公司 一种车辆预警方法及装置
CN109584631A (zh) * 2018-12-14 2019-04-05 北京大学深圳研究院 基于5g车联网的车辆防碰撞控制方法
CN109830105A (zh) * 2019-03-18 2019-05-31 中国安全生产科学研究院 一种防止车辆碰撞路侧固定危险物的装置及方法
CN111105643A (zh) * 2018-10-09 2020-05-05 上海汽车集团股份有限公司 一种车辆防碰撞方法、装置及系统
CN112562410A (zh) * 2020-12-03 2021-03-26 齐鲁工业大学 一种车辆跟驰安全距离智能报警系统
CN112590801A (zh) * 2020-12-24 2021-04-02 吉林大学 一种基于驾驶员疲劳程度的前方碰撞预警控制方法
CN112991816A (zh) * 2019-12-13 2021-06-18 智博汽车科技(上海)有限公司 车辆碰撞预警的方法、装置、存储介质以及车辆
CN113022556A (zh) * 2021-04-14 2021-06-25 成都亿盟恒信科技有限公司 一种基于大数据分析的行车安全综合管理系统及方法
CN113053165A (zh) * 2019-12-26 2021-06-29 北京宝沃汽车股份有限公司 车辆及其碰撞识别方法、装置和设备
CN113870618A (zh) * 2021-10-26 2021-12-31 杭州图软科技有限公司 驾驶安全预警系统及方法
CN114038238A (zh) * 2021-11-04 2022-02-11 吉林大学 一种基于前方第二辆车行驶状态的碰撞预警系统及方法
CN114038196A (zh) * 2021-11-18 2022-02-11 成都车晓科技有限公司 车辆前向防撞预警系统及方法
CN114241769A (zh) * 2021-12-20 2022-03-25 新唐信通(浙江)科技有限公司 一种基于c-v2x的自适应最优化车速引导控制方法与系统

Patent Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017167795A (ja) * 2016-03-16 2017-09-21 株式会社デンソーアイティーラボラトリ 迷惑運転検出装置及び迷惑運転検出方法
CN105679096A (zh) * 2016-03-23 2016-06-15 深圳祖师汇科技股份有限公司 一种前车碰撞预警判定方法及装置
CN106240458A (zh) * 2016-07-22 2016-12-21 浙江零跑科技有限公司 一种基于车载双目相机的车辆前方碰撞预警方法
WO2018032642A1 (zh) * 2016-08-19 2018-02-22 深圳市元征科技股份有限公司 行车碰撞预警方法及装置
WO2018059103A1 (zh) * 2016-09-27 2018-04-05 蔚来汽车有限公司 基于同向前车驾驶信息的紧急状况预警方法及系统
CN108510798A (zh) * 2018-04-10 2018-09-07 西安电子科技大学 行车安全方法和装置
CN108932870A (zh) * 2018-07-16 2018-12-04 安徽江淮汽车集团股份有限公司 一种车辆预警方法及装置
CN111105643A (zh) * 2018-10-09 2020-05-05 上海汽车集团股份有限公司 一种车辆防碰撞方法、装置及系统
CN109584631A (zh) * 2018-12-14 2019-04-05 北京大学深圳研究院 基于5g车联网的车辆防碰撞控制方法
CN109830105A (zh) * 2019-03-18 2019-05-31 中国安全生产科学研究院 一种防止车辆碰撞路侧固定危险物的装置及方法
CN112991816A (zh) * 2019-12-13 2021-06-18 智博汽车科技(上海)有限公司 车辆碰撞预警的方法、装置、存储介质以及车辆
CN113053165A (zh) * 2019-12-26 2021-06-29 北京宝沃汽车股份有限公司 车辆及其碰撞识别方法、装置和设备
CN112562410A (zh) * 2020-12-03 2021-03-26 齐鲁工业大学 一种车辆跟驰安全距离智能报警系统
CN112590801A (zh) * 2020-12-24 2021-04-02 吉林大学 一种基于驾驶员疲劳程度的前方碰撞预警控制方法
CN113022556A (zh) * 2021-04-14 2021-06-25 成都亿盟恒信科技有限公司 一种基于大数据分析的行车安全综合管理系统及方法
CN113870618A (zh) * 2021-10-26 2021-12-31 杭州图软科技有限公司 驾驶安全预警系统及方法
CN114038238A (zh) * 2021-11-04 2022-02-11 吉林大学 一种基于前方第二辆车行驶状态的碰撞预警系统及方法
CN114038196A (zh) * 2021-11-18 2022-02-11 成都车晓科技有限公司 车辆前向防撞预警系统及方法
CN114241769A (zh) * 2021-12-20 2022-03-25 新唐信通(浙江)科技有限公司 一种基于c-v2x的自适应最优化车速引导控制方法与系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
杨炜等: "车联网环境下考虑前方车辆驾驶人意图的汽车主动预警防撞模型", 《机械工程学报》, vol. 57, no. 22, pages 284 - 295 *
黄金铭等: "基于车联网的人-车碰撞预警系统设计", 《常熟理工学院学报》, vol. 36, no. 2, pages 99 - 103 *

Also Published As

Publication number Publication date
CN115273550B (zh) 2023-10-24

Similar Documents

Publication Publication Date Title
CN206684953U (zh) 一种基于车联网的汽车防碰撞预警系统
US10916124B2 (en) Method, device and system for wrong-way driver detection
US10755565B2 (en) Prioritized vehicle messaging
Ellwanger et al. Truck platooning application
CN113870553B (zh) 一种面向混合交通流的路网运行状态检测系统及方法
CN109720348A (zh) 车载装置、信息处理系统和信息处理方法
CN104870289A (zh) 用于为机动车提供运行策略的方法
CN110853406A (zh) 基于5g技术的车道变更预警方法、系统、服务器及车辆
CN113415275A (zh) 车辆消息的处理方法、装置、可读介质及电子设备
CN114220261B (zh) 车速管控方法、装置、服务器及存储介质
CN113593221B (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
US20220324467A1 (en) Driving safety systems
CN112839319A (zh) 蜂窝车联网信息处理方法、装置、系统、终端及存储介质
CN113064153B (zh) 一种确定目标对象跟踪门限的方法、装置
CN112233419B (zh) 一种数据处理方法、装置、设备及存储介质
CN115273550A (zh) 一种基于车联网的车辆碰撞预警方法及系统
CN114056346A (zh) 一种自动驾驶行车控制方法及装置
US10532750B2 (en) Method, device and system for wrong-way driver detection
CN113859250B (zh) 一种基于驾驶行为异常识别的智能网联汽车信息安全威胁检测系统
Shaikh et al. Vehicle communication systems: technology and review
US10876843B2 (en) Method, device and system for wrong-way driver detection
CN108839632A (zh) 车辆、车机设备、车辆事故预警装置和方法
CN110682885A (zh) 车辆及其车辆遇险自救安全装置
CN114120651B (zh) 用于测试感知目标数的方法、装置、设备、介质和产品
CN110858278A (zh) 车辆、车机设备及其车辆关键信息的屏显提示方法

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