CN115394079A - 一种基于人工智能的自动驾驶危险预测系统 - Google Patents

一种基于人工智能的自动驾驶危险预测系统 Download PDF

Info

Publication number
CN115394079A
CN115394079A CN202211012124.2A CN202211012124A CN115394079A CN 115394079 A CN115394079 A CN 115394079A CN 202211012124 A CN202211012124 A CN 202211012124A CN 115394079 A CN115394079 A CN 115394079A
Authority
CN
China
Prior art keywords
vehicle
unit
early warning
traffic
interaction
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
Application number
CN202211012124.2A
Other languages
English (en)
Inventor
沈言锦
黄宁
张坤
金菡
张丹
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.)
Hunan Automotive Engineering Vocational College
Original Assignee
Hunan Automotive Engineering Vocational College
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 Hunan Automotive Engineering Vocational College filed Critical Hunan Automotive Engineering Vocational College
Priority to CN202211012124.2A priority Critical patent/CN115394079A/zh
Publication of CN115394079A publication Critical patent/CN115394079A/zh
Pending legal-status Critical Current

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
    • G08G1/0125—Traffic data processing
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic 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
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • 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
    • G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
    • 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
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
    • G08G1/096725—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control where the received information generates an automatic action on the vehicle control
    • 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
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096766—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission
    • G08G1/096775—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission where the origin of the information is a central station
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/164—Centralised systems, e.g. external to vehicles
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
    • 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

Abstract

本发明提供了一种基于人工智能的自动驾驶危险预测系统，自动驾驶危险预测系统包括服务器，自动驾驶危险预测系统还包括预警模块、危险环境采样模块、交互模块，危险环境采样模块用于对车辆的周围环境进行采样，交互模块用于对进入交通监控单元的引导区域中的车辆进行交互，预警模块根据危险环境采样模块的数据触发不同等级的预警信号，以驾驶员预知当前车辆所在位置的行车危险状态。本发明通过危险环境采样单元与预警单元的相互配合，使得车辆在自动驾驶过程中的危险状态能够被检测出来，并根据车辆的行驶数据触发预警，提升整个车辆的行驶的智能控制，具有交互性好、乘坐舒适性高和预警及时的优点。

Description

一种基于人工智能的自动驾驶危险预测系统
技术领域
本发明涉及道路车辆的交通控制防撞系统领域，尤其涉及一种基于人工智能的自动驾驶危险预测系统。
背景技术
随着交通事故的不断增长，交通拥堵给驾驶员带来的驾车体验不断下降，人们对于自动驾驶技术的需求更加迫切。
如CN109727469B现有技术公开了一种多车道下自动驾驶车辆综合危险度评估方法，目前对于自动驾驶车辆危险度评估的研究主要是用以下几个指标：如距离碰撞时间TTC、车头时距TH、车速V。这些指标对于单车道上危险度评估有一定效果，但是对于多车道，当危险度关系不那么明显时，直接用以上指标进行评估将不够客观，如果用于决策控制将产生很大误差。
另一种典型的如CN110293968B的现有技术公开的一种自动驾驶车辆的控制方法、装置、设备及可读存储介质，当前的自动驾驶安全检测，实时感知当前车辆周围环境中的障碍物，例如来往车辆、行人等障碍物，根据当前障碍物距离车辆的距离来进行上层逻辑的车辆安全控制。但是，由于障碍物相对于车辆来说往往是运动状态的，在车辆实际行驶过程中，虽然当前障碍物与车辆之间还有一定的距离，但是可能障碍物与车辆已经相互靠近、甚至即将碰撞。现有技术中，根据当前时刻障碍物距离车辆的距离来进行上层逻辑的车辆安全控制，给上层逻辑的反应时间较短，自动驾驶车辆容易出现交通事故，存在安全隐患，并且车辆的体感较差。
为了解决本领域普遍存在危险预测精准不佳、障碍物检测不精准、交互性差、预警手段缺乏、反应时间较短、乘坐舒适性差、预警滞后性大和危险预测差等等问题，作出了本发明。
发明内容
本发明的目的在于，针对目前所存在的不足，提出了一种基于人工智能的自动驾驶危险预测系统。
为了克服现有技术的不足，本发明采用如下技术方案：
一种基于人工智能的自动驾驶危险预测系统，所述自动驾驶危险预测系统包括服务器，所述自动驾驶危险预测系统还包括预警模块、危险环境采样模块、交互模块，
所述服务器分别与预警模块、危险环境采样模块、交互模块连接；
所述危险环境采样模块用于对车辆的周围环境进行采样，所述交互模块用于对进入交通监控单元的引导区域中的车辆进行交互，所述预警模块根据所述危险环境采样模块的数据触发不同等级的预警信号，以使驾驶员预知当前车辆所在位置的行车危险状态；
所述危险环境采样模块包括环境采样单元、所述交通监控单元、以及分析单元，所述环境采样单元用于对所述车辆的周围环境进行采样，所述交通监控单元用于对行车道上的车流进行监控，以获得所述行车道的车流数据，所述分析单元根据所述采样单元的采样数据和所述交通监控单元的监测数据对所述车辆的行车风险进行评估，
所述环境采样单元包括支撑座、设置在所述支撑座上的存储腔、激光雷达、采样探头，所述支撑座用于对所述激光雷达和所述采样探头进行支撑，且所述支撑座设置在所述车辆的上顶部，以获取所述车辆行驶方向、行驶线路周围的环境危险数据，所述激光雷达用于对所述车辆周围环境的障碍物进行检测，所述采样探头用于对所述车辆的行驶环境进行视频数据的采集，其中，所述激光雷达和所述采样探头分别设置在所述存储腔中；
所述分析单元获取设置在观测路段出口和入口的所述交通监控单元的监测数据，并通过图像处理技术分析出当前检测时间段内观测路段的进入的车辆数X、以及离开观测路段的车辆数Y，并根据所述车流数据计算第v路段的车道的拥堵指数Congestionv，所述车道的拥堵指数Congestionv根据下式进行计算：
Figure BDA0003811323260000021
式中，P为交通监控单元的当前观测路段长度，N为N为观测路段内滞留的车辆数，满足：N＝X-Y；
若第v路段的车道的拥堵指数Congestionv小于设定的拥堵监控阈值，则允许当前所述车辆进行变道；
所述分析单元获取所述激光雷达测得的所述车辆与后侧目标车辆的距离Di、所述车辆与前侧目标车辆的距离为dj，根据计算所述车辆变道时间T：
Figure BDA0003811323260000022
式中，V为所述车辆的速度，L为车道的宽度，θ为所述车辆换道时与当前车道水平线所形成的夹角，
所述分析单元根据计算后侧变道危险指数Path_Change1和前侧变道危险指数Path_Change2：
Path_Change1＝Vi·T-V·cosθ·T-Di
Figure BDA0003811323260000031
式中，Vi为当前车道中在所述车辆的之前的前侧车辆的速度，Vj为所需变道的车道中处于所述车辆的后侧车辆的速度；
若Path_Change1＞0或Path_Change2＞0，所述车辆进行变道存在风险，且后侧变道危险指数Path_Change1和前侧变道危险指数Path_Change2越大，车辆变道产生的风险越高。
可选的，所述交通监控单元包括监控探头、联网子单元和支撑杆，所述监控探头用于对所述行车道的车流状态进行监控，所述支撑杆用于对所述监控探头进行支撑，所述联网子单元用于将所述监控探头所采集的图像数据向所述服务器进行传输；
其中，所述交通监控单元设置在车辆的行车道的路边，并实时对所述行车道的流量进行监控。
可选的，所述预警模块包括预警单元和提示单元，所述预警单元根据所述分析单元的分析结果触发不同等级的预警，所述提示单元根据所述预警单元的预警信号，向乘客或驾驶员进行提示；
所述提示单元包括显示屏、转向构件、可执行程序，所述显示屏设置在所述车辆中，以向所述驾驶员或乘客显示当前的预警信号，所述转向构件对所述显示屏的显示角度进行调整，所述可执行程序在接收到所述预警单元的预警信号后在所述显示屏上显示提示弹窗，以提示所述车辆当前出现的预警信号；
其中，所述显示屏用于对所述预警单元的预警信号进行显示。
可选的，所述交互模块包括交互单元和信号传输单元，所述信号传输单元获取所述分析单元的分析结果后，向所述交互单元发出交互信号，所述交互单元接收所述信号传输单元传输的交互信号后，向所述信号传输单元发出交互请求；
所述交互单元设置在所述车辆上。
可选的，所述交互单元包括交互器和交互天线，所述交互器用于向所述信号传输单元发送交互请求，以获取车辆所在路段的车流数据，所述交互天线用于增强所述交互器与所述信号传输单元通信的信号强度；
其中，所述交互器与所述交互天线电连接。
可选的，所述信号传输单元响应所述交互单元的交互请求，并将与所述车辆所在路段相关联的车流数据向所述交互单元进行传输，使所述信号传输单元和所述交互单元上的所述分析单元的分析结果能够同步；
其中，所述交互单元在接收所述分析单元的分析结果后，向所述预警单元和环境采集单元进行传输，以向驾驶员或乘客触发预警信号或危险警告信号。
可选的，所述预警单元发出的预警信号等级包括一般预警、中等预警和高度预警。
本发明所取得的有益效果是：
1.通过危险环境采样单元与预警单元的相互配合，使得车辆在自动驾驶过程中的危险状态能够被检测出来，并根据车辆的行驶数据触发预警，提升整个车辆的行驶的智能控制，具有交互性好、乘坐舒适性高和预警及时的优点；
2.通过环境采样单元对车辆行驶环境进行检测，以提升车辆触发自动危险预警的能力，也增强了车辆的行驶安全性和可靠性；
3.通过预警模块触发预警，以提示车辆的驾驶员或乘客当前的行驶状态，促使驾驶员或乘客能够动态掌握车辆实时状态；
4.通过交互模块与分析单元的相互配合，使得车辆能获知所在路段的车流数据，并预测车辆的驾驶行为的危险程度，提升车辆行驶的安全性；
5.通过转向评估模块对车辆在无信号的交叉路口进行评估，使得车辆对无信号交叉路口进行危险检测，以提升车辆通过交叉路口的安全性，具有危险预测精准、预警能力强、乘坐舒适性好、危险预测及时的优点。
附图说明
从以下结合附图的描述可以进一步理解本发明。图中的部件不一定按比例绘制，而是将重点放在示出实施例的原理上。在不同的视图中，相同的附图标记指定对应的部分。
图1为本发明的整体系统的控制方框示意图。
图2为本发明的车辆与服务器、交通监控单元的交互流程示意图。
图3为本发明的交互单元与信号传输模块的交互流程示意图。
图4为本发明的变道危险预测的控制流程示意图。
图5为本发明的显示屏进行显示的控制流程示意图。
图6为本发明的车辆和目标车辆进行环道的应用场景示意图。
图7为本发明的车辆与目标车辆在无信号灯的交叉路口的转向场景示意图。
图8为本发明的提示单元的应用场景示意图。附图标号说明：1-显示屏；2-转动杆；3-人脸识别探头。
具体实施方式
以下是通过特定的具体实施例来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了解本发明的优点与效果。本发明可通过其他不同的具体实施例加以施行或应用，本说明书中的各项细节也可基于不同观点与应用，在不悖离本发明的精神下进行各种修饰与变更。另外，本发明的附图仅为简单示意说明，并非依实际尺寸的描绘，事先声明。以下的实施方式将进一步详细说明本发明的相关技术内容，但所公开的内容并非用以限制本发明的保护范围。
实施例一。
根据图1、图2、图3、图4、图5、图6、图7、图8所示，本实施例提供一种基于人工智能的自动驾驶危险预测系统，所述自动驾驶危险预测系统包括服务器，所述自动驾驶危险预测系统还包括预警模块、危险环境采样模块、交互模块，
所述服务器分别与预警模块、危险环境采样模块、交互模块连接；
所述危险环境采样模块用于对车辆的周围环境进行采样，所述交互模块用于对进入交通监控单元的引导区域中的车辆进行交互，所述预警模块根据所述危险环境采样模块的数据触发不同等级的预警信号，以使驾驶员预知当前车辆所在位置的行车危险状态；
所述自动驾驶危险预测系统还包括处理器，所述处理器分别与所述危险环境采样模块、所述交互模块和所述预警模块控制连，并基于所述处理器对所述危险环境采样模块、所述交互模块和所述预警模块进行集中控制；
其中，通过所述危险环境采样模块与所述预警单元的相互配合，使得所述车辆在自动驾驶过程中的危险状态能够被检测出来，并根据车辆的行驶数据触发预警，提升整个车辆的行驶的智能控制，具有交互性好、乘坐舒适性高和预警及时的优点；
其中，所述危险环境采样模块包括环境采样单元、所述交通监控单元、以及分析单元，所述环境采样单元用于对所述车辆的周围环境进行采样，所述交通监控单元用于对行车道上的车流进行监控，以获得所述行车道的车流数据，所述分析单元根据所述采样单元的采样数据和所述交通监控单元的监测数据对所述车辆的行车风险进行评估，
所述环境采样单元包括支撑座、设置在所述支撑座上的存储腔、激光雷达、采样探头，所述支撑座用于对所述激光雷达和所述采样探头进行支撑，且所述支撑座设置在所述车辆的上顶部，以获取所述车辆行驶方向、行驶线路周围的环境危险数据，所述激光雷达用于对所述车辆周围环境的障碍物进行检测，所述采样探头用于对所述车辆的行驶环境进行视频数据的采集，其中，所述激光雷达和所述采样探头分别设置在所述存储腔中；
所述分析单元获取设置在观测路段出口和入口的所述交通监控单元的监测数据，并通过图像处理技术分析出当前检测时间段内观测路段的进入的车辆数X、以及离开观测路段的车辆数Y，并根据所述车流数据计算第v路段的车道的拥堵指数Congestionv，所述车道的拥堵指数Congestionv根据下式进行计算：
Figure BDA0003811323260000061
式中，P为交通监控单元的当前观测路段长度，N为N为观测路段内滞留的车辆数，满足：N＝X-Y；
若第v路段的车道的拥堵指数Congestionv小于设定的拥堵监控阈值，则允许当前所述车辆进行变道；
所述分析单元获取所述激光雷达测得的所述车辆与后侧目标车辆的距离Di、所述车辆与前侧目标车辆的距离为dj，根据计算所述车辆变道时间T：
Figure BDA0003811323260000062
式中，V为所述车辆的速度，L为车道的宽度，θ为所述车辆换道时与当前车道水平线所形成的夹角，
所述分析单元根据计算后侧变道危险指数Path_Change1和前侧变道危险指数Path_Change2：
Path_Change1＝Vi·T-V·cosθ·T-Di
Figure BDA0003811323260000071
式中，Vi为当前车道中在所述车辆的之前的前侧车辆的速度，Vj为所需变道的车道中处于所述车辆的后侧车辆的速度；
若Path_Change1＞0或Path_Change2＞0，所述车辆进行变道存在风险，且后侧变道危险指数Path_Change1和前侧变道危险指数Path_Change2越大，车辆变道产生的风险越高；
另外，所述车辆根据所述分析单元的分析结果对所述车辆的行进方向进行控制，以保证所述车辆能够正常的行驶；
其中，当所述车辆当前时刻无法进行超车时，通过控制所述车辆的速度V和所述车辆换道时与当前车道水平线所形成的夹角θ(以下称变道夹角)，使得所述车辆能够进行顺利变道，以提升车辆的安全行驶；
特别的，在所述车辆进行变道的过程中，所述环境采样单元实时对所述车辆后方以及前侧相邻车道的相关联的目标车辆进行检测，以获取相邻的目标车辆的距离和速度，并将相邻的目标车辆的距离和速度传输至所述分析单元中进行分析，以获得所述后侧变道危险指数Path_Change1和前侧变道危险指数Path_Change2，若后侧变道危险指数Path_Change1、前侧变道危险指数Path_Change2与Di、dj满足：Path_Change1＞0或Path_Change2＞0，则所述车辆进行变道存在风险，停止进行变道，并控制所述车辆的速度和变道夹角θ；
值得注意的是，所述车辆进行变道的过程中，需要符合交通规则，满足：只能往相邻的车道进行变道，不能连续跨过两条车道进行变道；
通过所述环境采样单元对所述车辆行驶环境进行检测，以提升所述车辆触发自动危险预警的能力，也增强了所述车辆的行驶安全性和可靠性；
可选的，所述交通监控单元包括监控探头、联网子单元和支撑杆，所述监控探头用于对所述行车道的车流状态进行监控，所述支撑杆用于对所述监控探头进行支撑，所述联网子单元用于将所述监控探头所采集的图像数据向所述服务器进行传输；
其中，所述交通监控单元设置在车辆的行车道的路边，并实时对所述行车道的流量进行监控；
所述交通监控单元设置在车辆的行车道旁，并对所述车辆的行车道进行采集；另外，通过所述交通监控单元对所述车辆所在行车道进行监控，以获取所述行车道上的车流数据；
在所述联网子单元将所述监控探头所测得的所述车流状态数据传输至所述服务器和所述处理器中，并通过图像处理技术对所述行车道上的车辆进行计算，以获得所述行车道上的车辆数，并根据所述路段的车辆数据，同时，将所述车辆所在路段的车辆数据传输至所述分析单元中，使所述分析单元分析当前行车道的车流拥堵指数Congestionv；
在本实施例中，在所述车辆确定行驶路线后，将与所述行驶路线相关联的所有所述行车道的车流数据进行调用，以使得所述车辆行车轨迹重合的所述车流状态能够被评估或分析；
其中，所述车辆在调用与所述行驶路线相关联的行车道的车流数据时，将所述车辆自身的识别标识、所述车辆的行驶路线发送至所述服务器中，使所述服务器接收所述车辆的标识和所述行驶路线后，将与所述行驶路线相关联各个所述行车道的车流数据传输至所述车辆中，使得所述乘客和驾驶员能够获知当前路段的车流数据，提升乘客和所述驾驶员的交互体验。
另外，所述车辆在进行变道或者直行行驶的过程中，需要根据所述行车道的车流数据、以及与所述车辆向邻近的所述目标车辆的距离和速度，以实现对所述车辆行驶的危险预测或预警，提升所述车辆行驶的安全性；
在所述车辆行驶出现危险时，还通过预警模块触发预警，以提示所述车辆的驾驶员或乘客当前的行驶状态，促使所述驾驶员或乘客能够动态掌握所述车辆实时状态；
可选的，所述预警模块包括预警单元和提示单元，所述预警单元根据所述分析单元的分析结果触发不同等级的预警，所述提示单元根据所述预警单元的预警信号，向乘客或驾驶员进行提示；
所述提示单元包括显示屏、转向构件、可执行程序，所述显示屏设置在所述车辆中，以向所述驾驶员或乘客显示当前的预警信号，所述转向构件对所述显示屏的显示角度进行调整，所述可执行程序在接收到所述预警单元的预警信号后在所述显示屏上显示提示弹窗，以提示所述车辆当前出现的预警信号；
所述转向构件包括转向座、转向杆、转向驱动机构、人脸识别探头，所述转向杆的端与所述转向座铰接，所述转向杆的另一端与车厢壁进行固定连接；
其中，所述显示屏与所述转向座的外壁进行连接；
所述转向驱动机构设置在所述转向杆和所述转向座的铰接位置中，并驱动所述转向座沿着所述转向杆的轴线进行转动，从而实现对所述显示屏的显示角度的调整；
所述人脸识别探头用于对所述车辆的车厢中的人脸进行识别，以促使所述调整部将所述显示屏转向车厢中人脸所在位置中；
另外，所述人脸识别探头设置在所述显示屏的一侧，并朝向所述显示屏的一侧边框凸出设置，使得所述人脸识别探头能够捕获所述车厢中的人脸数据；如图8所示；
当出现预警信号，则将所述预警信号在所述提示单元的显示屏中进行显示；
同时，所述预警单元发出的预警信号等级包括一般预警、中等预警和高度预警，且不同等级的所述预警信号通过显示不同的颜色或指示灯以警示所述乘客或者驾驶员所述车辆当前所面临的预警信号状态；
在所述车辆行驶的过程中，通过交互模块与所述服务器、以及所述交通监控单元之间数据的交互传输；
可选的，所述交互模块包括交互单元和信号传输单元，所述信号传输单元获取所述分析单元的分析结果后，向所述交互单元发出交互信号，所述交互单元接收所述信号传输单元传输的交互信号后，向所述信号传输单元发出交互请求；
所述交互单元设置在所述车辆上，且所述交互单元包括交互器和交互天线，所述交互器用于向所述信号传输单元发送交互请求，以获取车辆所在路段的车流数据，所述交互天线用于增强所述交互器与所述信号传输单元通信的信号强度；
其中，所述交互器与所述交互天线电连接；
在所述车辆行驶在各个所述行车道时，与设置在所述行车道旁的所述信号传输单元进行交互，使得所述交互单元能够与所述信号传输单元进行交互，以将所述信号传输单元和所述交互单元上的数据能够进行同步；
可选的，所述信号传输单元响应所述交互单元的交互请求，并将与所述车辆所在路段相关联的车流数据向所述交互单元进行传输，使所述信号传输单元和所述交互单元上的所述分析单元的分析结果能够同步；
其中，所述交互单元在接收所述分析单元的分析结果后，向所述预警单元和环境采集单元进行传输，以向驾驶员或乘客触发预警信号或危险警告信号；
其中，所述车流数据由所述交通监控单元进行采集，并通过所述信号传输单元向所述车辆进行传输，使得所述显示屏上能够实时的显示当前所在位置的车流数据；
通过所述交互模块与所述交通监控单元的相互配合，使得所述车辆能获知所在路段的车流数据，并预测所述车辆的驾驶行为的危险程度，提升车辆行驶的安全性。
实施例二。
本实施例应当理解为至少包含前述任一一个实施例的全部特征，并在其基础上进一步改进，根据图1、图2、图3、图4、图5、图6、图7、图8所示，还在于所述自动驾驶危险预测系统还包括转向评估模块，所述转向评估模块用于对所述车辆在无信号的交叉路口的转向动作进行评估，以提升所述车辆在转向过程中的安全性；
若所述车辆在有信号的交叉路口，获取所述交叉路口的信号灯的指示，并根据信号灯的指示进行转向动作即可，在此不再赘述；
对于无信号灯的交叉路口，则通过所述转向评估模块对所述车辆的转向危险进行评估，以提升所述车辆行驶的安全性；
其中，所述转向评估模块与所述处理器控制连接，并基于所述处理器对所述转向评估模块进行集中控制；
所述转向评估单元包括转向控制单元和转向评估单元，所述转向评估单元用于获取所述车辆的行驶线路，并实时调用所述车辆当前的位置、以及获取当前路口的交通信号灯的状态，以确定所述车辆是否允许进行转向动作，
所述转向控制单元根据所述转向评估单元的结果控制所述车辆执行转向动作，其中，所述转动动作由车辆的转向执行机构进行触发；
在本实施例中，所述转向控制单元控制所述车辆的转向执行机构是本领域的技术人员所熟知的技术手段，本领域的技术人员可以查询相关的技术手册获知该技术，因而在本实施例中不再一一赘述；
所述转向评估单元包括行驶意图评估子单元、转向状态评估子单元，所述行驶意图评估子单元用于对路口的车辆的驾驶意图进行评估，所述转向状态评估子单元用于对所述车辆的转向状态进行评估；
值得注意的是，(通过交叉路口的车辆均规范使用灯光的情况为例)所述交叉路口的周围其他车辆可以根据车辆的导向灯获知所述车辆的驾驶意图，其中，左转和右转均对应左向灯点亮、右向灯点亮，直行的意图则为两侧导向灯均不亮的状态；
所述行驶意图评估子单元获取交叉环境存在的一些列车辆对象M＝{M0，M1，M2，……，Mn}，其中，N0为自身的所述车辆(自动驾驶的车辆)，Mk为与自身车辆同时处于交叉路口环境的其他周围目标车辆，k∈{1，2，3，……，n}；
在所述交叉路口中，定义所述自身车辆左转路径为r0，同理，周围车辆Mk在交叉路口可能有左转、右转和直行三种情况，则周围的每个目标车辆均由一组驾驶意图rk＝j，j∈{1，2，3}；
当j＝1时，所述目标车辆处于左转意图；
当j＝2时，所述目标车辆处于右转意图；
当j＝3时，所述目标车辆处于直行意图；
另外，所述目标车辆按照驾驶意图rk以速度wk进行移动；
所述转向评估子单元还对处理交叉路口的车辆建立状态转移模型S，存在：S＝(S0，S1，……，Sn)T，S0为所述自身车辆所处的状态，Sk为交叉路口场景中其他所述目标车辆所处的状态，k＝1，2，3，……，n；
其中，所述自身车辆的状态存在：S0＝(L0，v0)T，即，所述车辆的状态与实时的速度v0和L0有关，L0为所述自身车辆到达重合区域的距离，
所称的重合区域为所述自身车辆与所述目标车辆直行、左转或右转移动的路径存在交叉的区域；如图7中阴影所示；
同理，周围的所述目标车辆的状态存在：
Sk＝(Lk，wk，rk)T，k∈{1，2，3，……，n}，j∈{1，2，3}；
式中，Lk为所述目标车辆到达重合区域的距离，wk为所述目标车辆按照驾驶意图rk行驶的速度；
若不考虑交叉路口的所述目标车辆的驾驶意图中途改变的情况下，所述目标车辆到达重合区域的距离满足：
Figure BDA0003811323260000111
式中，△t为采样的时间间隔，
Figure BDA0003811323260000112
为t+1时刻所述目标车辆到重合区域的距离，
Figure BDA0003811323260000113
为t时刻所述目标车辆到重合区域的距离；
同理，所述自身车辆(自动驾驶的车辆)到达重合区域的距离满足：
Figure BDA0003811323260000121
式中，
Figure BDA0003811323260000122
为t+1时刻所述自身车辆到与所述周围车辆形成的重合区域的距离，
Figure BDA0003811323260000123
为t时刻所述自身车辆到与所述周围车辆形成的重合区域的距离，
Figure BDA0003811323260000124
为所述自身车辆在t时刻的速度，
Figure BDA0003811323260000125
为所述自身车辆在t+1时刻的速度，a0为所述自身车辆的加速度，满足：
a0＝min(a1+a2,amax)
式中，amax为所有车辆在该路口允许的最大的加速度，其值根据所述交叉路口的布局并经过多次试验得出，a1为根据参考速度Vref计算的加速度，满足：
Figure BDA0003811323260000126
式中，参考速度Vref为周围无车辆影响的情况下，所述自身车辆(自动驾驶车辆)的理想速度，其值与当前所述交叉路口的限速速度vlegal、侧滑速度vlimit和考虑乘客舒适性的最大转弯速度vR三者中的最小值，满足：
vref＝min(vlegal，vlimit，vR)
其中，当前所述交叉路口的限速速度vlegal、侧滑速度vlimit和考虑乘客舒适性的最大转弯速度vR根据所述车辆自身状况、以及交叉路口的限速要求直接获得，相当于已知值；
a2为所述自身车辆会车过程的加速度，其值满足：
Figure BDA0003811323260000127
式中，r0为所述自身车辆左转路径，rk为第k个周围车辆的驾驶意图，tb,k为第k个所述目标车辆保持当前车速到达重合区域的时间，tb,0为所述自身车辆到达重合区域的时间；
space(r0，rk)为所述重合区域判断条件，当第k个所述目标车辆的驾驶意图路径与所述自身车辆的左转路径不相交时，space(r0，rk)＝0，则判定不存在时空冲突，所述自身车辆按当前车速行驶；
当第k个所述目标车辆的驾驶意图路径与所述自身车辆的左转路径时，即space(r0，rk)＝1，则判定所述目标车辆和所述自身车辆有空间重合，需要根据当前速度计算两车到达重合区域边界的时间差值，如果时间差值小于3秒，则认为两辆车在空间和时间上存在冲突，所述自身车辆需采取相应的减速措施；
其中，对于所述目标车辆的车速，通过所述激光雷达获取该车辆的距离Up，并根据所述自身车辆自身的速度(以交叉路口的允许的限速速度vlegal为例)，计算出两者之间的相对速度，从而获取所述目标车辆达到所述重合区域所耗费的时间；
对于第k个所述目标车辆保持当前车速到达重合区域的时间tb,k存在：
Figure BDA0003811323260000131
式中，α为目标车辆和所述自身车辆之间的夹角，
对于所述自身车辆到达重合区域的时间tb,0存在：
Figure BDA0003811323260000132
式中，
Figure BDA0003811323260000133
为所述自身车辆在t时刻的速度，U0为所述自身车辆当前位置到转向中心线之间的距离，满足：
Figure BDA0003811323260000134
式中，x0为所述自身车辆实时的经度，y0为所述自身车辆实时的纬度，xd为所述转向中心线所在位置的经度，yd为所述转向中心线所在位置的纬度；(转向过程中，车辆按照转向线行驶的情况下)
值得注意的是，所述转向中心线的经纬度根据所述交叉路口的布设情况进行采集，且所述转向中心线的经纬度数据已经存储在所述服务器中；
通过转向评估模块对所述车辆在无信号的交叉路口进行评估，使得所述车辆对无信号交叉路口进行危险检测，以提升所述车辆通过交叉路口的安全性，具有危险预测精准、预警能力强、乘坐舒适性好、危险预测及时的优点。
以上所公开的内容仅为本发明的优选可行实施例，并非因此局限本发明的保护范围，所以凡是运用本发明说明书及附图内容所做的等效技术变化，均包含于本发明的保护范围内，此外，随着技术发展其中的元素可以更新的。

Claims (7)

1.一种基于人工智能的自动驾驶危险预测系统，所述自动驾驶危险预测系统包括服务器，其特征在于，所述自动驾驶危险预测系统还包括预警模块、危险环境采样模块、交互模块，
所述服务器分别与预警模块、危险环境采样模块、交互模块连接；
所述危险环境采样模块用于对车辆的周围环境进行采样，并根据车辆的周围环境进行风险评估，所述交互模块用于对进入交通监控单元的引导区域中的车辆进行交互，所述预警模块根据所述危险环境采样模块的数据触发不同等级的预警信号，以使驾驶员预知当前车辆所在位置的行车危险状态；
所述危险环境采样模块包括环境采样单元、所述交通监控单元、以及分析单元，所述环境采样单元用于对所述车辆的周围环境进行采样，所述交通监控单元用于对行车道上的车流进行监控，以获得所述行车道的车流数据，所述分析单元根据所述环境采样单元的采样数据和所述交通监控单元的监测数据对所述车辆的行车风险进行评估；
所述环境采样单元包括支撑座、设置在所述支撑座上的存储腔、激光雷达、采样探头，所述支撑座用于对所述激光雷达和所述采样探头进行支撑，且所述支撑座设置在所述车辆的上顶部，以获取所述车辆行驶方向、行驶线路周围的环境危险数据，所述激光雷达用于对所述车辆周围环境的障碍物进行检测，所述采样探头用于对所述车辆的行驶环境进行视频数据的采集，其中，所述激光雷达和所述采样探头分别设置在所述存储腔中；
所述分析单元获取设置在观测路段出口和入口的所述交通监控单元的监测数据，并通过图像处理技术分析出当前检测时间段内观测路段的进入的车辆数X、以及离开观测路段的车辆数Y，并根据所述车流数据计算第v路段的车道的拥堵指数Congestionv，所述车道的拥堵指数Congestionv根据下式进行计算：
Figure FDA0003811323250000011
式中，P为交通监控单元的当前观测路段长度，N为观测路段内滞留的车辆数，满足：N＝X-Y；
若第v路段的车道的拥堵指数Congestionv小于设定的拥堵监控阈值，则允许当前所述车辆进行变道；
所述分析单元获取所述激光雷达测得的所述车辆与后侧目标车辆的距离Di、所述车辆与前侧目标车辆的距离为dj，根据下式计算所述车辆变道时间T：
Figure FDA0003811323250000021
式中，V为所述车辆的速度，L为车道的宽度，θ为所述车辆换道时与当前车道水平线所形成的夹角，
所述分析单元计算后侧变道危险指数Path_Change1和前侧变道危险指数Path_Change2：
Path_Change1＝Vi·T-V·cosθ·T-Di
Figure FDA0003811323250000022
式中，Vi为当前车道中在所述车辆的之前的前侧车辆的速度，Vj为所需变道的车道中处于所述车辆的后侧车辆的速度；
若Path_Change1＞0或Path_Change2＞0，所述车辆进行变道存在风险，且后侧变道危险指数Path_Change1和前侧变道危险指数Path_Change2越大，车辆变道产生的风险越高。
2.根据权利要求1所述的一种基于人工智能的自动驾驶危险预测系统，其特征在于，所述交通监控单元包括监控探头、联网子单元和支撑杆，所述监控探头用于对所述行车道的车流状态进行监控，所述支撑杆用于对所述监控探头进行支撑，所述联网子单元用于将所述监控探头所采集的图像数据向所述服务器进行传输；
其中，所述交通监控单元设置在车辆的行车道的路边，并实时对所述行车道的流量进行监控。
3.根据权利要求2所述的一种基于人工智能的自动驾驶危险预测系统，其特征在于，所述预警模块包括预警单元和提示单元，所述预警单元根据所述分析单元的分析结果触发不同等级的预警，所述提示单元根据所述预警单元的预警信号，向乘客或驾驶员进行提示；
所述提示单元包括显示屏、转向构件、可执行程序，所述显示屏设置在所述车辆中，以向所述驾驶员或乘客显示当前的预警信号，所述转向构件对所述显示屏的显示角度进行调整，所述可执行程序在接收到所述预警单元的预警信号后在所述显示屏上显示提示弹窗，以提示所述车辆当前出现的预警信号；
其中，所述显示屏用于对所述预警单元的预警信号进行显示。
4.根据权利要求3所述的一种基于人工智能的自动驾驶危险预测系统，其特征在于，所述交互模块包括交互单元和信号传输单元，所述信号传输单元获取所述分析单元的分析结果后向所述交互单元发出交互信号，所述交互单元接收所述信号传输单元传输的交互信号后，向所述信号传输单元发出交互请求；
其中，所述交互单元设置在所述车辆上。
5.根据权利要求4所述的一种基于人工智能的自动驾驶危险预测系统，其特征在于，所述交互单元包括交互器和交互天线，所述交互器用于向所述信号传输单元发送交互请求，以获取车辆所在路段的车流数据，所述交互天线用于增强所述交互器与所述信号传输单元通信的信号强度；
其中，所述交互器与所述交互天线电连接。
6.根据权利要求5所述的一种基于人工智能的自动驾驶危险预测系统，其特征在于，所述信号传输单元响应所述交互单元的交互请求，并将与所述车辆所在路段相关联的车流数据向所述交互单元进行传输，使所述信号传输单元和所述交互单元上的所述分析单元的分析结果能够同步；
其中，所述交互单元在接收所述分析单元的分析结果后，向所述预警单元和环境采集单元进行传输，以向驾驶员或乘客触发预警信号或危险警告信号。
7.根据权利要求6所述的一种基于人工智能的自动驾驶危险预测系统，其特征在于，所述预警单元发出的预警信号等级包括一般预警、中等预警和高度预警。
CN202211012124.2A 2022-08-23 2022-08-23 一种基于人工智能的自动驾驶危险预测系统 Pending CN115394079A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211012124.2A CN115394079A (zh) 2022-08-23 2022-08-23 一种基于人工智能的自动驾驶危险预测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211012124.2A CN115394079A (zh) 2022-08-23 2022-08-23 一种基于人工智能的自动驾驶危险预测系统

Publications (1)

Publication Number Publication Date
CN115394079A true CN115394079A (zh) 2022-11-25

Family

ID=84120259

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211012124.2A Pending CN115394079A (zh) 2022-08-23 2022-08-23 一种基于人工智能的自动驾驶危险预测系统

Country Status (1)

Country Link
CN (1) CN115394079A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115993257A (zh) * 2023-03-23 2023-04-21 禾多科技（北京）有限公司 自动驾驶系统的可靠性确定方法
CN117014473A (zh) * 2023-09-28 2023-11-07 东莞中科智城软件有限公司 一种基于端云融合技术的智能网联汽车监控系统
CN117208020A (zh) * 2023-11-09 2023-12-12 安徽中科星驰自动驾驶技术有限公司 一种自动驾驶车辆的危险行为评估方法和系统

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115993257A (zh) * 2023-03-23 2023-04-21 禾多科技（北京）有限公司 自动驾驶系统的可靠性确定方法
CN115993257B (zh) * 2023-03-23 2023-05-30 禾多科技（北京）有限公司 自动驾驶系统的可靠性确定方法
CN117014473A (zh) * 2023-09-28 2023-11-07 东莞中科智城软件有限公司 一种基于端云融合技术的智能网联汽车监控系统
CN117014473B (zh) * 2023-09-28 2023-12-19 东莞中科智城软件有限公司 一种基于端云融合技术的智能网联汽车监控系统
CN117208020A (zh) * 2023-11-09 2023-12-12 安徽中科星驰自动驾驶技术有限公司 一种自动驾驶车辆的危险行为评估方法和系统
CN117208020B (zh) * 2023-11-09 2024-02-02 安徽中科星驰自动驾驶技术有限公司 一种自动驾驶车辆的危险行为评估方法和系统

Similar Documents

Publication Publication Date Title
US11287820B1 (en) System and method for predicting behaviors of detected objects through environment representation
CN107077795B (zh) 用于探测车辆周围环境中出现的行驶障碍的辅助系统
US8115652B2 (en) Method and apparatus for vehicle driving guide
US9829889B1 (en) Autonomous vehicle advanced notification system and method of use
US20210158700A1 (en) Intelligent Driving Control Method and Device, and Storage Medium
CN115394079A (zh) 一种基于人工智能的自动驾驶危险预测系统
US8362922B2 (en) Intersection driving support apparatus
CN103562980B (zh) 用于支持机动车的驾驶员的方法
US7424364B2 (en) Method and device for warning a driver of lane departure
US8615357B2 (en) Method for assisting a user of a vehicle, control device for a driver-assistance system of a vehicle and vehicle having such a control device
KR20090125795A (ko) 안전운전 지원장치
CN110329250A (zh) 用于在至少两辆汽车之间交换信息的方法
KR20210008034A (ko) 수동 적외선 보행자 검출 및 회피 시스템
US20120109521A1 (en) System and method of integrating lane position monitoring with locational information systems
US11862018B2 (en) Driving assistance apparatus
CN112606831A (zh) 一种用于客车的防碰撞警示信息对外交互方法及系统
CN115346370B (zh) 基于智能交通的路口防碰撞系统及方法
KR20120002221A (ko) 철도 건널목에서 사고방지를 위한 지능화 시스템 및 열차제동방법
CN115892029A (zh) 一种基于驾驶人注意力评估的汽车智能盲区监测及预警系统
WO2019023747A1 (en) TERRESTRIAL VEHICLE WITHOUT DRIVER
CN116834655A (zh) 危险预警的方法、装置和车辆
CN111223334A (zh) 一种应用于无人驾驶车辆的行人提醒方法及装置
KR20230130949A (ko) 고속 도로 톨게이트를 주행하는 차량 및 그 제어 방법
KR20230155147A (ko) 사각지대 위험 물체에 대응하는 운전자 알림 방법 및 시스템
KR20230171068A (ko) 경로 재탐색 장치 및 방법

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