CN115410414B - 基于碰撞风险预测的高速公路分流区车辆提前警示方法 - Google Patents
基于碰撞风险预测的高速公路分流区车辆提前警示方法 Download PDFInfo
- Publication number
- CN115410414B CN115410414B CN202210987942.8A CN202210987942A CN115410414B CN 115410414 B CN115410414 B CN 115410414B CN 202210987942 A CN202210987942 A CN 202210987942A CN 115410414 B CN115410414 B CN 115410414B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- lane
- deceleration rate
- drac
- madr
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000011144 upstream manufacturing Methods 0.000 claims abstract description 9
- 230000035484 reaction time Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 238000005315 distribution function Methods 0.000 claims description 3
- 238000007726 management method Methods 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
Classifications
-
- 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
- G08G1/01—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
- 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
- G08G1/16—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)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种基于碰撞风险预测的高速公路分流区车辆提前警示方法,包括步骤:S1.获取变道车辆及其相邻车辆的位置信息以及车身状态信息;S2.通过获取的位置信息以及车身状态信息计算可能发生碰撞的车辆不撞上前车的最小减速率DRAC;S3.计算可能发生碰撞的车辆不撞上前车的最小减速率DRAC大于等于可能发生碰撞车辆本车型的最大可能减速率MADR的概率R;S4.当概率R大于设定的概率阈值时,对可能发生碰撞车辆所在位置的上游车辆发出报警信号,进行警示。此方法可更及时的警示上游车辆避免二次事故,即使高碰撞风险车辆没有发生事故,也能对其他车辆起到谨慎驾驶的提醒作用。
Description
技术领域
本发明涉及道路交通领域,尤其涉及一种基于碰撞风险预测的高速公路分流区车辆提前警示方法。
背景技术
伴随着物联网技术、人工智能、大数据分析技术的迅速发展,在线交通监测模式已经在当前城市道路中得到了很好的应用。如加利福尼亚州PeMS系统、弗罗里达511系统、日本VICS系统及北京交通流检测系统。此类在线交通监测系统为解决在途车辆监管提供了技术思路。城市智能交通系统,将传感、通信、计算机、控制等多种技术有机地集成应用于整个管理体系,完成智能高效、准确实时的交通管理系统的构建。
城市交通的先进管理方法也逐渐进入国内高速公路领域。高速公路等管理部门基本都建立了高速公路智能化管理系统/平台。由于隐私性等问题的考虑以及车联网、车路协同系统处于发展的起步阶段,基于车载的车辆状态监控在现阶段无法覆盖向私家车。近年来,高速公路基于路侧门架的交通感知、监控设备的逐步全程覆盖,在分流区等事故频发路段还安装了毫米波雷达等车辆轨迹检测设备。相比于视频,毫米波雷达能够获得监测范围内交通流的微观数据:所有车辆位置、速度和角度。基于此,车辆间碰撞风险能够进行量化。此外,通过视频检测到交通事件发生,然后再通过固定式的信息屏提醒其他驾驶人的传统方法具有滞后性和针对性弱的缺点,容易产生二次事故。
因此,为了解决上述技术问题,亟需提出一种新的技术手段。
发明内容
有鉴于此,本发明提供了一种基于碰撞风险预测的高速公路分流区车辆提前警示方法,可更及时的警示上游车辆避免二次事故,即使高碰撞风险车辆没有发生事故,也能对其他车辆起到谨慎驾驶的提醒作用。
本发明提供的一种基于碰撞风险预测的高速公路分流区车辆提前警示方法,包括步骤:
S1.获取变道车辆及其相邻车辆的位置信息以及车身状态信息;
所述位置信息指变道车辆及其相邻车辆车头中心处位置的坐标;
所述车身状态信息包括:变道车辆及其相邻车辆的车身长度、车身宽度、行驶车速以及变道车辆的转弯角度;
S2.通过获取的位置信息以及车身状态信息计算可能发生碰撞的车辆不撞上前车的最小减速率DRAC;
S3.计算可能发生碰撞的车辆不撞上前车的最小减速率DRAC大于等于可能发生碰撞车辆本车型的最大可能减速率MADR的概率R,表示为:
R=Pr(DRAC≥MADR)
S4.当概率R大于设定的概率阈值时,对可能发生碰撞车辆所在位置的上游车辆发出报警信号,进行警示。
进一步,所述步骤S2,可能发生碰撞车辆不撞上前车的最小减速率DRAC的计算方法为:
可能与前车发生碰撞的车辆有变道车辆n、处于变道车辆n变道前所处车道并与变道车辆n紧邻的后方车辆n+1、处于变道车辆n变道目标车道并与变道车辆n紧邻的后方车辆k;
所述车辆n+1不撞上前车的最小减速率计算方法为:
其中,DRACn+1(t)为t时刻车辆n+1不撞上前车的最小减速率,W为两车道中心线之间的距离,wn、wn+1分别为车辆n、车辆n+1的车身宽度,ln为车辆n的车身长度,θn为车辆n的转弯角度,n-1表示处于变道车辆n变道前所处车道并与变道车辆n紧邻的前方车辆,yn、yn-1(t)分别为t时刻车辆n、车辆n-1车头中心处位置的纵坐标;
其中,分别为:
其中,vn-1(t)、vn(t)、vn+1(t)分别为t时刻车辆n-1、车辆n、车辆n+1的行驶速度,xn-1(t)、xn(t)、xn+1(t)分别为t时刻车辆n-1、车辆n、车辆n+1车头中心处位置的横坐标,ln-1为车辆n-1的车身长度,为车辆n+1驾驶员的反应时间;
所述车辆k不撞上前车的最小减速率计算方法为:
其中,DRACk(t)为t时刻车辆k不撞上前车的最小减速率,yk(t)为t时刻车辆k车头中心处位置的纵坐标,wk为车辆k的车身宽度;
其中,分别为:
其中,k-1表示处于变道车辆n变道目标车道上并与变道车辆n紧邻的前方车辆,vk-1(t)、vk(t)分别为t时刻车辆k-1、车辆k的行驶速度,xk-1(t)、xk(t)分别为t时刻车辆k-1、车辆k车头中心处位置的横坐标,lk-1为车辆k-1的车身长度,为车辆k驾驶员的反应时间;
所述车辆n不撞上前车的最小减速率计算方法为:
如果则
否则
其中,wn-1、wk-1分别为车辆n-1、车辆k-1的车身宽度,yk-1(t)为t时刻车辆k-1车头中心处位置的纵坐标;
其中,分别为:
其中,为车辆n驾驶员的反应时间。
进一步,所述步骤S3中,可能发生碰撞的车辆不撞上前车的最小减速率DRAC大于等于可能发生碰撞车辆的最大可能减速率MADR的概率R的计算方法为:
其中,DRACM(t)为t时刻车辆M不撞上前车的最小减速率,M={n,k,n+1},RM(t)为t时刻车辆M的DRACM(t)>MADRM(t)的概率,MADRM(t)为t时刻车辆M的最大可能减速率,MADRM(t)服从截断正态分布,并且对于不同车型取值不同,f(x;μ,δ,a,b)为MADRM(t)的概率密度函数,x为自变量MADRM(t),μ、δ为截断正态分布中的参数,分别表示均值和标准差,a、b分别表示MADRM(t)的下限值和上限值;
所述的概率密度函数
其中,为标准正态分布,/>为标准正态分布的累积分布函数。
本发明有以下有益效果:
本发明通过计算可能发生碰撞车辆不撞上前车的最小减速率大于等于可能发生碰撞车辆最大可能减速率的概率来分析碰撞发生的可能性,并且不单单对变道车辆进行了分析,还考虑了变道车辆紧邻车辆的碰撞风险,对风险预估更为准确,判断了碰撞风险后,能够及时对上游车辆进行警示,避免二次事故,即使高碰撞风险车辆没有发生事故,也能对其他车辆起到谨慎驾驶的提醒作用。
附图说明
下面结合附图和实施例对本发明作进一步描述:
图1为基于碰撞风险预测的高速公路分流区车辆提前警示方法流程图;
图2为高速公路分流区车辆分布示意图;
图3为车辆最大可能减速率MADR的概率密度函数图像。
具体实施方式
本发明提供了一种基于碰撞风险预测的高速公路分流区车辆提前警示方法,包括步骤:
S1.获取变道车辆及其相邻车辆的位置信息以及车身状态信息;
所述位置信息指变道车辆及其相邻车辆车头中心处位置的坐标;
所述车身状态信息包括:变道车辆及其相邻车辆的车身长度、车身宽度、行驶车速以及变道车辆的转弯角度;
S2.通过获取的位置信息以及车身状态信息计算可能发生碰撞的车辆不撞上前车的最小减速率DRAC;
S3.计算可能发生碰撞的车辆不撞上前车的最小减速率DRAC大于等于可能发生碰撞车辆本车型的最大可能减速率MADR的概率R,表示为:
R=Pr(DRAC≥MADR)
S4.当概率大于设定的概率阈值时,对可能发生碰撞车辆所在位置的上游车辆发出报警信号,进行警示。
本实施例中,所述步骤S1中变道车辆的相邻车辆,指处于变道车辆变道前所处车道上并与变道车辆紧邻的前方和后方车辆,以及处于变道车辆目标车道上并与变道车辆紧邻的前方车辆和后方车辆;所述与变道车辆紧邻的前方和后方车辆指与变道车辆距离最近的前方车辆和后方车辆。
本实施例中,建立的坐标系如图2中所示。
本实施例中,所述步骤S2,可能发生碰撞车辆不撞上前车的最小减速率DRAC的计算方法为:
可能与前车发生碰撞的车辆有变道车辆n、处于变道车辆n变道前所处车道并与变道车辆n紧邻的后方车辆n+1、处于变道车辆n变道目标车道并与变道车辆n紧邻的后方车辆k;
所述车辆n+1不撞上前车的最小减速率计算方法为:
其中,DRACn+1(t)为t时刻车辆n+1不撞上前车的最小减速率,W为两车道中心线之间的距离,wn、wn+1分别为车辆n、车辆n+1的车身宽度,ln为车辆n的车身长度,θn为车辆n的转弯角度,n-1表示处于变道车辆n变道前所处车道并与变道车辆n紧邻的前方车辆,yn、yn-1(t)分别为t时刻车辆n、车辆n-1车头中心处位置的纵坐标;
其中,分别为:
其中,vn-1(t)、vn(t)、vn+1(t)分别为t时刻车辆n-1、车辆n、车辆n+1的行驶速度,xn-1(t)、xn(t)、xn+1(t)分别为t时刻车辆n-1、车辆n、车辆n+1车头中心处位置的横坐标,ln-1为车辆n-1的车身长度,为车辆n+1驾驶员的反应时间;
所述车辆k不撞上前车的最小减速率计算方法为:
其中,DRACk(t)为t时刻车辆k不撞上前车的最小减速率,yk(t)为t时刻车辆k车头中心处位置的纵坐标,wk为车辆k的车身宽度;
其中,分别为:
其中,k-1表示处于变道车辆n变道目标车道上并与变道车辆n紧邻的前方车辆,vk-1(t)、vk(t)分别为t时刻车辆k-1、车辆k的行驶速度,xk-1(t)、xk(t)分别为t时刻车辆k-1、车辆k车头中心处位置的横坐标,lk-1为车辆k-1的车身长度,为车辆k驾驶员的反应时间;
所述车辆n不撞上前车的最小减速率计算方法为:
如果则
否则
其中,wn-1、wk-1分别为车辆n-1、车辆k-1的车身宽度,yk-1(t)为t时刻车辆k-1车头中心处位置的纵坐标;
其中,分别为:
其中,为车辆n驾驶员的反应时间。
本实施例中,所述步骤S3中,可能发生碰撞的车辆不撞上前车的最小减速率DRAC大于等于可能发生碰撞车辆的最大可能减速率MADR的概率R的计算方法为:
其中,DRACM(t)为t时刻车辆M不撞上前车的最小减速率,M={n,k,n+1},RM(t)为t时刻车辆M的DRACM(t)>MADRM(t)的概率,MADRM(t)为t时刻车辆M的最大可能减速率,MADRM(t)服从截断正态分布,并且对于不同车型取值不同,f(x;μ,δ,a,b)为MADRM(t)的概率密度函数,其函数图像如图3,RM(t)为图中阴影部分的面积,x为自变量MADRM(t),μ、δ为截断正态分布中的参数,分别表示均值和标准差,a、b分别表示MADRM(t)的下限值和上限值;
所述的概率密度函数
其中,为标准正态分布,/>为标准正态分布的累积分布函数。
本实施例中,在路面干燥的情况下,不同车型的MADR的参数如下表所示:
本实施例中,所述步骤S4,概率R越大,表示碰撞的风险越高,设定的概率阈值为30%,当概率大于30%时,有高碰撞风险,当上游车辆到达高碰撞风险车辆所在位置前200米处时,对上游车辆发出报警信号,对车辆进行警示。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (2)
1.一种基于碰撞风险预测的高速公路分流区车辆提前警示方法,其特征在于:包括步骤:
S1.获取变道车辆及其相邻车辆的位置信息以及车身状态信息;
所述位置信息指变道车辆及其相邻车辆车头中心处位置的坐标;
所述车身状态信息包括:变道车辆及其相邻车辆的车身长度、车身宽度、行驶车速以及变道车辆的转弯角度;
S2.通过获取的位置信息以及车身状态信息计算可能发生碰撞的车辆不撞上前车的最小减速率DRAC;
S3.计算可能发生碰撞的车辆不撞上前车的最小减速率DRAC大于等于可能发生碰撞车辆的最大可能减速率MADR的概率R,表示为:
R=Pr(DRAC≥MADR)
S4.当概率R大于设定的概率阈值时,对可能发生碰撞车辆所在位置的上游车辆发出报警信号,进行警示;
所述步骤S2,可能发生碰撞车辆不撞上前车的最小减速率DRAC的计算方法为:
可能与前车发生碰撞的车辆有变道车辆n、处于变道车辆n变道前所处车道并与变道车辆n紧邻的后方车辆n+1、处于变道车辆n变道目标车道并与变道车辆n紧邻的后方车辆k;
所述车辆n+1不撞上前车的最小减速率计算方法为:
其中,DRACn+1(t)为t时刻车辆n+1不撞上前车的最小减速率,W为两车道中心线之间的距离,wn、wn+1分别为车辆n、车辆n+1的车身宽度,ln为车辆n的车身长度,θn为车辆n的转弯角度,n-1表示处于变道车辆n变道前所处车道并与变道车辆n紧邻的前方车辆,yn、yn-1(t)分别为t时刻车辆n、车辆n-1车头中心处位置的纵坐标;
其中,分别为:
其中,vn-1(t)、vn(t)、vn+1(t)分别为t时刻车辆n-1、车辆n、车辆n+1的行驶速度,xn-1(t)、xn(t)、xn+1(t)分别为t时刻车辆n-1、车辆n、车辆n+1车头中心处位置的横坐标,ln-1为车辆n-1的车身长度,为车辆n+1驾驶员的反应时间;
所述车辆k不撞上前车的最小减速率计算方法为:
其中,DRACk(t)为t时刻车辆k不撞上前车的最小减速率,yk(t)为t时刻车辆k车头中心处位置的纵坐标,wk为车辆k的车身宽度;
其中,分别为:
其中,k-1表示处于变道车辆n变道目标车道上并与变道车辆n紧邻的前方车辆,vk-1(t)、vk(t)分别为t时刻车辆k-1、车辆k的行驶速度,xk-1(t)、xk(t)分别为t时刻车辆k-1、车辆k车头中心处位置的横坐标,lk-1为车辆k-1的车身长度,为车辆k驾驶员的反应时间;
所述车辆n不撞上前车的最小减速率计算方法为:
如果则
否则
其中,wn-1、wk-1分别为车辆n-1、车辆k-1的车身宽度,yk-1(t)为t时刻车辆k-1车头中心处位置的纵坐标;
其中,分别为:
其中,为车辆n驾驶员的反应时间。
2.根据权利要求1所述的基于碰撞风险预测的高速公路分流区车辆提前警示方法,其特征在于:所述步骤S3中,可能发生碰撞的车辆不撞上前车的最小减速率DRAC大于等于可能发生碰撞车辆的最大可能减速率MADR的概率R的计算方法为:
其中,DRACM(t)为t时刻车辆M不撞上前车的最小减速率,M={n,k,n+1},RM(t)为t时刻车辆M的DRACM(t)>MADRM(t)的概率,MADRM(t)为t时刻车辆M的最大可能减速率,MADRM(t)服从截断正态分布,并且对于不同车型取值不同,f(x;μ,δ,a,b)为MADRM(t)的概率密度函数,x为自变量MADRM(t),μ、δ为截断正态分布中的参数,分别表示均值和标准差,a、b分别表示MADRM(t)的下限值和上限值;
所述的概率密度函数
其中,为标准正态分布,/>为标准正态分布的累积分布函数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210987942.8A CN115410414B (zh) | 2022-08-17 | 2022-08-17 | 基于碰撞风险预测的高速公路分流区车辆提前警示方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210987942.8A CN115410414B (zh) | 2022-08-17 | 2022-08-17 | 基于碰撞风险预测的高速公路分流区车辆提前警示方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115410414A CN115410414A (zh) | 2022-11-29 |
CN115410414B true CN115410414B (zh) | 2023-09-26 |
Family
ID=84159335
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210987942.8A Active CN115410414B (zh) | 2022-08-17 | 2022-08-17 | 基于碰撞风险预测的高速公路分流区车辆提前警示方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115410414B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20140066301A (ko) * | 2012-11-23 | 2014-06-02 | 현대엠엔소프트 주식회사 | 차선 변경 차량과 충돌 사고 방지 시스템 및 그 방법 |
CN111243338A (zh) * | 2020-02-12 | 2020-06-05 | 南京理工大学 | 基于车辆加速度的碰撞风险评价方法 |
CN114724409A (zh) * | 2022-06-08 | 2022-07-08 | 浙江高信技术股份有限公司 | 一种用于高速公路分流区的预警方法、服务器及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102659054B1 (ko) * | 2018-12-07 | 2024-04-22 | 현대자동차주식회사 | 차량의 주행 제어 장치 및 그 방법 |
-
2022
- 2022-08-17 CN CN202210987942.8A patent/CN115410414B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20140066301A (ko) * | 2012-11-23 | 2014-06-02 | 현대엠엔소프트 주식회사 | 차선 변경 차량과 충돌 사고 방지 시스템 및 그 방법 |
CN111243338A (zh) * | 2020-02-12 | 2020-06-05 | 南京理工大学 | 基于车辆加速度的碰撞风险评价方法 |
CN114724409A (zh) * | 2022-06-08 | 2022-07-08 | 浙江高信技术股份有限公司 | 一种用于高速公路分流区的预警方法、服务器及系统 |
Non-Patent Citations (1)
Title |
---|
基于不同驾驶行为的高速公路运行风险分析及对策研究;卢欢欢;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;C034-758 * |
Also Published As
Publication number | Publication date |
---|---|
CN115410414A (zh) | 2022-11-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11113961B2 (en) | Driver behavior monitoring | |
CN107346612B (zh) | 一种基于车联网的车辆防碰撞方法和系统 | |
CN109559532B (zh) | 高速公路出口分流区车路协同安全预警控制方法 | |
CN113593273B (zh) | 一种基于v2i通信的无信号控制道路交叉口碰撞预警方法 | |
CN111361557B (zh) | 一种重型卡车转弯时对于碰撞事故发生的预警方法 | |
Nobe et al. | An overview of recent developments in automated lateral and longitudinal vehicle controls | |
CN113192331B (zh) | 一种网联环境下面向骑行安全的智能预警系统及预警方法 | |
CN113147733B (zh) | 雨雾沙尘天气汽车智能限速系统及方法 | |
CN114454878B (zh) | 车速控制模型训练样本的确定方法及装置 | |
CN110428621A (zh) | 一种基于轨迹数据的浮动车危险驾驶行为监测与预警方法 | |
CN112026761A (zh) | 一种基于数据共享的汽车辅助驾驶方法 | |
WO2022213542A1 (zh) | 基于激光雷达和轨迹预测的信控交叉口清空方法和系统 | |
Sivaraman et al. | Merge recommendations for driver assistance: A cross-modal, cost-sensitive approach | |
CN106428003B (zh) | 不良天气下高速公路车辆偏离车道的预警装置及方法 | |
CN112109720B (zh) | 一种公交车驾驶人情绪监测与预测系统及方法 | |
Wakasugi | A study on warning timing for lane change decision aid systems based on driver’s lane change maneuver | |
CN113879211B (zh) | 预防渣土车右转过程与非机动车发生冲突的提醒方法及系统 | |
CN104136281A (zh) | 行驶控制装置以及行驶控制方法 | |
CN115410414B (zh) | 基于碰撞风险预测的高速公路分流区车辆提前警示方法 | |
CN113119945A (zh) | 一种基于环境模型的汽车高级辅助驾驶系统 | |
CN117079465A (zh) | 一种用于高速公路的行驶车辆安全预警方法与系统 | |
CN115424474B (zh) | 一种基于v2x和rsu的左转辅助预警方法 | |
CN115346370B (zh) | 基于智能交通的路口防碰撞系统及方法 | |
CN113830084B (zh) | 基于多车道车辆主动避撞的控制方法及车辆 | |
JPH102954A (ja) | レーダ装置及び先行車識別方法 |
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 |