CN116714544A - 基于预测模型的行人保护控制系统、方法及存储介质 - Google Patents
基于预测模型的行人保护控制系统、方法及存储介质 Download PDFInfo
- Publication number
- CN116714544A CN116714544A CN202310679798.6A CN202310679798A CN116714544A CN 116714544 A CN116714544 A CN 116714544A CN 202310679798 A CN202310679798 A CN 202310679798A CN 116714544 A CN116714544 A CN 116714544A
- Authority
- CN
- China
- Prior art keywords
- collision
- pedestrian
- head
- position information
- automobile
- 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
- 238000000034 method Methods 0.000 title claims abstract description 20
- 238000004364 calculation method Methods 0.000 claims description 18
- 238000003066 decision tree Methods 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000004088 simulation Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 2
- 238000004880 explosion Methods 0.000 abstract description 18
- 230000000694 effects Effects 0.000 abstract description 8
- 238000010586 diagram Methods 0.000 description 5
- 238000007418 data mining Methods 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 241000288113 Gallirallus australis Species 0.000 description 1
- 208000020221 Short stature Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013138 pruning Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R21/00—Arrangements or fittings on vehicles for protecting or preventing injuries to occupants or pedestrians in case of accidents or other traffic risks
- B60R21/01—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents
- B60R21/013—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents including means for detecting collisions, impending collisions or roll-over
- B60R21/0132—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents including means for detecting collisions, impending collisions or roll-over responsive to vehicle motion parameters, e.g. to vehicle longitudinal or transversal deceleration or speed value
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R21/00—Arrangements or fittings on vehicles for protecting or preventing injuries to occupants or pedestrians in case of accidents or other traffic risks
- B60R21/01—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents
- B60R21/013—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents including means for detecting collisions, impending collisions or roll-over
- B60R21/0136—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents including means for detecting collisions, impending collisions or roll-over responsive to actual contact with an obstacle, e.g. to vehicle deformation, bumper displacement or bumper velocity relative to the vehicle
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R21/00—Arrangements or fittings on vehicles for protecting or preventing injuries to occupants or pedestrians in case of accidents or other traffic risks
- B60R21/34—Protecting non-occupants of a vehicle, e.g. pedestrians
- B60R21/36—Protecting non-occupants of a vehicle, e.g. pedestrians using airbags
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R21/00—Arrangements or fittings on vehicles for protecting or preventing injuries to occupants or pedestrians in case of accidents or other traffic risks
- B60R21/34—Protecting non-occupants of a vehicle, e.g. pedestrians
- B60R21/38—Protecting non-occupants of a vehicle, e.g. pedestrians using means for lifting bonnets
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
- G06T7/75—Determining position or orientation of objects or cameras using feature-based methods involving models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- 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
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Air Bags (AREA)
Abstract
本发明涉及汽车安全技术领域,具体为一种基于预测模型的行人保护控制系统、方法及存储介质,其中系统,包括:前碰传感器,用于检测是否发生碰撞,若是,则生成碰撞信号,发送给驾驶辅助系统;驾驶辅助系统,用于识别碰撞目标物是否为行人或两轮车,及行人或两轮车的运动参数,若是,且收到碰撞信号,则将碰撞参数输入ECU中存储的预测模型,进行行人或两轮车的头部碰撞点的碰撞位置预测,并输出预测的碰撞位置信息;ECU,用于根据碰撞位置信息,控制主动机罩顶升器和气囊气体发生器的点爆。本方案能预测头部碰撞点并进行对应的主动机罩和气囊的单路点爆,保障行人保护装置的保护作用不受影响,又节约使用成本,以提升用户的驾驶体验。
Description
技术领域
本发明涉及汽车安全技术领域,具体为一种基于预测模型的行人保护控制系统、方法及存储介质。
背景技术
目前汽车上的行人保护装置主要是主动机罩和气囊。通过汽车前端的碰撞传感器感知碰撞信号,再将碰撞信号发送至ECU模块进行识别,ECU模块识别后生成点爆指令发送给执行器(主动机罩顶升器和气囊气体发生器),进而顶起主动机罩和点爆气囊。在点爆时都是一路信号,即主动机罩顶升器和气囊气体发生器同时点爆。
但是在实际事故中经常存在主动机罩和气囊没有起到实际的作用,比如汽车与行人或者两轮车发生了剐蹭,人体头部未与汽车前部接触而主动机罩和气囊点爆,或者碰撞速度过大,人体头部碰撞直接与风挡玻璃撞击不与主动机罩和气囊接触,而主动机罩和气囊进行了点爆等,不需要点爆主动机罩和气囊,但是点爆了主动机罩和气囊的情况;这会给行人保护装置的维修带来更高的成本,且每次使用行人保护装置都会使用成本,严重影响了用户(驾驶者)的驾驶体验。
因此,现在急需一种基于预测模型的行人保护控制系统、方法及存储介质,能根据头部碰撞点进行主动机罩和气囊的单路点爆,即保障行人保护装置的保护作用不受影响,又节约使用成本,以提升用户的驾驶体验。
发明内容
本发明的目的之一在于提供一种基于预测模型的行人保护控制系统,能预测头部碰撞点并进行对应的主动机罩和气囊的单路点爆,既保障行人保护装置的保护作用不受影响,又节约使用成本,以提升用户的驾驶体验。
本发明提供的基础方案一:基于预测模型的行人保护控制系统,设置在汽车中,包括:驾驶辅助系统、自动紧急制动系统、ECU、前碰传感器、主动机罩顶升器和气囊气体发生器;
自动紧急制动系统,用于获取汽车的碰撞速度;
前碰传感器,设置在汽车前部结构上,用于检测是否发生碰撞,若是,则生成碰撞信号,发送给驾驶辅助系统;
驾驶辅助系统,用于识别碰撞目标物是否为行人或两轮车,及行人或两轮车的运动参数,若是,且收到碰撞信号,则将碰撞信号发送给ECU,并将碰撞参数输入ECU3中存储的预测模型,进行行人或两轮车的头部碰撞点的碰撞位置预测,并输出预测的碰撞位置信息;其中碰撞参数包括:汽车的碰撞速度和运动参数;
ECU,用于根据碰撞位置信息,控制主动机罩顶升器和气囊气体发生器的点爆。
进一步,所述运动参数,包括:行人或两轮车的骑车人的身高、行人或两轮车的移动速度和碰撞方位角。
进一步,所述预测模型,还用于预测发生碰撞后汽车与行人和两轮车的骑车人的头部的碰撞时间;
ECU,还用于根据碰撞时间和碰撞位置信息,在碰撞时间前控制主动机罩顶升器和气囊气体发生器的点爆。
进一步,所述根据碰撞位置信息,控制主动机罩顶升器和气囊气体发生器的点爆,包括:
若碰撞位置信息中头部碰撞点不在汽车前部结构上,则不点爆主动机罩顶升器和气囊气体发生器;
若碰撞位置信息中头部碰撞点在汽车前部结构上,但不在机罩和气囊覆盖区域内,则不点爆主动机罩顶升器和气囊气体发生器;
若碰撞位置信息中头部碰撞点在气囊区域,则点爆气囊气体发生器,展开气囊,不点爆主动机罩顶升器;
若碰撞位置信息中头部碰撞点在机罩区域,则点爆主动机罩顶升器,抬起机罩,不点爆气囊气体发生器。
进一步,所述预测模型的构建,包括:
S1、建立汽车与行人和两轮车的骑车人碰撞的基础模型;
S2、定义碰撞参数及其范围;
S3、根据定义的碰撞参数,在基础模型中进行全因子的自动化仿真计算,生成头部碰撞原始计算信息;
S4、提取头部碰撞原始计算信息,建立头部响应的数据集;
S5、根据定义的碰撞参数和头部响应的数据集,采用决策树算法,构建进行头部碰撞点的碰撞位置预测的预测模型;
S6、采用拉丁超立方在数据集中进行抽样,对预测模型进行验证。
本发明的目的之二在于提供一种基于预测模型的行人保护控制方法,能预测头部碰撞点并进行对应的主动机罩和气囊的单路点爆,既保障行人保护装置的保护作用不受影响,又节约使用成本,以提升用户的驾驶体验。
本发明提供基础方案二:基于预测模型的行人保护控制方法,采用上述基于预测模型的行人保护控制系统,包括如下内容:
监测行人或两轮车的运动参数和汽车的碰撞速度;
检测汽车前部结构是否发生碰撞,以及识别碰撞目标物是否为行人或两轮车,若是,则获取碰撞信号和碰撞参数输入预测模型,进行行人或两轮车的头部碰撞点的碰撞位置预测,并输出预测的碰撞位置信息;其中碰撞参数包括:汽车的碰撞速度和运动参数;
根据碰撞位置信息,控制主动机罩顶升器和气囊气体发生器的点爆。
进一步,所述运动参数,包括:行人或两轮车的骑车人的身高、行人或两轮车的移动速度和碰撞方位角。
进一步,所述根据碰撞位置信息,控制主动机罩顶升器和气囊气体发生器的点爆,包括:
若碰撞位置信息中头部碰撞点不在汽车前部结构上,则不点爆主动机罩顶升器和气囊气体发生器;
若碰撞位置信息中头部碰撞点在汽车前部结构上,但不在机罩和气囊覆盖区域内,则不点爆主动机罩顶升器和气囊气体发生器;
若碰撞位置信息中头部碰撞点在气囊区域,则点爆气囊气体发生器,展开气囊,不点爆主动机罩顶升器;
若碰撞位置信息中头部碰撞点在机罩区域,则点爆主动机罩顶升器,抬起机罩,不点爆气囊气体发生器。
进一步,所述预测模型的构建,包括:
S1、建立汽车与行人和两轮车的骑车人碰撞的基础模型;
S2、定义碰撞参数及其范围;
S3、根据定义的碰撞参数,在基础模型中进行全因子的自动化仿真计算,生成头部碰撞原始计算信息;
S4、提取头部碰撞原始计算信息,建立头部响应的数据集;
S5、根据定义的碰撞参数和头部响应的数据集,采用决策树算法,构建进行头部碰撞点的碰撞位置预测的预测模型;
S6、采用拉丁超立方在数据集中进行抽样,对预测模型进行验证。
本发明的目的之三在于提供一种存储介质,能预测头部碰撞点并进行对应的主动机罩和气囊的单路点爆,既保障行人保护装置的保护作用不受影响,又节约使用成本,以提升用户的驾驶体验。
本发明提供基础方案三:存储介质,所述存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述基于预测模型的行人保护控制方法的步骤。
本方案的有益效果:本方案通过构建的预测模型,结合碰撞信号和碰撞参数,当驾驶辅助系统识别出碰撞目标物是行人或两轮车,且前碰传感器发出碰撞信号时,将行人或者两轮车碰撞参数输入到集成在ECU里面的预测模型系统,进而判断行人或者两轮车的头部碰撞点的碰撞位置信息,根据碰撞位置信息,控制主动机罩顶升器和气囊气体发生器的点爆,从而实现主动机罩和气囊的准确点爆,节约使用成本,且能保护用户的头部。
相比于传统的主动机罩和气囊控制系统,通过预测模型能准确预估行人或者两轮车的骑车人头部在汽车前部的碰撞点位置和碰撞时间,通过碰撞点位置能精准判断是否需要点爆主动机罩和气囊,极大提高了机罩和气囊的保护效果,并减少该系统的使用成本,并且通过预测模型判断碰撞时间,为系统设计提高容限。
综上所述,本方案能预测头部碰撞点并进行对应的主动机罩和气囊的单路点爆,既保障行人保护装置的保护作用不受影响,又节约使用成本,以提升用户的驾驶体验。
附图说明
图1为本发明基于预测模型的行人保护控制系统实施例一的流程示意图;
图2为本发明基于预测模型的行人保护控制系统实施例一的安装位置示意图;
图3为本发明基于预测模型的行人保护控制系统实施例中预测模型的构建的流程示意图;
图4为本发明基于预测模型的行人保护控制系统实施例中汽车模型的示意图;
图5为本发明基于预测模型的行人保护控制系统实施例中行人模型的示意图;
图6为本发明基于预测模型的行人保护控制系统实施例中两轮车模型的示意图;
图7为本发明基于预测模型的行人保护控制系统实施例中碰撞参数的标注示意图;
图8为本发明基于预测模型的行人保护控制系统实施例中预测模型的示意图。
具体实施方式
下面通过具体实施方式进一步详细说明:
说明书附图中的附图标记包括:摄像头1、雷达2、ECU3、主动机罩顶升器4、前碰传感器5、气囊气体发生器6。
实施例一
本实施例基本如附图1所示:基于预测模型的行人保护控制系统,设置在汽车中,包括:驾驶辅助系统、自动紧急制动系统、ECU3、前碰传感器5、主动机罩顶升器4和气囊气体发生器6;上述系统器件的具体安装如图2所述;
自动紧急制动系统,用于获取汽车的碰撞速度;
前碰传感器5,设置在汽车前部结构上,用于检测是否发生碰撞,若是,则生成碰撞信号,发送给驾驶辅助系统;
驾驶辅助系统,用于通过驾驶辅助系统中的摄像头1和雷达2识别碰撞目标物是否为行人或两轮车,及行人或两轮车的运动参数,若是,且收到碰撞信号,则将碰撞信号发送给ECU,并将碰撞参数输入ECU3中存储的预测模型,进行行人或两轮车的头部碰撞点的碰撞位置预测,并输出预测的碰撞位置信息;因为预测模型虽然能进行碰撞位置的预测,但是无法判断当前是否发生碰撞,因此前碰传感器5的设置能通过碰撞信号,传递当前发生碰撞的信息,从而使ECU中的预测模型进行碰撞位置预测;
其中碰撞参数包括:汽车的碰撞速度和运动参数;运动参数,包括:行人或两轮车的骑车人的身高、行人或两轮车的移动速度和碰撞夹角;
其中预测模型的构建,如图3所示,包括:
S1、建立汽车与行人和两轮车的骑车人碰撞的基础模型;
具体地,基于多刚体运动学,建立汽车与行人和两轮车的骑车人碰撞的基础模型;其中基础模型包括:汽车模型、行人模型和两轮车模型;
如图4所示,汽车模型采用多个椭球构建,其前部结构参数中关键的参数,包括:离地间隙H1、发动机罩前沿高度H2、保险杠上端深度L1、发动机罩长度L2、发动机罩角度α1、挡风玻璃角度α2,其前部结构接触特性采用力-变形量方法定义与试验结果一致;
如图5所示,行人模型采用MADYMO软件中自带的模型,行人模型的运动学响应经过了尸体试验验证,不同行人身高的模型可以通过MADYMO软件自带的缩放模块进行设置;
如图6所示,两轮车选取市场上销量最多的踏板式两轮车,进行建模,其把手高度H4、踏板高度H3、座垫高度H5等参数可以进行调节,两轮车重量与重心位置与实际一致;
S2、定义碰撞参数及其范围;
具体地,碰撞参数,包括:汽车的碰撞速度VC、行人的身高Hp、两轮车的骑车人的身高Hm、行人的移动速度Vp,即行人的行走速度、两轮车的移动速度Vtw,即两轮车的行驶速度Vtw、碰撞夹角β,此外碰撞参数还包括:车辆碰撞位置,即车辆与行人或者两轮车相撞的位置,通过前碰传感器5检测,因为前碰传感器5均匀间隔设置在汽车前部结构(车头)上,通过不同的前碰传感器5被触发,从而获取到车辆碰撞位置;碰撞夹角β,如图7所示,其中车辆上的箭头表示车辆行驶方向,车头的三个圆圈表示设置前碰传感器的位置,由上至小,对应为左中右,本实施例中左为碰撞位置,两轮车上的箭头表示两轮车的行驶方向;
碰撞参数可以描述碰撞前的汽车与行人和两轮车的运动状态;
其中各碰撞参数的范围,根据事故统计进行确定,如:VC为30-80km/h(间隔为10km/h),Vtw为5-40km/h(间隔为5km/h),Vp为0-8km/h(间隔为4km/h,描述行人静止站立、匀速行走、跑动三个状态),β为0-135°(间隔为45°,覆盖侧面、迎面、追尾的情况),行人和骑车人的身高为150cm-190cm(间隔为10cm)。
S3、根据定义的碰撞参数,在基础模型中进行全因子的自动化仿真计算,生成头部碰撞原始计算信息;
具体地,根据S2定义的碰撞参数,在S1搭建的基础模型中进行全因子仿真计算,在isight软件中搭建自动化运行流程,通过调取MAMYMO软件的求解器进行运算,生成头部碰撞原始计算信息。
S4、提取头部碰撞原始计算信息,建立头部响应的数据集;
具体地,提取行人和两轮车的骑车人的头部碰撞原始计算信息(以碰撞位置WAD为例),建立头部响应的数据集,将头部碰撞区域WAD划分为三个等级,即低L、中M、高H三个等级,头部碰撞区域具体分类如下:
WAD≤1700mm定义为L区(主动机罩区域);
1700mm<WAD≤2100mm定义为M区(气囊覆盖区域);
WAD>2100mm定义为H区(风挡玻璃和顶盖区域)。
S5、根据定义的碰撞参数和头部响应的数据集,采用决策树算法,构建进行头部碰撞点的碰撞位置预测的预测模型;
具体地,利用S2中定义的碰撞参数(输入)和S4的数据集(输出),采用WEKA(V3.8.3)数据挖掘工作平台,通过J48决策树算法对头部碰撞点的碰撞位置WAD进行数据挖掘,构建头部碰撞点的碰撞位置预测的预测模型。运用决策树算法对WAD数据集的挖掘得到行人和两轮车的骑车人头部响应的预测模型,用于评价模型精度与可靠性的混淆矩阵。以两轮车的骑车人头部在汽车上的碰撞位置(WAD)为例,基于分类等级对数据集进行挖掘,并对所生成的决策树进行剪枝,最终获得头部碰撞点的碰撞区域(WAD)的预测模型如图8所示,该预测模型尺寸为24,即决策点分支/有向边的数量(包括根节点和中间决策点产生);叶节点数量为14,即决策规则数量。以图8中“L1”决策规则为例,该规则经历了四个决策节点,最终分类等级为L,即在该规则下头部碰撞区域小于WAD1700。“L(59/11)”则表示在预测结果为L情形下实际也为L的数量为59个(真阳性),而实际为M或H的数量为11个(假阳性),因此该规则的分类精度为59/(59+11)=84.3%。当“L1”中最后决策节点取值为95th时,预测分类等级将变为M,即图中“M1”所对应的决策规则。此外图8中Size表示两轮车的骑车人的身高,=5th表示矮小身材,=50th表示中等身材,=95th表示高大身材。
S6、采用拉丁超立方在S4的数据集中进行抽样,对预测模型进行验证,若验证通过,则将预测模型存储到ECU3中备用,若验证不通过,则重新执行S5。
ECU3,用于根据碰撞位置信息,控制主动机罩顶升器4和气囊气体发生器6的点爆,具体地,包括:
若碰撞位置信息中头部碰撞点不在汽车前部结构上,则不点爆主动机罩顶升器4和气囊气体发生器6;
若碰撞位置信息中头部碰撞点在汽车前部结构上,但不在机罩和气囊覆盖区域内(例如前风挡上沿、顶盖等),则不点爆主动机罩顶升器4和气囊气体发生器6;
若碰撞位置信息中头部碰撞点在气囊区域,则点爆气囊气体发生器6,展开气囊,不点爆主动机罩顶升器4;
若碰撞位置信息中头部碰撞点在机罩区域,则点爆主动机罩顶升器4,抬起机罩,不点爆气囊气体发生器6。
此外,预测模型,还用于预测发生碰撞后汽车与行人和两轮车的骑车人的头部的碰撞时间;
ECU3,还用于根据碰撞时间和碰撞位置信息,控制主动机罩顶升器4和气囊气体发生器6的点爆,保障在头部碰撞前就完全展开,避免在展开过程中对头部造成的损伤。
实施例二
本实施例提供一种基于预测模型的行人保护控制方法,采用上述基于预测模型的行人保护控制系统,包括如下内容:
监测行人或两轮车的运动参数和汽车的碰撞速度;
检测汽车前部结构是否发生碰撞,以及识别碰撞目标物是否为行人或两轮车,若是,则获取碰撞信号和碰撞参数输入预测模型,进行行人或两轮车的头部碰撞点的碰撞位置预测,并输出预测的碰撞位置信息;其中碰撞参数包括:碰撞速度和运动参数;其中运动参数,包括:行人或两轮车的骑车人的身高、行人或两轮车的移动速度和碰撞方位角;
其中预测模型的构建与上述实施例基本相同,本实施例中不再赘述;
根据碰撞位置信息,控制主动机罩顶升器4和气囊气体发生器6的点爆,包括:
若碰撞位置信息中头部碰撞点不在汽车前部结构上,则不点爆主动机罩顶升器4和气囊气体发生器6;
若碰撞位置信息中头部碰撞点在汽车前部结构上,但不在机罩和气囊覆盖区域内,则不点爆主动机罩顶升器4和气囊气体发生器6;
若碰撞位置信息中头部碰撞点在气囊区域,则点爆气囊气体发生器6,展开气囊,不点爆主动机罩顶升器4;
若碰撞位置信息中头部碰撞点在机罩区域,则点爆主动机罩顶升器4,抬起机罩,不点爆气囊气体发生器6。
此外,预测模型,还用于预测发生碰撞后汽车与行人和两轮车的骑车人的头部的碰撞时间;根据碰撞时间和碰撞位置信息,控制主动机罩顶升器4和气囊气体发生器6的点爆,保障在头部碰撞前就完全展开,避免在展开过程中对头部造成的损伤。
以上所述的仅是本发明的实施例,方案中公知的具体结构及特性等常识在此未作过多描述,所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识,能够获知该领域中所有的现有技术,并且具有应用该日期之前常规实验手段的能力,所属领域普通技术人员可以在本申请给出的启示下,结合自身能力完善并实施本方案,一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出,对于本领域的技术人员来说,在不脱离本发明结构的前提下,还可以作出若干变形和改进,这些也应该视为本发明的保护范围,这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准,说明书中的具体实施方式等记载可以用于解释权利要求的内容。
Claims (10)
1.基于预测模型的行人保护控制系统,设置在汽车中,其特征在于,包括:驾驶辅助系统、自动紧急制动系统、ECU、前碰传感器、主动机罩顶升器和气囊气体发生器;
自动紧急制动系统,用于获取汽车的碰撞速度;
前碰传感器,设置在汽车前部结构上,用于检测是否发生碰撞,若是,则生成碰撞信号,发送给驾驶辅助系统;
驾驶辅助系统,用于识别碰撞目标物是否为行人或两轮车,及行人或两轮车的运动参数,若是,且收到碰撞信号,则将碰撞信号发送给ECU,并将碰撞参数输入ECU中存储的预测模型,进行行人或两轮车的头部碰撞点的碰撞位置预测,并输出预测的碰撞位置信息;其中碰撞参数包括:汽车的碰撞速度和运动参数;
ECU,用于根据碰撞位置信息,控制主动机罩顶升器和气囊气体发生器的点爆。
2.根据权利要求1所述的基于预测模型的行人保护控制系统,其特征在于,所述运动参数,包括:行人或两轮车的骑车人的身高、行人或两轮车的移动速度和碰撞方位角。
3.根据权利要求1所述的基于预测模型的行人保护控制系统,其特征在于,所述预测模型,还用于预测发生碰撞后汽车与行人和两轮车的骑车人的头部的碰撞时间;
ECU,还用于根据碰撞时间和碰撞位置信息,在碰撞时间前控制主动机罩顶升器和气囊气体发生器的点爆。
4.根据权利要求1所述的基于预测模型的行人保护控制系统,其特征在于,所述根据碰撞位置信息,控制主动机罩顶升器和气囊气体发生器的点爆,包括:
若碰撞位置信息中头部碰撞点不在汽车前部结构上,则不点爆主动机罩顶升器和气囊气体发生器;
若碰撞位置信息中头部碰撞点在汽车前部结构上,但不在机罩和气囊覆盖区域内,则不点爆主动机罩顶升器和气囊气体发生器;
若碰撞位置信息中头部碰撞点在气囊区域,则点爆气囊气体发生器,展开气囊,不点爆主动机罩顶升器;
若碰撞位置信息中头部碰撞点在机罩区域,则点爆主动机罩顶升器,抬起机罩,不点爆气囊气体发生器。
5.根据权利要求1所述的基于预测模型的行人保护控制系统,其特征在于,所述预测模型的构建,包括:
S1、建立汽车与行人和两轮车的骑车人碰撞的基础模型;
S2、定义碰撞参数及其范围;
S3、根据定义的碰撞参数,在基础模型中进行全因子的自动化仿真计算,生成头部碰撞原始计算信息;
S4、提取头部碰撞原始计算信息,建立头部响应的数据集;
S5、根据定义的碰撞参数和头部响应的数据集,采用决策树算法,构建进行头部碰撞点的碰撞位置预测的预测模型;
S6、采用拉丁超立方在数据集中进行抽样,对预测模型进行验证。
6.基于预测模型的行人保护控制方法,采用如权利要求1-5任一项所述的基于预测模型的行人保护控制系统,其特征在于,监测行人或两轮车的运动参数和汽车的碰撞速度;
检测汽车前部结构是否发生碰撞,以及识别碰撞目标物是否为行人或两轮车,若是,则获取碰撞信号和碰撞参数输入预测模型,进行行人或两轮车的头部碰撞点的碰撞位置预测,并输出预测的碰撞位置信息;其中碰撞参数包括:汽车的碰撞速度和运动参数;
根据碰撞位置信息,控制主动机罩顶升器和气囊气体发生器的点爆。
7.根据权利要求6所述的基于预测模型的行人保护控制方法,其特征在于,所述运动参数,包括:行人或两轮车的骑车人的身高、行人或两轮车的移动速度和碰撞方位角。
8.根据权利要求6所述的基于预测模型的行人保护控制方法,其特征在于,所述根据碰撞位置信息,控制主动机罩顶升器和气囊气体发生器的点爆,包括:
若碰撞位置信息中头部碰撞点不在汽车前部结构上,则不点爆主动机罩顶升器和气囊气体发生器;
若碰撞位置信息中头部碰撞点在汽车前部结构上,但不在机罩和气囊覆盖区域内,则不点爆主动机罩顶升器和气囊气体发生器;
若碰撞位置信息中头部碰撞点在气囊区域,则点爆气囊气体发生器,展开气囊,不点爆主动机罩顶升器;
若碰撞位置信息中头部碰撞点在机罩区域,则点爆主动机罩顶升器,抬起机罩,不点爆气囊气体发生器。
9.根据权利要求6所述的基于预测模型的行人保护控制方法,其特征在于,所述预测模型的构建,包括:
S1、建立汽车与行人和两轮车的骑车人碰撞的基础模型;
S2、定义碰撞参数及其范围;
S3、根据定义的碰撞参数,在基础模型中进行全因子的自动化仿真计算,生成头部碰撞原始计算信息;
S4、提取头部碰撞原始计算信息,建立头部响应的数据集;
S5、根据定义的碰撞参数和头部响应的数据集,采用决策树算法,构建进行头部碰撞点的碰撞位置预测的预测模型;
S6、采用拉丁超立方在数据集中进行抽样,对预测模型进行验证。
10.存储介质,所述存储介质上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求6-9任一项所述基于预测模型的行人保护控制方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310679798.6A CN116714544A (zh) | 2023-06-08 | 2023-06-08 | 基于预测模型的行人保护控制系统、方法及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310679798.6A CN116714544A (zh) | 2023-06-08 | 2023-06-08 | 基于预测模型的行人保护控制系统、方法及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116714544A true CN116714544A (zh) | 2023-09-08 |
Family
ID=87872813
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310679798.6A Pending CN116714544A (zh) | 2023-06-08 | 2023-06-08 | 基于预测模型的行人保护控制系统、方法及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116714544A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101318497A (zh) * | 2008-07-07 | 2008-12-10 | 奇瑞汽车股份有限公司 | 行人保护装置 |
CN104228754A (zh) * | 2014-09-04 | 2014-12-24 | 浙江吉利控股集团有限公司 | 车辆的发动机罩的控制方法及控制系统 |
CN104842923A (zh) * | 2015-05-20 | 2015-08-19 | 浙江吉利汽车研究院有限公司 | 一种防止行人二次伤害的主动式保护系统及其方法 |
CN111572491A (zh) * | 2020-05-01 | 2020-08-25 | 东风汽车集团有限公司 | 基于场景控制的主动机罩系统 |
CN112277869A (zh) * | 2019-07-26 | 2021-01-29 | 浙江吉利汽车研究院有限公司 | 一种行人保护系统、方法及车辆 |
CN112776746A (zh) * | 2021-01-28 | 2021-05-11 | 浙江吉利控股集团有限公司 | 一种行人保护系统及方法 |
-
2023
- 2023-06-08 CN CN202310679798.6A patent/CN116714544A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101318497A (zh) * | 2008-07-07 | 2008-12-10 | 奇瑞汽车股份有限公司 | 行人保护装置 |
CN104228754A (zh) * | 2014-09-04 | 2014-12-24 | 浙江吉利控股集团有限公司 | 车辆的发动机罩的控制方法及控制系统 |
CN104842923A (zh) * | 2015-05-20 | 2015-08-19 | 浙江吉利汽车研究院有限公司 | 一种防止行人二次伤害的主动式保护系统及其方法 |
CN112277869A (zh) * | 2019-07-26 | 2021-01-29 | 浙江吉利汽车研究院有限公司 | 一种行人保护系统、方法及车辆 |
CN111572491A (zh) * | 2020-05-01 | 2020-08-25 | 东风汽车集团有限公司 | 基于场景控制的主动机罩系统 |
CN112776746A (zh) * | 2021-01-28 | 2021-05-11 | 浙江吉利控股集团有限公司 | 一种行人保护系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7635043B2 (en) | Crash sensor arrangement for controlling deployment of an occupant restraint device | |
US6823244B2 (en) | Vehicle part control system including electronic sensors | |
CN104828005B (zh) | 碰撞检测装置 | |
US7284769B2 (en) | Method and apparatus for sensing a vehicle crash | |
JP2002501459A (ja) | スマートエアバッグシステム | |
CN104709213B (zh) | 用于在大型动物碰撞中保护车辆乘客的设备和方法 | |
US6816766B2 (en) | Continuous collision severity prediction | |
US20130035827A1 (en) | Technique for ensuring safe travel of a vehicle or safety of an occupant therein | |
US20080147280A1 (en) | Method and apparatus for sensing a rollover | |
CN108447308A (zh) | 一种基于车路协同的交叉口车辆碰撞风险预测方法及系统 | |
JPWO2006070865A1 (ja) | 車両運動制御装置 | |
Op den Camp et al. | Cyclist target and test setup for evaluation of cyclist-autonomous emergency braking | |
CN111231971A (zh) | 基于大数据的汽车安全性能分析评价方法及系统 | |
CN115130223A (zh) | 一种基于数据库的行人交通事故损伤预测方法及系统 | |
JP2008247111A (ja) | 車両の衝突安全制御システム | |
Savino et al. | Triggering algorithm based on inevitable collision states for autonomous emergency braking (AEB) in motorcycle-to-car crashes | |
JP2023522131A (ja) | 車両の道路両立性を改善するための安全システム、車両安全システムおよび装置、方法、ならびに媒体 | |
EP3932768A1 (en) | Arithmetic operation device for automobiles | |
Müller et al. | Real-time crash severity estimation with machine learning and 2d mass-spring-damper model | |
JP2024515996A (ja) | 低エネルギー衝撃の衝突検出 | |
Mon | Airbag controller designed by adaptive-network-based fuzzy inference system (ANFIS) | |
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 | |
CN116714544A (zh) | 基于预测模型的行人保护控制系统、方法及存储介质 | |
TWI535601B (zh) | 滑動模式之行駛路徑投票策略模組及其駕駛控制系統與方法 | |
CN115099097A (zh) | 一种基于感知的车辆损伤预测方法、系统、电子设备及车辆 |
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 |