CN117216515A - 基于自动驾驶的安全检测方法、装置以及计算机设备 - Google Patents
基于自动驾驶的安全检测方法、装置以及计算机设备 Download PDFInfo
- Publication number
- CN117216515A CN117216515A CN202311075043.1A CN202311075043A CN117216515A CN 117216515 A CN117216515 A CN 117216515A CN 202311075043 A CN202311075043 A CN 202311075043A CN 117216515 A CN117216515 A CN 117216515A
- Authority
- CN
- China
- Prior art keywords
- data
- vehicle
- braking
- control data
- automatic driving
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 85
- 238000000034 method Methods 0.000 claims abstract description 57
- 230000008859 change Effects 0.000 claims abstract description 36
- 238000012360 testing method Methods 0.000 claims abstract description 36
- 238000004590 computer program Methods 0.000 claims abstract description 25
- 230000009471 action Effects 0.000 claims description 39
- 230000001133 acceleration Effects 0.000 claims description 15
- 230000006399 behavior Effects 0.000 claims description 8
- 230000036772 blood pressure Effects 0.000 claims description 8
- 230000004424 eye movement Effects 0.000 claims description 8
- 231100000430 skin reaction Toxicity 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 6
- 238000013075 data extraction Methods 0.000 claims description 4
- 230000000241 respiratory effect Effects 0.000 claims description 3
- 238000007670 refining Methods 0.000 abstract 1
- 230000008569 process Effects 0.000 description 26
- 230000006870 function Effects 0.000 description 11
- 230000009894 physiological stress Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000011161 development Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000029058 respiratory gaseous exchange Effects 0.000 description 5
- 230000010485 coping Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000008451 emotion Effects 0.000 description 4
- 230000010354 integration Effects 0.000 description 4
- 238000011056 performance test Methods 0.000 description 4
- 230000035488 systolic blood pressure Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000004397 blinking Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000035487 diastolic blood pressure Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000035790 physiological processes and functions Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000035484 reaction time Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000011076 safety test Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000035882 stress Effects 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
Abstract
本申请涉及一种基于自动驾驶的安全检测方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括:获取自动驾驶测试状态下车辆的行驶控制数据、以及车内成员的生理数据;提取行驶控制数据中的刹车制动数据;若刹车制动由自动驾驶系统自动激发,则从刹车制动数据中提取刹车制动速度;若刹车制动速度的最大值小于预设制动速度,则从刹车制动数据中提取刹车时对应的车身振动数据;若车身振动数据表征车辆处于预设车身振动变化区间,则根据生理数据与预设生理紧张指数的对比结果,生成车辆自动驾驶的安全检测结果。方法通过不断细化参数指标,判断自动驾驶的安全检测结果,克服了安全检测结果相对片面的问题,提高了安全检测结果的准确性。
Description
技术领域
本申请涉及自动驾驶技术领域,特别是涉及一种基于自动驾驶的安全检测方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
随着现代科技的发展,智能汽车已成为汽车产业发展的战略发展方向,其中的自动驾驶技术(Autonomous Driving)已成为近年来的研发热点和技术前沿,得到了广泛地发展。
自动驾驶技术通常是基于自动驾驶算法所实现,自动驾驶算法从功能需求获取、功能开发、软件开发、软件集成测试、整车集成测试到最后的量产上路,其中包含了若干个安全性能测试的过程;直至搭载有自动驾驶系统的车辆完全通过安全性能测试,方可进行量产交付。
但是,在传统技术方案中,针对自动驾驶算法或者自动驾驶系统的安全性检测,主要的关注点为自动驾驶的单功能安全性能检测,安全检测的覆盖面较小,所得到的安全检测结果较为片面,准确率相对较低。
发明内容
基于此,有必要针对上述技术问题,提供一种准确性更高的基于自动驾驶的安全检测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面,本申请提供了一种基于自动驾驶的安全检测方法。所述方法包括:
获取自动驾驶测试状态下车辆的行驶控制数据、以及车内成员的生理数据;
提取所述行驶控制数据中的刹车制动数据;
若刹车制动由自动驾驶系统自动激发,则从所述刹车制动数据中提取刹车制动速度;
若所述刹车制动速度的最大值小于预设制动速度,则从所述刹车制动数据中提取刹车时对应的车身振动数据;
若所述车身振动数据表征车辆处于预设车身振动变化区间,则根据所述生理数据与预设生理紧张指数的对比结果,生成车辆自动驾驶的安全检测结果。
在其中一个实施例中,所述获取自动驾驶测试状态下车辆的行驶控制数据,包括:
采集自动驾驶测试状态下车辆所处车道的车道标记、或者车辆轮胎与车道线之间的距离信息,生成车辆行驶的车道信息;
根据所述车道信息,生成自动驾驶测试状态下车辆的行驶状态,所述行驶状态包括直线行驶状态、以及换道行驶状态;
采集所述直线行驶状态下的直线行驶操控数据、以及所述换道行驶状态下的换道行驶操控数据,归集得到自动驾驶测试状态下车辆的行驶控制数据。
在其中一个实施例中,所述采集所述直线行驶状态下的直线行驶操控数据包括:
采集车辆在当前车道内直线行驶时,产生的第一操控数据;
采集当非机动车辆或行人进入当前车道时,产生的第二操控数据;
采集当相邻车道的车辆进入当前车道时,产生的第三操控数据;
将所述第一操控数据、所述第二操控数据、以及所述第三操控数据,归集得到直线行驶操控数据。
在其中一个实施例中,采集换道行驶状态下的换道行驶操控数据包括:
采集车辆在重复换道时,产生的第四操控数据;
采集车辆在道路拥堵时,产生的第五操控数据;
采集车辆在转向行驶时,产生的第六操控数据;
将所述第四操控数据、所述第五操控数据、以及所述第六操控数据,归集得到换道行驶操控数据。
在其中一个实施例中,所述从所述刹车制动数据中提取刹车制动速度包括:
从所述刹车制动数据中提取得到减速刹车行为的动作持续时间;
采集发生所述减速刹车行为时的车辆行驶速度;
根据所述动作持续时间、以及所述车辆行驶速度,计算得到减速刹车行为数据对应的刹车制动速度。
在其中一个实施例中,所述从所述刹车制动数据中提取刹车时对应的车身振动数据包括:
获取车辆在发生减速刹车行为时产生的车身振动固有频率、车身振动加速度、垂直方向振动频率、以及水平方向振动频率。
在其中一个实施中,获取车内成员的生理数据包括:
通过车内传感器采集车内成员的皮肤电反应数据、心率数据、血压数据、呼吸深度数据、以及眼动数据。
第二方面,本申请还提供了一种基于自动驾驶的安全检测装置。所述装置包括:
行驶数据获取模块,用于获取自动驾驶测试状态下车辆的行驶控制数据、以及车内成员的生理数据;
刹车数据提取模块,用于提取所述行驶控制数据中的刹车制动数据;
制动数据获取模块,用于当刹车制动由自动驾驶系统自动激发时,从所述刹车制动数据中提取刹车制动速度;
车身振动提取模块,用于当所述刹车制动速度的最大值小于预设制动速度时,从所述刹车制动数据中提取刹车时对应的车身振动数据;
检测模块,用于当所述车身振动数据表征车辆处于预设车身振动变化区间时,根据所述生理数据与预设生理紧张指数的对比结果,生成车辆自动驾驶的安全检测结果。
第三方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取自动驾驶测试状态下车辆的行驶控制数据、以及车内成员的生理数据;
提取所述行驶控制数据中的刹车制动数据;
若刹车制动由自动驾驶系统自动激发,则从所述刹车制动数据中提取刹车制动速度;
若所述刹车制动速度的最大值小于预设制动速度,则从所述刹车制动数据中提取刹车时对应的车身振动数据;
若所述车身振动数据表征车辆处于预设车身振动变化区间,则根据所述生理数据与预设生理紧张指数的对比结果,生成车辆自动驾驶的安全检测结果。
第四方面,本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质,其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以下步骤:
获取自动驾驶测试状态下车辆的行驶控制数据、以及车内成员的生理数据;
提取所述行驶控制数据中的刹车制动数据;
若刹车制动由自动驾驶系统自动激发,则从所述刹车制动数据中提取刹车制动速度;
若所述刹车制动速度的最大值小于预设制动速度,则从所述刹车制动数据中提取刹车时对应的车身振动数据;
若所述车身振动数据表征车辆处于预设车身振动变化区间,则根据所述生理数据与预设生理紧张指数的对比结果,生成车辆自动驾驶的安全检测结果。
第五方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
获取自动驾驶测试状态下车辆的行驶控制数据、以及车内成员的生理数据;
提取所述行驶控制数据中的刹车制动数据;
若刹车制动由自动驾驶系统自动激发,则从所述刹车制动数据中提取刹车制动速度;
若所述刹车制动速度的最大值小于预设制动速度,则从所述刹车制动数据中提取刹车时对应的车身振动数据;
若所述车身振动数据表征车辆处于预设车身振动变化区间,则根据所述生理数据与预设生理紧张指数的对比结果,生成车辆自动驾驶的安全检测结果。
本申请提供了基于自动驾驶的安全检测方法、装置、计算机设备、存储介质和计算机程序产品,整个方案基于自动驾驶测试状态下的行驶控制数据,首先判断行驶控制数据中的刹车制动数据是否为自动驾驶系统自动激发,对自动驾驶系统是否具备路况应对能力进行安全性检测;然后判断刹车制动速度的最大值小于预设制动速度,对自动驾驶系统对路况应对能力的强弱进行检测;进一步,方案判断刹车时车身振动数据是否处于预设车身振动变化区间,以及车内成员的生理数据是否满足到生理紧张指数而处于紧张的情绪状态,从乘车体验的角度对自动驾驶在应对突发路况时进行检测;方案依次通过刹车制动数据来源、刹车制动速度、车身振动数据、以及生理数据等不同维度参数指标的判断,最终得到自动驾驶的安全检测结果,涵盖了更多的数据要素和内容,有效克服了安全检测结果相对片面的问题,提高了安全检测结果的准确性。
附图说明
图1为一个实施例中基于自动驾驶的安全检测方法的应用环境图;
图2为一个实施例中基于自动驾驶的安全检测方法的流程示意图;
图3为一个实施例中获取车辆行驶控制数据子步骤的流程示意图;
图4为另一个实施例中基于自动驾驶的安全检测方法的流程示意图;
图5为一个实施例中基于自动驾驶的安全检测装置的结构框图;
图6为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供的基于自动驾驶的安全检测方法,可以应用于如图1所示的应用环境中。其中,车载终端102通过移动网络与服务器104进行通信。服务器104中设置有数据存储系统,该数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上,也可以放在云上或其他网络服务器上。需要说明的是,该应用环境是针对车辆的自动驾驶功能或者车载的自动驾驶系统进行安全性测试的环境,在该环境中所获取的车辆行驶数据,包括但不限于实车测试数据以及仿真测试数据等。在该环境中,首先通过向车载终端102下发自动驾驶的控制指令。响应于这一控制指令,车辆将转为自动驾驶,并且在自动驾驶过程中,通过车辆的各类传感器,包括但不限于激光雷达、高清摄影头以及超声波传感器等,获取车辆的行驶控制数据。另外,车辆内部同样可以设置相应的传感器,用于采集车内人员的生理数据。通过各类传感器采集得到的行驶控制数据以及生理数据,都将在车载终端102进行暂存,然后通过车载终端102与服务器104之间的网络通信协议,上传至服务器104。服务器104在获取得到车辆在自动驾驶状态下的行驶控制数据之后,首先将会对行驶控制数据进行初步的筛查,判断在自动驾驶的过程中是否存在因为没有进行减速刹车操作而产生的碰撞行为或碰撞记录;若存在,则判定安全检测不合格。在这之后,服务器104将针对行驶控制数据中刹车制动数据的操作来源进行判断,确定这一操作是否为自动驾驶系统所执行的操作;若否,判断制动驾驶系统的安全检测不合格。若是,则进行下一步地判断,即判断自动驾驶过程中刹车制动速度的最大值是小于预设的制动速度,若否,则判断为安全检测不合格。若是,则进一步判断在刹车过程中,车身所产生的振动,是否处于舒适感受的振动频率范围内,若否,则判断为安全检测不合格。若是,则基于前述获取的车内人员的生理数据,对其情绪状态进行检测;判断其是否处于紧张的情绪状态,若是,则同样认定为安全检测不合格。若否,则判定被测的自动驾驶系统或自动驾驶功通过安全性能检测。进一步补充说明的是,在该应用环境中,服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。需要指出的是,本申请基于自动驾驶的安全检测方法也可以直接应用于车载终端,其具体实现过程与上述应用于服务器104中类似,在此,不再赘述。
在一个实施例中,如图2所示,提供了一种基于自动驾驶的安全检测方法,以该方法应用于图1中的服务器104为例进行说明,包括以下步骤:
步骤202,获取自动驾驶测试状态下车辆的行驶控制数据、以及车内成员的生理数据。
其中,行驶控制数据包括车辆的行驶数据以及自动驾驶系统对车辆下达的控制指令;进一步地,行驶数据包括但不限于车辆的行驶速度、行驶里程、当前位置信息、当前车道信息以及与前后车之间的车距等;控制指令包括但不限于保持直线行驶、加速、减速、变道以及进行灯光控制等。
示例性地,实施例中的车辆设置有激光雷达(Lidar),通过激光雷达使用激光束来扫描周围环境,测量物体的距离和形状。另外,车辆通过激光雷达可以获取高精度的三维点云数据,用于实时获取障碍物、地图定位等信息。车辆可以通过变速箱输入轴转速传感器、以及输出轴转速传感器获取车辆当前的行驶速度。另外,实施例中车载终端可以将自动驾驶系统实时生成的车辆控制指令进行记录保存。然后,车载终端将实时才记得到的车辆周围环境信息、实时车速、以及自动驾驶系统所产生的控制指令内容,通过车载终端与服务器之间的网络通信协议,传输至服务器。
步骤204,提取行驶控制数据中的刹车制动数据。
其中,刹车制动数据是指车辆在完成减速刹车后所产生的数据记录,该数据记录中包括但不限于执行刹车动作时的车速、直至将车辆刹停的动作持续时间、刹车片温度以及刹车距离等数据内容。此外,在实施例的刹车制动数据中还可以记录执行这一刹车操作的指令来源,即减速刹车的控制指令来源于自动驾驶系统或者是驾驶人员;并将这一控制指令的来源信息,与具体的刹车制动的数据记录进行关联。
示例性地,在实施例中,服务器在通过网络通信获取得到自动驾驶测试状态下车辆的行驶控制数据之后,对行驶控制数据进行解析,并通过控制指令的关键字索引的方式,从解析得到的数据内容中,提取得到刹车制动数据。需要说明的是,实施例中在获取并解析行驶控制数据之后,进入到安全检测的第一环节,首先检测行驶控制数据中是否记录有车辆的碰撞剐蹭记录;若无,则直接对行驶控制数据中的刹车制动数据进行提取,并进入到下一环节的安全检测;若有,则是自动驾驶系统未做出减速刹车行为导致碰撞,或者已做出减速刹车行为仍导致碰撞,判定为当前自动驾驶系统未能通过安全检测,需要进一步进行开发调试。
步骤206,若刹车制动由自动驾驶系统自动激发,则从刹车制动数据中提取刹车制动速度。
其中,刹车制动数据包括但不限于车辆的纵向减速度;进一步地,纵向是指在车辆行驶的前后方向,纵向减速度是指在车辆在向前或向后运动过程中所产生的减速度。
示例性地,在实施例中通过步骤204,对自动驾驶系统进行安全控制的基本能力进行检测之后,需要进一步对自动驾驶系统是否能够主动应对复杂路况,并对车辆进行安全控制进行检测。实施例中,在对车辆行驶控制数据中是否存在碰撞记录进行筛查,并提取得到刹车制动数据之后,将进一步判断在刹车制动过程中,是否是由自动驾驶系统主导完成的这一检索刹车动作。具体地,服务器在解析并获得刹车制动数据之后,根据刹车制动数据中减速刹车动作的控制指令来源,判断在减速刹车过程中,是否存在自动驾驶功能无法处理当前路况,并由驾驶员接管的情况。若存在,则判定自动驾驶系统未能通过安全性能检测;若不存在,则需要从刹车制动速度进一步提取得到刹车制动速度,进行下一环节的安全性能检测。在提取得到刹车制动速度的过程中,同样可以采用关键字段的识别以及提取方式,以获得刹车制动速度,即车辆的纵向减速度。
步骤208,若刹车制动速度的最大值小于预设制动速度,则从刹车制动数据中提取刹车时对应的车身振动数据。
其中,预设制动速度是在进行安全性能检测之前所设置的纵向减速度阈值。实施例中的车身振动数据包括但不限于车身振动的固有频率、车身振动的加速度、垂直方向振动频率以及水平方向振动频率等。
示例性地,实施例中在确定了自动驾驶系统能够在无需驾驶员接入的情况下,控制车辆完成减速刹车行为的情况下,将会进一步对减速刹车行为的过程中,针对自动驾驶系统的控制能力进行更为细化的判断,以提高自动驾驶功能在进行车辆控制时的舒适度。具体地,服务器在对刹车制动速度进行解析,并获取之后,对于车辆的行驶控制数据中的同一减速刹车行为,服务器进一步获取因执行该减速刹车行为而产生的车身振动数据。其中,车身振动数据的解析获取,可以是通过对刹车制动速度对应的刹车制动数据中,通过关键字段的索引所解析得到的。而对于车身振动数据的采集,在实施例中,可以通过车辆内置的加速度传感器、惯性测量单元、以及压力传感器等传感器或装置,采集得到车辆的在执行减速刹车动作时产生的车身振动数据。在服务器解析并获取得到了减速刹车动作对应产生的车身振动数据之后,根据预先设置的车身振动的舒适体验区间,判断车身振动数据是否落入在该区间内。若否,则服务器同样判定自动驾驶系统未能通过安全性能测试;若是,在服务器判定自动驾驶能够进行精准的车身控制之后,将进行下一轮的安全性能检测。
步骤210,若车身振动数据表征车辆处于预设车身振动变化区间,则根据生理数据与预设生理紧张指数的对比结果,生成车辆自动驾驶的安全检测结果。
其中,生理数据包括但不限于皮肤电反应数据、脉搏率数据、心率数据、血压数据、相对呼吸深度、以及眼动数据等。生理紧张指数(physiological stress index)是心率、皮温、体温和出汗等生理状态的综合指数,是评价机体反应的指标。
示例性地,在实施例中通过步骤208对车身振动数据进行安全性能检测,并通过检测之后,服务器将基于车内人员,包括驾驶员以及乘客的生理数据进行情绪状态的判断,判断在自动驾驶系统控制车辆在应对路况采取减速制动的控制过程中,驾驶员以及乘客是否处于紧张的情绪状态。具体在实施例中,在通过车内各类传感器采集得到车内人员的生理数据时,将根据同步形成生理数据的时间标记;同时,通过车辆外部的传感器采集并形成行驶控制数据、尤其是刹车制动数据,同样会赋予相应的时间标记。实施例中可以通过判断时间标记是否吻合,从而形成行驶控制数据与车内乘员生理数据之间的关联关系。在存在这一关联关系的情况下,服务器在对行驶控制数据进行解析,得到刹车制动数据之后,根据刹车制动数据的时间标记进行关联性检索,得到与之相对应的车内人员的生理数据。进一步地,根据构建安全性检测的完整程序之前预设的生理紧张指数,与车内人员的生理数据进行比对,当生理数据中的皮肤电反应数据、脉搏率数据、心率数据、血压数据、相对呼吸深度、以及眼动数据均达到了生理紧张指数中对应的指数时,则判定车内人员在自动驾驶系统进行车辆减速制动的控制过程中,处于紧张的生理状态,即自动驾驶系统给车内人员带来的不适的驾驶、乘坐体验。基于这一对比结果,服务器将判定自动驾驶系统未能通过安全性能检测。相反地,若生理数据未能达到生理紧张指数时,则判定车辆的自动驾驶系统顺利通过安全性能检测,能够为车内人员带来安全且舒适的驾驶或乘坐体验。
上述基于自动驾驶的安全检测方法,根据自动驾驶测试状态下的行驶控制数据,首先判断行驶控制数据中的刹车制动数据是否为自动驾驶系统自动激发,对自动驾驶系统是否具备路况应对能力进行安全性检测;然后判断刹车制动速度的最大值小于预设制动速度,对自动驾驶系统对路况应对能力的强弱进行检测;进一步,方法判断刹车时车身振动数据是否处于预设车身振动变化区间,以及车内成员的生理数据是否满足到生理紧张指数而处于紧张的情绪状态,从乘车体验的角度对自动驾驶在应对突发路况时进行检测;方法通过不断细化的参数指标的判断,最终得到自动驾驶的安全检测结果,涵盖了更多的数据要素和内容,有效克服了安全检测结果相对片面的问题,提高了安全检测结果的准确性。
为能够应对更复杂的路况场景,在一个实施例中,如图3所示,获取自动驾驶测试状态下车辆的行驶控制数据包括:
步骤302,采集自动驾驶测试状态下车辆所处车道的车道标记、或者车辆轮胎与车道线之间的距离信息,生成车辆行驶的车道信息。
其中,车道信息用于描述车辆当前行驶的车道。
示例性地,由于在具体的实施场景中,车辆行驶时所面对的路况可能包括变道行驶或者其他更为复杂的行驶状态,因此,服务器在对车辆的自动驾驶系统进行安全性检测时,应当涵盖更多、更复杂的车辆驾驶操作场景。因此,针对行驶控制数据,需要采集不同驾驶操作场景下的控制数据。例如,在针对车辆存在直线行驶以及换道行驶的不同驾驶操作场景,在进行行驶控制数据的采集、整合阶段,首先需要对车辆行驶的车道信息进行采集获取。实施例中可以通过车辆外部的摄像头或者激光雷达等采集设备,采集具体的车道标识、或者采集车辆左右两侧车轮与左右车道线的距离,作为车辆行驶的车道信息。
步骤304,根据车道信息,生成自动驾驶测试状态下车辆的行驶状态,其中,行驶状态包括直线行驶状态、以及换道行驶状态。
示例性地,实施例中在通过基于步骤302所采集得到的车道信息,即车道标识、或者采集车辆左右两侧车轮与左右车道线的距离,进一步判断当前车辆的行驶状态。例如,在预设的时间周期内,所采集得到的车道ID(lane_id)并未产生变化,则可以判定车辆在该时间周期内是维持直线行驶状态。相反地,在预设的时间周期内,车道ID发生了变化,则可以确定车辆在该时间周期内为换道行驶状态。又例如,在预设的时间周期内,判断车辆左右两侧车轮与左右车道线的距离是否超过一半的车道宽度来判断当前行驶车道是否发生变化,从而确定车辆处于直线行驶状态、或者换道行驶状态。
步骤306,采集直线行驶状态下的直线行驶操控数据、以及换道行驶状态下的换道行驶操控数据,归集得到自动驾驶测试状态下车辆的行驶控制数据。
具体地,实施例中可以针对直线行驶状态、或者换道行驶状态下各种由自动驾驶系统所产生的车辆控制指令进行相应的采集。例如,在直线行驶状态下所采集的直线行驶操控数据包括但不限于保持直线行驶时所产生的控制数据、在当前车道中出现非机动车辆突然闯入时所产生的控制数据。实施例中,针对不同行驶状态下,车辆自动驾驶系统所执行的控制操作数据进行采集,并可以直接基于驾驶状态的不同,对不同的控制操作数据赋予对应的状态标签,然后进行整合形成自动驾驶测试状态下车辆的行驶控制数据。而在进行各个轮次的安全性能检测时,能够基于状态标签进行及时的调用,提高了安全检测的效率,同时由于在采集车辆的行驶控制数据时,涵盖了不同状态下的行驶控制数据,也为安全性能检测停供了更全面可靠的数据支持,最终得到的安全检测结果准确性更高。
在一个实施例中,方法中采集直线行驶状态下的直线行驶操控数据的过程,可以包括以下步骤:
步骤一,采集车辆在当前车道内直线行驶时,产生的第一操控数据。
步骤二,采集当非机动车辆或行人进入当前车道时,产生的第二操控数据。
步骤三,采集当相邻车道的车辆进入当前车道时,产生的第三操控数据。
步骤四,将第一操控数据、第二操控数据、以及第三操控数据,归集得到直线行驶操控数据。
示例性地,在对自动驾驶测试状态下车辆的行驶状态判断车辆正处于直线行驶状态时,通过车辆外部设置的摄像头以及激光雷达等采集装置,获取不同的路况信息,并同步获取不同路况信息下车辆的自动驾驶系统所产生的操控数据。例如,自动驾驶系统控制车辆在当前车道内保持直线行驶时,自动驾驶系统所产生的操控数据,又或者,在当前车道内保持直线行驶过程中,前车减速或刹车时自动驾驶系统所产生的操控数据,均可以作为第一操控数据。又例如,车辆在当前车道保持直线行驶过程中,车道前方突然闯入非机动车辆或行人时,自动驾驶系统所产生的操控数据,记作第二操控数据。又例如,车辆在当前车道保持直线行驶过程中,相邻车道中的车辆突然插入至当前车道时,自动驾驶系统所产生的操控数据,记作第三操控数据。在通过三种不同操控数据归集、整合形成的直线行驶操控数据,在进行自动驾驶系统的安全性能检测时,可以正对不同的路况信息,进行安全性能检测,以得到更为细致的安全检测结果。
在一个实施例中,方法中采集换道行驶状态下的换道行驶操控数据的过程,可以包括以下步骤:
步骤一,采集车辆在重复换道时,产生的第四操控数据。
步骤二,采集车辆在道路拥堵时,产生的第五操控数据。
步骤三,采集车辆在转向行驶时,产生的第六操控数据。
步骤四,将第四操控数据、第五操控数据、以及第六操控数据,归集得到换道行驶操控数据。
相类似地,在对自动驾驶测试状态下车辆的行驶状态判断车辆正处于换道行驶操控数据。通过车辆外部设置的摄像头以及激光雷达等采集装置,获取不同的路况信息,并同步获取不同路况信息下车辆的自动驾驶系统所产生的操控数据。例如,在车辆通过不断地换道行驶进行超车时,自动驾驶系统所产生的操控数据,或者在车辆驶入匝道或者驶出匝道时,控制车辆完成并线行驶或者变道行驶时,自动驾驶系统所产生的操控数据,均记作第四操控数据。又例如,在前方出现拥堵,需要进行换道行驶时,自动驾驶系统所产生的操控数据,记作第五操控数据。又例如,在车辆需要进行转向行驶时,自动驾驶系统所产生的操控数据记作第六操控数据。在通过三种不同操控数据归集、整合形成的换道行驶操控数据,在进行自动驾驶系统的安全性能检测时,可以正对不同的路况信息,进行安全性能检测,以得到更为细致的安全检测结果。
在一个实施例中,方法从刹车制动数据中提取刹车制动速度的过程,可以包括以下步骤:
步骤一,从刹车制动数据中提取得到减速刹车行为的动作持续时间。
步骤二,采集发生减速刹车行为时的车辆行驶速度。
步骤三,根据动作持续时间、以及车辆行驶速度,计算得到减速刹车行为数据对应的刹车制动速度。
示例性地,在实施例中,服务器在解析刹车制动数据的过程中,同样是可以基于数据内容的关键字段进行识别索引,得到自动驾驶系统,控制车辆执行刹车减速刹车行为的动作持续时间。并且根据刹车减速刹车行为的数据记录,在车辆的行驶控制数据提取得到车辆执行减速刹车行为时的车辆行驶速度,然后根据加速度计算公式,计算得到车辆在减速刹车时的刹车制动速度,即纵向减速度。例如,实施例中根据加速度的计算公式,计算得到某次车辆减速刹车的过程中,纵向减速度的最大值为5.88m/s2,约等于0.6倍的重力加速度,即0.6g。g=9.78030m/s2。而在实施例中的安全性能检测中的预设制动速度为0.9g,经过对比可以确定车辆刹车制动速度的最大值小于预设制动速度,则服务器判定自动驾驶系统通过当前轮次的安全性能检测,进入到下一轮次的安全性能检测。
在一个实施例中,方法中从刹车制动数据中提取刹车时对应的车身振动数据的过程,可以具体为以下步骤:
获取车辆在发生减速刹车行为时产生的车身振动固有频率、车身振动加速度、垂直方向振动频率、以及水平方向振动频率。
示例性地,实施例中预设的车身振动变化区间包括以下指标:车身振动的固有频率60~80次/min(1-1.6Hz);车身振动的加速度0.2g~0.3g;垂直方向振动频率4~12.5Hz;水平方向振动频率0.5~2Hz。实施例通过车辆内设置的加速度传感器、惯性测量单元以及压力传感器,对自动驾驶系统控制车辆进行减速刹车时,所产生的车身振动数据包括以下内容:车身振动的固有频率为65次/min;车身振动的加速度为0.18g;垂直方向振动频率为5.6Hz;水平方向振动频率为0.43Hz。服务器在将上述车身振动数据与预设的车身振动变化区间进行对比,可以直观地确认,车身振动的加速度,并未落入至预设的车身振动的加速度区间;以及水平方向振动频率也并未带到水平方向振动频率的参数指标。根据对比结果。由于实施例中预设条件为车身正道数据的各项数值,均达到预设车身振动变化区间或指标时,才判定自动驾驶系统未通过安全性能检测。因此,服务器基于前述的对比结果可以判定,自动驾驶系统能够通过安全性能检测。
在一个实施例中,方法中获取车内成员的生理数据的过程,可以具体为以下步骤:
通过车内传感器采集车内成员的皮肤电反应数据、心率数据、血压数据、呼吸深度数据、以及眼动数据。
示例性地,生理紧张指数包括以下内容:皮肤电反应(GSR)在紧张时平均为GSR1248,在惊恐、惊异、惧怕时平均为GSR846;正常心率60至100次/分;正常状态血压参数,收缩压在90到140mmHg,舒张压在60到90mmHg;呼吸次数在平静状态为16~20次/分钟,正常情况下每分钟眨眼的次数在15~20次左右,眨眼的间隔时间为3~5秒。实施例在通过车内设置的传感器,对车内人员进行生理数据采集;以驾驶员为例,所采集得到的皮肤电反应为GSR1248;心率为105次/分;且收缩压达到180mmHg;呼吸次数为30次/分钟;眼动次数25次左右。服务器在获取得到驾驶员的各项生理数据之后,将其与生理紧张指数进行对比,根据对比结果可知,虽然其他生理数据的数值仅仅是略微超出生理紧张指数,但是通过血液参数中的收缩压对比,可以确定驾驶员在对应的时间内,明显处于紧张的状态。故服务器根据对比结果可以判定,驾驶员处于紧张状态,从而认定自动驾驶系统未能通过安全性能测试。
结合说明书附图4,以自动驾驶汽车在当前车道内行驶的场景为例对本申请所提供的基于自动驾驶的安全检测方法的完整实施过程,进行详细的描述如下:
前车减速或刹车时,自动驾驶功能汽车做出减速刹车行为的反应时间,是否能让驾驶员或者乘客感觉到安全,从以下步骤来定义安全感与否:
步骤一,自动驾驶功能未做出减速刹车行为导致碰撞或者已未做出减速刹车行为仍导致碰撞,若是则判定不安全,若否进入步骤二进行判定。
步骤二,自动驾驶功能无法处理这一情况,提示驾驶员接管,若是则判定不安全,若否进入步骤三进行判定。
步骤三,自动驾驶功能汽车做出减速刹车行为的反应时间较短,整个减速刹车过程中纵向减速度的最大值大于等于0.9g,若是则判定不安全,若否进入步骤四进行判定。
步骤四,自动驾驶功能汽车做出减速刹车行为整个过程中,车身测量指标超过以下数值指标,若是则判定不安全,若否进入步骤五进行判定:
A、车身振动的固有频率60~80次/min(1-1.6Hz);
B、车身振动的加速度0.2g~0.3g;
C、垂直方向振动频率4~12.5Hz;
D、水平方向振动频率0.5~2Hz。
步骤五,自动驾驶功能汽车做出减速刹车行为整个过程中,驾驶员和乘客的生理指标多项超过一下的数值指标,如是则判定不安全,若否结束判定,确认自动驾驶功能安全:
A、皮肤电反应(GSR):紧张时平均GSR1248,惊恐、惊异、惧怕时平均GSR846;
B、脉搏率/心率:正常心率60-100次/分;
C、血压:收缩压在90到140mmHg,舒张压在60到90mmHg;
D、相对呼吸深度:呼吸次数,平静状态16~20次/分钟;
E、眼动:正常情况下每分钟眨眼的次数在15~20次左右,眨眼的间隔时间为3~5秒。
另外,在该实施例中,在自动驾驶功能汽车的前方突然出现弱势交通参与者,例如行人、自行车、电动自行车等;可以重复前车减速或刹车时步骤一至步骤六的判定过程。
又或者,在自动驾驶功能汽车相邻车道的车量插入当前车道时,可以重复前车减速或刹车时步骤一至步骤六判定准则。
更进一步地,在自动驾驶汽车换道行驶的场景下,同样可以根据步骤一至步骤六进行安全性判定。
应该理解的是,虽然如上的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的基于自动驾驶的安全检测方法的基于自动驾驶的安全检测装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个基于自动驾驶的安全检测装置实施例中的具体限定可以参见上文中对于基于自动驾驶的安全检测方法的限定,在此不再赘述。
在一个实施例中,如图5所示,提供了一种基于自动驾驶的安全检测装置500,包括:行驶数据获取模块501、刹车数据提取模块502、制动数据获取模块503、车身振动提取模块504和检测模块505,其中:
行驶数据获取模块501,用于获取自动驾驶测试状态下车辆的行驶控制数据、以及车内成员的生理数据;
刹车数据提取模块502,用于提取行驶控制数据中的刹车制动数据;
制动数据获取模块503,用于当刹车制动由自动驾驶系统自动激发时,从刹车制动数据中提取刹车制动速度;
车身振动提取模块504,用于当刹车制动速度的最大值小于预设制动速度时,从刹车制动数据中提取刹车时对应的车身振动数据;
检测模块505,用于当车身振动数据表征车辆处于预设车身振动变化区间时,根据生理数据与预设生理紧张指数的对比结果,生成车辆自动驾驶的安全检测结果。
在一个实施例中,行驶数据获取模块501还用于采集自动驾驶测试状态下车辆所处车道的车道标记、或者车辆轮胎与车道线之间的距离信息,生成车辆行驶的车道信息;根据车道信息,生成自动驾驶测试状态下车辆的行驶状态,行驶状态包括直线行驶状态、以及换道行驶状态;采集直线行驶状态下的直线行驶操控数据、以及换道行驶状态下的换道行驶操控数据,归集得到自动驾驶测试状态下车辆的行驶控制数据。
在一个实施例中,行驶数据获取模块501还用于采集车辆在当前车道内直线行驶时,产生的第一操控数据;采集当非机动车辆或行人进入当前车道时,产生的第二操控数据;采集当相邻车道的车辆进入当前车道时,产生的第三操控数据;将第一操控数据、第二操控数据、以及第三操控数据,归集得到直线行驶操控数据。
在一个实施例中,行驶数据获取模块501还用于采集车辆在重复换道时,产生的第四操控数据;采集车辆在道路拥堵时,产生的第五操控数据;采集车辆在转向行驶时,产生的第六操控数据;将第四操控数据、第五操控数据、以及第六操控数据,归集得到换道行驶操控数据。
在一个实施例中,制动数据获取模块503还用于从刹车制动数据中提取得到减速刹车行为的动作持续时间;采集发生减速刹车行为时的车辆行驶速度;根据动作持续时间、以及车辆行驶速度,计算得到减速刹车行为数据对应的刹车制动速度。
在一个实施例中,车身振动提取模块504还用于获取车辆在发生减速刹车行为时产生的车身振动固有频率、车身振动加速度、垂直方向振动频率、以及水平方向振动频率。
在一个实施例中,检测模块505还用于通过车内传感器采集车内成员的皮肤电反应数据、心率数据、血压数据、呼吸深度数据、以及眼动数据。
上述基于自动驾驶的安全检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图6所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output,简称I/O)和通信接口。其中,处理器、存储器和输入/输出接口通过系统总线连接,通信接口通过输入/输出接口连接到系统总线。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储自动驾驶车辆的行驶数据。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于自动驾驶的安全检测方法。
本领域技术人员可以理解,图6中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,还提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,的计算机程序可存储于一个非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于自动驾驶的安全检测方法,其特征在于,所述方法包括:
获取自动驾驶测试状态下车辆的行驶控制数据、以及车内成员的生理数据;
提取所述行驶控制数据中的刹车制动数据;
若刹车制动由自动驾驶系统自动激发,则从所述刹车制动数据中提取刹车制动速度;
若所述刹车制动速度的最大值小于预设制动速度,则从所述刹车制动数据中提取刹车时对应的车身振动数据;
若所述车身振动数据表征车辆处于预设车身振动变化区间,则根据所述生理数据与预设生理紧张指数的对比结果,生成车辆自动驾驶的安全检测结果。
2.根据权利要求1所述的方法,其特征在于,所述获取自动驾驶测试状态下车辆的行驶控制数据,包括:
采集自动驾驶测试状态下车辆所处车道的车道标记、或者车辆轮胎与车道线之间的距离信息,生成车辆行驶的车道信息;
根据所述车道信息,生成自动驾驶测试状态下车辆的行驶状态,所述行驶状态包括直线行驶状态、以及换道行驶状态;
采集所述直线行驶状态下的直线行驶操控数据、以及所述换道行驶状态下的换道行驶操控数据,归集得到自动驾驶测试状态下车辆的行驶控制数据。
3.根据权利要求2所述的方法,其特征在于,所述采集所述直线行驶状态下的直线行驶操控数据包括:
采集车辆在当前车道内直线行驶时,产生的第一操控数据;
采集当非机动车辆或行人进入当前车道时,产生的第二操控数据;
采集当相邻车道的车辆进入当前车道时,产生的第三操控数据;
将所述第一操控数据、所述第二操控数据、以及所述第三操控数据,归集得到直线行驶操控数据。
4.根据权利要求2所述的方法,其特征在于,采集换道行驶状态下的换道行驶操控数据包括:
采集车辆在重复换道时,产生的第四操控数据;
采集车辆在道路拥堵时,产生的第五操控数据;
采集车辆在转向行驶时,产生的第六操控数据;
将所述第四操控数据、所述第五操控数据、以及所述第六操控数据,归集得到换道行驶操控数据。
5.根据权利要求1所述的方法,其特征在于,所述从所述刹车制动数据中提取刹车制动速度包括:
从所述刹车制动数据中提取得到减速刹车行为的动作持续时间;
采集发生所述减速刹车行为时的车辆行驶速度;
根据所述动作持续时间、以及所述车辆行驶速度,计算得到减速刹车行为数据对应的刹车制动速度。
6.根据权利要求1所述的方法,其特征在于,所述从所述刹车制动数据中提取刹车时对应的车身振动数据包括:
获取车辆在发生减速刹车行为时产生的车身振动固有频率、车身振动加速度、垂直方向振动频率、以及水平方向振动频率。
7.根据权利要求1-6任意一项所述的方法,其特征在于,获取车内成员的生理数据包括:
通过车内传感器采集车内成员的皮肤电反应数据、心率数据、血压数据、呼吸深度数据、以及眼动数据。
8.一种基于自动驾驶的安全检测装置,其特征在于,所述装置包括:
行驶数据获取模块,用于获取自动驾驶测试状态下车辆的行驶控制数据、以及车内成员的生理数据;
刹车数据提取模块,用于提取所述行驶控制数据中的刹车制动数据;
制动数据获取模块,用于当刹车制动由自动驾驶系统自动激发时,从所述刹车制动数据中提取刹车制动速度;
车身振动提取模块,用于当所述刹车制动速度的最大值小于预设制动速度时,从所述刹车制动数据中提取刹车时对应的车身振动数据;
检测模块,用于当所述车身振动数据表征车辆处于预设车身振动变化区间时,根据所述生理数据与预设生理紧张指数的对比结果,生成车辆自动驾驶的安全检测结果。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其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权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311075043.1A CN117216515A (zh) | 2023-08-24 | 2023-08-24 | 基于自动驾驶的安全检测方法、装置以及计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311075043.1A CN117216515A (zh) | 2023-08-24 | 2023-08-24 | 基于自动驾驶的安全检测方法、装置以及计算机设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117216515A true CN117216515A (zh) | 2023-12-12 |
Family
ID=89037916
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311075043.1A Pending CN117216515A (zh) | 2023-08-24 | 2023-08-24 | 基于自动驾驶的安全检测方法、装置以及计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117216515A (zh) |
-
2023
- 2023-08-24 CN CN202311075043.1A patent/CN117216515A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103359120B (zh) | 目标车辆运动分类 | |
CN109885040B (zh) | 一种人机共驾中的车辆驾驶控制权分配系统 | |
US20190023208A1 (en) | Brake prediction and engagement | |
US8849557B1 (en) | Leveraging of behavior of vehicles to detect likely presence of an emergency vehicle | |
CN112180921B (zh) | 自动驾驶算法训练系统及方法 | |
CN111547062B (zh) | 一种自动驾驶控制方法、装置和车辆 | |
CN104730949A (zh) | 自主车辆中的情感型用户界面 | |
CN109815832A (zh) | 行车预警方法及相关产品 | |
CN109421743A (zh) | 用于监控自主车辆的方法和设备 | |
Shirazi et al. | Detection of intoxicated drivers using online system identification of steering behavior | |
CN109544955A (zh) | 一种交通信号灯的状态获取方法及系统 | |
CN105882511A (zh) | 前方车辆行驶状态的提示方法和装置 | |
CN106710267A (zh) | 车辆行驶数据的处理方法与装置 | |
CN105882515A (zh) | 应用于行车记录仪的信息处理方法、装置及行车记录仪 | |
CN109987090A (zh) | 驾驶辅助系统和方法 | |
CN109345512A (zh) | 汽车图像的处理方法、装置及可读存储介质 | |
CN114030475A (zh) | 一种车辆辅助驾驶方法、装置、车辆及存储介质 | |
US20190263419A1 (en) | Autonomous vehicle control by comparative transition prediction | |
CN110758244B (zh) | 一种电动汽车自动防被追尾的方法及其系统 | |
CN106064593A (zh) | 基于驾驶员工作负担调度驾驶员接口任务的系统和方法 | |
JP6694995B1 (ja) | 車線変更評価装置、および車線変更評価方法 | |
CN117216515A (zh) | 基于自动驾驶的安全检测方法、装置以及计算机设备 | |
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 | |
CN115635982A (zh) | 基于驾驶效率与舒适度的自动驾驶方法及系统 | |
Abdi Khojasteh et al. | An intelligent safety system for human-centered semi-autonomous vehicles |
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 |