CN117601859A - 一种用于防止车辆发生碰撞的预警系统及方法 - Google Patents
一种用于防止车辆发生碰撞的预警系统及方法 Download PDFInfo
- Publication number
- CN117601859A CN117601859A CN202410086036.XA CN202410086036A CN117601859A CN 117601859 A CN117601859 A CN 117601859A CN 202410086036 A CN202410086036 A CN 202410086036A CN 117601859 A CN117601859 A CN 117601859A
- Authority
- CN
- China
- Prior art keywords
- data
- vehicle
- module
- collision
- early warning
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000000605 extraction Methods 0.000 claims abstract description 22
- 230000004927 fusion Effects 0.000 claims abstract description 22
- 230000008569 process Effects 0.000 claims abstract description 15
- 230000007613 environmental effect Effects 0.000 claims description 35
- 238000012549 training Methods 0.000 claims description 28
- 238000005457 optimization Methods 0.000 claims description 16
- 238000007781 pre-processing Methods 0.000 claims description 16
- 230000001133 acceleration Effects 0.000 claims description 15
- 230000008447 perception Effects 0.000 claims description 12
- 238000012795 verification Methods 0.000 claims description 8
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 230000003044 adaptive effect Effects 0.000 claims description 5
- 239000012535 impurity Substances 0.000 claims description 5
- 238000012544 monitoring process Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000003860 storage Methods 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000007499 fusion processing Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/095—Predicting travel path or likelihood of collision
- B60W30/0953—Predicting travel path or likelihood of collision the prediction being responsive to vehicle dynamic parameters
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/095—Predicting travel path or likelihood of collision
- B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/0098—Details of control systems ensuring comfort, safety or stability not otherwise provided for
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0019—Control system elements or transfer functions
- B60W2050/0028—Mathematical models, e.g. for simulation
- B60W2050/0031—Mathematical model of the vehicle
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0043—Signal treatments, identification of variables or parameters, parameter estimation or state estimation
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
- B60W2520/105—Longitudinal acceleration
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/12—Lateral speed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/12—Lateral speed
- B60W2520/125—Lateral acceleration
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
- B60W2554/80—Spatial relation or speed relative to objects
- B60W2554/803—Relative lateral speed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
- B60W2554/80—Spatial relation or speed relative to objects
- B60W2554/804—Relative longitudinal speed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2556/00—Input parameters relating to data
- B60W2556/10—Historical data
-
- 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)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种用于防止车辆发生碰撞的预警系统及方法,属于车辆安全技术领域。本发明的预警系统包括,环境感知模块,用于获取目标车辆当前位置的环境信息数据,特征提取与融合模块,用于得到所述目标车辆的环境感知数据,碰撞风险建模与预测模块,用于基于所述预测模型根据所述环境感知数据,预测出目标车辆在当前位置以及当前位置与目的地间道路的碰撞风险,所述碰撞预警模块用于,确定所述碰撞风险的风险等级,基于风险等级发出不同的预警信号。本发明可以提前针对行驶的车辆,预测出车辆在行驶过程中潜在的碰撞风险,以发出预警信号,能够有效的避免车辆发生碰撞风险,降低了车辆事故的风险,保证了车辆在行驶过程中的安全性。
Description
技术领域
本发明涉及车辆安全技术领域,并且更具体地,涉及一种用于防止车辆发生碰撞的预警系统及方法。
背景技术
随着汽车的普及,公路上的汽车越来越多,随之而来的是公路上频发交通事故;
但目前汽车防碰撞预测技术方法等,对障碍物的目标检测速度过慢,难以在车载设备上达到实时检测的要求,而能满足实时性的防碰撞装置又普遍精度过低,且误报率较高。
发明内容
针对上述问题,本发明提出了一种用于防止车辆发生碰撞的预警系统,包括:环境感知模块、特征提取与融合模块、碰撞风险建模与预测模块和碰撞预警模块;
所述环境感知模块,用于获取目标车辆当前位置的环境信息数据;
所述特征提取与融合模块,用于对所述环境信息数据进行预处理,得到目标数据,提取出所述目标数据中的特征信息,将所述特征信息与所述目标车辆当前时刻以及当前位置的行驶信息数据进行融合,以得到所述目标车辆的环境感知数据;
所述碰撞风险建模与预测模块,用于根据与车辆碰撞相关的历史数据,建立用于预测车辆碰撞风险的预测模型,基于所述预测模型根据所述环境感知数据,预测出目标车辆在当前位置以及当前位置与目的地间道路的碰撞风险;
所述碰撞预警模块,用于确定所述碰撞风险的风险等级,以基于风险等级发出不同的预警信号。
可选的,环境信息数据,包括但不限于以下至少任一项:所述目标车辆当前位置的目标范围内包含的车辆的车辆数据,所述目标车辆当前位置与目的位置间道路的路况数据;
所述车辆数据包括但不限于以下至少任一项:目标范围内的车辆数量,车辆的相对速度,相对加速度;
所述路况数据包括但不限于以下至少任一项:交通标志,道路拥堵数据。
可选的,特征提取与融合模块对所述环境信息数据进行预处理,包括:
对所述环境信息数据进行去噪处理,并针对去噪处理后的环境信息数据进行异常数据的剔除、去重和补全处理。
可选的,特征提取与融合模块提取出的目标数据中的特征信息,包括但不限于以下至少任一项:目标范围内的车辆数量、车辆的相对速度和相对加速度,目标车辆当前位置与目的位置间道路的交通标志和道路拥堵状况。
可选的,行驶信息数据,包括但不限于以下至少任一项:所述目标车辆的行驶速度和行驶加速度。
可选的,特征提取与融合模块将所述特征信息与所述目标车辆当前时刻的行驶信息数据进行融合,包括:将目标车辆当前时刻以及当前位置的行驶信息数据与当前时刻的特征信息,以预设的组合方式进行组合。
可选的,碰撞风险建模与预测模块,用于根据与车辆碰撞相关的历史数据,建立用于预测车辆碰撞风险的预测模型,包括:
对所述与车辆碰撞相关的历史数据,进行预处理,以去除所述与车辆碰撞相关的历史数据中的杂质数据和重复数据,并补全所述与车辆碰撞相关的历史数据中的缺失数据,得到目标历史数据;
提取所述目标历史数据中的特征数据,将所述特征数据以预设的组合方式进行组合,得到用于训练所述预测模型的训练数据;
将所述训练数据以预设的比例进行划分,得到训练集和验证集;
将所述训练集作为向量机网络的输入数据,将发生碰撞的风险值作为所述向量机网络的输出数据,将所述输入数据和所述输出数据同时输入至所述向量机网络进行训练,得到初始预测模型;
将所述验证集输入至所述初始预测模型,对所述初始预测模型进行校验,获取输出结果;
若所述输出结果与所述发生碰撞的风险值的误差值满足预设要求,则将得到的初始预测模型作为训练完成的预测模型;
若所述输出结果与所述发生碰撞风险值的误差值不满足预设要求,则对所述初始预测模型的模型参数进行调整,直到输出结果与所述发生碰撞的风险值的误差值满足预设要求。
可选的,碰撞预警模块,包括:决策支持子模块;
所述决策支持子模块,用于实时获取目标车辆当前时刻以及当前位置的车辆行驶状态,根据所述目标车辆当前时刻以及当前位置的车辆行驶状态,以及所述碰撞预警模块发出的预警信号,制定目标车辆当前时刻以及当前位置的行驶状态和行驶路线,并实时监控所述目标车辆行驶过程的行驶状态和行驶路线,若所述目标车辆行驶过程的行驶状态和行驶路线,不符合制定的目标车辆当前时刻以及当前位置的行驶状态和行驶路线的限制要求,则发出警告;
当所述目标车辆符合制定的目标车辆当前时刻以及当前位置的行驶状态和行驶路线的限制要求,或所述当前时刻以及当前位置的目标车辆脱离风险,停止发出警告。
可选的,预警系统,还包括:实时性和稳定性优化模块、用户界面与反馈模块、可扩展性模块与自适应性模块;
所述实时性和稳定性优化模块,用于实时采集目标车辆当前位置的环境信息数据,并对实时采集的环境信息数据进行存储,以供环境感知模块获取目标车辆当前位置的环境信息数据;
所述用户界面与反馈模块,用于显示预警模块发出的预警信号、预警模块的决策支持子模块发出的警告和所述决策支持子模块制定目标车辆当前时刻以及当前位置的行驶状态和行驶路线,并获取用户对于所述预警系统的反馈意见;
所述可扩展性模块,用于获取目标车辆的历史行驶数据;
所述自适应性模块,用于提取出所述反馈意见和历史行驶数据中目标车辆的行驶特征数据及预警系统的漏洞数据,将所述行驶特征数据和所述漏洞数据作为所述预警系统的优化数据,以所述优化数据对所述预警系统的参数进行调整,得到针对用户的优化预警系统。
再一方面,本发明还提出了一种用于防止车辆发生碰撞的预警方法,包括:
获取目标车辆当前位置的环境信息数据;
对所述环境信息数据进行预处理,得到目标数据,提取出所述目标数据中的特征信息,将所述特征信息与所述目标车辆当前时刻以及当前位置的行驶信息数据进行融合,以得到所述目标车辆的环境感知数据;
根据与车辆碰撞相关的历史数据,建立用于预测车辆碰撞风险的预测模型,基于所述预测模型根据所述环境感知数据,预测出目标车辆在当前位置以及当前位置与目的地间道路的碰撞风险;
确定所述碰撞风险的风险等级,以基于风险等级发出不同的预警信号。
与现有技术相比,本发明的有益效果为:
本发明提供了一种用于防止车辆发生碰撞的预警系统,包括:环境感知模块、特征提取与融合模块、碰撞风险建模与预测模块和碰撞预警模块;所述环境感知模块,用于获取目标车辆当前位置的环境信息数据,所述特征提取与融合模块,用于对所述环境信息数据进行预处理,得到目标数据,提取出所述目标数据中的特征信息,将所述特征信息与所述目标车辆当前时刻以及当前位置的行驶信息数据进行融合,以得到所述目标车辆的环境感知数据,所述碰撞风险建模与预测模块,用于根据与车辆碰撞相关的历史数据,建立用于预测车辆碰撞风险的预测模型,基于所述预测模型根据所述环境感知数据,预测出目标车辆在当前位置以及当前位置与目的地间道路的碰撞风险,所述碰撞预警模块用于,确定所述碰撞风险的风险等级,基于风险等级发出不同的预警信号。本发明可以提前针对行驶的车辆,预测出车辆在行驶过程中潜在的碰撞风险,以发出预警信号,能够有效的避免车辆发生碰撞风险,降低了车辆事故的风险,保证了车辆在行驶过程中的安全性。
附图说明
图1为本发明实施例1系统的结构示意图;
图2为本发明实施例2系统的结构示意图;
图3为本发明实施例3方法的流程示意图;
图4为本发明实施例4方法的流程示意图。
具体实施方式
现在参考附图介绍本发明的示例性实施方式,然而,本发明可以用许多不同的形式来实施,并且不局限于此处描述的实施例,提供这些实施例是为了详尽地且完全地公开本发明,并且向所属技术领域的技术人员充分传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。在附图中,相同的单元/元件使用相同的附图标记。
除非另有说明,此处使用的术语(包括科技术语)对所属技术领域的技术人员具有通常的理解含义。另外,可以理解的是,以通常使用的词典限定的术语,应当被理解为与其相关领域的语境具有一致的含义,而不应该被理解为理想化的或过于正式的意义。
实施例1:
本发明提出了一种用于防止车辆发生碰撞的预警系统100,如图1所示,包括:环境感知模块101、特征提取与融合模块102、碰撞风险建模与预测模块103和碰撞预警模块104;
所述环境感知模块101,用于获取目标车辆当前位置的环境信息数据,所述特征提取与融合模块102,用于对所述环境信息数据进行预处理,得到目标数据,提取出所述目标数据中的特征信息,将所述特征信息与所述目标车辆当前时刻以及当前位置的行驶信息数据进行融合,以得到所述目标车辆的环境感知数据,所述碰撞风险建模与预测模块103,用于根据与车辆碰撞相关的历史数据,建立用于预测车辆碰撞风险的预测模型,基于所述预测模型根据所述环境感知数据,预测出目标车辆在当前位置以及当前位置与目的地间道路的碰撞风险,所述碰撞预警模块104用于,确定所述碰撞风险的风险等级,基于风险等级发出不同的预警信号。
其中,环境感知模块101采集的目标车辆当前位置的环境信息数据,包括:目标车辆当前位置目标范围内包含有车辆数据和所述目标车辆当前位置与目的位置间道路的路况数据;
所述车辆数据,包括:目标范围内的车辆数量、车辆的相对速度和相对加速度;
所述路况数据,包括:交通标志和道路拥堵数据。
其中,特征提取与融合模块102对所述环境信息数据进行预处理,包括:
对环境信息数据进行去噪处理,并针对去噪处理的环境信息数据进行异常数据的剔除、去重和补全处理。
其中,特征提取与融合模块102提取出的目标数据中的特征信息,包括:目标范围内的车辆数量、车辆的相对速度和相对加速度,目标车辆当前位置与目的位置间道路的交通标志和道路拥堵状况。
其中,行驶信息数据,包括:目标车辆的行驶速度和行驶加速度。
其中,特征提取与融合模块102将所述特征信息与所述目标车辆当前时刻的行驶信息数据进行融合,具体为:将目标车辆当前时刻以及当前位置的行驶信息数据与当前时刻的特征信息,以预设的组合方式进行组合。
如,将当前车辆速度、周边环境中的车距、路边距离、行驶方向、加速度等参数,对其进行组合,得到组合的数据,得到的组合的数据,可以用预测是否有碰撞风险,如将当前车辆速度、周边环境中的车距、路边距离、行驶方向等参数进行组合,将周边环境中的车距、路边距离、行驶方向等进行组合。
其中,碰撞风险建模与预测模块103,用于根据与车辆碰撞相关的历史数据,建立用于预测车辆碰撞风险的预测模型,包括:
对所述与车辆碰撞相关的历史数据,进行预处理,以去除所述与车辆碰撞相关的历史数据中的杂质数据和重复数据,并补全所述与车辆碰撞相关的历史数据中的缺失数据,得到用于目标历史数据;
其中,杂质数据,包括:错误数据等,错误数据如由于车辆的传感器等故障或者标定有误,产生的数据,如因故障导致的车速错误数据;
提取所述目标历史数据中的特征数据,将所述特征数据以预设的组合方式进行组合,得到用于预测模型训练的训练数据;
将所述训练数据以预设的比例进行划分,得到训练集和验证集;
将所述训练集作为所述向量机网络的输入数据,将所述发生碰撞的风险值作为向量机网络的输出数据,将所述输入数据和输出数据同时输入至向量机网络进行训练,得到初始预测模型;
将所述验证集输入至所述初始预测模型,对所述初始预测模型进行校验,获取输出结果,若输出结果与所述发生碰撞的风险值的误差值满足预设要求,则初始预测模型作为训练完成的预测模型;
若输出结果与所述发生碰撞风险值的误差值不满足预设要求,则对所述初始预测模型的模型参数进行调整,直到输出结果与所述发生碰撞的风险值的误差值满足预设要求。
其中,碰撞预警模块104,包括:决策支持子模块104-1;
所述决策支持子模块104-1,用于实时获取目标车辆当前时刻以及当前位置的车辆行驶状态,根据所述目标车辆当前时刻以及当前位置的车辆行驶状态,以及所述碰撞预警模块发出的预警信号,制定目标车辆当前时刻以及当前位置的行驶状态和行驶路线,并实时监控所述目标车辆行驶过程的行驶状态和行驶路线,若所述目标车辆行驶过程的行驶状态和行驶路线,不符合制定的目标车辆当前时刻以及当前位置的行驶状态和行驶路线的限制要求,则发出警告;
当所述目标车辆符合制定的目标车辆当前时刻以及当前位置的行驶状态和行驶路线的限制要求,或所述当前时刻以及当前位置的目标车辆脱离风险,停止发出警告。
其中,预警系统100,还包括:实时性和稳定性优化模块105、用户界面与反馈模块106、可扩展性模块107与自适应性模块108;
所述实时性和稳定性优化模块105用于实时采集目标车辆当前位置的环境信息数据,并对实时采集的环境信息数据进行存储,以供环境感知模块获取目标车辆当前位置的环境信息数据;
所述用于界面与反馈模块106用于显示碰撞预警模块104发出的预警信号、预警模块的决策支持子模块104-1发出的警告和所述决策支持子模块104-1制定目标车辆当前时刻以及当前位置的行驶状态和行驶路线,并获取用户对于所述预警系统的反馈意见;
所述可扩展性模块107用于获取用户对于目标车辆的历史行驶数据;
所述自适应性模块108用于提取出所述反馈意见和历史行驶数据中目标车辆的行驶特征数据及预警系统100的漏洞数据,将所述行驶特征数据和所述漏洞数据作为所述预警系统的优化数据,以所述优化数据对所述预警系统的参数进行调整,得到针对用户的优化预警系统100。
实施例2:
本发明提出了一种用于防止车辆发生碰撞的预警系统200,如图2所示,包括:环境感知模块201、特征提取与融合模块202、碰撞风险建模与预测模块203和碰撞预警模块204;
所述环境感知模块201,用于获取目标车辆当前位置的环境信息数据,所述特征提取与融合模块202,用于对所述环境信息数据进行预处理,得到目标数据,提取出所述目标数据中的特征信息,将所述特征信息与所述目标车辆当前时刻以及当前位置的行驶信息数据进行融合,以得到所述目标车辆的环境感知数据,所述碰撞风险建模与预测模块203,用于根据与车辆碰撞相关的历史数据,建立用于预测车辆碰撞风险的预测模型,基于所述预测模型根据所述环境感知数据,预测出目标车辆在当前位置以及当前位置与目的地间道路的碰撞风险,所述碰撞预警模块204用于,确定所述碰撞风险的风险等级,基于风险等级发出不同的预警信号。
其中,风险等级一般可以划分为四个等级:
危:需要立刻处理。
高危:需要某个时间段内处理,如10分钟内。
中危:需要先排查故障,降低风险。
低危:可做提示。
其中,环境感知模块201:用于采集通过车辆装配的传感器(如雷达、摄像头、超声波传感器等)所获取的车辆周围环境信息,并通过车联网技术获取交通管理中心、导航服务提供商等外部数据源的交通标志、道路状况等信息。
其中,特征提取与融合模块202:对原始传感器数据进行预处理,包括噪声过滤、异常数据处理等,确保数据质量。然后从预处理后的数据中提取有意义的特征,如车辆位置、速度、加速度、周围车辆距离、相对速度等。最后将来自不同传感器的特征进行融合,形成更全面、准确的车辆环境感知数据,其融合过程即是将上述的数据以特定的组合方式进行组合,如,车辆信息+车辆周围信息+交通道路信息的形式。
其中,碰撞风险建模与预测模块203:利用预处理后的特征数据,建立机器学习模型,本发明中使用的模型,支持向量机、决策树、神经网络等,用于预测碰撞风险。通过学习历史驾驶数据和已知碰撞案例,让模型学习碰撞模式和潜在风险特征,提高预测准确度。
其中,碰撞预警模块204与决策支持模块204-1:根据模型预测结果和实时车辆状态,制定预警策略和阈值,确定何时触发碰撞预警。预警信息以声音、震动、视觉等形式通知驾驶员,确保驾驶员及时接收警示。同时,系统可提供驾驶员决策建议,例如建议刹车、转向或采取其他避碰措施,帮助驾驶员做出更明智的决策。
其中,预警系统200还包括:
实时性和稳定性模块205:采用高效的数据处理算法,确保系统能够实时响应车辆状态和环境变化,提高预警的实时性。同时优化机器学习算法,降低计算复杂度,保证系统在不同环境和车辆状态下的稳定性。
其中,用户界面与反馈模块206:系统提供直观易懂的用户界面,向驾驶员展示车辆状态、环境信息以及碰撞预警结果,方便驾驶员实时监测道路状况。预警反馈记录驾驶员对预警的响应情况,为后续系统优化和改进提供数据参考。
其中,可扩展性模块207与自适应性模块208:允许车主根据个人偏好和驾驶风格,自行配置预警策略和灵敏度。
实施例3:
本发明还提出了一种用于防止车辆发生碰撞的预警方法S300,如图3所示,包括:
S301、获取目标车辆当前位置的环境信息数据;
S302、对所述环境信息数据进行预处理,得到目标数据,提取出所述目标数据中的特征信息,将所述特征信息与所述目标车辆当前时刻以及当前位置的行驶信息数据进行融合,以得到所述目标车辆的环境感知数据;
S303、根据与车辆碰撞相关的历史数据,建立用于预测车辆碰撞风险的预测模型,基于所述预测模型根据所述环境感知数据,预测出目标车辆在当前位置以及当前位置与目的地间道路的碰撞风险;
S304、确定所述碰撞风险的风险等级,基于风险等级发出不同的预警信号。
其中,采集的目标车辆当前位置的环境信息数据,包括:目标车辆当前位置目标范围内包含有车辆数据和所述目标车辆当前位置与目的位置间道路的路况数据;
所述车辆数据,包括:目标范围内的车辆数量、车辆的相对速度和相对加速度;
所述路况数据,包括:交通标志和道路拥堵数据。
其中,对所述环境信息数据进行预处理,包括:
对环境信息数据进行去噪处理,并针对去噪处理的环境信息数据进行异常数据的剔除、去重和补全处理。
其中,提取出的目标数据中的特征信息,包括:目标范围内的车辆数量、车辆的相对速度和相对加速度,目标车辆当前位置与目的位置间道路的交通标志和道路拥堵状况。
其中,行驶信息数据,包括:目标车辆的行驶速度和行驶加速度。
其中,将所述特征信息与所述目标车辆当前时刻的行驶信息数据进行融合,具体为:将目标车辆当前时刻以及当前位置的行驶信息数据与当前时刻的特征信息,以预设的组合方式进行组合。
其中,根据与车辆碰撞相关的历史数据,建立用于预测车辆碰撞风险的预测模型,包括:
对所述与车辆碰撞相关的历史数据,进行预处理,以去除所述与车辆碰撞相关的历史数据中的杂质数据和重复数据,并补全所述与车辆碰撞相关的历史数据中的缺失数据,得到用于目标历史数据;
提取所述目标历史数据中的特征数据,将所述特征数据以预设的组合方式进行组合,得到用于预测模型训练的训练数据;
将所述训练数据以预设的比例进行划分,得到训练集和验证集;
将所述训练集作为所述向量机网络的输入数据,将所述发生碰撞的风险值作为向量机网络的输出数据,将所述输入数据和输出数据同时输入至向量机网络进行训练,得到初始预测模型;
将所述验证集输入至所述初始预测模型,对所述初始预测模型进行校验,获取输出结果,若输出结果与所述发生碰撞的风险值的误差值满足预设要求,则初始预测模型作为训练完成的预测模型;
若输出结果与所述发生碰撞风险值的误差值不满足预设要求,则对所述初始预测模型的模型参数进行调整,直到输出结果与所述发生碰撞的风险值的误差值满足预设要求。
其中,预警方法300还包括:实时获取目标车辆当前时刻以及当前位置的车辆行驶状态,根据所述目标车辆当前时刻以及当前位置的车辆行驶状态,以及所述碰撞预警模块发出的预警信号,制定目标车辆当前时刻以及当前位置的行驶状态和行驶路线,并实时监控所述目标车辆行驶过程的行驶状态和行驶路线,若所述目标车辆行驶过程的行驶状态和行驶路线,不符合制定的目标车辆当前时刻以及当前位置的行驶状态和行驶路线的限制要求,则发出警告;
当所述目标车辆符合制定的目标车辆当前时刻以及当前位置的行驶状态和行驶路线的限制要求,或所述当前时刻以及当前位置的目标车辆脱离风险,停止发出警告。
其中,预警方法300,还包括:
实时采集目标车辆当前位置的环境信息数据,并对实时采集的环境信息数据进行存储,以供环境感知模块获取目标车辆当前位置的环境信息数据;
显示发出的预警信号、发出的警告和制定目标车辆当前时刻以及当前位置的行驶状态和行驶路线,并获取用户对于所述预警系统的反馈意见;
获取用户对于目标车辆的历史行驶数据;
提取出所述反馈意见和历史行驶数据中目标车辆的行驶特征数据及预警方法300存在的漏洞数据,将所述行驶特征数据和所述漏洞数据作为所述预警系统的优化数据,以所述优化数据对所述预警系统的参数进行调整,得到针对用户的优化预警方法300。
实施例4:
本发明还提出了一种用于防止车辆发生碰撞的预警方法S400,如图4所示,包括:
S401、获取目标车辆当前位置的环境信息数据;
S402、对所述环境信息数据进行预处理,得到目标数据,提取出所述目标数据中的特征信息,将所述特征信息与所述目标车辆当前时刻以及当前位置的行驶信息数据进行融合,以得到所述目标车辆的环境感知数据;
S403、根据与车辆碰撞相关的历史数据,建立用于预测车辆碰撞风险的预测模型,基于所述预测模型根据所述环境感知数据,预测出目标车辆在当前位置以及当前位置与目的地间道路的碰撞风险;
S404、确定所述碰撞风险的风险等级,基于风险等级发出不同的预警信号。
其中,步骤S401采集通过车辆装配的传感器(如雷达、摄像头、超声波传感器等)所获取的车辆周围环境信息,并通过车联网技术获取交通管理中心、导航服务提供商等外部数据源的交通标志、道路状况等信息。
其中,对原始传感器数据进行预处理,包括噪声过滤、异常数据处理等,确保数据质量。然后从预处理后的数据中提取有意义的特征,如车辆位置、速度、加速度、周围车辆距离、相对速度等。最后将来自不同传感器的特征进行融合,形成更全面、准确的车辆环境感知数据,其融合过程即是将上述的数据以特定的组合方式进行组合,如,车辆信息+车辆周围信息+交通道路信息的形式。
其中,利用预处理后的特征数据,建立机器学习模型,本发明中使用的模型,支持向量机、决策树、神经网络等,用于预测碰撞风险。通过学习历史驾驶数据和已知碰撞案例,让模型学习碰撞模式和潜在风险特征,提高预测准确度。
其中,根据模型预测结果和实时车辆状态,制定预警策略和阈值,确定何时触发碰撞预警。预警信息以声音、震动、视觉等形式通知驾驶员,确保驾驶员及时接收警示。同时,系统可提供驾驶员决策建议,例如建议刹车、转向或采取其他避碰措施,帮助驾驶员做出更明智的决策。
其中,采用高效的数据处理算法,确保系统能够实时响应车辆状态和环境变化,提高预警的实时性。同时优化机器学习算法,降低计算复杂度,保证系统在不同环境和车辆状态下的稳定性。
其中,预警方法S400还包括:向驾驶员展示车辆状态、环境信息以及碰撞预警结果,方便驾驶员实时监测道路状况。预警反馈记录驾驶员对预警的响应情况,为后续系统优化和改进提供数据参考。
允许车主根据个人偏好和驾驶风格,自行配置预警策略和灵敏度。
本发明可以提前针对行驶的车辆,预测出车辆在行驶过程中潜在的碰撞风险,以发出预警信号,能够有效的避免车辆发生碰撞风险,降低了车辆事故的风险,保证了车辆在行驶过程中的安全性。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。本发明实施例中的方案可以采用各种计算机语言实现,例如,面向对象的程序设计语言Java和直译式脚本语言JavaScript等。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种用于防止车辆发生碰撞的预警系统,其特征在于,所述预警系统,包括:环境感知模块、特征提取与融合模块、碰撞风险建模与预测模块和碰撞预警模块;
所述环境感知模块,用于获取目标车辆当前位置的环境信息数据;
所述特征提取与融合模块,用于对所述环境信息数据进行预处理,得到目标数据,提取出所述目标数据中的特征信息,将所述特征信息与所述目标车辆当前时刻以及当前位置的行驶信息数据进行融合,以得到所述目标车辆的环境感知数据;
所述碰撞风险建模与预测模块,用于根据与车辆碰撞相关的历史数据,建立用于预测车辆碰撞风险的预测模型,基于所述预测模型根据所述环境感知数据,预测出目标车辆在当前位置以及当前位置与目的地间道路的碰撞风险;
所述碰撞预警模块,用于确定所述碰撞风险的风险等级,以基于风险等级发出不同的预警信号。
2.根据权利要求1所述的预警系统,其特征在于,所述环境信息数据,包括但不限于以下至少任一项:所述目标车辆当前位置的目标范围内包含的车辆的车辆数据,所述目标车辆当前位置与目的位置间道路的路况数据;
所述车辆数据包括但不限于以下至少任一项:目标范围内的车辆数量,车辆的相对速度,相对加速度;
所述路况数据包括但不限于以下至少任一项:交通标志,道路拥堵数据。
3.根据权利要求1所述的预警系统,其特征在于,所述特征提取与融合模块对所述环境信息数据进行预处理,包括:
对所述环境信息数据进行去噪处理,并针对去噪处理后的环境信息数据进行异常数据的剔除、去重和补全处理。
4.根据权利要求1所述的预警系统,其特征在于,所述特征提取与融合模块提取出的目标数据中的特征信息,包括但不限于以下至少任一项:目标范围内的车辆数量、车辆的相对速度和相对加速度,目标车辆当前位置与目的位置间道路的交通标志和道路拥堵状况。
5.根据权利要求1所述的预警系统,其特征在于,所述行驶信息数据,包括但不限于以下至少任一项:所述目标车辆的行驶速度和行驶加速度。
6.根据权利要求1所述的预警系统,其特征在于,所述特征提取与融合模块将所述特征信息与所述目标车辆当前时刻以及当前位置的行驶信息数据进行融合,包括:将目标车辆当前时刻以及当前位置的行驶信息数据与当前时刻的特征信息,以预设的组合方式进行组合。
7.根据权利要求1所述的预警系统,其特征在于,所述碰撞风险建模与预测模块,用于根据与车辆碰撞相关的历史数据,建立用于预测车辆碰撞风险的预测模型,包括:
对所述与车辆碰撞相关的历史数据,进行预处理,以去除所述与车辆碰撞相关的历史数据中的杂质数据和重复数据,并补全所述与车辆碰撞相关的历史数据中的缺失数据,得到目标历史数据;
提取所述目标历史数据中的特征数据,将所述特征数据以预设的组合方式进行组合,得到用于训练所述预测模型的训练数据;
将所述训练数据以预设的比例进行划分,得到训练集和验证集;
将所述训练集作为向量机网络的输入数据,将发生碰撞的风险值作为所述向量机网络的输出数据,将所述输入数据和所述输出数据同时输入至所述向量机网络进行训练,得到初始预测模型;
将所述验证集输入至所述初始预测模型,对所述初始预测模型进行校验,获取输出结果;
若所述输出结果与所述发生碰撞的风险值的误差值满足预设要求,则将得到的初始预测模型作为训练完成的预测模型;
若所述输出结果与所述发生碰撞风险值的误差值不满足预设要求,则对所述初始预测模型的模型参数进行调整,直到输出结果与所述发生碰撞的风险值的误差值满足预设要求。
8.根据权利要求1所述的预警系统,其特征在于,所述碰撞预警模块,包括:决策支持子模块;
所述决策支持子模块,用于实时获取目标车辆当前时刻以及当前位置的车辆行驶状态,根据所述目标车辆当前时刻以及当前位置的车辆行驶状态,以及所述碰撞预警模块发出的预警信号,制定目标车辆当前时刻以及当前位置的行驶状态和行驶路线,并实时监控所述目标车辆行驶过程的行驶状态和行驶路线,若所述目标车辆行驶过程的行驶状态和行驶路线,不符合制定的目标车辆当前时刻以及当前位置的行驶状态和行驶路线的限制要求,则发出警告;
当所述目标车辆符合制定的目标车辆当前时刻以及当前位置的行驶状态和行驶路线的限制要求,或所述当前时刻以及当前位置的目标车辆脱离风险,停止发出警告。
9.根据权利要求1所述的预警系统,其特征在于,所述预警系统,还包括:实时性和稳定性优化模块、用户界面与反馈模块、可扩展性模块与自适应性模块;
所述实时性和稳定性优化模块,用于实时采集目标车辆当前位置的环境信息数据,并对实时采集的环境信息数据进行存储,以供环境感知模块获取目标车辆当前位置的环境信息数据;
所述用户界面与反馈模块,用于显示预警模块发出的预警信号、预警模块的决策支持子模块发出的警告和所述决策支持子模块制定目标车辆当前时刻以及当前位置的行驶状态和行驶路线,并获取用户对于所述预警系统的反馈意见;
所述可扩展性模块,用于获取目标车辆的历史行驶数据;
所述自适应性模块,用于提取出所述反馈意见和历史行驶数据中目标车辆的行驶特征数据及预警系统的漏洞数据,将所述行驶特征数据和所述漏洞数据作为所述预警系统的优化数据,以所述优化数据对所述预警系统的参数进行调整,得到针对用户的优化预警系统。
10.一种用于防止车辆发生碰撞的预警方法,其特征在于,所述预警方法,包括:
获取目标车辆当前位置的环境信息数据;
对所述环境信息数据进行预处理,得到目标数据,提取出所述目标数据中的特征信息,将所述特征信息与所述目标车辆当前时刻以及当前位置的行驶信息数据进行融合,以得到所述目标车辆的环境感知数据;
根据与车辆碰撞相关的历史数据,建立用于预测车辆碰撞风险的预测模型,基于所述预测模型根据所述环境感知数据,预测出目标车辆在当前位置以及当前位置与目的地间道路的碰撞风险;
确定所述碰撞风险的风险等级,以基于风险等级发出不同的预警信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410086036.XA CN117601859B (zh) | 2024-01-22 | 2024-01-22 | 一种用于防止车辆发生碰撞的预警系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410086036.XA CN117601859B (zh) | 2024-01-22 | 2024-01-22 | 一种用于防止车辆发生碰撞的预警系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117601859A true CN117601859A (zh) | 2024-02-27 |
CN117601859B CN117601859B (zh) | 2024-04-23 |
Family
ID=89958294
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410086036.XA Active CN117601859B (zh) | 2024-01-22 | 2024-01-22 | 一种用于防止车辆发生碰撞的预警系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117601859B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109801511A (zh) * | 2017-11-16 | 2019-05-24 | 华为技术有限公司 | 一种碰撞预警方法及装置 |
CN111354225A (zh) * | 2020-03-03 | 2020-06-30 | 中交第一公路勘察设计研究院有限公司 | 一种高速公路车辆事故风险评估及预警干预方法 |
CN111785023A (zh) * | 2020-07-14 | 2020-10-16 | 山东派蒙机电技术有限公司 | 一种车辆碰撞风险预警方法及系统 |
US20210089938A1 (en) * | 2019-09-24 | 2021-03-25 | Ford Global Technologies, Llc | Vehicle-to-everything (v2x)-based real-time vehicular incident risk prediction |
CN113844444A (zh) * | 2021-09-10 | 2021-12-28 | 杭州鸿泉物联网技术股份有限公司 | 车辆前向碰撞预警方法装置、电子设备和车辆 |
CN114333416A (zh) * | 2021-12-24 | 2022-04-12 | 阿波罗智能技术(北京)有限公司 | 基于神经网络的车辆风险预警方法、设备及自动驾驶车辆 |
WO2022110737A1 (zh) * | 2020-11-25 | 2022-06-02 | 平安科技(深圳)有限公司 | 车辆防撞预警方法、装置、车载终端设备和存储介质 |
CN116052475A (zh) * | 2023-03-06 | 2023-05-02 | 山东高速股份有限公司 | 一种车辆风险预警方法、系统、存储介质及设备 |
CN117087674A (zh) * | 2023-09-07 | 2023-11-21 | 湖北文理学院 | 一种基于道路风险和驾驶员行为的预警方法和系统 |
-
2024
- 2024-01-22 CN CN202410086036.XA patent/CN117601859B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109801511A (zh) * | 2017-11-16 | 2019-05-24 | 华为技术有限公司 | 一种碰撞预警方法及装置 |
US20210089938A1 (en) * | 2019-09-24 | 2021-03-25 | Ford Global Technologies, Llc | Vehicle-to-everything (v2x)-based real-time vehicular incident risk prediction |
CN111354225A (zh) * | 2020-03-03 | 2020-06-30 | 中交第一公路勘察设计研究院有限公司 | 一种高速公路车辆事故风险评估及预警干预方法 |
CN111785023A (zh) * | 2020-07-14 | 2020-10-16 | 山东派蒙机电技术有限公司 | 一种车辆碰撞风险预警方法及系统 |
WO2022110737A1 (zh) * | 2020-11-25 | 2022-06-02 | 平安科技(深圳)有限公司 | 车辆防撞预警方法、装置、车载终端设备和存储介质 |
CN113844444A (zh) * | 2021-09-10 | 2021-12-28 | 杭州鸿泉物联网技术股份有限公司 | 车辆前向碰撞预警方法装置、电子设备和车辆 |
CN114333416A (zh) * | 2021-12-24 | 2022-04-12 | 阿波罗智能技术(北京)有限公司 | 基于神经网络的车辆风险预警方法、设备及自动驾驶车辆 |
CN116052475A (zh) * | 2023-03-06 | 2023-05-02 | 山东高速股份有限公司 | 一种车辆风险预警方法、系统、存储介质及设备 |
CN117087674A (zh) * | 2023-09-07 | 2023-11-21 | 湖北文理学院 | 一种基于道路风险和驾驶员行为的预警方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117601859B (zh) | 2024-04-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109520744B (zh) | 自动驾驶车辆的驾驶性能测试方法和装置 | |
JP6800899B2 (ja) | 視界に制限のある交差点への接近のためのリスクベースの運転者支援 | |
US11727495B1 (en) | Collision risk-based engagement and disengagement of autonomous control of a vehicle | |
EP2876622B1 (en) | Vehicle-surroundings monitoring device and vehicle-surroundings monitoring system | |
CN109606377B (zh) | 一种紧急驾驶行为防御提示方法及系统 | |
CN111052202A (zh) | 用于基于相对定位的安全自主驾驶的系统和方法 | |
CN110796007B (zh) | 场景识别的方法与计算设备 | |
CN109345829B (zh) | 无人车的监控方法、装置、设备及存储介质 | |
US20150149088A1 (en) | In-vehicle path verification | |
US11003925B2 (en) | Event prediction system, event prediction method, program, and recording medium having same recorded therein | |
US11170639B2 (en) | Transportation threat detection system | |
CN110942623B (zh) | 一种辅助交通事故处理方法和系统 | |
CN111094095B (zh) | 自动地感知行驶信号的方法、装置及运载工具 | |
CN111311914A (zh) | 车辆行驶事故监控方法、装置和车辆 | |
CN110936960A (zh) | 一种辅助驾驶方法和系统 | |
CN113423063B (zh) | 基于车载t-box的车辆监控方法、装置、车辆及介质 | |
JP5233711B2 (ja) | 走行状態記録装置 | |
JP7214640B2 (ja) | 管理装置、車両、検査装置、並びに、車両検査システムおよびその情報処理方法 | |
JP2018190026A (ja) | 自動運転車両の制御システムおよび制御方法 | |
Alsubaei | Reliability and security analysis of artificial intelligence-based self-driving technologies in Saudi Arabia: A case study of Openpilot | |
US11694544B2 (en) | Traffic safety control method and vehicle-mounted device | |
CN117601859B (zh) | 一种用于防止车辆发生碰撞的预警系统及方法 | |
JP5748196B2 (ja) | 走行支援装置 | |
CN114722931A (zh) | 车载数据处理方法、装置、数据采集设备和存储介质 | |
CN116168542B (zh) | 一种基于大型车辆的行为监测的预警方法及系统 |
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 |