CN118025134A - 车辆防翻转的控制方法、装置、车辆及介质 - Google Patents
车辆防翻转的控制方法、装置、车辆及介质 Download PDFInfo
- Publication number
- CN118025134A CN118025134A CN202410379227.5A CN202410379227A CN118025134A CN 118025134 A CN118025134 A CN 118025134A CN 202410379227 A CN202410379227 A CN 202410379227A CN 118025134 A CN118025134 A CN 118025134A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- overturn
- data
- rollover
- prediction
- 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 54
- 238000003066 decision tree Methods 0.000 claims abstract description 38
- 230000002265 prevention Effects 0.000 claims abstract description 29
- 238000012545 processing Methods 0.000 claims abstract description 13
- 238000004590 computer program Methods 0.000 claims description 16
- 238000003860 storage Methods 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 13
- 230000001133 acceleration Effects 0.000 claims description 7
- 238000013016 damping Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000005096 rolling process Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000007306 turnover Effects 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training 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
- B60W30/02—Control of vehicle driving stability
- B60W30/04—Control of vehicle driving stability related to roll-over prevention
-
- 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
-
- 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
- B60W50/0097—Predicting future conditions
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本公开实施例公开了一种车辆防翻转的控制方法、装置、车辆及介质,包括:获取多源传感器采集的车辆数据;将所述车辆数据输入至车辆翻转预测模型,以通过所述车辆翻转预测模型对所述车辆数据进行处理,得到对车辆翻转等级的预测结果;根据所述预测结果执行相应的防翻转操作以控制车辆;其中,所述车辆翻转预测模型为决策树模型,所述决策树模型基于样本数据、信息增益和基尼不纯度构建。本技术方案通过车辆翻转预测模型对多源传感器采集的车辆数据进行处理得到车辆翻转等级的预测结果,并根据车辆翻转等级的预测结果控制车辆,实现对车辆翻转风险的准确预测和防控措施的自动采取,提高驾驶体验感和安全性。
Description
技术领域
本公开实施例涉及智能控制技术领域,尤其涉及一种车辆防翻转的控制方法、装置、车辆及介质。
背景技术
商用车辆在运输业中扮演着重要角色,然而由于其较大的载重和尺寸特点,它们在特定路况、行驶状态以及环境条件下,存在着翻转的潜在风险。商用车翻转不仅可能导致货物损坏和交通事故,还可能对道路安全造成严重威胁。
为应对商用车翻转风险,已有一些传统的车辆防翻控制方法,如基于车辆动力学的稳定控制系统。然而,这些方法往往仅基于特定的数学模型,忽略了不同行驶场景和复杂环境的影响,导致其在实际应用中的鲁棒性和适应性有限,对驾驶员的驾驶感和安全性也有一定局限性。
发明内容
本公开实施例提供了一种车辆防翻转的控制方法、装置、车辆及介质,实现了对车辆翻转风险的准确预测和防控措施的自动采取。
第一方面,提供了一种车辆防翻转的控制方法,包括:
获取多源传感器采集的车辆数据;
将所述车辆数据输入至车辆翻转预测模型,以通过所述车辆翻转预测模型对所述车辆数据进行处理,得到对车辆翻转等级的预测结果;
根据所述预测结果执行相应的防翻转操作以控制车辆;
其中,所述车辆翻转预测模型为决策树模型,所述决策树模型基于样本数据、信息增益和基尼不纯度构建。
第二方面,提供了一种车辆防翻转的控制装置,包括:
数据获取模块,用于获取多源传感器采集的车辆数据;
预测结果获取模块,用于将所述车辆数据输入至车辆翻转预测模型,以通过所述车辆翻转预测模型对所述车辆数据进行处理,得到对车辆翻转等级的预测结果;
控制模块,用于根据所述预测结果执行相应的防翻转操作以控制车辆;
其中,所述车辆翻转预测模型为决策树模型,所述决策树模型基于样本数据、信息增益和基尼不纯度构建。
第三方面,提供了一种车辆,所述车辆包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现上述第一方面所述的车辆防翻转的控制方法。
第四方面,提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述第一方面所述的车辆防翻转的控制方法。
本公开实施例提供了一种车辆防翻转的控制方法、装置、车辆及介质,包括:获取多源传感器采集的车辆数据;将所述车辆数据输入至车辆翻转预测模型,以通过所述车辆翻转预测模型对所述车辆数据进行处理,得到对车辆翻转等级的预测结果;根据所述预测结果执行相应的防翻转操作以控制车辆;其中,所述车辆翻转预测模型为决策树模型,所述决策树模型基于样本数据、信息增益和基尼不纯度构建。本技术方案通过车辆翻转预测模型对多源传感器采集的车辆数据进行处理得到车辆翻转等级的预测结果,并根据车辆翻转等级的预测结果控制车辆。与现有技术相比,本公开实施例的技术方案综合利用多种传感器数据,并结合决策树算法,实现对车辆翻转风险的准确预测和防控措施的自动采取,提高驾驶体验感和安全性。
应当理解,本部分所描述的内容并非旨在标识本公开实施例的关键或重要特征,也不用于限制本公开实施例的范围。本公开实施例的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本公开实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本公开实施例的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本公开实施例一提供的一种车辆防翻转的控制方法的流程图;
图2是本公开实施例一提供的一种车辆防翻转的控制模块的结构示意图;
图3是本公开实施例一提供的一种车辆防翻转的控制流程图;
图4是本公开实施例二提供的一种车辆防翻转的控制装置的结构示意图;
图5是本公开实施例五提供的一种车辆的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本公开实施例的方案,下面将结合本公开实施例中的附图,对本公开实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本公开实施例一部分的实施例,而不是全部的实施例。基于本公开实施例中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本公开实施例保护的范围。
需要说明的是,本公开实施例的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本公开实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本公开实施例一提供的一种车辆防翻转的控制方法的流程图,本实施例可适用于对车辆翻转进行控制的情况,该方法可以由车辆防翻转的控制装置来执行,该车辆防翻转的控制装置可以采用硬件和/或软件的形式实现,该车辆防翻转的控制装置可配置于车辆中,车辆可以具备自动驾驶或辅助驾驶等功能。如图1所示,该方法包括:
S110、获取多源传感器采集的车辆数据。
本实施例中,可以通过多源传感器采集车辆数据,其中,多源传感器可以对车辆的用车状态和运动情况进行实时监测,可选的,所述多源传感器可以包括倾斜传感器、加速度计、轮速传感器和/或陀螺仪等;其中,倾斜传感器可以是一种测量倾斜角度的仪器,加速度计可以是一种测量运载体线的加速度的仪表,轮速传感器可以是一种用来测量汽车车轮转速的传感器;陀螺仪可以是一种角速度传感器,是用高速回转体的动量矩敏感壳体相对惯性空间绕正交于自转轴的一个或二个轴的角运动检测装置。
接上述描述,车辆数据可以是利用多源传感器采集到的数据,可选的,所述车辆数据可以包括车速、加速度、倾斜角度和转向角等。
S120、将车辆数据输入至车辆翻转预测模型,以通过车辆翻转预测模型对车辆数据进行处理,得到对车辆翻转等级的预测结果。
本实施例中,通过多源传感器获取到车辆数据后,将获取到的车辆数据输入至车辆翻转预测模型中,其中,车辆翻转预测模型可以是预先建立的用于对车辆翻转进行预测的模型,可选的,车辆翻转预测模型可以为决策树模型,决策树模型是一种常用的监督学习算法,可以用于分类和回归任务。决策树可以通过模拟人类决策过程的方式,从数据中学习出一个树形结构的模型;决策树中的每个内部节点代表一个特征上的测试,每个分支代表该特征的一个结果,而每个叶子节点则代表最终的决策结果。本实施例中,决策树模型可以基于样本数据、信息增益和基尼不纯度构建。
接上述描述,获取到的车辆数据输入至车辆翻转预测模型后,车辆翻转预测模型可以对所述车辆数据进行处理,得到对车辆翻转等级的预测结果,其中,车辆翻转等级的预测结果可以是根据车辆数据对车辆的翻转等级进行预测得到的预测结果,可以用于选择是否对车辆进行自动控制以防止车辆翻转。
具体的,可以对车辆翻转等级预先设定分级的阈值区间,通过判断车辆翻转等级的预测结果是否在阈值区间内,进而确定车辆翻转等级的预测结果,车辆翻转等级的预测结果可以包括第一翻转等级或第二翻转等级,示例性的,第一翻转等级可以是车辆有翻转风险,第二翻转等级可以是车辆即将发生翻转。
示例性的,本实施例可以通过决策树算法对获取的车辆数据进行处理得到车辆翻转等级的预测结果,具体可以表示为:
Y=f(X1,X2,...,Xn)
其中,X1,X2,...,Xn可以是获取到的车辆数据,Y可以是预测的车辆翻转的等级,示例性的,Y可以是第一翻转等级或第二翻转等级。
需要说明的是,可以对获取到的车辆数据进行预处理,所述预处理可以是在将车辆数据输入至车辆翻转预测模型之前对车辆数据进行的处理和转换,以便更好地适应后续的分析过程。对车辆数据预处理的目的是提高车辆数据的质量,消除车辆数据的不一致性,处理缺失值和异常值,以及将车辆数据转换成适合算法处理的格式,提高了决策树的算法性能以及预测结果的准确性,本实施例中,预处理操作可以包括数据整合、数据筛选、数据归一化、数据标准化和/或数据滤波等。
S130、根据预测结果执行相应的防翻转操作以控制车辆。
需要解释的是,通过车辆翻转预测模型得到对车辆翻转等级的预测结果后,可以根据得到的预测结果执行相应的防翻转操作,其中,防翻转操作可以用于防止车辆发生翻转的操作,示例性,防翻转操作可以包括调整车辆的动态参数、发出预警信号或者影响车辆的驾驶系统等操作。
接上述描述,根据预测结果执行相应的防翻转操作,进而可以对车辆进行控制,避免车辆发生翻转。
本实施例提供了一种车辆防翻转的控制方法,包括:获取多源传感器采集的车辆数据;将所述车辆数据输入至车辆翻转预测模型,以通过所述车辆翻转预测模型对所述车辆数据进行处理,得到对车辆翻转等级的预测结果;根据所述预测结果执行相应的防翻转操作以控制车辆;其中,所述车辆翻转预测模型为决策树模型,所述决策树模型基于样本数据、信息增益和基尼不纯度构建。本技术方案通过车辆翻转预测模型对多源传感器采集的车辆数据进行处理得到车辆翻转等级的预测结果,并根据车辆翻转等级的预测结果控制车辆,实现对车辆翻转风险的准确预测和防控措施的自动采取,提高驾驶体验感和安全性。
可选的,所述预测结果包括第一翻转等级或第二翻转等级;根据所述预测结果执行相应的防翻转操作以控制车辆,包括:
a1)若所述预测结果为第一翻转等级,则生成报警信息,所述报警信息用于提醒驾驶员控制所述车辆的方向盘以防止所述车辆翻转;
具体的,通过车辆翻转预测模型可以得到对车辆翻转等级的预测结果。当预测结果为第一翻转等级时生成报警信息,其中,第一翻转等级可以是对驾驶员报警并提驾驶员控制车辆防止翻转的等级,报警信息可以用于提醒驾驶员控制所述车辆的方向盘以防止所述车辆发生翻转。
b1)若所述预测结果为第二翻转等级,则调整所述车辆的车轮阻尼以防止所述车辆翻转。
具体的,通过车辆翻转预测模型可以得到对车辆翻转等级的预测结果。当预测结果为第二翻转等级时,则可以调整车辆的车轮阻尼以防止车辆发生反转,其中,第二翻转等级可以是自动控制车辆,防止车辆产生翻转的等级。
作为一种可选的实施方式,所述车辆防翻转的控制方法还可以包括车辆翻转预测模型的构建过程,所述车辆翻转预测模型的构建过程包括:
a2)获取多源传感器采集的样本数据集并提取所述样本数据集的多个特征;
具体的,可以通过多源传感器采集样本数据,其中,多源传感器可以包括倾斜传感器、加速度计和/或陀螺仪等,根据采集的样本数据集提取样本数据的多个特征,示例性的,特征可以包括车辆的倾斜角度、车速、加速度和/或转向角等。
b2)分别计算各所述特征对应的信息增益以及各所述特征对应的基尼不纯度;
具体的,对提取到的多个特征分别计算各个特征对应的信息增益以及各特征对应的基尼不纯度,其中,信息增益是决策树算法中用于选择最佳分裂属性的一种度量方法。它基于熵的概念,熵是一个度量数据集纯度的指标。信息增益计算的是在选择某个特征进行数据分裂前后熵的减少量,也就是说,信息增益度量了这个特征所带来的“信息量”。
可选的,任意所述特征对应的信息增益为:
其中,S为样本数据集,A为任意所述特征,示例性的,特征可以是车辆的倾斜角度,车辆的倾斜角度在某些情况下会提示车辆是否处于稳定状态或是否有翻转的风险;Entropy(S)为所述样本数据集的熵值,样本数据的熵值可以表示车辆在当前状态下翻转与否的不确定性。示例性的,如果所有数据都指向明确的“不会翻转”或“即将翻转”,则熵为0;但如果数据中的信息混合,即车辆可能翻也可能不翻,则熵值会增加;
接上述描述,Values(A)为所述特征的可能值的集合,示例性的,当特征A为车辆的倾斜角度时,Values(A)则表示角度的范围,如{0°,1°,2°,…,89°,90°};Sv为所述特征取特定值v的样本构成的子集,示例性的,当车辆的倾斜角度为40°时,Sv可以包括数据集S中所有在该角度记录下的样本;表示所述子集的样本在所述样本数据集中的占比,示例性的,如果在过去10秒内,车辆的侧倾角度有3秒是30°,那么这个比例就是0.3或30%;Entropy(Sv)为所述特征取特定值v时所述样本数据集的熵值。
接上述描述,基尼不纯度可以是决策树算法中常用的一种度量方法,可以用于评估数据集的不纯度,即数据集中类别的混合程度。在构建决策树时,基尼不纯度可以选择最佳的分裂属性,从而在每个节点上进行数据的分裂。
可选的,任意所述特征对应的基尼不纯度为:
其中,Pi为车辆翻转等级的预测结果为第i个翻转等级的样本在所述样本数据集中所占的比例,c为车辆翻转等级的预测结果包含的翻转等级的总数量,示例性的,c可以为2。
示例性的,在10秒数据中,如果有7秒的数据指示车辆即将发生翻转,则第二翻转等级的Pi为0.7,第一翻转等级的Pi为0.3,基尼不纯度可以为0.42。
需要说明的是,基尼不纯度的值范围在0到0.5之间(对于二分类问题)。值越接近0表示数据子集越纯净,即其中的样本主要属于同一类。值越接近0.5表示数据子集中的类别分布较均匀。当使用基尼不纯度作为节点分裂的标准时,可以通过寻找能够最大化的减少基尼不纯度的特征来进行数据集的分裂。通过基尼不纯度可以衡量数据集的混乱程度,基尼不纯度越低,数据集的纯度越高。
c2)根据各所述特征对应的信息增益确定目标特征;
需要说明的是,可以根据各个特征对应的信息增益确定目标特征,即可以通过信息增益评估样本数据的特征是否有助于预测车辆的翻转风险,其中,目标特征可以是能够用于评估车辆是否有翻转风险的特征。
示例性的,若上述“车辆的侧倾角度”这一特征的信息增益很高,则可以依赖这一特征来预测翻转风险,进而采取相应的措施来防止车辆产生翻转。
d2)根据所述目标特征和各所述特征对应的基尼不纯度进行节点分裂,得到所述决策树模型。
具体的,基于信息增益确定目标特征后,可以基于目标特征和各个特征的基尼不纯度进行决策树的节点分裂,对每个节点重复执行上述过程,直至满足决策树训练的停止条件,其中,停止条件可以包括决策树的深度达到最大深度和/或分裂次数达到预设阈值等。
作为一种可选的实施方式,所述车辆防翻转的控制方法还可以包括:
a3)通过用户界面获取防翻转控制的定制信息或更新信息;
具体的,用户可以通过用户界面获取防翻转控制的定制信息或更新信息,其中,定制信息可以是用户根据实际情况对防翻转操作进行修改,示例性的,用户可以根据自身的驾驶需求更改预测结果的等级划分以及相应的防翻转操作,用户也可以自身的驾驶需求更改报警形式,如采用声音报警和/或车载显示屏报警等方式。
接上述描述,更新信息可以是用户可以根据实际情况对防翻转操作中的参数进行修改,示例性的,用户可以根据自身的驾驶情况修改对对车辆翻转等级预先设定分级的阈值区间和/或决策树的算法参数等。
b3)根据所述定制信息或所述更新信息对所述车辆进行防翻转控制。
可以知道的是,可以根据用户的定制信息和更新信息对车辆进行防翻转控制,提供了更大的灵活性和适应性。
图2为本实施例提供的一种车辆防翻转的控制模块的结构示意图,如图2所示,通过倾斜角传感器、轮速传感器和加速度传感器采集车辆数据(车辆倾斜角、轮速和加速度),专门设计用于实时监测车辆的状态和运动情况;并对所述车辆数据进行预处理,为后续的决策树算法提供准备;将所述经过预处理的车辆数据(车速和倾斜角速度)输入至决策树算法模块中,准确评估车辆的翻转风险;通过决策树算法模块输出的车辆翻转预警,进而对车辆进行防翻转控制,以防止车辆发生翻转;同时,用户也可以将用户输入参数输入至用户界面,通过用户界面对决策树的算法参数进行调整,提供更大的灵活性和适应性;本技术方案通过综合利用多种传感器数据,并结合决策树算法,实现对车辆翻转风险的准确预测和防控措施的自动采取。
图3为本实施例提供的一种车辆防翻转的控制流程图,如图3所示,在数据采集阶段,采用多源传感器融合的方式,实时监测车辆的状态和运动情况,确保对车辆环境数据的实时监测;并采用了决策树算法,对车辆的防翻转评估提供了预测模型,从而平滑准确的评估车辆的翻转风险;利用输出的车辆防翻滚等级的预测结果,利用与翻转等级对应的防翻转策略,如避震阻尼调节策略调节车辆的出轮的阻尼,实现了对车辆的及时控制,提高驾驶体验感和安全性。
实施例二
图4是本公开实施例二提供的一种车辆防翻转的控制装置的结构示意图;如图4所示,该装置包括:数据获取模块210、预测结果获取模块220、控制模块230。
其中,数据获取模块210,用于获取多源传感器采集的车辆数据;
预测结果获取模块220,用于将所述车辆数据输入至车辆翻转预测模型,以通过所述车辆翻转预测模型对所述车辆数据进行处理,得到对车辆翻转等级的预测结果;
控制模块230,用于根据所述预测结果执行相应的防翻转操作以控制车辆;
其中,所述车辆翻转预测模型为决策树模型,所述决策树模型基于样本数据、信息增益和基尼不纯度构建。
本公开实施例二提供了一种车辆防翻转的控制装置,实现了对车辆翻转风险的准确预测和防控措施的自动采取。
进一步的,所述车辆防翻转的控制装置还可以包括模型构建模块,模型构建模块可以用于:
获取多源传感器采集的样本数据集并提取所述样本数据集的多个特征;
分别计算各所述特征对应的信息增益以及各所述特征对应的基尼不纯度;
根据各所述特征对应的信息增益确定目标特征;
根据所述目标特征和各所述特征对应的基尼不纯度进行节点分裂,得到所述决策树模型。
进一步的,任意所述特征对应的信息增益为:
其中,S为样本数据集,A为任意所述特征,Entropy(S)为所述样本数据集的熵值,Values(A)为所述特征的可能值的集合,Sv为所述特征取特定值v的样本构成的子集,表示所述子集的样本在所述样本数据集中的占比,Entropy(Sv)为所述特征取特定值v时所述样本数据集的熵值。
进一步的,任意所述特征对应的基尼不纯度为:
其中,Pi为车辆翻转等级的预测结果为第i个翻转等级的样本在所述样本数据集中所占的比例,c为车辆翻转等级的预测结果包含的翻转等级的总数量。
进一步的,所述预测结果包括第一翻转等级或第二翻转等级;控制模块230可以用于:
若所述预测结果为第一翻转等级,则生成报警信息,所述报警信息用于提醒驾驶员控制所述车辆的方向盘以防止所述车辆翻转;
若所述预测结果为第二翻转等级,则调整所述车辆的车轮阻尼以防止所述车辆翻转。
进一步的,所述车辆防翻转的控制装置还可以包括界面显示模块,界面显示模块可以用于:
通过用户界面获取防翻转控制的定制信息或更新信息;
根据所述定制信息或所述更新信息对所述车辆进行防翻转控制。
进一步的,所述多源传感器包括倾斜传感器、加速度计和陀螺仪;
所述车辆数据包括车速、加速度、倾斜角度和转向角。
本公开实施例所提供的车辆防翻转的控制装置可执行本公开实施例任意实施例所提供的车辆防翻转的控制方法,具备执行方法相应的功能模块和有益效果。
实施例三
图5示出了可以用来实施本公开实施例的车辆10的结构示意图。车辆旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开实施例的实现。
如图5所示,车辆10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储车辆10操作所需的各种程序和数据。处理器11、ROM12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
车辆10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许车辆10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微处理器等。处理器11执行上文所描述的各个方法和处理,例如车辆防翻转的控制方法。
在一些实施例中,车辆防翻转的控制方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到车辆10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的车辆防翻转的控制方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行车辆防翻转的控制方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开实施例的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开实施例的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在车辆上实施此处描述的系统和技术,该车辆具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给车辆。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开实施例中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开实施例的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开实施例保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开实施例的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开实施例保护范围之内。
Claims (10)
1.一种车辆防翻转的控制方法,其特征在于,包括:
获取多源传感器采集的车辆数据;
将所述车辆数据输入至车辆翻转预测模型,以通过所述车辆翻转预测模型对所述车辆数据进行处理,得到对车辆翻转等级的预测结果;
根据所述预测结果执行相应的防翻转操作以控制车辆;
其中,所述车辆翻转预测模型为决策树模型,所述决策树模型基于样本数据、信息增益和基尼不纯度构建。
2.根据权利要求1所述的方法,其特征在于,所述车辆翻转预测模型的构建过程包括:
获取多源传感器采集的样本数据集并提取所述样本数据集的多个特征;
分别计算各所述特征对应的信息增益以及各所述特征对应的基尼不纯度;
根据各所述特征对应的信息增益确定目标特征;
根据所述目标特征和各所述特征对应的基尼不纯度进行节点分裂,得到所述决策树模型。
3.根据权利要求2所述的方法,任意所述特征对应的信息增益为:
其中,S为样本数据集,A为任意所述特征,Entropy(S)为所述样本数据集的熵值,Values(A)为所述特征的可能值的集合,Sv为所述特征取特定值v的样本构成的子集,表示所述子集的样本在所述样本数据集中的占比,Entropy(Sv)为所述特征取特定值v时所述样本数据集的熵值。
4.根据权利要求2所述的方法,任意所述特征对应的基尼不纯度为:
其中,Pi为车辆翻转等级的预测结果为第i个翻转等级的样本在所述样本数据集中所占的比例,c为车辆翻转等级的预测结果包含的翻转等级的总数量。
5.根据权利要求1所述的方法,所述预测结果包括第一翻转等级或第二翻转等级;
根据所述预测结果执行相应的防翻转操作以控制车辆,包括:
若所述预测结果为第一翻转等级,则生成报警信息,所述报警信息用于提醒驾驶员控制所述车辆的方向盘以防止所述车辆翻转;
若所述预测结果为第二翻转等级,则调整所述车辆的车轮阻尼以防止所述车辆翻转。
6.根据权利要求1所述的方法,还包括:
通过用户界面获取防翻转控制的定制信息或更新信息;
根据所述定制信息或所述更新信息对所述车辆进行防翻转控制。
7.根据权利要求1-6任一所述的方法,还包括:所述多源传感器包括倾斜传感器、加速度计和陀螺仪;
所述车辆数据包括车速、加速度、倾斜角度和转向角。
8.一种车辆防翻转的控制装置,其特征在于,包括:
数据获取模块,用于获取多源传感器采集的车辆数据;
预测结果获取模块,用于将所述车辆数据输入至车辆翻转预测模型,以通过所述车辆翻转预测模型对所述车辆数据进行处理,得到对车辆翻转等级的预测结果;
控制模块,用于根据所述预测结果执行相应的防翻转操作以控制车辆;
其中,所述车辆翻转预测模型为决策树模型,所述决策树模型基于样本数据、信息增益和基尼不纯度构建。
9.一种车辆,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7任一所述的车辆防翻转的控制方法。
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,该程序被处理器执行时实现如权利要求1-7任一所述的车辆防翻转的控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410379227.5A CN118025134A (zh) | 2024-03-29 | 2024-03-29 | 车辆防翻转的控制方法、装置、车辆及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410379227.5A CN118025134A (zh) | 2024-03-29 | 2024-03-29 | 车辆防翻转的控制方法、装置、车辆及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118025134A true CN118025134A (zh) | 2024-05-14 |
Family
ID=90986060
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410379227.5A Pending CN118025134A (zh) | 2024-03-29 | 2024-03-29 | 车辆防翻转的控制方法、装置、车辆及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118025134A (zh) |
-
2024
- 2024-03-29 CN CN202410379227.5A patent/CN118025134A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113370982B (zh) | 路面颠簸区域的检测方法、装置、电子设备及存储介质 | |
US8521357B2 (en) | Impaired operation detection method | |
CN112579464A (zh) | 自动驾驶算法的校验方法、装置、设备以及存储介质 | |
CN113822593A (zh) | 一种安全态势评估方法、装置、存储介质及电子设备 | |
CN116767281A (zh) | 一种辅助驾驶方法、装置、设备、车辆和介质 | |
CN115451901A (zh) | 一种路面不平度的分类识别方法、装置、车辆及存储介质 | |
CN113063396B (zh) | 一种半挂车夹角的检测方法、装置、设备及存储介质 | |
CN110531339B (zh) | 激光雷达的探测方法、装置及计算机可读存储介质 | |
CN118025134A (zh) | 车辆防翻转的控制方法、装置、车辆及介质 | |
CN112781556A (zh) | 一种基于多数据融合滤波的井盖异动监测方法和装置 | |
CN110450788B (zh) | 一种驾驶模式切换方法、装置、设备及存储介质 | |
CN115909813B (zh) | 一种车辆碰撞预警方法、装置、设备及存储介质 | |
CN116620303A (zh) | 一种车辆驾驶状态的确定方法、装置、电子设备及介质 | |
CN115048713A (zh) | 降低仿真测试场景数量的方法、装置、设备及介质 | |
CN115171384A (zh) | 一种车载显示过程中关键车位置延迟补偿方法及装置 | |
CN114282776A (zh) | 车路协同评估自动驾驶安全性的方法、装置、设备和介质 | |
FR3117975A1 (fr) | Dispositif et procédé de contrôle de véhicule dépendant de la trajectoire | |
CN115923424B (zh) | 一种乘用车的电控悬架载荷补偿控制方法、装置、设备和介质 | |
CN117765026B (zh) | 一种目标跟踪方法、系统、装置及存储介质 | |
CN114852173B (zh) | 自动驾驶转向控制方法、设备及计算机可读存储介质 | |
CN114919593B (zh) | 车辆载荷估算方法、设备和存储介质 | |
CN118387809B (zh) | 调平油缸与变幅油缸的角度调整方法、装置、设备及介质 | |
CN116572972B (zh) | 一种车辆的横向控制方法、装置、电子设备及存储介质 | |
US20230294669A1 (en) | Control method, vehicle, and storage medium | |
CN115805948A (zh) | 车辆异常行驶行为检测方法、装置、电子设备和存储介质 |
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 |