TWI844149B - 車輛狀態偵測方法、裝置及電腦可讀存儲介質 - Google Patents
車輛狀態偵測方法、裝置及電腦可讀存儲介質 Download PDFInfo
- Publication number
- TWI844149B TWI844149B TW111140980A TW111140980A TWI844149B TW I844149 B TWI844149 B TW I844149B TW 111140980 A TW111140980 A TW 111140980A TW 111140980 A TW111140980 A TW 111140980A TW I844149 B TWI844149 B TW I844149B
- Authority
- TW
- Taiwan
- Prior art keywords
- vehicle
- target vehicle
- level
- area
- speed
- Prior art date
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 87
- 238000000034 method Methods 0.000 title abstract description 66
- 238000004590 computer program Methods 0.000 claims description 10
- 230000014759 maintenance of location Effects 0.000 claims description 10
- 238000010586 diagram Methods 0.000 description 19
- 230000006399 behavior Effects 0.000 description 6
- 238000004904 shortening Methods 0.000 description 4
- 101100012902 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) FIG2 gene Proteins 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000001788 irregular Effects 0.000 description 3
- 230000008447 perception Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 101001121408 Homo sapiens L-amino-acid oxidase Proteins 0.000 description 1
- 102100026388 L-amino-acid oxidase Human genes 0.000 description 1
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 101100233916 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) KAR5 gene Proteins 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000004884 risky behavior Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本申請公開了一種車輛狀態偵測方法、裝置及電腦可讀存儲介質，該車輛狀態偵測方法包括：獲取偵測區域內至少一輛目標車輛之狀態信息，偵測區域包括主車當前行駛車道之相鄰車道及鄰鄰車道；當目標車輛之狀態信息與第一條件匹配時，將目標車輛之風險等級劃分為第一等級；當目標車輛之風險等級為第一等級且狀態信息與第二條件匹配時，將目標車輛之風險等級劃分為第二等級；根據目標車輛之風險等級進行相應之駕駛提醒，和/或控制主車之行駛方式。
Description
本申請涉及智能駕駛技術領域，具體涉及一種車輛狀態偵測方法、裝置及電腦可讀存儲介質。
於相關技術中，主機會藉由HBA卡(HBA，Host Bus Adapter，主機匯流排適配器)掛載多塊存儲裝置，如可以掛載多台SATA硬碟(SATA，Serial ATA，串列ATA介面)，以滿足存儲大資料之需求。然於相關技術中，HBA卡之硬碟槽位與系統中之盤符係沒有固定之對應關係，於HBA卡啟動時會把最先識別到之硬碟作為開機磁片，以及會導致讀取或寫入資料之位置錯亂等情況。
鑒於此，本申請提供一種車輛狀態偵測方法、裝置及電腦可讀存儲介質，用以有效避開來至其它車輛不規範行駛所帶來之事故，從而降低主車於行駛過程中之風險。本申請之技術方案如下：
本申請第一方面提供一種車輛狀態偵測方法，包括：獲取偵測區域內至少一輛目標車輛之狀態信息，所述偵測區域包括主車當前行駛車道之相鄰車道及鄰鄰車道；當所述目標車輛之狀態信息與第一條件匹配時，將所述目標車輛之風險等級劃分為第一等級；當所述目標車輛之風險等級為所述第一等級且狀態信息與第二條件匹配時，將所述目標車輛之風險等級劃分為第二等級；
根據所述目標車輛之風險等級進行相應之駕駛提醒，和/或控制所述主車之行駛方式。
根據本申請一種可能之實施方式，所述偵測區域包括依次連接不重疊之第一區域、第二區域以及第三區域；所述第一區域之最前端位於所述主車之後，且具有第一長度；所述第二區域之最後端位於所述主車之後，最前端位於所述主車之前，且具有第二長度；所述第三區域最後端位於所述主車之前，且具有第三長度；所述目標車輛之狀態信息包括位置，行駛速度，及與所述主車之間之碰撞時間TTC；所述第一條件包括：所述目標車輛之所述位置處於所述第一區域，且所述行駛速度大於所述主車之速度，且所述碰撞時間TTC小於預設門檻值；所述目標車輛之所述位置處於第二區域；所述目標車輛之所述位置處於所述第三區域，且所述行駛速度小於所述主車之速度，且所述碰撞時間TTC小於預設門檻值。
根據本申請一種可能之實施方式，所述狀態信息包括行駛速度；所述第二條件包括：所述目標車輛之所述行駛速度大於第一數值，所述第一數值為平均速度與第一預設值之和，所述平均速度為所述偵測區域內所有車輛平均之速度。
根據本申請一種可能之實施方式，所述第二條件還包括：所述目標車輛之所述行駛速度小於第二數值，第二數值為所述平均速度與第二預設值之差；所述第二預設值大於所述第一預設值。
根據本申請一種可能之實施方式，所述狀態信息包括擺動幅度和/或橫向速度；所述第二條件包括：所述目標車輛之所述擺動幅度大於預設幅度；和/或所述目標車輛之所述橫向速度大於預設速度。
根據本申請一種可能之實施方式，所述狀態信息包括側向距離，所述側向距離為所述主車與所述目標車輛側向之距離；所述第二條件包括：所述側向距離小於車道距離，且相對速度大於第三預設值；所述車道距離為所述主
車與車道線之距離，所述車道線為所述主車與所述目標車輛之間之車道線；所述相對速度為所述目標車輛與所述主車之間之速度差。
根據本申請一種可能之實施方式，所述獲取偵測區域內至少一輛目標車輛之狀態信息包括：將進入所述偵測區域之車輛設置為所述目標車輛，並記錄所述目標車輛於所述偵測區域之滯留時間；於所述滯留時間大於預設時間時，開始獲取所述目標車輛之狀態信息。
根據本申請一種可能之實施方式，還包括：藉由高精地圖之資訊，獲取為第二等級之所述目標車輛之地圖坐標，並將所述地圖坐標上傳至目標雲端。
本申請第二方面提供一種車輛狀態偵測裝置，包括：狀態信息獲取模塊，用以實時獲取偵測區域內至少一輛目標車輛之狀態信息，所述偵測區域包括主車當前行駛車道之相鄰車道及鄰鄰車道；第一等級劃分模塊，用以當所述目標車輛之狀態信息與第一條件匹配時，將所述目標車輛之風險等級劃分為第一等級；第二等級劃分模塊，用以當所述目標車輛之風險等級為所述第一等級且狀態信息與第二條件匹配時，將所述目標車輛之風險等級劃分為第二等級；智能駕駛模塊，用以根據所述目標車輛之風險等級進行相應之駕駛提醒，和/或控制所述主車之行駛方式。
本申請第三方面提供一種電腦可讀存儲介質，所述電腦可讀存儲介質存儲有電腦程式，當所述電腦程式被處理器執行時，使所述處理器執行所述之車輛狀態偵測方法。
本申請提供之技術方案帶來之有益效果至少包括：藉由主動獲取進入偵測區域之目標車輛之狀態信息，主動對目標車輛進行風險等級之劃分，並根據風險等級進行相應之駕駛提醒以及主動控制主車之行駛方式，使主車於行駛過程中可以有效避開來至目標車輛不規範行駛所帶來之事故，從而降低主車於行駛過程中之風險。
100:車輛行駛場景
110:主車
120:目標車
30:偵測區域
31:第一區域
32:第二區域
33:第三區域
1100:車輛狀態偵測裝置
1110:狀態信息獲取模塊
1120:第一等級劃分模塊
1130:第二等級劃分模塊
1140:智能駕駛模塊
S21~S24，S41~S48，S51~S55，S71~S74，S81~S84，S91~92，S101~S105:步驟
圖1係本申請提供之一種車輛行駛場景之示意圖。
圖2係本申請實施方式提供之一種車輛狀態偵測方法之流程示意圖。
圖3係本申請實施方式提供之一種偵測區域之結構示意圖。
圖4係本申請實施方式提供之一種劃分第一等級之流程示意圖。
圖5係本申請實施方式提供之第一種劃分第二等級之流程示意圖。
圖6係本申請實施方式提供之第二種劃分第二等級之流程示意圖。
圖7係本申請實施方式提供之第三種劃分第二等級之流程示意圖。
圖8係本申請實施方式提供之第四種劃分第二等級之流程示意圖。
圖9係本申請實施方式提供之一種獲取目標車輛狀態信息方法之流程示意圖。
圖10係本申請實施方式提供之另一種車輛狀態偵測方法之流程示意圖。
圖11係本申請實施方式提供之一種車輛狀態偵測裝置之結構示意圖。
需要說明的係，本申請實施例中“至少一個”係指一個或者多個，“多個”係指兩個或多於兩個。“和/或”，描述關聯物件之關聯關係，表示可以存在三種關係，例如，A和/或B可以表示：單獨存在A，同時存在A與B，單獨存在B之情況，其中A，B可為單數或者複數。本申請之說明書與請求項書及附圖中之術語“第一”、“第二”、“第三”、“第四”等(如果存在)係用以區別類似之物件，而不係用以描述特定之順序或先後次序。
另外需要說明的係，本申請實施例中公開之方法或流程圖所示出之方法，包括用以實現方法之一個或多個步驟，於不脫離請求項之範圍之情況下，多個步驟之執行順序可以彼此互換，其中某些步驟亦可以被刪除。
如圖1所示，為本申請提供之一種車輛行駛場景之示意圖，其中，
該車輛行駛場景100中包括主車110，以及複數數量之目標車120。
目前，現有之車輛輔助系統中包括用以預防事故之報警系統，該報警系統主要對駕駛之主動行為進行偵測，並於偵測到有駕駛人員有主動之風險駕駛行為時進行相應之報警。例如，於駕駛人員進行打方向燈變換車道時，未留意到相鄰車道盲區有來車時進行相應之報警。
然，於車道上之車流動態係千變萬化的，僅對主車110之主動行為進行偵測係不夠的，例如主車110規範行駛於當前之車道上，並未有主動之風險駕駛行為時，若有其它目標車120因不明原因而變道主動靠近時，亦會存在發生事故之風險。而於現有之車輛輔助系統中，於主車110中係偵測不出目標120車對於主車110之風險行為的。
因此，本申請提供一種車輛狀態偵測方法，應用於上述主車110中，使主車110於行駛之過程中可以偵測周圍目標車120之狀態，並根據目標車120之狀態，判斷目標車120是否有對於主車110之風險駕駛行為，以使主車110有機會提前對交通風險進行迴避。
接下來，結合圖1介紹本申請實施方式提供之一種車輛狀態偵測方法，如圖2所示，該方法包括：
步驟S21：獲取偵測區域內至少一輛目標車輛之狀態信息，偵測區域包括主車當前行駛車道之相鄰車道及鄰鄰車道。
本申請實施方式中，上述偵測區域包括感知傳感器所能檢測到之範圍，該感知傳感器設置於主車內部，用以感知主車周圍之目標車之狀態信息。其中，該感知傳感器可以包括毫米波傳感器、激光傳感器以及圖像傳感器等，以及多種傳感器之組合。即獲取之目標車輛之狀態信息可以包括目標車輛之位置、速度，以及與主車之相對距離等。
其中，基於感知傳感器之初始偵測範圍係比較大的，而於實際之車輛行駛場景中，對主車會帶來事故風險之目標車輛往往係行駛於相鄰車道，或者鄰鄰車道之目標車輛，因此，可將偵測區域限定於主車行駛車道之相鄰車
道以及鄰鄰車道。將偵測區域限制於主車當前行駛車道之相鄰車道及鄰鄰車道，可以減少不必要之車輛之狀態信息之獲取，從而減輕感知傳感器之負擔，並且對於後續之目標車輛之等級劃分過程，亦可以降低其計算量，減輕車載電腦之負擔，降低對車載電腦之算力要求。
步驟S22：當目標車輛之狀態信息與第一條件匹配時，將目標車輛之風險等級劃分為第一等級。
本申請實施方式中，於藉由感知傳感器獲取到偵測區域內之目標車輛之狀態信息後，主車之車載電腦可以利用該狀態信息與預先設置之第一條件進行匹配，並於匹配藉由後將目標車輛之風險等級劃分為第一等級。
其中，該第一等級即可以表示相應之目標車輛已經進入偵測區域，並且與主車之間存在一定之事故風險，需要進一步之持續偵測以及分析。
步驟S23：當目標車輛之風險等級為第一等級且狀態信息與第二條件匹配時，將目標車輛之風險等級劃分為第二等級。
本申請實施方式中，該第二等級由第一等級之目標車輛於滿足第二條件後升級而來，因此該第二等級所表示之風險更大，相應之目標車輛與主車之間發生事故之概率更高。
其中，於目標車輛劃分為第一等級後，主車還將根據該目標車輛之狀態信息，持續判斷目標車輛是否還滿足第一條件，於不滿足第一條件時可以將該目標車輛劃分回無風險。同理。遭目標車劃分為第二等級後，主車將根據該目標車輛之狀態信息，持續判斷目標車輛是否還滿足第二條件，於不滿足第二條件時可以將該目標車輛劃分回第一等級。
步驟S24：根據目標車輛之風險等級進行相應之駕駛提醒，和/或控制主車之行駛方式。
本申請實施方式中，對於劃分有第一等級以及第二等級之目標車輛，主車之車載電腦可以藉由顯示模塊、燈光模塊和/或語音模塊進行相應之駕駛提醒。並且，對於第一等級之目標車輛以及第二等級之目標車輛，進行駕駛
提醒之方式可以不同，以便於駕駛人員進行區分。
其中，對於第二等級之目標車輛，可以優先於該第一等級之目標車輛進行駕駛提醒。而於自動駕駛之場景中，自動駕駛系統亦可以控制主車對第二等級之目標車輛優先進行迴避。
本申請實施方式中，藉由主動獲取進入偵測區域之目標車輛之狀態信息，主動對目標車輛進行風險等級之劃分，並根據風險等級進行相應之駕駛提醒以及主動控制主車之行駛方式，使主車於行駛過程中可以有效避開來至目標車輛不規範行駛所帶來之事故，從而降低主車於行駛過程中之風險。
同時，於為目標車輛劃分風險等級時，採用第一等級以及從第一等級遞進而來之第二等級，使目標車輛之風險等級劃分更加準確，並且有利於後續對於不同等級之風險進行不同之駕駛提醒或者自動駕駛操控。
並且，尤其係於主車之偵測區域內存在有多台目標車輛之場景時，明確多台目標車輛之第一等級以及第二等級風險，有利於駕駛人員或者自動駕駛系統進行正確之優先避讓決定，從而大大降低上述場景發生事故之風險。
作為一種可選之實施方式，如圖3所示，該偵測區域30包括依次連接不重疊之第一區域31、第二區域32以及第三區域33。並且，第一區域31之最前端位於主車之後，且具有第一長度。第二區域32之最後端位於主車之後，最前端位於主車之前，且具有第二長度。第三區域33最後端位於主車之前，且具有第三長度。
其中，該目標車輛之狀態信息亦可以包括目標車輛之位置、行駛速度以及與主車之間之碰撞時間TTC。基於上述將偵測區域30劃分為第一區域31、第二區域32以及第三區域33，上述之第一條件可以包括：目標車輛之位置處於第一區域31，且行駛速度大於主車之速度，且碰撞時間TTC小於預設門檻值(TTC，Time to Collision)；目標車輛之位置處於第二區域32；目標車輛之位置處於第三區域33，且行駛速度小於主車之速度，且碰撞時間TTC小於預設門檻值。
即如圖4所示，為本申請實施方式提供之一種劃分第一等級之流程示意圖，該劃分第一等級之流程為上述步驟S22之其中一種實施方式。具體包括如下步驟：
步驟S41：判斷於目標車輛之位置是否於偵測區域，若是進入步驟S42、S44以及步驟S45。
步驟S42：確定目標車輛之位置於第一偵測區域，進入步驟S43。
步驟S43：判斷目標車輛之行駛速度是否大於主車之速度，且碰撞時間TTC小於預設門檻值，若是進入步驟S47，若否進入步驟S48。
本申請實施方式中，該第一偵測區域即主車行駛方向之後方，具有第一長度之相鄰道路以及鄰鄰道路。可以理解的係，當目標車輛進入第一偵測區域後，若目標車輛之速度係大於主車速度的，目標車輛與主車之間之距離於不斷縮短，因此碰撞時間TTC亦於不斷縮短，即目標車輛與主車之碰撞風險於不斷升級。當碰撞時間達到預設門檻值時，即目標車輛與主車之碰撞風險達到一定之程度，則把該目標車輛劃分為第一等級。
步驟S44：確定目標車輛之位置於第二偵測區域，進入步驟S47。
本申請實施方式中，該第二偵測區域即主車之左右側方，具有第二長度之相鄰道路以及鄰鄰道路。可以理解的係，當目標車輛位於主車之左右側方時，與主車之相對距離比較近，因此具備一定程度之碰撞風險，因此把該目標車輛劃分為第一等級。
步驟S45：確定目標車輛之位置於第三偵測區域，進入步驟S46。
步驟S46：判斷目標車輛之行駛速度是否小於主車之速度，且碰撞時間TTC小於預設門檻值，若是進入步驟S47，若否進入步驟S48。
本申請實施方式中，該第三偵測區域即主車行駛方向之前方，具有第三長度之相鄰道路以及鄰鄰道路。可以理解的係，當目標車輛進入第三偵測區域後，若目標車輛之速度係小於主車速度的，目標車輛與主車之間之距離於不斷縮短，因此碰撞時間TTC亦於不斷縮短，即目標車輛與主車之碰撞風險
於不斷升級。當碰撞時間達到預設門檻值時，即目標車輛與主車之碰撞風險達到一定之程度，則把該目標車輛劃分為第一等級。
步驟S47：將目標車輛之風險等級劃分為第一等級。
步驟S48：該目標車輛沒有風險。
作為一種可選之實施方式，上述狀態信息包括目標車輛之行駛速度，而上述第二條件包括：目標車輛之行駛速度大於第一數值，第一數值為平均速度與第一預設值之和，平均速度為偵測區域內所有車輛平均之速度。
即如圖5所示，為本申請實施方式提供之第一種劃分第二等級之流程示意圖，該劃分第二等級之流程為上述步驟S23之其中一種實施方式。具體包括如下步驟：
步驟S51：確定目標車輛為第一等級，進入步驟S52。
步驟S52：判斷目標車輛之行駛速度是否大於第一數值，第一數值為平均速度與第一預設值之和，若是，進入步驟S53，若否進入步驟S54。
本申請實施方式中，尤其係於目標車輛位於主車之後方時，若該目標車輛之行駛速度大於第一數值，第一數值為平均速度與第一預設值之和，說明目標車輛之速度係要高於主車，以及高於主車之偵測區域內大部分之車輛的。於該目標車輛被劃分為第一等級時，還滿足上述條件則說明該目標車輛追尾前方車輛之風險等級更加大，則可把該目標車輛劃分為第二等級。
步驟S53：將目標車輛之風險等級劃分為第二等級。
步驟S54：該目標車輛繼續為第一等級。
作為一種可選之實施方式，上述第二條件還包括：目標車輛之行駛速度小於第二數值，第二數值為所述平均速度與第二預設值之差，第二預設值大於第一預設值。
如圖6所示，為本申請實施方式提供之第二種劃分第二等級之流程示意圖，該劃分第二等級之流程為上述步驟S23之其中一種實施方式。其中，步驟S51~S54與圖5中之步驟相同，具體可參閱圖5中有關S51~S54之描述，
於此不再贅述。可以理解，圖6所示之第二種劃分第二等級之流程與圖5相比，其區別在於，圖6所示之第二種劃分第二等級之流程還包括步驟S55。
步驟S55：判斷目標車輛之行駛速度是否小於第二數值，第二數值為平均速度與第二預設值之差，若是，進入步驟S53，若否進入步驟S54。
本申請實施方式中，尤其係於目標車輛位於主車之前方時，若該目標車輛之行駛速度小於第二數值，第二數值為平均速度與第二預設值之差，說明目標車輛之速度係要低於主車，以及低於主車之偵測區域內大部分之車輛的。於該目標車輛被劃分為第一等級時，還滿足上述條件則說明該目標車輛被追尾之風險等級更加大，則可把該目標車輛劃分為第二等級。
作為一種可選之實施方式，上述狀態信息包括目標車輛之擺動幅度和/或橫向速度。而上述第二條件包括：目標車輛之擺動幅度大於預設幅度；和/或目標車輛之橫向速度大於預設速度。
即如圖7所示，為本申請實施方式提供之第三種劃分第二等級之流程示意圖，該劃分第二等級之流程為上述步驟S23之其中一種實施方式。具體包括如下步驟：
步驟S71：確定目標車輛為第一等級，進入步驟S72。
步驟S72：判斷目標車輛之擺動幅度是否大於預設幅度；和/或判斷目標車輛之橫向速度是否大於預設速度，若是，進入步驟S73，若否進入步驟S74。
本申請實施方式中，上述目標車輛之擺動幅度即目標車輛於變道時橫向位移之大小。可以理解的係，滿足第一等級之目標車輛，其與主車之相對距離以及碰撞時間均係比較小的，若這時候該目標車輛還進行大幅度之變相駕駛，進一步提升了與主車發生碰撞之風險，因此可把該目標車輛劃分為第二等級。
步驟S73：將目標車輛之風險等級劃分為第二等級。
步驟S74：該目標車輛繼續為第一等級。
作為一種可選之實施方式，上述狀態信息包括目標車輛之側向距離，側向距離為主車與目標車輛側向之距離。而上述第二條件包括：側向距離小於車道距離，且相對速度大於第三預設值；車道距離為主車與車道線之距離，車道線為主車與目標車輛之間之車道線；相對速度為目標車輛與主車之間之速度差。
即如圖8所示，為本申請實施方式提供之第四種劃分第二等級之流程示意圖，該劃分第二等級之流程為上述步驟S23之其中一種實施方式。具體包括如下步驟：
步驟S81：確定目標車輛為第一等級，進入步驟S82。
步驟S82：判斷目標車輛之側向距離是否小於車道距離，且相對速度是否大於第三預設值，若是，進入步驟S83，若否進入步驟S84。
本申請實施方式中，於目標車輛之側向距離是否小於車道距離時，即說明目標車輛正於變道至主車行駛之車道上，或者存在壓道路線行駛之違規行為。可以理解的係，於上述情況下，為第一等級之目標車輛再與主車之間之相對速度大於第三預設值，則說明目標車輛於快速與主車靠近，進一步提升了與主車發生碰撞之風險，因此可把該目標車輛劃分為第二等級。
步驟S83：將目標車輛之風險等級劃分為第二等級。
步驟S84：該目標車輛繼續為第一等級。
如圖9所示，為本申請實施方式提供之一種獲取目標車輛狀態信息方法之流程示意圖，該方法為上述步驟S21之其中一種實施方式，具體包括如下步驟：
步驟S91：將進入偵測區域之車輛設置為目標車輛，並記錄目標車輛於偵測區域之滯留時間。
步驟S92：於滯留時間大於預設時間時，開始獲取目標車輛之狀態信息。
本申請實施方式中，還可以為目標車輛設置於偵測區域之滯留時
間，於目標車輛進入偵測區域後，主車之車載電腦可以記錄目標車輛之滯留時間，於滯留時間比較短之時候，說明目標車輛快速超過主車之偵測區域，無需獲取該目標車輛之狀態信息進行風險等級之評估，從而降低車載電腦之運算量。並且僅針對滯留時間較長之目標車輛進行風險等級之評估，可以進一步提高風險等級之評估之準確性。
如圖10所示，為本申請實施方式提供之另一種車輛狀態偵測方法之流程示意圖。該車輛狀態偵測方法包括步驟S101-S104，其中，步驟S101-S104與圖2中之步驟S21-S24相同或類似，具體可參閱圖2中有關步驟S21-S24之描述，於此不再贅述。可以理解，圖10所示之車輛狀態偵測方法與圖2所示之車輛狀態偵測方法相比，其區別在於，圖10所示之車輛狀態偵測方法還包括步驟S105。
步驟S105：藉由高精地圖之資訊獲取為第二等級之目標車輛之地圖坐標，並將地圖坐標上傳至目標雲端。
本申請實施方式中，於車輛網應用場景中，主車於劃分出周圍之第二等級之目標車輛後，可以藉由高精地圖之資訊獲取第二等級之目標車輛之地圖坐標並上述之目標雲端，以便於車輛網中分享第二等級之目標車輛之坐標信息，從而便與利用車輛網來降低交通事故發生之概率。
如圖11所示，為本申請實施方式提供之一種車輛狀態偵測裝置之結構示意圖。該車輛狀態偵測裝置1100包括：狀態信息獲取模塊1110，用以實時獲取偵測區域內至少一輛目標車輛之狀態信息，偵測區域包括主車當前行駛車道之相鄰車道及鄰鄰車道；第一等級劃分模塊1120，用以當目標車輛之狀態信息與第一條件匹配時，將目標車輛之風險等級劃分為第一等級；第二等級劃分模塊1130，用以當目標車輛之風險等級為第一等級且狀態信息與第二條件匹配時，將目標車輛之風險等級劃分為第二等級；智能駕駛模塊1140，用以根據目標車輛之風險等級進行相應之駕
駛提醒，和/或控制主車之行駛方式。
本申請實施方式中，上述各個模塊更加詳細之功能描述可以參考前述實施方式中相應部分之內容，於此不再贅述。
本申請實施例還提供了一種電腦可讀存儲介質，該電腦可讀存儲介質存儲有電腦程式，當該電腦程式被處理器執行時，使處理器執行上述之車輛狀態偵測方法。上述車輛狀態偵測裝置各組成模組如果以軟體功能單元之形式實現並作為獨立之產品銷售或使用時，可以存儲於所述存儲介質中。
於上述實施例中，可以全部或部分地藉由軟體、硬體、固件或者其任意組合來實現。當使用軟體實現時，可以全部或部分地以電腦程式產品之形式實現。所述電腦程式產品包括一個或多個電腦指令。於電腦上載入與執行所述電腦程式指令時，全部或部分地產生按照本申請實施例所述之流程或功能。所述電腦可為通用電腦、專用電腦、電腦網路、或者其他可程式設計裝置。所述電腦指令可以存儲於電腦可讀存儲介質中，或者藉由所述電腦可讀存儲介質進行傳輸。所述電腦指令可以從一個網站、電腦、伺服器或資料中心藉由有線(例如同軸電纜、光纖、數位用戶線路(Digital Subscriber Line，DSL))或無線(例如紅外、無線、微波等)方式向另一個網站、電腦、伺服器或資料中心進行傳輸。所述電腦可讀存儲介質可為電腦能夠存取之任何可用介質或者係包含一個或多個可用介質集成之伺服器、資料中心等資料存放裝置。所述可用介質可為磁性介質，(例如，軟碟、硬碟、磁帶)、光介質(例如，數位多功能光碟(Digital Versatile Disc，DVD))、或者半導體介質(例如，固態硬碟(solid state disk，SSD))等。
本領域普通技術人員可以理解實現上述實施例方法中之全部或部分流程，可以藉由電腦程式來指令相關之硬體來完成，該程式可存儲於電腦可讀取存儲介質中，該程式於執行時，可包括如上述各方法之實施例之流程。而前述之存儲介質包括：ROM、RAM、磁碟或者光碟等各種可存儲程式碼之介質。於不衝突之情況下，本實施例與實施方案中之技術特徵可以任意組合。
上面結合附圖對本申請實施例作了詳細說明，然本申請不限於上述實施例，於所屬技術領域普通技術人員所具備之知識範圍內，還可以於不脫離本申請宗旨之前提下做出各種變化。
S21~S24:步驟
Claims (8)
- 一種車輛狀態偵測方法，其改良在於，包括：獲取偵測區域內至少一輛目標車輛之狀態信息，所述偵測區域包括主車當前行駛車道之相鄰車道及鄰鄰車道；當所述目標車輛之狀態信息與第一條件匹配時，將所述目標車輛之風險等級劃分為第一等級；當所述目標車輛之風險等級為所述第一等級且狀態信息與第二條件匹配時，將所述目標車輛之風險等級劃分為第二等級；根據所述目標車輛之風險等級進行相應之駕駛提醒，和/或控制所述主車之行駛方式；所述偵測區域包括依次連接不重疊之第一區域、第二區域以及第三區域；所述第一區域之最前端位於所述主車之後，且具有第一長度；所述第二區域之最後端位於所述主車之後，最前端位於所述主車之前，且具有第二長度；所述第三區域最後端位於所述主車之前，且具有第三長度；所述目標車輛之狀態信息包括位置，行駛速度，及與所述主車之間之碰撞時間TTC；所述第一條件包括：所述目標車輛之所述位置處於所述第一區域，且所述行駛速度大於所述主車之速度，且所述碰撞時間TTC小於預設門檻值；所述目標車輛之所述位置處於第二區域；所述目標車輛之所述位置處於所述第三區域，且所述行駛速度小於所述主車之速度，且所述碰撞時間TTC小於預設門檻值；所述第二條件包括：所述目標車輛之所述行駛速度大於第一數值，所述第一數值為平均速度與第一預設值之和，所述平均速度為所述偵測區域內所有車輛平均之速度。
- 如請求項1所述之車輛狀態偵測方法，其中，所述第二條件還包括：所述目標車輛之所述行駛速度小於第二數值，所述第二數值為所述平均速度與第二預設值之差；所述第二預設值大於所述第一預設值。
- 如請求項1所述之車輛狀態偵測方法，其中，所述狀態信息包括擺動幅度和/或橫向速度；所述第二條件包括：所述目標車輛之所述擺動幅度大於預設幅度；和/或所述目標車輛之所述橫向速度大於預設速度。
- 如請求項1所述之車輛狀態偵測方法，其中，所述狀態信息包括側向距離，所述側向距離為所述主車與所述目標車輛側向之距離；所述第二條件包括：所述側向距離小於車道距離，且相對速度大於第三預設值；所述車道距離為所述主車與車道線之距離，所述車道線為所述主車與所述目標車輛之間之車道線；所述相對速度為所述目標車輛與所述主車之間之速度差。
- 如請求項1所述之車輛狀態偵測方法，其中，所述獲取偵測區域內至少一輛目標車輛之狀態信息包括：將進入所述偵測區域之車輛設置為所述目標車輛，並記錄所述目標車輛於所述偵測區域之滯留時間；於所述滯留時間大於預設時間時，開始獲取所述目標車輛之狀態信息。
- 如請求項1所述之車輛狀態偵測方法，其中，還包括： 藉由高精地圖之資訊，獲取為第二等級之所述目標車輛之地圖坐標，並將所述地圖坐標上傳至目標雲端。
- 一種車輛狀態偵測裝置，其改良在於，包括：狀態信息獲取模塊，用以實時獲取偵測區域內至少一輛目標車輛之狀態信息，所述偵測區域包括主車當前行駛車道之相鄰車道及鄰鄰車道；第一等級劃分模塊，用以當所述目標車輛之狀態信息與第一條件匹配時，將所述目標車輛之風險等級劃分為第一等級；第二等級劃分模塊，用以當所述目標車輛之風險等級為所述第一等級且狀態信息與第二條件匹配時，將所述目標車輛之風險等級劃分為第二等級；智能駕駛模塊，用以根據所述目標車輛之風險等級進行相應之駕駛提醒，和/或控制所述主車之行駛方式；所述偵測區域包括依次連接不重疊之第一區域、第二區域以及第三區域；所述第一區域之最前端位於所述主車之後，且具有第一長度；所述第二區域之最後端位於所述主車之後，最前端位於所述主車之前，且具有第二長度；所述第三區域最後端位於所述主車之前，且具有第三長度；所述目標車輛之狀態信息包括位置，行駛速度，及與所述主車之間之碰撞時間TTC；所述第一條件包括：所述目標車輛之所述位置處於所述第一區域，且所述行駛速度大於所述主車之速度，且所述碰撞時間TTC小於預設門檻值；所述目標車輛之所述位置處於第二區域；所述目標車輛之所述位置處於所述第三區域，且所述行駛速度小於所述主車之速度，且所述碰撞時間TTC小於預設門檻值；所述第二條件包括： 所述目標車輛之所述行駛速度大於第一數值，所述第一數值為平均速度與第一預設值之和，所述平均速度為所述偵測區域內所有車輛平均之速度。
- 一種電腦可讀存儲介質，其改良在於，所述電腦可讀存儲介質存儲有電腦程式，當所述電腦程式被處理器執行時，使所述處理器執行如請求項1至6中任一項所述之車輛狀態偵測方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW111140980A TWI844149B (zh) | 2022-10-27 | 2022-10-27 | 車輛狀態偵測方法、裝置及電腦可讀存儲介質 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW111140980A TWI844149B (zh) | 2022-10-27 | 2022-10-27 | 車輛狀態偵測方法、裝置及電腦可讀存儲介質 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| TW202418239A TW202418239A (zh) | 2024-05-01 |
| TWI844149B true TWI844149B (zh) | 2024-06-01 |
Family
ID=92074323
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW111140980A TWI844149B (zh) | 2022-10-27 | 2022-10-27 | 車輛狀態偵測方法、裝置及電腦可讀存儲介質 |
Country Status (1)
| Country | Link |
|---|---|
| TW (1) | TWI844149B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW201544377A (zh) * | 2014-05-27 | 2015-12-01 | Univ Nat Yunlin Sci & Tech | 自動化車輛全域性風險分析的區域規劃演算法與軌跡最佳化閃避系統 |
| TWM566160U (zh) * | 2017-11-08 | 2018-09-01 | 英屬開曼群島商麥迪創科技股份有限公司 | 盲點偵測系統 |
| US10569771B2 (en) * | 2017-01-19 | 2020-02-25 | Mando Corporation | Camera system for intelligent driver assistance system, and driver assistance system and method |
| CN114715142A (zh) * | 2022-04-29 | 2022-07-08 | 岚图汽车科技有限公司 | 一种智能驾驶车辆紧急避撞控制方法及系统 |
| CN114802231A (zh) * | 2021-01-29 | 2022-07-29 | 上海汽车集团股份有限公司 | 危险等级判定方法、装置、电子设备及存储介质 |
-
2022
- 2022-10-27 TW TW111140980A patent/TWI844149B/zh active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW201544377A (zh) * | 2014-05-27 | 2015-12-01 | Univ Nat Yunlin Sci & Tech | 自動化車輛全域性風險分析的區域規劃演算法與軌跡最佳化閃避系統 |
| US10569771B2 (en) * | 2017-01-19 | 2020-02-25 | Mando Corporation | Camera system for intelligent driver assistance system, and driver assistance system and method |
| TWM566160U (zh) * | 2017-11-08 | 2018-09-01 | 英屬開曼群島商麥迪創科技股份有限公司 | 盲點偵測系統 |
| CN114802231A (zh) * | 2021-01-29 | 2022-07-29 | 上海汽车集团股份有限公司 | 危险等级判定方法、装置、电子设备及存储介质 |
| CN114715142A (zh) * | 2022-04-29 | 2022-07-08 | 岚图汽车科技有限公司 | 一种智能驾驶车辆紧急避撞控制方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| TW202418239A (zh) | 2024-05-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11990036B2 (en) | Driver behavior monitoring | |
| US20240290201A1 (en) | Driver behavior monitoring | |
| CN110400478B (zh) | 一种路况通知方法及装置 | |
| CN108509832B (zh) | 用于产生虚拟车道的方法和装置 | |
| US20180165531A1 (en) | Systems and methods for near-crash determination | |
| US11491979B2 (en) | Automated vehicle actions such as lane departure warning, and associated systems and methods | |
| US20210074091A1 (en) | Automated vehicle actions, and associated systems and methods | |
| US20190339697A1 (en) | Managing drive modes of a vehicle | |
| CN112133089A (zh) | 一种基于周围环境与行为意图的车辆轨迹预测方法、系统及装置 | |
| JP2020046706A (ja) | 物体検出装置、車両制御システム、物体検出方法及び物体検出用コンピュータプログラム | |
| US20190300017A1 (en) | Method of controlling a vehicle | |
| CN115087573B (zh) | 一种关键目标选取方法、装置及系统 | |
| US20210107486A1 (en) | Apparatus for determining lane change strategy of autonomous vehicle and method thereof | |
| CN110422173B (zh) | 一种行车环境识别方法 | |
| US12097845B2 (en) | Systems and methods for identifying high-risk driving situations from driving data | |
| US20150246677A1 (en) | Method, host vehicle and following space management unit for managing following space | |
| CN112660128A (zh) | 用于确定自动驾驶车辆的车道变更路径的设备及其方法 | |
| US20230286514A1 (en) | Detection of abnormal driving based on behavior profiles | |
| CN118411855A (zh) | 碰撞风险信息的确定方法、装置、设备及存储介质 | |
| WO2021135566A1 (zh) | 车辆控制方法、装置、控制器和智能车 | |
| CN116686028A (zh) | 一种驾驶辅助的方法以及相关设备 | |
| US11312393B2 (en) | Artificially falsifying sensor data to initiate a safety action for an autonomous vehicle | |
| TWI844149B (zh) | 車輛狀態偵測方法、裝置及電腦可讀存儲介質 | |
| JP2008186343A (ja) | 対象物検出装置 | |
| CN117985043A (zh) | 车辆状态侦测方法、装置及计算机可读存储介质 |