Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种严重拥堵路况下预测前车制动行为的装置及方法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:长安大学

摘要:本发明涉及交通安全设施技术领域,具体涉及一种严重拥堵路况下预测前车制动行为的装置及方法。本发明对前车的制动行为进行预测,提醒驾驶员注意避让,从而大大降低交通事故的发生的概率。

主权项:1.一种严重拥堵路况下预测前车制动行为的装置,其特征在于,包括车载GPS、车辆运动参数模块、毫米波雷达、前车图像处理模块、喇叭和工控机;车载GPS用于获取自车的定位信息,车辆运动参数模块用于获取自车的速度和制动减速度,毫米波雷达用于采集前车与自车的相对速度和相对距离;前车图像处理模块用于采集前车的图像信息并根据图像信息识别前车制动灯点亮情况;喇叭用于播报语音来提醒驾驶员;工控机用于接收并储存车载GPS获取的自车定位信息,判断自车是否处于严重拥堵工况;工控机还用于预测前车的制动时刻和制动减速度;工控机还用于控制喇叭播报提醒语音;工控机分别与车载GPS、车辆运动参数模块、毫米波雷达、前车图像处理模块、喇叭连接;所述装置预测前车制动行为的方法,包括以下步骤:步骤1,自车正常行驶,车载GPS和车辆运动参数模块分别连续采集100h自车的定位信息和速度;步骤2,工控机对100h小时的自车的速度和定位信息进行处理:将自车在1分钟内进行了4次及以上的启动停止,且最高速度不超过30公里每小时的情况作为严重拥堵工况,将对应的路段作为严重拥堵路段;步骤3,当车辆再次进入严重拥堵路段并处于严重拥堵工况后,车辆运动参数模块获取自车的速度和制动减速度,毫米波雷达采集前车与自车的相对速度Δv和相对距离,前车图像处理模块采集前车的图像信息并根据图像信息识别前车制动灯点亮时刻;步骤4,工控机根据自车速度v和前车相对速度Δv,得到前车速度v1=Δv+v;建立以横坐标为时间t、纵坐标为前车车速v1的直角坐标系;每隔在该直角坐标系上标出前车速度v1的对应点,所有的点就表示了前车速度v1与时间t的变化关系v1t;通过一条光滑曲线将离散点连接起来,得到前车速度与时间的曲线,用前车速度与时间的曲线来表示前车速度v1与时间t的变化关系v1t;步骤5,收集20组样本数据,建立20组样本下的制动时刻预测模型和制动减速度预测模型;步骤6,当前车再次启动,利用制动时刻预测模型预测出此次前车从启动到制动的时间mt,利用制动减速度预测模型预测出此次前车的制动减速度a;工控机根据预测的前车制动时刻,控制喇叭播报提醒语音来提醒驾驶员前车制动;工控机根据预测的前车制动减速度,控制喇叭播报提醒语音来提醒驾驶员前车制动的强度;同时工控机每获得一组新的样本后,使用所有的样本重新建立制动时刻预测模型和制动减速度预测模型;步骤5中的样本,具体的,前车在停止时刻tEi-1停止,接着在启动时刻tBi到停止时刻tEi进行了一次启动-行驶-停止的过程,在启动时刻tBi+1到停止时刻tEi+1再次进行了一次启动-行驶-停止的过程;当满足以下三个条件时:①tBi-tEi≥3s,tBi+1-tEi+1≥3s;②t∈tEi+1,tBi∪tEi,tBi+1时,v1t=0kmh;③t∈tBi,tEi时,v1t≤30kmh;则将t∈tBi,tEi时的v1t作为一组样本,其中,i为序号,i=1,2,…,n;步骤5中,建立制动时刻预测模型的子步骤如下:子步骤5.11,令第i个样本中前车制动时刻为tli,则前车从启动到制动的时间mti=tli-tBi;分别获得第1组到第i组样本的前车从启动到制动的时间mt1、mt2、…、mti;子步骤5.12,得到i组样本下的前车平均从启动到制动的时间子步骤5.13,分别获得第1组样本中前车在tB1+0.01mt′时刻、tB1+0.02mt′时刻、…、tB1+0.85mt′时刻对应的速度分别获得第2组样本中前车在tB2+0.01mt′时刻、tB2+0.02mt′时刻、…、tB2+0.85mt′时刻对应的速度……分别获得第i组样本中前车在tBi+0.01mt′时刻、tBi+0.02mt′时刻、…、tBi+0.85mt′时刻对应的速度子步骤5.14,以第1组到第i组样本的为输入量,前车从启动到制动的时间mt为输出量,采用BP神经网络进行多元非线性拟合,建立制动时刻预测模型;步骤5中,建立制动减速度预测模型的子步骤如下:子步骤5.21,令第i个样本中前车制动时刻为tli,前车制动时刻速度为则前车从启动到制动的时间mti=tli-tBi;分别获得第1组到第i组样本的前车从启动到制动的时间mt1、mt2、…、mti;子步骤5.22,获得第1组样本中的前车制动减速度获得第2组样本中的前车制动减速度……获得第i组样本中的前车制动减速度子步骤5.23,以第1组到第i组样本的前车从启动到制动的时间mt及前车制动时刻速度为输入量,前车制动减速度a为输出量,采用BP神经网络进行多元非线性拟合,建立制动减速度预测模型。

全文数据:

权利要求:

百度查询: 长安大学 一种严重拥堵路况下预测前车制动行为的装置及方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。