申请/专利权人：山东万物生机械技术有限公司

申请日：2022-05-16

公开（公告）日：2024-06-14

公开（公告）号：CN114822036B

主分类号：G08G1/01

分类号：G08G1/01

优先权：

专利状态码：有效-授权

法律状态：2024.06.14#授权;2024.05.28#专利申请权的转移;2022.08.16#实质审查的生效;2022.07.29#公开

摘要：本发明提供了一种多路况防追尾的车辆智能化调控方法，利用行车记录仪的摄像装置基于光学原理实时地监测前车的速度与相对车距，得到目标车辆坐标与相对速度；计算自身车辆在所处环境参数下的摩擦系数；坐标型神经网络模型建立：输入前车坐标、前车相对速度、滚动摩擦系数，输出车辆追尾的概率值、防追尾速度调整值、自身车辆防追尾调整坐标值、刹车能力值；根据坐标型神经网络的输出分别设置阈值进行预警并对车辆进行智能化调控。本发明通过智能化调控车辆的速度提前预防多种路况下追尾事件的发生，较大程度的降低追尾事件的发生率。

主权项：1.一种多路况防追尾的车辆智能化调控方法，其特征在于，包括以下步骤：S1利用行车记录仪的摄像装置基于光学原理实时地监测前车的速度与相对车距，得到目标车辆坐标与相对速度；S2计算自身车辆在所处环境参数下的滚动摩擦系数；S3坐标型神经网络模型建立：输入前车坐标、前车相对速度和滚动摩擦系数，输出车辆追尾的概率值、防追尾速度调整值、自身车辆防追尾调整坐标值和刹车能力值；S31从前车在二维平面中的横向坐标值i和纵向坐标值j和前车的实时前车相对自身车辆的车速V以及车辆的滚动摩擦系数μ，得到变量X＝[i，j，V，μ]；对X＝[i，j，V，μ]进行数据标准化预处理： 其中t为参数，且t→∞；得到标准化处理后的数据X’＝[i’，j’，V’，μ’]，将其作为输入变量，输入到所述坐标型神经网络中；S32创建的坐标型神经网络模型结构共有5层：层1为数据输入层C，输入变量为X′＝[i′，j′，V′，μ′]；层2为规则选择层，表示对输入的数据处理规则进行选择处理；层3为第一隐含层；层4为数据融合层；层5为输出层，Y1输出的为追尾事件发生的概率值；S321层1：具有4个神经元，即C＝4,c＝{1,2,3,4},则任意一个神经元用c进行表示；输入层的输入为X′＝[i′，j′，V′，μ′]，输出等于输入；S322层2：有M神经元，且m＝{1,2,3,...,M}，则任意一个神经元用m进行表示：生成规则函数如下所示: 其中u＝{1,2,3，4},u表示输入量的维度，v＝{1，2，3，...，Cu},v＝{1，2，3，...，Cu},v表示输入量的精度，Cu表示第Cu种精度，guv表示规则函数的中心，θuv表示规则函数的宽度,a1、a2为常数，且a1＜a2；层2的输出为其中wcm和bcm为所述层1到所述层2的权值和偏置；S323层3为隐含层，有L神经元，将任意一个神经元用l进行表示；层3任意一个神经元的输出为其中wml和bml分别为层2的第m神经元与层3的第l神经元的连接权值和偏置，为激励函数，且和为一组参数；层3的任意一个神经元的输出为： S324层4为数据融合层，具有Q神经元，且q＝{1,2,3,...,Q},任意神经元用q进行表示；对数据融合层输入的数据进行归一化处理，得到归一化后的数据记为分别求出的均值和方差，分别记为ξq、层4的数据进行融合后的输出记为： 其中为激励函数，wlq和blq分别为层3的第l神经元与层4的第q神经元的连接权值和偏置,其中k为常数；由上得出层4的输出为： S325层5具有4个神经元，其中r＝{1,2,3,...,4}，则任意一个神经元用r进行表示；其中Y1输出的为追尾的概率值、Y2输出的为防追尾速度调整值、Y3为自身车辆防追尾调整坐标值、Y4为刹车能力值；具体计算方式如下所示：Yr＝f1Qq×wqr+bqr 其中wqr和bqr分别为层4的第q神经元与层5的第r神经元的连接权值和偏置，t为参数；由上述表达式得出：S4根据坐标型神经网络的输出分别设置阈值进行预警并对车辆进行智能化调控；通过坐标型神经网络，得到了Y1作为追尾的概率值；设置防追尾预警阈值τ1，当Y1≥τ1时，进行预警，警示驾驶员对车辆进行车辆智能化调整；通过车辆预先设置好的防追尾安全调整方案对车辆进行智能化调控，具体方式为：通过设置的标准速度值调整车辆的速度、通过设置的防追尾方向调整值调整车辆的方位和通过设置的刹车能力安全值调整车辆自身的刹车能力。

全文数据：

权利要求：

百度查询： 山东万物生机械技术有限公司 一种多路况防追尾的车辆智能化调控方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD