The invention provides a control method, a lane automatic replacement device and a controller, wherein the control method includes: detecting the vehicle in the lane in the lane changing mode, the mode for the mandatory replacement mode of lane change or free replacement mode; according to the corresponding relationship between the model and the required driving information between the preset replacement lane, get the required driving information pattern corresponding to target change and will target the desired target lane; BP neural network model of driving information input to the pre construction, and lane replacement mode corresponding to the determined results, automatically change lanes. The invention solves the problem that the existing technology can not accurately determine the time for the replacement of the road, and thus leads to the problem of lower safety when the road is replaced.
【技术实现步骤摘要】
一种车道自动更换的控制方法、装置及控制器
本专利技术涉及汽车领域,尤其涉及一种车道自动更换的控制方法、装置及控制器。
技术介绍
急剧增加的汽车保有量,为人们出行带来了方便的同时,也造成了严重的经济损失与大量人员伤亡。尤其是驾驶员在道路更换过程中对道路的更换时机做出的错误判断,极有可能会导致车辆发生碰撞进而造成事故,这些事故往往会导致交通延迟和交通堵塞,导致增加了民众出行时间,并对经济产生了负面影响,因而确定准确的道路更换时机对于提高换道安全性及改善交通流密度具有重要和实际意义。综上所述,现有技术中存在着由于不能准确确定道路更换时机,从而导致换道安全性较低的问题。
技术实现思路
本专利技术的目的是提供一种车道自动更换的控制方法、装置及控制器,以解决现有技术中存在的由于不能准确确定道路更换时机,从而导致更换道路时安全性较低的问题。为了解决上述技术问题,第一方面,本专利技术实施例提供一种车道自动更换的控制方法,所述控制方法包括:检测行驶车辆在当前行驶车道中的车道更换模式,其中,所述车道更换模式为强制性更换模式或者自由性更换模式;根据预设的车道更换模式与所需行驶状态信息之间的对应关系,获取与所述车道更换模式相对应的目标所需行驶状态信息;将所述目标所需行驶状态信息输入至预先构建、与所述车道更换模式相对应的目标BP神经网络模型中,确定车道自动更换结果。可选地,所述检测行驶车辆在当前行驶车道中的车道更换模式的步骤,包括:获取所述行驶车辆在预设规划路径中的所有强制更换位置;其中,所述强制更换位置为行驶车辆在按照所述预设规划路径行驶时必须更换车道时的位置;检测所述行驶车辆与目标 ...
【技术保护点】
一种车道自动更换的控制方法,其特征在于,包括:检测行驶车辆在当前行驶车道中的车道更换模式,其中,所述车道更换模式为强制性更换模式或者自由性更换模式;根据预设的车道更换模式与所需行驶状态信息之间的对应关系,获取与所述车道更换模式相对应的目标所需行驶状态信息;将所述目标所需行驶状态信息输入至预先构建、与所述车道更换模式相对应的目标BP神经网络模型中,确定车道自动更换结果。
【技术特征摘要】
1.一种车道自动更换的控制方法,其特征在于,包括:检测行驶车辆在当前行驶车道中的车道更换模式,其中,所述车道更换模式为强制性更换模式或者自由性更换模式;根据预设的车道更换模式与所需行驶状态信息之间的对应关系,获取与所述车道更换模式相对应的目标所需行驶状态信息;将所述目标所需行驶状态信息输入至预先构建、与所述车道更换模式相对应的目标BP神经网络模型中,确定车道自动更换结果。2.根据权利要求1所述的方法,其特征在于,所述检测行驶车辆在当前行驶车道中的车道更换模式的步骤,包括:获取所述行驶车辆在预设规划路径中的所有强制更换位置;其中,所述强制更换位置为行驶车辆在按照所述预设规划路径行驶时必须更换车道时的位置;检测所述行驶车辆与目标强制更换位置之间的相对距离是否小于一预设距离阈值,其中所述目标强制更换位置为位于所述当前行驶车道上与所述行驶车辆相距最近的强制更换位置;当检测到所述相对距离小于所述预设距离阈值时,确定所述行驶车辆在当前行驶车道中的车道更换模式为强制性更换模式;当检测到所述相对距离不小于所述预设距离阈值时,确定所述行驶车辆在当前行驶车道中的车道更换模式为自由性更换模式。3.根据权利要求1所述的方法,其特征在于,在所述根据预设的车道更换模式与所需行驶状态信息之间的对应关系,获取与所述车道更换模式相对应的目标所需行驶状态信息的步骤中,当所述车道更换模式为强制性更换模式时,所述目标所需行驶状态信息包括:所述行驶车辆的行驶速度;所述行驶车辆与目标强制更换位置之间的距离,其中所述目标强制更换位置为位于所述当前行驶车道上与所述行驶车辆相距最近的强制更换位置,强制更换位置为行驶车辆在按照预设规划路径行驶时必须更换车道时的位置;所述行驶车辆与第一车辆之间的相对速度和相对距离,其中所述第一车辆为位于所述当前行驶车道上的处于所述行驶车辆前方的第一个车辆;所述行驶车辆与第二车辆之间的相对速度和相对距离,其中所述第二车辆为位于所需更换车道上的处于所述行驶车辆前方的第一个车辆;所述行驶车辆与第三车辆之间的相对速度和相对距离,其中所述第三车辆为位于所需更换车道上的处于所述行驶车辆后方的第一个车辆。4.根据权利要求1所述的方法,其特征在于,在所述根据预设的车道更换模式与所需行驶状态信息之间的对应关系,获取与所述车道更换模式相对应的目标所需行驶状态信息的步骤中,当所述车道更换模式为自由性更换模式时,所述目标所需行驶状态信息包括:所述行驶车辆的行驶速度;所述行驶车辆与第一车辆之间的相对速度和相对距离,其中所述第一车辆为位于所述当前行驶车道上的处于所述行驶车辆前方的第一个车辆;所述行驶车辆与第二车辆之间的相对速度和相对距离,其中所述第二车辆为位于所需更换车道上的处于所述行驶车辆前方的第一个车辆;所述行驶车辆与第三车辆之间的相对速度和相对距离,其中所述第三车辆为位于所需更换车道上的处于所述行驶车辆后方的第一个车辆。5.根据权利要求1所述的方法,其特征在于,所述将所述目标所需行驶状态信息输入至预先构建、与所述车道更换模式相对应的目标BP神经网络模型中,确定车道自动更换结果的步骤之前,还包括:构建与所述车道更换模式相对应的目标BP神经网络模型;根据预先获取的与所述车道更换模式相对应的样本数据集,对所述目标BP神经网络模型进行网络训练,得到网络训练结果;当所述网络训练结果的正确率大于一预设比例阈值时,确定所述目标BP神经网络模型构建成功。6.根据权利要求5所述的方法,其特征在于,所述构建与所述车道更换模式相对应的目标BP神经网络模型的步骤,包括:确定所述目标BP神经网络模型的输入层神经元和输出层神经元的个数;确定所述目标BP神经网络模型的隐层神经元的个数;确定所述目标BP神经网络模型中隐层神经元和输出层神经元的激励函数;其中,当所述车道更换模式为强制性更换模式时,所述目标BP神经网络模型的输入层神经元的个数为8个,所述输出层神经元的个数为1个,所述隐层神经元的个数为9个,所述隐层神经元的激励函数为S形正切函数,输出层神经元的激励函数为S型对数函数;当所述车道更换模式为自由性更换模式时,所述目标BP神经网络模型的输入层神经元的个数为7个,所述输出层神经元的个数为1个,所述隐层神经元的个数为7个,所述隐层神经元的激励函数为S形正切函数,输出层神经元的激励函数为S型对数函数。7.一种车道自动更换的控...
【专利技术属性】
技术研发人员:韩蕾,张友焕,尹颖,吴家轩,
申请(专利权)人:北京新能源汽车股份有限公司,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。