一种基于神经网络的大型汽车安全驾驶方法及系统技术方案

本发明专利技术提供一种基于神经网络的大型汽车安全驾驶方法及系统，属于大型汽车电子控制领域，为解决现有大型汽车的安全驾驶问题，包括环境感知模块、汽车控制器、安全语音提示模块、安全驾驶辅助操控模块，环境感知模块采集环境信息和汽车行驶的状态信息，将其作为输入信息发送至汽车控制器，判断汽车状态以及环境信息再将其输出给安全语音提示模块；根据汽车驾驶状态信息设置两个安全距离信息，在汽车接收到将要发生危险状况的距离信息后，汽车控制器输出信息给安全语音提示模块，提醒驾驶员作出反应；若驾驶员做出反应，将驾驶安全避让的驾驶行为数据保存到数据库中，反之，则在达到规定的可安全避让最小危险距离后，安全驾驶辅助操控模块做出辅助驾驶操控。

A safe driving method and system of large vehicle based on Neural Network

【技术实现步骤摘要】
一种基于神经网络的大型汽车安全驾驶方法及系统
本专利技术涉及大型汽车电子控制
，具体而言，尤其涉及一种基于神经网络的大型汽车安全驾驶方法及系统。
技术介绍
随着近年来经济的发展和人们对生活质量的要求不断提高，人们对交通运输的需求日益增加，进而导致我国汽车保有量逐年增加，从而导致城市交通堵塞严重以及交通事故频繁发生，交通事故频繁发生的主要对象即为大型的货运商运汽车，大型汽车在驾驶的过程中，由于驾驶舱过高会对汽车前方的一部分视野造成遮挡，容易在汽车行驶过程中发生不必要的安全隐患，所以针对大型汽车的安全驾驶问题有待解决。现有技术中针对大型汽车的安全驾驶至少还存在如下问题：1、大型汽车由于高车身而产生视觉盲区问题；2、大型汽车在行驶过程中，出现危险情况时不能有效避免危险的发生，以及由于多变的驾驶情况下神经网络训练集数据模型缺少的问题；3、昂贵的汽车传感器所带来的经济问题。
技术实现思路
根据上述提出的技术问题，而提供一种基于神经网络的大型汽车安全驾驶方法及系统。本专利技术主要利用双目红外本文档来自技高网...

【技术保护点】
1.一种基于神经网络的大型汽车安全驾驶方法，其特征在于，包括如下步骤：/nS1、采集实车行驶数据集信息，建立数据库；/nS2、搭建汽车控制器，汽车控制器为基于Linux系统上搭建的神经网络模型，并利用所述实车行驶数据集信息训练神经网络模型，从而获得应对各种复杂多变的危急情况与驾驶员安全避让、安全驾驶的行为数据形成映射关系；/nS3、通过环境感知模块采集环境信息以及当前汽车行驶的状态信息，并将其作为输入信息；/nS4、汽车控制器接收上述输入信息，并判断汽车所处的当前状态以及环境信息进而将其输出给安全语音提示模块；/nS5、安全语音提示模块根据当前的汽车驾驶状态信息设置两个安全距离信息，即结合当前...

【技术特征摘要】
1.一种基于神经网络的大型汽车安全驾驶方法，其特征在于，包括如下步骤：
S1、采集实车行驶数据集信息，建立数据库；
S2、搭建汽车控制器，汽车控制器为基于Linux系统上搭建的神经网络模型，并利用所述实车行驶数据集信息训练神经网络模型，从而获得应对各种复杂多变的危急情况与驾驶员安全避让、安全驾驶的行为数据形成映射关系；
S3、通过环境感知模块采集环境信息以及当前汽车行驶的状态信息，并将其作为输入信息；
S4、汽车控制器接收上述输入信息，并判断汽车所处的当前状态以及环境信息进而将其输出给安全语音提示模块；
S5、安全语音提示模块根据当前的汽车驾驶状态信息设置两个安全距离信息，即结合当前环境信息以及汽车行驶状态信息判断出的将要发生危险状况的距离信息以及汽车可安全避让距离的最小距离信息；
S6、在汽车接收到将要发生危险状况的距离信息后，汽车控制器输出信息给安全语音提示模块，提醒驾驶员作出反应；
S7、若驾驶员此时做出了反应，汽车控制器将驾驶安全避让的驾驶行为数据保存到数据库中，若驾驶员没有做出反应，在达到规定的可安全避让最小危险距离后，汽车控制器控制安全驾驶辅助操控模块通过步骤S2中采集的输入信息做出辅助驾驶操控。


2.根据权利要求1所述的基于神经网络的大型汽车安全驾驶方法，其特征在于，所述步骤S7之后还包括：
S8、安全语音提示模块接收汽车控制器传来的信息，通过语音播放器将将要发生危险状况的距离信息提示给驾驶员，并判断在将要发生危险状况的距离至可安全避让距离的最小距离之间，驾驶员有没有做出反应。


3.根据权利要求1或2所述的基于神经网络的大型汽车安全驾驶方法，其特征在于，所述步骤S8之后还包括：
S9、如果驾驶员未在将要发生危险状况的距离至可安全避让距离的最小距离之间做出反应，在汽车达到规定的最小可安全避让距离的最小距离后，汽车控制器会根据当前的环境信息以及汽车状态信息进行判断输出相应的安全避让决策数据信息传送至安全驾驶辅助操控模块，达到安全避让、安全行车。


4.根据权利要求2所述的基于神经网络的大型汽车安全驾驶方法，其特征在于，所述通过环境感知模块采集环境信息以及当前汽车行驶的状态信息，具体包括：
采集汽车当前的行驶速度、当前的行驶加速度、当前路面的附着系数、横摆角速度、方向盘转角、航向角、质心坐标以及由摄像头传送来的图像信息；
所述图像信息包括周围的车辆信息，行人信息，交通信号标志，路阻信息以及该车与前方车辆、行人、交通信号标、路阻之间的距离信息；汽车侧方的汽车、道路边缘信息，由超声波传感器检测并传来的汽车两侧的障碍物信息以及距离障碍物之间的距离信息。


5.根据权利要求1所述的基于神经网络的大型汽车安全驾驶方法，其特征在于，所述步骤S5中设置两个安全距离信息的具体过程如下：
S51、计算汽车的制动距离，汽车的制动距离包括制动器起作用的阶段和制动器持续制动的阶段，总的制动距离计算公式如下：



式中，S为汽车根据当前的车速的制动距离，amax是汽车的最大制动减速度，μ0为汽车减速时的初始减速度，t'1为由于制动蹄与制动鼓间存在的间隙...

【专利技术属性】
技术研发人员：赵一兵，马振强，郭烈，杨宇，周一飞，吕彦卿，于丰宁，韩治中，刘昌华，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：辽宁;21