一种智能网联汽车安全预警系统及预警方法技术方案

本申请提供一种智能网联汽车安全预警系统及预警方法。该系统包括图像接口模块、传感接口模块、图像处理模块、数据处理模块、中央处理模块、云服务模块；图像处理模块运行有图像预测处理程序，能够根据接收到的图像数据输出安全预警信息；数据处理模块运行有数据预测处理程序，能够根据接收到的传感数据输出安全预警信息；中央处理模块用于接收图像接口模块和传感接口模块传来的图像数据和传感数据，并将接收到的数据发送给图像处理模块和数据处理模块。本申请根据传感数据和图像数据来生成车辆安全预警信息，具有效率高、防误报、早报的有益效果，大大降低误报和早报对驾驶员的干扰。大大降低误报和早报对驾驶员的干扰。大大降低误报和早报对驾驶员的干扰。

【技术实现步骤摘要】
一种智能网联汽车安全预警系统及预警方法


[0001]本申请涉及计算机领域，特别是涉及一种智能网联汽车安全预警系统及预警方法。

技术介绍

[0002]智能网联汽车中的网联技术使得智能汽车在环境感知、行为决策等多个方面突破了自车搭载的传感器传感能力的限制，为车辆在节能、安全、高效等方面带来了较大的提升。
[0003]目前智能网联汽车技术已有一些教育和研究机构在进行相关车路协同技术的研究，但还未对车路系统进行整体、全面研究，现有技术对于多平台数据整合方面尚未完成统一，对于安全预警所需数据来源较少，对于前车碰撞、并线辅助、车道偏离、弯道侧翻、疲劳驾驶、车辆状况等方面的安全预警效率和准确率还有待提高，大量数据使得计算复杂度较大，需要较高费用。

技术实现思路

[0004]本专利技术提供了一种智能网联汽车安全预警系统及预警方法，以提高智能网联汽车安全预警的效率和准确性。
[0005]本申请的第一方面提供一种智能网联汽车安全预警系统，包括：
[0006]图像接口模块，用于对接各类摄像头或者图像数据的接口；
[0007]传感接口模块，用于对接各类传感器或者传感数据的接口；
[0008]图像处理模块，运行有图像预测处理程序，能够根据接收到的图像数据输出安全预警信息；
[0009]数据处理模块，运行有数据预测处理程序，能够根据接收到的传感数据输出安全预警信息；
[0010]中央处理模块，用于接收所述图像接口模块和所述传感接口模块传来的图像数据和传感数据，并将接收到的数据发送给所述图像处理模块和所述数据处理模块；
[0011]云服务模块，用于存储各类服务数据，并能够向所述中央处理模块发送各类服务数据。
[0012]本申请的第二方面提供一种智能网联汽车安全预警系统的预警方法，包括：
[0013]所述图像接口模块获取智能网联汽车的图像数据并发送给所述中央处理模块，所述传感接口模块获取所述智能网联汽车的车辆运行状态数据并发送给所述中央处理模块；
[0014]所述中央处理模块将接收到的所述图像数据发送给所述图像处理模块，所述中央处理模块将接收到的所述车辆运行状态发送给所述数据处理模块；
[0015]所述图像处理模块根据接收到的所述图像数据进行预测计算，生成碰撞预警并发送给所述中央处理模块；
[0016]所述数据处理模块根据接收到的所述车辆运行状态数据进行预测计算，生成车辆
自身安全预警并发送给所述中央处理模块；
[0017]所述中央处理模块将所述碰撞预警和所述车辆自身安全预警上报所述云服务模块。
[0018]在上述技术方案的基础上，本专利技术还可以做如下改进。
[0019]进一步地，所述云服务模块能够向所述中央处理模块广播服务信息，所述中央处理模块将接收到的所述服务信息和车辆运行状态数据组合成完整数据包，发送给所述数据处理模块，用于生成侧翻预警信息。
[0020]进一步地，所述服务信息包括车辆的地理信息和天气数据。
[0021]进一步地，所述侧翻预警信息生成方法，包括：
[0022]S1所述数据处理模块接收所述中央处理模块发来的数据包，进行过弯速率计算，进而生成侧翻临界速度V
th
；
[0023]S2设置平衡系数σ，当实时车速超过σ
·
V
th
时，生成侧翻报警信息。
[0024]进一步地，所述侧翻临界速度V
th
的计算方法，包括：
[0025]记车辆行驶方向为笛卡尔坐标系的X轴，车辆沿X轴以速度V行驶，风速为U，根据风速与车速的夹角可算得车辆与侧向风的相对速度记为V
re
；在车辆极限侧向平衡状态下，根据现有的力矩平衡方程可知，
[0026][0027]其中，m为车身质量；b为轮距；g为重力加速度；β为道路坡度；h为道路坡的铅直高度；F
w，z
为侧向风在垂直方向对车辆产生的升力，为侧向风在垂直方向对车辆产生的升力，C
y
为升力系数，V
e
为空气相对流速，θ为侧风与车辆行进方向夹角；F
w，y
为侧向风对车辆产生的横向力，ρ为空气密度，A为侧向迎风面积；F
g
为车辆过弯时的离心力；对力矩平衡方程进行变换，得到：
[0028][0029]同时，车辆转向时，其所受的离心力为同时，车辆转向时，其所受的离心力为其中，R为弯道半径；
[0030]综上，可知车辆发生侧翻的临界速度V
th
为：
[0031][0032]进一步地，所述碰撞预警的生成方法，包括：
[0033]建立一个径向基神经网络，用于根据驾驶员状态的图像信息生成驾驶员状态影响因子，所述驾驶员状态影响因子，用于评价当前驾驶员状态会否影响紧急事件的处理；
[0034]建立广义回归神经网络，根据驾驶员状态影响因子和车辆运行状态，生成碰撞预警信息。
[0035]进一步地，所述驾驶员状态影响因子生产方法，包括：
[0036]采用的径向基神经网络，输入层有M个神经元，对应M维图像特征序列，任一神经元用l表示；隐含层有N个神经元，任一神经元用i表示；输出层为1 个神经元，输出1或0，1表示驾驶员状态的正影响，0表示驾驶员状态的负影响或不影响；
[0037]实时采集驾驶员的N维图像序列，记训练样本集X＝[X1，X2，...，X
k
，...，X
N
]T
，表示N组图像特征，任一训练样本X
k
＝[x
k1
，x
k2
，...，x
kl
，...，x
kM
](k∈N)，x
kM
为任一训练样本对应的第M个神经元的输入数据，任一训练样本X
k
对应的实际输出为Y
k
；输入训练样本X
k
，输入层和隐含层之间的连接权值为1；设立隐含层基函数为高斯函数G，基函数是隐含层的激励输出，t为高斯函数的中心，σ为方差，基函数为：
[0038][0039]其中，||
·
||表示泛函数，用泛函数自变量作为基函数，可极大提高网络的泛化性能；
[0040]输出层神经元的实际输出为：
[0041][0042]其中，ε1表示驾驶员状态影响阈值，可由用户设定，以调整驾驶员状态影响灵敏度，ω
i
是隐含层到输出层的权值；
[0043]经上述过程，得到训练好的径向基神经网络，所述网络可根据驾驶员的图像序列，生成驾驶员状态影响因子。
[0044]进一步地，根据驾驶员状态影响因子和车辆运行状态生成碰撞预警信息方法，包括：
[0045]记车辆运行状态传感数据维度为u，则建立广义回归神经网络的输入层神经元为(u+1)个，第(u+1)输入层用于接收径向基神经网络传来的驾驶本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能网联汽车安全预警系统，其特征在于，包括：图像接口模块(40)，用于对接各类摄像头或者图像数据的接口；传感接口模块(50)，用于对接各类传感器或者传感数据的接口；图像处理模块(20)，运行有图像预测处理程序，能够根据接收到的图像数据输出安全预警信息；数据处理模块(30)，运行有数据预测处理程序，能够根据接收到的传感数据输出安全预警信息；中央处理模块(10)，用于接收所述图像接口模块(40)和所述传感接口模块(50)传来的图像数据和传感数据，并将接收到的数据发送给所述图像处理模块(20)和所述数据处理模块(30)；云服务模块(60)，用于存储各类服务数据，并能够向所述中央处理模块(10)发送各类服务数据。2.基于权利要求1所述的智能网联汽车安全预警系统的预警方法，其特征在于，包括：所述图像接口模块(40)获取智能网联汽车的图像数据并发送给所述中央处理模块(10)，所述传感接口模块(50)获取所述智能网联汽车的车辆运行状态数据并发送给所述中央处理模块(10)；所述中央处理模块(10)将接收到的所述图像数据发送给所述图像处理模块(20)，所述中央处理模块(10)将接收到的所述车辆运行状态发送给所述数据处理模块(30)；所述图像处理模块(20)根据接收到的所述图像数据进行预测计算，生成碰撞预警并发送给所述中央处理模块(10)；所述数据处理模块(30)根据接收到的所述车辆运行状态数据进行预测计算，生成车辆自身安全预警并发送给所述中央处理模块(10)；所述中央处理模块(10)将所述碰撞预警和所述车辆自身安全预警上报所述云服务模块(60)。3.根据权利要求2所述的智能网联汽车安全预警系统的预警方法，其特征在于，所述云服务模块(60)能够向所述中央处理模块(10)广播服务信息，所述中央处理模块(10)将接收到的所述服务信息和车辆运行状态数据组合成完整数据包，发送给所述数据处理模块(30)，用于生成侧翻预警信息。4.根据权利要求3所述的智能网联汽车安全预警系统的预警方法，其特征在于，所述服务信息包括车辆的地理信息和天气数据。5.根据权利要求3或4所述的智能网联汽车安全预警系统的预警方法，其特征在于，所述侧翻预警信息生成方法，包括：S1所述数据处理模块(30)接收所述中央处理模块(10)发来的数据包，进行过弯速率计算，进而生成侧翻临界速度V
th
；S2设置平衡系数σ，当实时车速超过σ.V
th
时，生成侧翻报警信息。6.根据权利要求5所述的智能网联汽车安全预警系统的预警方法，其特征在于，所述侧翻临界速度V
th
的计算方法，包括：记车辆行驶方向为笛卡尔坐标系的X轴，车辆沿X轴以速度y行驶，风速为U，根据风速与车速的夹角可算得车辆与侧向风的相对速度记为V
re
；在车辆极限侧向平衡状态下，根据现
有的力矩平衡方程可知，其中，m为车身质量；b为轮距；g为重力加速度；β为道路坡度；h为道路坡的铅直高度；F
w，z
为侧向风在垂直方向对车辆产生的升力，为侧向风在垂直方向对车辆产生的升力，C
y
为升力系数，V
e
为空气相对流速，θ为侧风与车辆行进方向夹角；F
w，y
为侧向风对车辆产生的横向力，ρ为空气密度，A为侧向迎风面积；F
g
为车辆过弯时的离心力；对力矩平衡方程进行变换，得到：同时，车辆转向时，其所受的离心力为其中，R为弯道半径；综上，可知车辆发生侧翻的临界速度V
th
为：7.根据权利要求2所述的智能网联汽车安全预警系统的预警方法，其特征在于，所述碰撞预警的生成方法，包括：建立一个径向基神经网络，用于根据驾驶员状态的图像信息生成驾驶员状态影响因子，所述驾驶员状态影响因子，用于评价当前驾驶员状态是否影响紧急事件的处理；建立广义回归神经网络，根据驾驶员状态影响因子和车辆运行状态，生成碰撞预警信息。8.根据权利要求7所述的智能网联汽车安全预警系统的预警方法，其特征在于，所述驾驶员状态影响因子生产方法，包括：采用的径向基神经网络，输入层有M个神经元，对应M维图像特征序列，任一神经元用l表示；隐含层有N个神经元，任一神经元用i表示；输出层为1个神经元，输出1或0，1表示驾驶员状态的正影响，0表示驾驶员状态的负影响或不影响；实时采集驾驶员的N维图像序列，记训练样本集X＝[X1，X2，...，X
k
，...，X
N
]
T
，表示N组图像特征，任一训练样本X
k
＝[x
k1
，x
k2
，...，x
kl
，...，x
kM
](k∈N)，x
kM
为任一训练样本对应的第M个神经元的输入数据，任一训练样本X
k
对应的实际输出为Y
k
；输入训练样本X
k
，输入层和隐含层之间的连接权值为1；设立隐含层基函数为高斯函数G，基函数是隐含层的激励输出，t为高斯函数的中心，σ为方差，基函数为：其中，||
·
||表示泛函数，用泛函数自变量作为基函数，可极大提高网络的泛化性能；输出层神经元的实际输出为：
其中，ε1表示驾驶员状态影响阈值，可由用户设定，以调整驾驶员状态影响灵敏度，ω
i
是隐含层到输出层的权值；经上述过程，得到训练好的径向基神经网络，所述径向基神经网络可根据驾驶员的图像序列，生成驾驶员状...

【专利技术属性】
技术研发人员：王红华，
申请(专利权)人：山东亦贝数据技术有限公司，
类型：发明
国别省市：