【技术实现步骤摘要】
一种基于人工智能的自动驾驶危险预测系统
[0001]本专利技术涉及道路车辆的交通控制防撞系统领域,尤其涉及一种基于人工智能的自动驾驶危险预测系统。
技术介绍
[0002]随着交通事故的不断增长,交通拥堵给驾驶员带来的驾车体验不断下降,人们对于自动驾驶技术的需求更加迫切。
[0003]如CN109727469B现有技术公开了一种多车道下自动驾驶车辆综合危险度评估方法,目前对于自动驾驶车辆危险度评估的研究主要是用以下几个指标:如距离碰撞时间TTC、车头时距TH、车速V。这些指标对于单车道上危险度评估有一定效果,但是对于多车道,当危险度关系不那么明显时,直接用以上指标进行评估将不够客观,如果用于决策控制将产生很大误差。
[0004]另一种典型的如CN110293968B的现有技术公开的一种自动驾驶车辆的控制方法、装置、设备及可读存储介质,当前的自动驾驶安全检测,实时感知当前车辆周围环境中的障碍物,例如来往车辆、行人等障碍物,根据当前障碍物距离车辆的距离来进行上层逻辑的车辆安全控制。但是,由于障碍物相对于车辆来说往往是运动状态的,在车辆实际行驶过程中,虽然当前障碍物与车辆之间还有一定的距离,但是可能障碍物与车辆已经相互靠近、甚至即将碰撞。现有技术中,根据当前时刻障碍物距离车辆的距离来进行上层逻辑的车辆安全控制,给上层逻辑的反应时间较短,自动驾驶车辆容易出现交通事故,存在安全隐患,并且车辆的体感较差。
[0005]为了解决本领域普遍存在危险预测精准不佳、障碍物检测不精准、交互性差、预警手段缺乏、反应时间
【技术保护点】
【技术特征摘要】
1.一种基于人工智能的自动驾驶危险预测系统,所述自动驾驶危险预测系统包括服务器,其特征在于,所述自动驾驶危险预测系统还包括预警模块、危险环境采样模块、交互模块,所述服务器分别与预警模块、危险环境采样模块、交互模块连接;所述危险环境采样模块用于对车辆的周围环境进行采样,并根据车辆的周围环境进行风险评估,所述交互模块用于对进入交通监控单元的引导区域中的车辆进行交互,所述预警模块根据所述危险环境采样模块的数据触发不同等级的预警信号,以使驾驶员预知当前车辆所在位置的行车危险状态;所述危险环境采样模块包括环境采样单元、所述交通监控单元、以及分析单元,所述环境采样单元用于对所述车辆的周围环境进行采样,所述交通监控单元用于对行车道上的车流进行监控,以获得所述行车道的车流数据,所述分析单元根据所述环境采样单元的采样数据和所述交通监控单元的监测数据对所述车辆的行车风险进行评估;所述环境采样单元包括支撑座、设置在所述支撑座上的存储腔、激光雷达、采样探头,所述支撑座用于对所述激光雷达和所述采样探头进行支撑,且所述支撑座设置在所述车辆的上顶部,以获取所述车辆行驶方向、行驶线路周围的环境危险数据,所述激光雷达用于对所述车辆周围环境的障碍物进行检测,所述采样探头用于对所述车辆的行驶环境进行视频数据的采集,其中,所述激光雷达和所述采样探头分别设置在所述存储腔中;所述分析单元获取设置在观测路段出口和入口的所述交通监控单元的监测数据,并通过图像处理技术分析出当前检测时间段内观测路段的进入的车辆数X、以及离开观测路段的车辆数Y,并根据所述车流数据计算第v路段的车道的拥堵指数Congestion
v
,所述车道的拥堵指数Congestion
v
根据下式进行计算:式中,P为交通监控单元的当前观测路段长度,N为观测路段内滞留的车辆数,满足:N=X
‑
Y;若第v路段的车道的拥堵指数Congestion
v
小于设定的拥堵监控阈值,则允许当前所述车辆进行变道;所述分析单元获取所述激光雷达测得的所述车辆与后侧目标车辆的距离D
i
、所述车辆与前侧目标车辆的距离为d
j
,根据下式计算所述车辆变道时间T:式中,V为所述车辆的速度,L为车道的宽度,θ为所述车辆换道时与当前车道水平线所形成的夹角,所述分析单元计算后侧变道危险指数Path_Change1和前侧变道危险指数Path_Change2:Path_Change1=V
i
·
T
‑
V
·
cosθ
·
T
‑
D
i
式中,V
i
【专利技术属性】
技术研发人员:沈言锦,黄宁,张坤,金菡,张丹,
申请(专利权)人:湖南汽车工程职业学院,
类型:发明
国别省市:
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。