基于多模态感知的车队跟车距离优化计算方法技术

本发明专利技术涉及电数字数据处理技术领域，具体涉及一种基于多模态感知的车队跟车距离优化计算方法，该方法是一种利用计算机辅助设计和处理的、特别适用于跟车距离确定和优化的数字数据处理方法，具体为：获取汽车相关数据与刹车路段的路面信息，汽车相关数据包括汽车速度和重量；利用特定数据处理方法，对获取汽车相关数据进行处理得到路面平整度；计算汽车制动难度评价，并根据汽车制动难度评价与路面平整度得到汽车所需跟车距离；并根据实际车间距与该汽车所需跟车距离调整实际车间距。本发明专利技术能够准确和较为高效的获取汽车安全跟车距离，因此，本发明专利技术的方法可用于大数据资源服务、数据库和云数据库服务等互联网数据服务。库和云数据库服务等互联网数据服务。库和云数据库服务等互联网数据服务。

【技术实现步骤摘要】
基于多模态感知的车队跟车距离优化计算方法


[0001]本专利技术涉及电数字数据处理
，具体涉及一种基于多模态感知的车队跟车距离优化计算方法。

技术介绍

[0002]随着汽车产业发展，家庭个人用车数量的不断增多，汽车这一消费品不断走入老百姓生活。在这一庞大数据增长背后，城市道路问题日益增多。其中，包括一个涉及到行车安全的重要因素，就是前后车的车距问题。前后车保持安全车距对行车安全有重要的影响，后方汽车跟车距离过近，容易引发交通事故，带来安全隐患。
[0003]在日常中，车队位于在山地下坡过程中很容易出现由于车队之间跟车距离太近而导致刹车时追尾现象。这种现象是需要合理的跟车距离优化来解决，而现有的技术中，只是根据传感器检测当前车距，并提醒驾驶员跟车距离过近，再由驾驶员进行调整跟车距离，并未考虑当时路况等诸多因素导致汽车制动不及时，无法调整到安全的跟车距离，并且由驾驶员进行调整主观性较强，调整后的跟车距离安全与否无法确定。

技术实现思路

[0004]为了解决上述技术问题，本专利技术的目的在于提供一种基于多模态感知的车队跟车距离优化计算方法，所采用的技术方案具体如下：
[0005]获取汽车每次刹车前的速度，获取刹车路段上各设定距离内的路面摩擦系数和路面平均坑度，并获取汽车的重量；
[0006]根据汽车每次刹车前的速度与汽车的重量的乘积，得到汽车每次刹车前的动量；基于刹车路段上各设定距离内的路面摩擦系数和路面平均坑度，计算路面平整度；
[0007]根据汽车每次刹车前的动量的均值与刹车路段上各设定距离内的路面摩擦系数，计算汽车制动难度评价；根据汽车制动难度评价与路面平整度的乘积得到汽车所需跟车距离；获取汽车的实际车间距，并根据实际车间距与该汽车所需跟车距离调整实际车间距。
[0008]优选地，所述获取刹车路段上各设定距离内的路面摩擦系数和路面平均坑度具体为：将刹车路段按照设定距离均分为多个子路段，分别获取各子路段的路面摩擦系数和路面平均坑度。
[0009]优选地，所述路面平整度的获取方法具体为：
[0010]分别计算相邻两个子路段的路面摩擦系数的差值与路面平均坑度的差值，根据所述路面摩擦系数的差值与路面平均坑度的差值之积，计算相邻两子路段的路况相似度；根据所有相邻两子路段的路况相似度之和得到路面平整度。
[0011]优选地，所述路况相似度的计算方法为：
[0012][0013]其中，R(S1,S2)表示第一子路段与第二子路段的路况相似度，M
S1
、M
S2
分别表示第一子路段与第二子路段的路面摩擦系数，N
S1
、N
S2
分别表示第一子路段与第二子路段的路面
平均坑度。
[0014]优选地，所述汽车制动难度评价的获取方法具体为：
[0015][0016]其中，U
a
表示汽车a的制动难度评价，mean(P
a
)表示汽车a每次刹车前的动量的均值，mean(M)表示刹车路段上各设定距离内的路面摩擦系数的均值。
[0017]优选地，所述根据实际车间距与该汽车所需跟车距离调整实际车间距具体为：若实际车间距小于汽车所需跟车距离，需增大实际车间距；若实际车间距大于或等于汽车所需跟车距离，继续保持汽车的实际车间距。
[0018]本专利技术实施例至少具有如下有益效果：
[0019]本专利技术提供的一种基于多模态感知的车队跟车距离优化计算方法，该方法是一种利用计算机辅助设计和处理的、特别适用于跟车距离确定和优化的数字数据处理方法。
[0020]本专利技术通过获取汽车相关数据，即汽车的速度与重量，同时考虑了刹车路段的路面情况，即路面摩擦系数与路面平均坑度；再利用特定数据处理方法，对获取汽车相关数据进行处理得到路面平整度；同时计算汽车制动难度评价，并根据汽车制动难度评价与路面平整度得到汽车所需跟车距离；并根据实际车间距与该汽车所需跟车距离调整实际车间距。
[0021]本专利技术不仅考虑了汽车的相关数据，还考虑了汽车在刹车路段的路面情况，能够较高效率和较为准确的获取汽车所需的安全跟车距离，并根据实际情况对实际车间距及时进行调整，避免了由于汽车制动不及时而导致的安全事故。因此，本专利技术的方法可用于大数据资源服务、数据库和云数据库服务等互联网数据服务。
附图说明
[0022]为了更清楚地说明本专利技术实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
[0023]图1是本专利技术的一种基于多模态感知的车队跟车距离优化计算方法的方法流程图。
具体实施方式
[0024]为了更进一步阐述本专利技术为达成预定专利技术目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本专利技术提出的一种基于多模态感知的车队跟车距离优化计算方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
[0025]除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。
[0026]下面结合附图具体的说明本专利技术所提供的一种基于多模态感知的车队跟车距离
优化计算方法的具体方案。
[0027]本专利技术所针对的具体场景为：不同重量的汽车在山地下坡过程中，由于刹车前的速度不同、刹车时受到路面的摩擦力大小不同和刹车路段的道路平整程度不同，都会导致汽车与前车需要保持的安全跟车距离不同。
[0028]实施例：
[0029]请参阅图1，其示出了本专利技术一个实施例提供的一种基于多模态感知的车队跟车距离优化计算方法的方法流程图，该方法包括以下步骤：
[0030]步骤一，获取汽车每次刹车前的速度，获取刹车路段上各设定距离内的路面摩擦系数和路面平均坑度，并获取汽车的重量。
[0031]需要说明的是，在本实施例中，设定五辆车为一个样本车队，分别记作a车、b车、c车、d车、e车，对样本车队中汽车刹车前的相关数据进行分析，下面以a车为例进行说明。实施者也可根据实际情况选择其他合适的汽车以及汽车数量作为一个样本车队。
[0032]首先，在下坡的过程中，汽车的速度是影响制动的重要因素之一。而在行驶过程中，驾驶员都会控制汽车保持一定的速度，以至于不会在出现紧急情况需要刹车时由于汽车速度过快而导致制动距离过长，从而出现安全问题，因此需要根据汽车在下坡过程中每次刹车的速度进行分析。
[0033]具体地，样本车队内的汽车均分别在同一下坡路段进行三次停车过程，设定三个速度区间，使得汽车在三次停车过程中的速度分别维持在低速、中速、高速状态，实施者可根据实际情况设定速本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多模态感知的车队跟车距离优化计算方法，其特征在于，该方法包括以下步骤：获取汽车每次刹车前的速度，获取刹车路段上各设定距离内的路面摩擦系数和路面平均坑度，并获取汽车的重量；根据汽车每次刹车前的速度与汽车的重量的乘积，得到汽车每次刹车前的动量；基于刹车路段上各设定距离内的路面摩擦系数和路面平均坑度，计算路面平整度；根据汽车每次刹车前的动量的均值与刹车路段上各设定距离内的路面摩擦系数，计算汽车制动难度评价；根据汽车制动难度评价与路面平整度的乘积得到汽车所需跟车距离；获取汽车的实际车间距，并根据实际车间距与该汽车所需跟车距离调整实际车间距。2.根据权利要求1所述的一种基于多模态感知的车队跟车距离优化计算方法，其特征在于，所述获取刹车路段上各设定距离内的路面摩擦系数和路面平均坑度具体为：将刹车路段按照设定距离均分为多个子路段，分别获取各子路段的路面摩擦系数和路面平均坑度。3.根据权利要求1所述的一种基于多模态感知的车队跟车距离优化计算方法，其特征在于，所述路面平整度的获取方法具体为：分别计算相邻两个子路段的路面摩擦系数的差值与路面平均坑度的差值，根据所述路面摩擦系数的差值与路面平均坑度的差值之积，计算相邻两子路段的路况相似度；根据...

【专利技术属性】
技术研发人员：徐凌博，
申请(专利权)人：哈尔滨市川冠年机电科技有限公司，
类型：发明
国别省市：