System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及车辆控制,尤其是一种车辆行驶安全控制方法、系统、装置及存储介质。
技术介绍
1、随着汽车智能网联化的发展,车辆监测及控制技术也越来越智能化,给驾乘人员带来越来越丰富的行车体验。目前,驾驶人员在行车中经常会遇到其他车辆存在违规行驶的现象,带来了较大的交通安全隐患,尤其是后方车辆在跟车时会被前车挡住视野看不到前方路况,容易引发交通事故,这种情况下往往依靠前车的驾驶人员多方位地观察前方路况和后方车辆的行驶状况并人为判断是否对后方车辆进行闪灯提醒,需要耗费前车驾驶人员较大的精力且依赖于驾驶人员的主观判断,准确性不足,影响了用户的行车安全性和行车体验。
技术实现思路
1、本专利技术的目的在于至少一定程度上解决现有技术中存在的技术问题之一。
2、为此,本专利技术实施例的一个目的在于提供一种车辆行驶安全控制方法,该方法提高了用户的行车安全性和行车体验。
3、本专利技术实施例的另一个目的在于提供一种车辆行驶安全控制系统。
4、为了达到上述技术目的,本专利技术实施例所采取的技术方案包括:
5、第一方面,本专利技术实施例提供了一种车辆行驶安全控制方法,包括以下步骤:
6、获取当前车辆的第一车速时序数据以及所述当前车辆前方的道路图像时序数据;
7、获取目标车辆的第二车速时序数据以及所述目标车辆与所述当前车辆之间的车辆距离时序数据,所述目标车辆位于所述当前车辆后方;
8、将所述第一车速时序数据、所述第二车速时
9、根据所述碰撞风险识别结果控制所述当前车辆在车辆尾部展示前方道路图像或预警信息,并判断是否控制所述当前车辆尾部的安全气囊弹出。
10、进一步地,在本专利技术的一个实施例中,所述获取当前车辆的第一车速时序数据以及所述当前车辆前方的道路图像时序数据这一步骤,其具体包括:
11、通过车身控制器获取预设时段内所述当前车辆的第一行车速度,并对所述第一行车速度进行时序化处理得到所述第一车速时序数据;
12、通过设置在所述当前车辆前端/车顶的摄像装置获取所述预设时段内所述当前车辆前方的道路图像信息,并对所述道路图像信息进行时序化处理得到所述道路图像时序数据。
13、进一步地,在本专利技术的一个实施例中,所述获取目标车辆的第二车速时序数据以及所述目标车辆与所述当前车辆之间的车辆距离时序数据这一步骤,其具体包括:
14、通过设置在所述当前车辆尾部的雷达探测装置获取预设时段内所述目标车辆的第二行车速度以及所述目标车辆与所述当前车辆之间的车辆距离信息;
15、对所述第二行车速度进行时序化处理得到所述第二车速时序数据,并对所述车辆距离信息进行时序化处理得到所述车辆距离时序数据。
16、进一步地,在本专利技术的一个实施例中,所述车辆行驶安全控制方法还包括预先训练所述碰撞风险识别模型的步骤,其具体包括:
17、获取预设的多个碰撞风险样本数据,并通过人工标注确定各所述碰撞风险样本数据的标签信息,所述碰撞风险样本数据包括第一车速时序样本数据、第二车速时序样本数据、车辆距离时序样本数据以及道路图像时序样本数据;
18、根据所述碰撞风险样本数据和对应的所述标签信息构建训练数据集;
19、将所述训练数据集输入到预先构建的双层双向循环神经网络进行训练,得到训练好的所述碰撞风险识别模型;
20、其中,所述标签信息包括无碰撞风险、可控碰撞风险以及不可控碰撞风险的至少一种,所述双层双向循环神经网络包括输入层、第一正向隐藏层、第二正向隐藏层、第一反向隐藏层、第二反向隐藏层以及输出层。
21、进一步地,在本专利技术的一个实施例中,所述将所述训练数据集输入到预先构建的双层双向循环神经网络进行训练,得到训练好的所述碰撞风险识别模型这一步骤,其具体包括:
22、将所述碰撞风险样本数据输入到所述输入层,通过所述第一正向隐藏层对所述第一车速时序样本数据、所述第二车速时序样本数据以及所述车辆距离时序样本数据进行计算得到第一隐藏状态向量,并通过所述第二正向隐藏层对所述道路图像时序样本数据进行计算得到第二隐藏状态向量;
23、将所述碰撞风险样本数据逆序输入到所述输入层,通过所述第一反向隐藏层对逆序的所述第一车速时序样本数据、所述第二车速时序样本数据以及所述车辆距离时序样本数据进行计算得到第三隐藏状态向量,并通过所述第二反向隐藏层对逆序的所述道路图像时序样本数据进行计算得到第四隐藏状态向量;
24、对所述第三隐藏状态向量进行逆序处理得到第五隐藏状态向量,并对所述第四隐藏状态向量进行逆序处理得到第六隐藏状态向量;
25、将所述第一隐藏状态向量和所述第五隐藏状态向量进行拼接处理得到第七隐藏状态向量,并将所述第二隐藏状态向量和所述第六隐藏状态向量进行拼接处理得到第八隐藏状态向量;
26、根据预设的权重参数对所述第七隐藏状态向量和所述第八隐藏状态向量进行叠加处理,得到第九隐藏状态向量,进而将所述第九隐藏状态向量输入到所述输出层,输出得到碰撞风险预测结果;
27、根据所述碰撞风险预测结果和所述标签信息确定所述双层双向循环神经网络的损失值;
28、根据所述损失值更新所述双层双向循环神经网络的模型参数,并返回将所述碰撞风险样本数据输入到所述输入层这一步骤;
29、当所述损失值达到预设的第一阈值或迭代次数达到预设的第二阈值,停止训练,得到训练好的所述碰撞风险识别模型。
30、进一步地,在本专利技术的一个实施例中,所述根据所述碰撞风险识别结果控制所述当前车辆在车辆尾部展示前方道路图像或预警信息,并判断是否控制所述当前车辆尾部的安全气囊弹出这一步骤,其具体包括:
31、当所述碰撞风险识别结果为无碰撞风险,通过设置在所述当前车辆尾部的显示装置展示所述当前车辆的前方道路图像;
32、当所述碰撞风险识别结果为可控碰撞风险,通过所述显示装置展示预设的警示信息;
33、当所述碰撞风险识别结果为不可控碰撞风险,控制所述安全气囊弹出。
34、进一步地,在本专利技术的一个实施例中,所述车辆行驶安全控制方法还包括以下步骤:
35、当所述碰撞风险识别结果为可控碰撞风险,通过预设的语音提示信息提醒所述当前车辆的驾驶员进行紧急避让;
36、当所述碰撞风险识别结果为不可控碰撞风险,启动所述当前车辆的车辆碰撞应急系统。
37、第二方面,本专利技术实施例提供了一种车辆行驶安全控制系统,包括:
38、第一数据获取模块,用于获取当前车辆的第一车速时序数据以及所述当前车辆前方的道路图像时序数据;
39、第二数据获取模块,用于获取目标车辆的第二车速时序数据以及所述目标车辆与所述当前车辆之间的车辆距离时序本文档来自技高网...
【技术保护点】
1.一种车辆行驶安全控制方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种车辆行驶安全控制方法,其特征在于,所述获取当前车辆的第一车速时序数据以及所述当前车辆前方的道路图像时序数据这一步骤,其具体包括:
3.根据权利要求1所述的一种车辆行驶安全控制方法,其特征在于,所述获取目标车辆的第二车速时序数据以及所述目标车辆与所述当前车辆之间的车辆距离时序数据这一步骤,其具体包括:
4.根据权利要求1所述的一种车辆行驶安全控制方法,其特征在于,所述车辆行驶安全控制方法还包括预先训练所述碰撞风险识别模型的步骤,其具体包括:
5.根据权利要求4所述的一种车辆行驶安全控制方法,其特征在于,所述将所述训练数据集输入到预先构建的双层双向循环神经网络进行训练,得到训练好的所述碰撞风险识别模型这一步骤,其具体包括:
6.根据权利要求1至5中任一项所述的一种车辆行驶安全控制方法,其特征在于,所述根据所述碰撞风险识别结果控制所述当前车辆在车辆尾部展示前方道路图像或预警信息,并判断是否控制所述当前车辆尾部的安全气囊弹出这一步骤,其具体包括
7.根据权利要求6所述的一种车辆行驶安全控制方法,其特征在于,所述车辆行驶安全控制方法还包括以下步骤:
8.一种车辆行驶安全控制系统,其特征在于,包括:
9.一种车辆行驶安全控制装置,其特征在于,包括:
10.一种计算机可读存储介质,其中存储有处理器可执行的程序,其特征在于,所述处理器可执行的程序在由处理器执行时用于执行如权利要求1至7中任一项所述的一种车辆行驶安全控制方法。
...【技术特征摘要】
1.一种车辆行驶安全控制方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种车辆行驶安全控制方法,其特征在于,所述获取当前车辆的第一车速时序数据以及所述当前车辆前方的道路图像时序数据这一步骤,其具体包括:
3.根据权利要求1所述的一种车辆行驶安全控制方法,其特征在于,所述获取目标车辆的第二车速时序数据以及所述目标车辆与所述当前车辆之间的车辆距离时序数据这一步骤,其具体包括:
4.根据权利要求1所述的一种车辆行驶安全控制方法,其特征在于,所述车辆行驶安全控制方法还包括预先训练所述碰撞风险识别模型的步骤,其具体包括:
5.根据权利要求4所述的一种车辆行驶安全控制方法,其特征在于,所述将所述训练数据集输入到预先构建的双层双向循环神经网络进行训练,得到训...
【专利技术属性】
技术研发人员:郑少强,成建强,马虎,
申请(专利权)人:广汽本田汽车有限公司,
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。