本發(fā)明屬于智能汽車，具體涉及一種電動(dòng)無人駕駛車輛的碰撞預(yù)警方法、裝置及設(shè)備。

背景技術(shù)：

1、隨著科技的不斷進(jìn)步和人們對(duì)出行的需求，電動(dòng)無人駕駛車輛成為了當(dāng)前研究和發(fā)展的熱點(diǎn)。作為一種具有高度自主性和智能化特征的交通工具，電動(dòng)無人駕駛車輛在提高出行效率、減少交通事故以及緩解環(huán)境污染等方面具有巨大潛力。然而，電動(dòng)無人駕駛車輛在實(shí)際應(yīng)用中仍然面臨著許多挑戰(zhàn)，其中之一就是如何有效地預(yù)測(cè)和避免碰撞事故。碰撞事故會(huì)對(duì)交通安全和乘客生命財(cái)產(chǎn)安全造成威脅，因此，開發(fā)一種可靠的碰撞預(yù)警方法對(duì)于電動(dòng)無人駕駛車輛的安全性至關(guān)重要。

2、在傳統(tǒng)的碰撞預(yù)警系統(tǒng)中，通常僅僅使用傳感器（如雷達(dá)、攝像頭）來感知周圍環(huán)境，從而判斷是否存在碰撞風(fēng)險(xiǎn)。然而，由于電動(dòng)無人駕駛車輛具有高度自主性，在復(fù)雜的道路環(huán)境中，僅僅依靠傳感器數(shù)據(jù)無法滿足碰撞預(yù)警的準(zhǔn)確性和實(shí)時(shí)性需求。本發(fā)明提出了一種電動(dòng)無人駕駛車輛的碰撞預(yù)警方法、裝置及設(shè)備，采用基于貝葉斯網(wǎng)絡(luò)的概率計(jì)算模型，結(jié)合車輛動(dòng)態(tài)信息和環(huán)境感知數(shù)據(jù)，并使用卡爾曼濾波器算法更新目標(biāo)物體的速度和方向，實(shí)現(xiàn)對(duì)電動(dòng)無人駕駛車輛周圍環(huán)境的全面監(jiān)測(cè)，提高碰撞預(yù)警的準(zhǔn)確性和實(shí)時(shí)性，通過提前預(yù)測(cè)潛在的碰撞風(fēng)險(xiǎn)，保障了車輛行駛的安全性。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明針對(duì)上述存在的方法的不足，提供了一種電動(dòng)無人駕駛車輛的碰撞預(yù)警方法、裝置及設(shè)備，旨在解決傳統(tǒng)碰撞預(yù)警方法中存在的無法滿足碰撞預(yù)警準(zhǔn)確性和實(shí)時(shí)性需求的核心問題。

2、為實(shí)現(xiàn)本上述目的，本發(fā)明通過以下技術(shù)方案實(shí)現(xiàn)：

3、一種電動(dòng)無人駕駛車輛的碰撞預(yù)警方法，所述方法包括以下步驟：

4、步驟s10：通過安裝在電動(dòng)無人駕駛車輛上的傳感器實(shí)時(shí)獲取車輛周圍的環(huán)境信息數(shù)據(jù)和路況信息數(shù)據(jù)；

5、步驟s20：?對(duì)實(shí)時(shí)采集到的環(huán)境信息數(shù)據(jù)和路況信息數(shù)據(jù)進(jìn)行預(yù)處理，得到可用于后續(xù)分析的有效數(shù)據(jù)；

6、步驟s30：根據(jù)得到的有效數(shù)據(jù)計(jì)算車輛的預(yù)測(cè)行駛軌跡，并追蹤目標(biāo)物體的運(yùn)動(dòng)軌跡；

7、步驟s40：根據(jù)步驟s30的計(jì)算結(jié)果和追蹤到的目標(biāo)物體運(yùn)動(dòng)軌跡，使用碰撞概率模型計(jì)算發(fā)生碰撞的概率；

8、步驟s50：?當(dāng)計(jì)算得到的碰撞概率超過預(yù)設(shè)閾值時(shí)向車輛控制系統(tǒng)發(fā)送預(yù)警信號(hào)；

9、步驟s60：接收預(yù)警信號(hào)后，車輛控制系統(tǒng)采取相應(yīng)的緊急制動(dòng)措施避免發(fā)生碰撞。

10、優(yōu)選地，所述步驟s10中，傳感器是指安裝在電動(dòng)無人駕駛車輛上的多種傳感器，包括攝像頭、激光雷達(dá)、毫米波雷達(dá)和超聲波傳感器等；車輛周圍的環(huán)境信息數(shù)據(jù)包括障礙物的位置、速度、形狀等，車輛所在的路況信息數(shù)據(jù)包括車輛擁堵程度、能見度、天氣狀況等。

11、優(yōu)選地，所述步驟s20中數(shù)據(jù)預(yù)處理步驟包括去除噪聲、填補(bǔ)缺失值和特征提取。

12、優(yōu)選地，所述步驟s30中，車輛的預(yù)測(cè)行駛軌跡由公式（1）計(jì)算得到：

13、（1）

14、其中， x( t)為車輛在時(shí)間 t時(shí)的位置， x0為初始位置， vx為初速度， ax為加速度。

15、優(yōu)選地，所述步驟s30中追蹤目標(biāo)物體的運(yùn)動(dòng)軌跡過程包括：

16、目標(biāo)追蹤：使用多目標(biāo)追蹤算法，對(duì)周圍的動(dòng)態(tài)物體進(jìn)行追蹤；

17、目標(biāo)更正：通過卡爾曼濾波器算法更新目標(biāo)物體的速度和方向。

18、優(yōu)選地，所所述卡爾曼濾波算法的更新公式如式（2）所示：

19、（2）

20、其中，為當(dāng)前估計(jì)狀態(tài)，為卡爾曼增益，為測(cè)量值， h為測(cè)量矩陣，為前一時(shí)刻的估計(jì)狀態(tài)。

21、優(yōu)選地，所述步驟s40中的碰撞概率模型采用的是貝葉斯網(wǎng)絡(luò)模型，通過貝葉斯網(wǎng)絡(luò)整合多種傳感器采集的車輛周圍環(huán)境的信息數(shù)據(jù)，并評(píng)估發(fā)生碰撞的概率，構(gòu)建碰撞概率模型的步驟包括：

22、定義變量：確定能夠影響碰撞發(fā)生概率的變量，包括車輛周圍的環(huán)境信息、車輛狀態(tài)和障礙物信息；

23、制定假設(shè)：根據(jù)車輛的速度和障礙物的位置對(duì)車輛發(fā)生碰撞的影響，對(duì)變量之間的關(guān)系進(jìn)行假設(shè)；

24、確定條件概率表：根據(jù)所選變量和假設(shè)，構(gòu)建條件概率表描述變量之間的依賴關(guān)系；

25、構(gòu)建貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)：使用貝葉斯網(wǎng)絡(luò)圖將變量和它們之間的依賴關(guān)系可視化；

26、參數(shù)學(xué)習(xí)：利用已有的數(shù)據(jù)，通過最大似然估計(jì)或bayesian?learning來估計(jì)所構(gòu)建的貝葉斯網(wǎng)絡(luò)中的參數(shù)；

27、推理和預(yù)測(cè)：根據(jù)已有的數(shù)據(jù)和學(xué)習(xí)到的參數(shù)，進(jìn)行推理和預(yù)測(cè)，根據(jù)傳感器采集到的車輛周圍環(huán)境的信息數(shù)據(jù)，預(yù)測(cè)在未來某個(gè)時(shí)間點(diǎn)發(fā)生碰撞的概率；

28、更新和優(yōu)化：積累了更多的數(shù)據(jù)后，不斷更新貝葉斯網(wǎng)絡(luò)的參數(shù)。

29、優(yōu)選地，所述不斷更新貝葉斯網(wǎng)絡(luò)的參數(shù)中，貝葉斯網(wǎng)絡(luò)參數(shù)的更新公式如式（3）所示：

30、（3）

31、其中， p( collision| data)表示在給定傳感器采集到的車輛周圍環(huán)境信息數(shù)據(jù)條件下的碰撞概率， p( data| collision)表示在發(fā)生碰撞時(shí)采集到的車輛周圍環(huán)境信息數(shù)據(jù)數(shù)據(jù)的條件概率， p( collision)為碰撞的先驗(yàn)概率，， p( data)表示傳感器采集到的車輛周圍環(huán)境的信息數(shù)據(jù)的先驗(yàn)概率。

32、此外，為實(shí)現(xiàn)上述目的，本發(fā)明還提出一種電動(dòng)無人駕駛車輛的碰撞預(yù)警裝置，其特征在于：

33、數(shù)據(jù)采集模塊：用于通過傳感器實(shí)時(shí)獲取車輛周圍的環(huán)境信息數(shù)據(jù)；

34、數(shù)據(jù)預(yù)處理模塊：用于對(duì)采集到的環(huán)境信息數(shù)據(jù)進(jìn)行預(yù)處理，得到可用于后續(xù)分析的有效數(shù)據(jù)；

35、軌跡預(yù)測(cè)與追蹤模塊：用于根據(jù)得到的有效數(shù)據(jù)計(jì)算車輛的預(yù)測(cè)軌跡，并追蹤目標(biāo)物體的運(yùn)動(dòng)軌跡；

36、碰撞概率計(jì)算模塊：用于根據(jù)計(jì)算結(jié)果和追蹤到的目標(biāo)物體運(yùn)動(dòng)軌跡，使用碰撞概率模型計(jì)算發(fā)生碰撞的概率；

37、預(yù)警模塊：用于當(dāng)計(jì)算得到的碰撞概率超過預(yù)設(shè)閾值時(shí)向車輛控制系統(tǒng)發(fā)送預(yù)警信號(hào)；

38、預(yù)警響應(yīng)模塊：用于接收預(yù)警信號(hào)后，車輛控制系統(tǒng)采取相應(yīng)的緊急制動(dòng)措施避免發(fā)生碰撞。

39、此外，為實(shí)現(xiàn)上述目的，本發(fā)明還提出一種電動(dòng)無人駕駛車輛的碰撞預(yù)警設(shè)備，所述一種電動(dòng)無人駕駛車輛的碰撞預(yù)警設(shè)備包括：存儲(chǔ)器、處理器及存儲(chǔ)在所述存儲(chǔ)器上并可在所述處理器上運(yùn)行的一種電動(dòng)無人駕駛車輛的碰撞預(yù)警程序，所述一種電動(dòng)無人駕駛車輛的碰撞預(yù)警程序被所述處理器執(zhí)行時(shí)實(shí)現(xiàn)如上文所述的一種電動(dòng)無人駕駛車輛的碰撞預(yù)警方法的步驟。

40、此外，為實(shí)現(xiàn)上述目的，本發(fā)明還提供一種計(jì)算機(jī)程序產(chǎn)品，所述計(jì)算機(jī)程序產(chǎn)品包括一種電動(dòng)無人駕駛車輛的碰撞預(yù)警程序，所述一種電動(dòng)無人駕駛車輛的碰撞預(yù)警程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如上文所述的一種電動(dòng)無人駕駛車輛的碰撞預(yù)警方法。

41、本發(fā)明的優(yōu)點(diǎn)與效果是：

42、本發(fā)明采用基于貝葉斯網(wǎng)絡(luò)的概率計(jì)算模型，結(jié)合車輛動(dòng)態(tài)信息和環(huán)境感知數(shù)據(jù)，并使用卡爾曼濾波器算法更新目標(biāo)物體的速度和方向，實(shí)現(xiàn)對(duì)電動(dòng)無人駕駛車輛周圍環(huán)境的全面監(jiān)測(cè)，提高碰撞預(yù)警的準(zhǔn)確性和實(shí)時(shí)性，通過提前預(yù)測(cè)潛在的碰撞風(fēng)險(xiǎn)，保障了車輛行駛的安全性。