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驾驶控制,更具体的,涉及:1、考虑多参数影响的车辆行驶危险等级判别方法;2、考虑多参数影响的车辆行驶危险等级判别系统。
技术介绍
1、近年来,自动驾驶技术发展越来越快。对自动驾驶车辆的稳定性进行准确判别、并加以控制是非常重要的。车辆稳定性(即车辆行驶危险等级)判别是车辆控制系统的介入与退出的关键,是车辆驾驶控制的基础。
2、现有的判别方法主要包括相平面、李雅普诺夫、能量法和可拓学等方法。但不同方法皆有其局限性:如相平面法不能对行驶危险等级进行细分,且在变车速以及路面附着系数工况下的设计较为繁琐;李雅普诺夫法在实际应用时难以寻找其李雅普诺夫函数,也使得该方法推广难度较大。
3、专利技术人考虑将基于聚类分析的方法应用于车辆行驶危险等级判别,并在应用时发现了如下问题:
4、1,目前这类方法只考虑了单一工况下车速变化对聚类结果的影响,也就是说,工况与参数是考虑不充分的,因而聚类结果的准确性有待提高;
5、2,目前这类方法使用的聚类方式(例如k-means聚类)操作较为复杂,需要手动选择初始的聚类质心和聚类类数,并且在聚类结果中不同类型质心数值大小与危险等级高低趋势不一致情况占比高,易造成判别误解。
技术实现思路
1、基于此,有必要针对现有基于k-means聚类进行车辆行驶危险等级判别方法存在准确性不足的问题,提供了考虑多参数影响的车辆行驶危险等级判别方法、系统。
2、本专利技术采用以下技术方案实现:
4、s1,获取目标车辆当前行驶状态量d0;
5、其中,d0包括:当前横向车速当前横向加速度当前横摆角速度ω0、当前侧倾角ψ0、当前质心侧偏角β0、当前前轮载荷转移率当前后轮载荷转移率当前横向误差
6、s2,计算d0与3个预设聚类质心c1、c2、c3之间的欧氏距离;
7、其中,c1、c2、c3分别对应不同的危险等级;
8、ci是通过ap聚类算法计算得到的;i=1,2,3;
9、表示ci中横向车速聚类质心;表示ci中横向加速度聚类质心;表示ci中横摆角速度聚类质心;表示ci中侧倾角聚类质心,表示ci中质心侧偏角聚类质心;表示ci中前轮载荷转移率聚类质心;表示ci中后轮载荷转移率聚类质心;表示ci中横向误差聚类质心;
10、s3,依据最小原则,将欧氏距离最小的预设聚类质心所对应的危险等级判定为目标车辆当前所处的危险等级。
11、该种考虑多参数影响的车辆行驶危险等级判别方法实现根据本公开的实施例的方法或过程。
12、第二方面,本专利技术公开了一种考虑多参数影响的车辆行驶危险等级判别系统,其使用了第一方面公开的考虑多参数影响的车辆行驶危险等级判别方法。
13、考虑多参数影响的车辆行驶危险等级判别系统包括:行驶状态获取模块、欧氏距离计算模块、危险等级判别模块。
14、行驶状态获取模块用于获取目标车辆当前行驶状态量d0。欧氏距离计算模块用于计算d0与3个预设聚类质心c1、c2、c3之间的欧氏距离。危险等级判别模块用于依据最小原则,将欧氏距离最小的预设聚类质心所对应的危险等级判定为目标车辆当前所处的危险等级。
15、该种考虑多参数影响的车辆行驶危险等级判别系统实现根据本公开的实施例的方法或过程。
16、第三方面,本专利技术公开了一种可读存储介质。该可读存储介质中存储有计算机程序指令,计算机程序指令被一处理器读取并运行时,执行第一方面公开的考虑多参数影响的车辆行驶危险等级判别方法的步骤。
17、与现有技术相比,本专利技术具备如下有益效果:
18、1,本专利技术基于ap聚类算法在线判别目标车辆所处的当前车辆危险等级,并综合了考虑稳定性状态和跟踪误差等多因素影响;本专利技术可以避免手动选择初始的聚类质心和聚类类数,降低了操作复杂度,并且本专利技术的聚类结果中不同类型质心数值大小与危险等级高低趋势不一致的情况大大减少,降低了误解的可能,提高了目标车辆实时危险等级判别的准确性。
19、2,本专利技术所使用的预设聚类质心基于ap聚类算法计算得到,其在聚类过程中在考虑传统稳定性参数的基础上加入横向偏差参数,即包含了稳定性和跟踪精度两方面的特征,这样聚类出的结果能够更全面地反映车辆行驶危险等级。
20、3,本专利技术计算预设聚类质心时使用了不同路面附着系数下的车辆特征参数所建立的数据集,并将无效跟踪的数据直接弃用、只针对有效跟踪的数据进行聚类,可以降低聚类计算量,提高聚类的效率和速度;本专利技术还对不同附着系数下较为分散的车辆行驶特征参数进行归一化处理,以消除量级影响,可实现对不同附着系数下的车辆行驶状态均有较好的判别结果。
本文档来自技高网...【技术保护点】
1.一种考虑多参数影响的车辆行驶危险等级判别方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的考虑多参数影响的车辆行驶危险等级判别方法,其特征在于,c1、c2、c3的计算方法包括:
3.根据权利要求2所述的考虑多参数影响的车辆行驶危险等级判别方法,其特征在于,S22包括:
4.根据权利要求2或3所述的考虑多参数影响的车辆行驶危险等级判别方法,其特征在于,c1、c2、c3满足:
5.根据权利要求1所述的考虑多参数影响的车辆行驶危险等级判别方法,其特征在于,的获取方法包括:
6.根据权利要求1所述的考虑多参数影响的车辆行驶危险等级判别方法,其特征在于,S21中,在不同路面附着系数场景下进行实测,或/和构建不同路面附着系数的仿真环境并进行仿真实验,得到车辆特征参数数据。
7.根据权利要求1所述的考虑多参数影响的车辆行驶危险等级判别方法,其特征在于,S2中,归一化处理的公式为:
8.根据权利要求1述的考虑多参数影响的车辆行驶危险等级判别方法,其特征在于,D0与ci的欧氏距离为:
9.一
10.一种可读存储介质,其特征在于,所述可读存储介质中存储有计算机程序指令,计算机程序指令被一处理器读取并运行时,执行如权利要求1-8中任一项所述的考虑多参数影响的车辆行驶危险等级判别方法的步骤。
...【技术特征摘要】
1.一种考虑多参数影响的车辆行驶危险等级判别方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的考虑多参数影响的车辆行驶危险等级判别方法,其特征在于,c1、c2、c3的计算方法包括:
3.根据权利要求2所述的考虑多参数影响的车辆行驶危险等级判别方法,其特征在于,s22包括:
4.根据权利要求2或3所述的考虑多参数影响的车辆行驶危险等级判别方法,其特征在于,c1、c2、c3满足:
5.根据权利要求1所述的考虑多参数影响的车辆行驶危险等级判别方法,其特征在于,的获取方法包括:
6.根据权利要求1所述的考虑多参数影响的车辆行驶危险等级判别方法,其特征在于,s21中,在不同路面附着系数场景下进行实测,或/...
【专利技术属性】
技术研发人员:魏振亚,汪洪波,崔国良,丁雨康,宁涛,张先锋,
申请(专利权)人:安徽卡思普智能科技有限公司,
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。