[发明专利]一种基于车辆信任度的车辆纵向行驶安全距离预估方法

说明书

一种基于车辆信任度的车辆纵向行驶安全距离预估方法，属于汽车主动安全技术领域，通过引入车辆信任度概念，优化传统的车辆安全距离模型，车辆信任度的直接体现为驾驶人在驾驶车辆的过程中对车辆的操控，间接体现为保持的安全车距的远近以及能否安全超车等行为。本发明解决了现有技术中涉及计算结果不够准确，无法实时保证安全距离符合驾驶人预期、实用性不强的问题，提出了对车辆信任度的定义，即驾驶人所能发挥出的车辆性能的大小，提高了驾驶人对安全车距判断的准确性。

技术领域

本发明属于汽车主动安全技术领域，特别是涉及到一种跟驰场景下基于车辆信任度的车辆安全距离预估方法。

背景技术

人车路的耦合关系体现在交通流特征上。如单车道的通行能力很大程度上取决于驾驶人对于跟驰距离的选择，这是人车路相互作用的结果，驾驶人对跟驰距离的选择直接影响车辆的通行能力。

网联环境下，驾驶人可获知的信息增多，在已知周围车辆信息的环境下，追尾事故的主要原因是驾驶人对所驾驶车辆的性能判断不足，车辆信任度过高或过低，会使驾驶人对车辆跟驰距离的选择不合理，易发生事故或影响通行效率。

现阶段的安全车距模型，主要通过基础统计方法对采集到的参数数据进行分析，由于没有进行极限驾驶工况的数据采集，无法对驾驶人能发挥出的车辆性能进行准确描述，不能体现出驾驶人的特异性，而只有体现出驾驶人特异性的安全车距模型，才更符合驾驶人的预期，为驾驶人提供最有效、最准确的安全距离信息。

因此，现有技术中亟需一种新的技术方案来解决上述问题。

发明内容

本发明所要解决的技术问题是：提供一种基于车辆信任度的车辆纵向行驶安全距离预估方法，用以解决现有技术中无法将驾驶人的特异性参数动态化、未考虑多种轮胎与路面的耦合关系、安全距离不符合驾驶人的期望的问题。

一种基于车辆信任度的车辆纵向行驶安全距离预估方法，其特征是：包括以下步骤，且以下步骤顺次进行，

步骤一、数据提取

通过CAN总线采集驾驶人自然行驶数据；提取行驶数据中直线、直角弯、S弯、U型弯路段数据，根据轮速信号和ABS数据判别行驶路面条件；

步骤二、数据分析

通过层次分析法确定各种路段的权重；通过主成分分析进行降维，得到主成分权重系数，分别为减速阶段最大制动减速度的绝对值F₁，路面附着系数F₂，完成一个路段所用时间F₃；

步骤三、建立车辆信任度模块

根据步骤二获得的主成分权重系数，得到驾驶人在各种路面条件下的车辆信任度综合评分；以综合评分为划分指标，采用K-均值聚类分析对车辆信任度等级进行初级分类；利用BP神经网络算法训练主成分与车辆信任度之间的网络关系，获得车辆信任度模块；

步骤四、建立基于车辆信任度的安全车距模型

采用现有安全车距模型，通过步骤三获得的车辆信任度模块对安全车距模型进行优化改进，得到基于车辆信任度的安全车距模型；

步骤五、运行车辆实时更新

在车辆继续运行中收集的数据持续更新，重复所述步骤一～步骤四，获得实时更新的基于车辆信任度的安全车距模型。

所述车辆信任度通过安全车距值表达。

所述步骤一中行驶路面条件通过路面的最大滑移率表达，式中，s为路面最大滑移率，v为车速，rw为ABS轮速信号。

所述步骤二中各种路段权重的一致性指标一致性比率其中n为指标数，CI为一致性指标，CR为一致性比率，其中RI为随机一致性指标。