[发明专利]一种基于双模式协作的车辆避撞系统

说明书

技术领域

本发明属于车辆避撞系统技术领域，尤其涉及一种基于双模式协作的车辆避撞系统。 

背景技术

目前，设计车辆避撞系统的目的在于在危险将要发生的时刻给出警报，或直接控制车辆避开撞击，其中车辆自适应巡航控制（ACC，adaptive cruise control）是一类具有主动避撞功能的控制系统，然而在该类避撞系统的模型建立的过程中需要考虑到很多复杂的因素，譬如基本的车辆位移与速度特征、所在道路的交通拥挤程度，以及道路本身的特征（如直道、T字路口、十字路口）等，这些复杂的因素给尝试以经典数学建模分析问题的思路与方法带来了一定的困难，并导致大部分的ACC模型系统只能在较为简单的道路交通工况上使用。 

近年来很多研究者尝试以模糊数学、人工神经网络或是这两者的结合来建立模型分析问题，这一研究方向已经取得了一定的成果，但仍然存在一些难以避免的问题，比如模糊数学机制虽然能够较好的适应人类的感知与行为以及对一些难以精确量化的工况采用模糊化的方式量化，但由于其本身特性所限制，而难以对复杂工况做出较好的刻画；人工神经网络下的建模虽然具有较好的自学习特性以适应驾驶员驾驶习惯，但其必须事先进行模式学习训练且在自身模型的收敛速度方面存在较为缓慢的问题，另外它在复杂工况的刻画上还具有与模糊数学模型相同的缺陷。 

发明内容

本发明实施例的目的在于提供一种基于双模式协作的车辆避撞系统，旨在解决传统的模糊数学机制存在的由于本身特性所限制，而难以对复杂工况做出较好的刻画；人工神经网络下的建模须事先进行模式学习训练且在自身模型的收敛速度方面存在较为缓慢的问题。 

本发明实施例是这样实现的，一种基于双模式协作的车辆避撞系统，该基于双模式协作的车辆避撞系统包括：过滤机制单元、神经网络机制单元、检验机制单元、精确模型单元、第一输出机制单元，第二输出机制单元； 

过滤机制单元，用于通过过滤判断碰撞系统的危险的状态； 

神经网络机制单元，与过滤机制单元相连接，用于将描述环境的变量载入协作系统，并预测出用于避撞的转角值； 

检验机制单元，与神经网络机制单元相连接，用于通过对策结果检验避撞转角值的合理性，合理的直接输送到输出机制单元中，不合理的输送到精确模型单元中； 

精确模型单元，与检验机制单元和神经网络机制单元相连接，用于将检测机制的结果与精确型模型的避撞算法给出的结果进行比较，在神经网络给出的结果不够合理的情况下令神经网络学习精确型模型的计算结果； 

第一输出机制单元，与检验机制单元连接，用于对检验机制单元的避撞转角值的合理结果进行输出； 

第二输出机制单元，与精确模型单元连接，用于对精确模型单元比较的结果进行输出。 

进一步，精确模型单元的基于路面障碍精确模型建立方法为： 

第一步，要对车辆运行时的环境作出描述，车辆行驶在道路上，假设车辆 的转角范围为[-σ,σ]，负表示左转，则令扫描角度为2σ，并将2σ范围按角度平均分割为n块，记第i块的角度为θ_i（θ₁=0），每个方向采用微波雷达或机器视觉的方式测得最近障碍物距离为l_i； 

第二步，采用多个参数将道路情况较为精细的刻画，车到附近车辆，附近障碍物的距离，以及车在道路中所处的位置，车到道路边际的距离参数都会体现在中，而建模的精细程度可由n来决定； 

第三步，假设本车当前速度为v_c(≥0)，刹车加速度为a_c，最小安全距离为d_s，车辆停止时需要与障碍物保持的最小距离，司机反映时间为T_r，先为车辆寻找安全区域，安全区域内的每个方向的最小障碍距离都应当大于一个阈值，这个值由当前车速v_c以及反映时间T_r决定：