吉林大学孙晨皓获国家专利权
买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
龙图腾网获悉吉林大学申请的专利基于电动自行车多模态行为预测其与车辆碰撞风险的方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN119832767B 。
龙图腾网通过国家知识产权局官网在2025-06-24发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202510300881.7,技术领域涉及:G08G1/16;该发明授权基于电动自行车多模态行为预测其与车辆碰撞风险的方法是由孙晨皓;赵丹晨;李席宇;李健;张克鑫;霍磊;何炜明;丁同强;郑黎黎设计研发完成,并于2025-03-14向国家知识产权局提交的专利申请。
本基于电动自行车多模态行为预测其与车辆碰撞风险的方法在说明书摘要公布了:本发明属于道路车辆控制系统领域,涉及一种基于电动自行车多模态行为预测其与车辆碰撞风险的方法,该方法利用物理建模,以电动自行车的制动距离,横向及纵向稳定性对汽车造成的影响为基础风险;进一步考虑由于环境造成的汽车风险,综合动态距离‑速度、相邻车辆类型、交通流密度、天气状况(降水量、温度、风速、能见度)四个维度进行多维环境风险评估建模;结合电动自行车操作行为(加速度变化与转向角度及频率)对汽车的风险;利用环境敏感度系数实时捕捉环境变化与整车风险间的复杂关系,最终针对电动自行车多模态的骑行行为,为汽车提供一套全面、精确、实时的多维度综合风险评估方法,降低复杂交通流环境下的碰撞风险。
本发明授权基于电动自行车多模态行为预测其与车辆碰撞风险的方法在权利要求书中公布了:1.一种基于电动自行车多模态行为预测其与车辆碰撞风险的方法,其特征在于,该方法包括以下步骤: 步骤1.将汽车整车风险R分解为电动自行车固有属性对汽车的风险Rf、环境造成的汽车风险Rm和电动自行车操作行为对汽车的风险Rv; 步骤2.评估电动自行车固有属性对汽车的风险Rf、环境造成的汽车风险Rm和电动自行车操作行为对汽车的风险Rv; 其中,电动自行车固有属性对汽车的风险Rf是指汽车在行驶过程中,由于电动自行车固有属性给汽车带来的风险,包括电动自行车制动距离给汽车带来的风险Rf-B、电动自行车稳定性给汽车带来的风险Rf-S; 其中,α1为比例系数,β1为幂指数,tr'为骑行者修正后的反应时间,u是电动自行车的行驶速度,a是电动自行车的加速度; 其中,α2为比例系数,β2为幂指数,Sh为电动自行车横向稳定性指标,Sz为电动自行车纵向稳定性指标,ω1、ω2为权重系数,γ1、γ2、γ3为非线性指数; 其中,是电动自行车轴距的一半,即电动自行车质心到转向轴的距离;g代表重力加速度,hcg为重心位置,u为行驶速度,r为转弯半径; Fgrip,f=μ·Fnormal,f; Fgrip,r=μ·Fnormal,r; 其中,前轮的法向力为Fnormal,f;后轮的法向力为Fnormal,r;前轮的抓地力为Fgrip,f;后轮的抓地力为Fgrip,r;负载转移量定义为ΔFx;k是一个调节系数,用于反映负载转移对风险的影响,取值范围[0.1,1.0];ax是电动自行车在行驶方向的加速度分量;前后轮与地面的摩擦系数均为μ;前轮轴距为lf;后轮轴距为lr;电动自行车和骑行者的总质量为m; 电动自行车固有属性对汽车的风险Rf的评估模型为: 其中,θ1、θ2、θ3为非线性指数,θ1的取值范围为[0.5,2.0],θ2的取值范围为[0.5,2.0];θ3的取值范围为[0.5,3.0]; 环境造成的汽车风险Rm是指汽车在行驶过程中,由于外界环境因素变化对汽车造成的风险,包括动态距离-速度对汽车造成的风险Rdistancev,d、相邻车辆类型对汽车造成的风险RvehicleTv、交通流密度对汽车造成的风险RdensityD、天气状况对汽车造成的风险Rwx; 在评估动态距离-速度对汽车造成的风险时,综合考虑汽车与后方第一辆车之间的相对速度和距离;在评估相邻车辆类型对汽车造成的风险时,计算检测范围内所有车辆类型对汽车造成的风险,取最高风险用于汽车整车风险预测;评估交通流密度对汽车造成的风险时,使用高斯分布的形式来构建交通流密度对汽车造成的风险函数;评估天气状况对汽车造成的风险时,综合考虑降水量、温度、风速和能见度对汽车造成的风险,即:天气状况对汽车造成的风险包括降水量对汽车造成的风险RrainP、温度对汽车造成的风险RiceT、风速对汽车造成的风险Rwindvwind,θ和能见度对汽车造成的风险RvisV; 风速对汽车造成的风险Rwindvwind,θ的评估模型为: Rwindvwind,θ=Rwind-bvwind,θ·αwind-interaction·βwind-interaction; 其中,αwind-interaction为空间交互系数,反映电动自行车失控后侵占汽车车道或碰撞汽车的可能性,取决于车道宽度与横风强度;βwind-interaction为交通流量系数,表示电动自行车失控后对由汽车构成的交通流的放大效应,Rwind-bvwind,θ表示在风速vwind以及入射角θ的条件下的电动自行车侧翻风险; 其中,Rw-o为风险值,表示无风条件下的最低风险,kside_wind侧风风险系数,取值范围[0.5,2.0];Cd为横向阻力系数,取值范围[0.3,1.2];A为电动自行车侧面迎风面积,ρ为空气密度,sinθ表示侧风入射角度的正弦值; 环境造成的汽车风险Rm的评估模型为: 其中,表示各个风险因素的权重系数,取值范围[0.25,0.5],取值范围[0.05,0.2],取值范围[0.15,0.3],取值范围[0.2,0.4];且最终满足 j1,j2,j3,j4表示每个风险对整体风险贡献的幂次,j1取值范围[1.5,3.0],j2取值范围[1.0,2.0],j3取值范围[1.2,2.5],j4取值范围[1.5,3.0];maxj1,j2,j3,j4为j1,j2,j3,j4中的最大值; 电动自行车操作行为对汽车的风险Rv是指汽车在行驶过程中,骑行者的驾驶行为对汽车行车安全所带来的风险,包括电动自行车加速度变化频率对汽车造成的风险Rv-a、电动自行车转向角度及频率对汽车造成的风险Rv-θ; 其中,δ1、δ2、δ3代表不同加速度变化频段的权重,为电动自行车修正后的加速度变化率,fa为电动自行车加速度变化率,u为电动自行车速度,γ为控制速度对加速度变化频率放大效果的调节系数; 其中,θz为电动自行车的转向角度,βθ-rad为用于调节转向角度θz对风险影响程度的常数系数,λ是速度放大系数,控制速度对转向角度风险的指数影响,dc-b为汽车与电动自行车之间的距离,βθ-f表示转向频率对风险影响程度的系数,TN表示时间,即观察转向频率的时间窗口,nθ为单位时间TN内的转向操作次数;γa表示速度对加速度变化频率放大效果的调节系数,βIx为转向角度与频率的交互风险项系数; 电动自行车操作行为对汽车的风险Rv的评估模型为: 其中,αu1、αu2为权重系数,αu1取值范围[0.4,0.7],αu2取值范围[0.3,0.6];p1、p2、p3为非线性指数,p1取值范围[1.0,2.0];p2取值范围[1.5,3.0];p3取值范围[1.0,2.0]; 步骤3.基于资本资产定价模型预测汽车整车风险,同时引入环境敏感度系数β,评估环境变化对汽车整车风险的敏感度;此外,添加Rm和Rv之间的交互项,用于描述电动自行车操作行为在不同环境条件下对汽车整车风险的叠加效应;加入高阶效应,用于反映环境风险影响的非线性趋势; 汽车整车风险R的预测模型为: R=Rf+β·Rm-Rf+βγ·Rm-Rfτ+βinteraction·Rm·Rv+Rv; 其中,βinteraction为交互风险系数,取值范围[0.1,1.0],用以反映Rm和Rv之间的共同作用效果;τ为高阶效应的幂次,决定了环境风险变化对总体风险的影响速度和幅度,τ取值[1,2];βγ为高阶环境敏感度系数,取值范围[0.05,0.5]。
如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人吉林大学,其通讯地址为:130012 吉林省长春市南关区人民大街5988号吉林大学南岭校区;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。