[发明专利]一种预测前车制动的驾驶辅助系统及方法

权利要求书

1.一种预测前车制动的驾驶辅助方法，其特征在于，包括如下步骤：

步骤1，利用毫米波雷达和智能高清摄像头检测车道上是否存在多车跟车行为的车队，若是，则转至步骤2；

步骤2，当车队内任意一个车辆的制动灯亮起时，获取该车辆及其后所有车辆的制动时刻t、制动车辆的速度v、制动车辆后车的速度v以及制动车辆与后车之间的距离l，并根据第i个车辆的制动时刻t_i、速度v_i、第i个车辆制动时第i+1个车辆的速度第i+1个车辆与第i个车辆之间的距离l_i-(i+1)以及第i+1个车辆制动时的制动时刻t_i+1和速度v_i+1计算第i个车辆的最大制动减速度a_maxi，第i+1个车辆的跟车时距D_i+1、制动反应时间T_反应(i+1)和最大制动减速度a_max(i+1)；其中，车队内车辆的总数为n，n≥3且n为正整数，1≤i≤n且i为正整数；

步骤3，获取多个历史数据，提取每个历史数据中的前车的最大制动减速度、后车的跟车时距、后车的制动反应时间和后车的最大制动减速度，将其建立为一个样本，多个样本组成一个样本集并将样本集保存在存储单元中；

第i个车辆的制动灯亮起时，所采集的历史数据对应样本(a_maxi，D_i+1，T_反应(i+1)，a_max(i+1))，其中，a_maxi为第i个车辆的最大制动减速度，D_i+1为第i+1个车辆的跟车时距，T_反应(i+1)为第i+1个车辆的制动反应时间，a_max(i+1)为第i+1个车辆的最大制动减速度；

将存储单元中保存的每个样本中的前车的最大制动减速度和后车的跟车时距作为BP神经网络模型的输入，后车的制动反应时间和后车的最大制动减速度作为BP神经网络模型的输出，对BP神经网络模型进行训练，得到训练完成的BP神经网络模型；

步骤4，根据训练完成的BP神经网络模型可预测当车队内的车辆发生制动行为时其后面所有车辆的制动反应时间T_反应和最大制动减速度a_max，再根据预测的车队内制动车辆后面的所有车辆的制动反应时间T_反应计算出自车前车的制动反应时间T_总反应，并显示前车的制动信息，提醒自车及时作出调整。

2.根据权利要求1所述的预测前车制动的驾驶辅助方法，其特征在于，步骤1中，所述检测车道上是否存在多车跟车行为的车队，具体为：当车队内的每相邻两辆车之间的跟车距离小于100米时，则判定车辆间存在跟车行为，存在跟车行为的连续多辆车可判定为一个车队；否则，不存在跟车行为。

3.根据权利要求1所述的预测前车制动的驾驶辅助方法，其特征在于，步骤2中，第i个车辆的最大制动减速度a_maxi，第i+1个车辆的跟车时距D_i+1、制动反应时间T_反应(i+1)和最大制动减速度a_max(i+1)的计算过程分别如下：

T_反应(i+1)＝t_(i+1)-t_i

其中，△t设为0.5秒，t_i为车队内第i个车辆的制动时刻，△v_i为车队内第i个制动车辆0.5秒的速度差，△v_i+1为车队内第i+1个制动车辆0.5秒的速度差，t_i+1为车队内第i+1个车辆的制动时刻，l_i-(i+1)为车队内第i+1个车辆与第i个车辆之间的距离，为第i个车辆制动时第i+1个车辆的速度，a_maxi为第i个车辆制动时的最大制动减速度，a_max(i+1)为第i+1个车辆制动时的最大制动减速度。