《表3 输入变量汇总:基于自然驾驶数据的危险事件识别方法》
1)为自车速度减去前车速度;2)为Δx/Δv。
以上三类场景均不存在潜在的碰撞风险,但由于某一时刻的车辆运动学参数满足阈值条件,被错误地识别成危险事件。可见运动学参数的瞬时值不足以做出精确的判别。在选择机器学习的输入变量时,考虑纳入事件触发前后某一时域内,车辆动态参数(包括速度、横纵加速度、与前车的距离、与前车的速度差、前向碰撞时间)的统计值,包括最值、均值和标准差。输入变量汇总及计算时域如表3和图3所示。由于存在没有前车的情况,因此表3中的Δx、Δv和tTTC三类变量可以为空值。图3为某一起事件在阈值触发前后共15 s内,各类运动学参数的时间序列图。对于该事件,运动学参数统计值的计算时域为纵向加速度最小值对应时刻t0的前5 s和后3 s(图中阴影部分)。若事件由横向加速度阈值触发,则t0为横向加速度最大值对应的时刻。
图表编号 | XD00124253700 严禁用于非法目的 |
---|---|
绘制时间 | 2020.01.01 |
作者 | 王雪松、徐晓妍 |
绘制单位 | 同济大学道路与交通工程教育部重点实验室、同济大学道路与交通工程教育部重点实验室 |
更多格式 | 高清、无水印(增值服务) |