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！

摘要：本发明公开了基于车路云协同的预期功能安全实时监测与防护系统，属于安全监测技术领域。本发明包括边缘数据获取模块、边缘场景仿真模块、预期功能安全评估模块和交通流运行态势预测模块；所述边缘数据获取模块用于对目标车辆周围的边缘数据进行获取；所述边缘场景仿真模块根用于对目标车辆的边缘场景进行仿真；所述预期功能安全评估模块用于对目标车辆的预期功能安全进行评估；所述交通流运行态势预测模块用于对网络道路的交通运动进行管控。本发明将目标车辆的运行环境条件融入到边缘场景仿真模型中，有利于提高对目标车辆预期功能安全的评估精确度，从而提高了系统对目标车辆预期功能安全的监测效果。

主权项：1.基于车路云协同的预期功能安全实时监测与防护系统，其特征在于：所述系统包括边缘数据获取模块、边缘场景仿真模块、预期功能安全评估模块和交通流运行态势预测模块；所述边缘数据获取模块通过云服务器对目标车辆上装设的路端信息采集装置采集的图像信息进行处理，对边缘数据的获取区域进行确定，基于确定结果，对目标车辆周围的边缘数据进行获取；所述边缘数据获取模块包括图像采集单元、边缘数据获取区域确定单元和边缘数据获取单元；所述图像采集单元通过目标车辆上装设的路端信息采集装置对目标车辆四周的图像进行采集，路端信息采集装置将采集的图像上传至云服务器；所述边缘数据获取区域确定单元通过云服务器对接收图像中的目标对象进行识别，识别出的目标对象的外部轮廓为边缘数据的获取区域；所述边缘数据获取单元对各边缘数据获取区域内存在的目标对象相较于目标车辆的方位角范围值，以及各边缘数据获取区域内存在的目标对象距离目标车辆的最小距离值进行计算，具体的计算方法为：对路端信息采集装置的镜头焦距f进行获取，在目标对象中，对距离路端信息采集装置镜头中心最近的组成对象进行确定，在图像中，对组成对象的宽度值d进行获取，通过大数据对目标对象的规格尺寸进行获取，目标对象的规格尺寸指危险对象的长、宽、高，根据D=目标对象的长度值*d目标对象在图像中的长度值，对组成对象的实际宽度值D进行计算，根据H=f*Dd对目标对象距离目标车辆的最小距离值进行计算；计算的方位角范围值和最小距离值的集合为目标车辆周围的边缘数据，目标车辆周围的边缘数据={[a1,aw1],d1,…,[an,awn],dn}，其中，[an,awn]表示在编号为n的边缘数据获取区域内获取的方位角范围值，an表示在编号为n的边缘数据获取区域内获取的最小方位角，awn表示在编号为n的边缘数据获取区域内获取的最大方位角，dn表示在编号为n的边缘数据获取区域内获取的最小距离值；所述边缘场景仿真模块根据边缘数据获取模块获取的边缘数据，以及边缘数据获取区域内的交通信号信息和环境信息，对目标车辆的边缘场景进行仿真；所述边缘场景仿真模块包括信息采集单元、道路气象空间模型构建单元、目标对象筛选单元和边缘场景仿真单元；所述信息采集单元通过云服务器对各边缘数据获取区域内的交通信号信息和环境信息进行获取，交通信号信息指边缘数据获取区域内存在的交通信号指示灯的显示秒数和显示颜色，环境信息指边缘数据获取区域内的降雨量、能见度和降雪量；所述道路气象空间模型构建单元根据目标车辆周围的边缘数据，对max{d1,…,dn}进行寻找，记K=max{d1,…,dn}，道路气象空间模型构建单元通过大数据对目标车辆K米范围内的道路空间模型进行获取，将获取的环境信息和交通信号信息融入到道路空间模型中进行显示，得到道路气象空间模型，其中，max表示最大值符号；所述目标对象筛选单元将边缘数据获取区域确定单元识别出的目标对象放入集合D中，若目标对象为交通信号指示灯，则当目标对象的显示颜色为绿色时，将目标对象从集合D中筛选出，当目标对象的显示颜色为红色或黄色时，将目标对象保留在集合D中；所述边缘场景仿真单元在道路气象空间模型中，以目标车辆所在位置为原点构建单位空间坐标系，在集合D中随机选取一个目标对象，对选取目标对象对应的危险区域进行确定，具体方法为：以选取目标对象相较于目标车辆的最小距离值为半径，在三维空间坐标系中作圆，根据选取目标对象相较于目标车辆的方位角范围值，在三维空间坐标系中作射线A1和射线A2，射线以原点为起点，设射线A1与X轴正半轴之间的角度值为as，射线A2与X轴正半轴之间的角度值为aws，s表示选取目标对象所在边缘数据获取区域对应的编号，设射线A1与圆的交点坐标为（x1,y1,z1），射线A2与圆的交点坐标为（x2,y2,z2），以x1-x2作为危险区域的边长，以交点坐标（x1,y1,z1）作为危险区域的右下顶点；直至集合D中的目标对象均被选取，将确定的各危险区域均融入到道路气象空间模型中，得到目标车辆边缘场景的仿真模型；所述预期功能安全评估模块根据边缘场景仿真模块仿真的边缘场景，通过云服务器对目标车辆的操作动作进行控制，在目标车辆进入控制状态时，对目标车辆的被制动程度进行获取，根据获取信息，对目标车辆的预期功能安全进行评估；所述预期功能安全评估模块包括操作控制单元、制动程度获取单元和预期功能安全评估单元；所述操作控制单元对集合D中存储的各目标对象距离目标车辆的最小距离值进行获取，将获取的最小距离值放入集合T中，根据minT对应的编号，对目标危险区域进行寻找，基于寻找结果，对目标车辆在当前仿真模型下的最大实时运行速度Vt1进行确定，Vt1=目标危险区域在t时刻的运行速度，结合目标车辆的实时运行速度Vt，通过Vt1V1对目标车辆的实时危险系数进行预测，将Vt1V1与设定阈值进行比较，基于比较结果选择是否通过云服务器对目标车辆的操作动作进行控制；所述制动程度获取单元在Vt1V1＞设定阈值时，通过云服务器对目标车辆的操作动作进行控制，之后，通过云服务器对目标车辆的控制程度r进行获取；所述预期功能安全评估单元根据制动程度获取单元获取的数据信息，对目标车辆的预期功能安全进行评估，具体方法为：在通过云服务器对目标车辆的操作动作进行控制时，对目标车辆的运行速度V3进行获取，结合当前仿真模型中的环境信息和交通信号信息，对目标车辆的实际制动加速度进行计算，具体的计算方法为：根据三维坐标距离公式，对目标危险区域中心距离原点的距离值b进行计算；若目标危险区域所对应的目标对象为交通信号指示灯，则目标车辆的实际制动加速度G1=-V322*b；若目标危险区域所对应的目标对象非交通信号指示灯，则目标车辆的实际制动加速度G2=Vt12-V322*b；根据Qt=-1θ*u*p*e1*wrt1+e2*wrt2+e3*wrt3对目标车辆的理论制动加速度进行计算，其中，u表示云服务器对目标对象的控制程度，p表示云服务器对目标车辆的控制程度改变1%时，目标车辆对应的理论制动加速度改变量，e1+e2+e3=1，rt1表示当前仿真模型在t时刻的降雨量，rt2表示当前仿真模型在t时刻的能见度，rt3表示当前仿真模型在t时刻的降雪量，w为常数且0＜w＜1，θ=1或θ=2，当θ=1时，表示云服务器对目标车辆为反向制动，当θ=2时，表示云服务器对目标车辆为正向制动，Qt表示目标车辆在t时刻对应的理论制动加速度；根据H=G1Qt或H=G2Qt对目标车辆的预期功能安全进行评估，其中，H表示目标车辆预期功能安全的评估值；当评估结果＜0.6时，对目标车辆的预期功能安全进行防护；所述交通流运行态势预测模块通过云服务器对在任意一段网络道路中运行的车辆的预期功能安全评估值进行获取，通过边缘数据获取模块和边缘场景仿真模块对该网络道路中各运行车辆边缘场景的仿真模型进行获取，对获取的仿真模型进行融合，得到网络道路的仿真模型，在网络道路的仿真模型中，对各运行车辆的实时位置信息、实时运行速度进行获取，基于获取信息，对该段网络道路中的交通流运行态势进行预测，基于预测结果，对该段网络道路的交通运动进行管控。

全文数据：

权利要求：

百度查询： 南京欧思其软件服务有限公司 基于车路云协同的预期功能安全实时监测与防护系统