评估车辆之间安全距离的指标

这篇具有很好参考价值的文章主要介绍了评估车辆之间安全距离的指标。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

由于自己跟导师的工程上需要用到这部分知识,都是自己从零记录,刚好分享给大家。

评估车辆之间安全距离的指标

评估车辆之间安全距离的指标包括:

  1.   源自相对速度的安全距离(Safe distance derived from relative speed):车辆与前方车辆保持的安全距离,考虑相对速度。 公式:d = (v1 + v2) * t + k,其中d为安全距离,v1和v2为两辆车的速度,t为反应时间,k为安全系数。含义:源自相对速度的安全距离考虑了车辆之间的相对速度,以及反应时间和安全系数等因素,以确保车辆
  2.    Minimum safe following distance (MSFD):最小安全跟随距离,用于评估车辆在不同速度下应保持的最小安全跟随距离。 公式:MSFD = (speed/2) + (speed/2)^2 / (2 × deceleration),其中speed为车辆的速度,deceleration为车辆的减速度。 含义:MSFD指出,车辆在不同速度下应保持的最小安全跟随距离,以确保在发生突然情况时有足够的时间和空间停车避免碰撞。
  3.   Safe time headway (STH):安全时间车头距离,用于评估车辆之间应保持的安全时间距离。 公式:STH = THW / (1 - (v1-v2) / (3.3a)),其中v1和v2为车辆的速度,a为车辆的减速度。 含义:STH指出,车辆之间的速度差和减速度会影响它们之间的安全距离,STH可以用来评估车辆之间应保持的安全时间距离。
  4.   TTC(Time to Collision,碰撞时间):指车辆在当前速度下到达前车的时间,通常以秒为单位,公式为:TTC = d / (v_rel + 0.001),其中d为当前距离,v_rel为当前速度差。 TTC 模型。TTC 是指两车相撞所需的时间,也被称为即碰时间避撞算法。在定义危险制动距离时,TTC 的制动距离被用在算法逻辑中,如果 TTC小于所有延迟时间(系统制 动延迟时间与驾驶员反应时间),驾驶员没有对碰撞预警做出反应,则在这时候系统应该自动制动。 T T C = D / v rel      dbr​=TTC∗vrel​+d0​ 其中,D两车相对距离,vrel​两车相对车速, dbr​危险制动距离。                                                                                                                                
    由于当两车相对速度为零时,T T C 无解,所以设定vrel​的下限,模型中下限取 。T T C 时间一般在1.1 s到1.4 s 1.4s1.4s之间,车辆的制动减速度的平均值为0.52 g 。在 T T C 算法中,设定预警危险T T C 为2.6 s。部分制动 T T C 为 1.6 s, 全力制动TTC 为0.6 s 。当系统计算实际T T C 达到2.6 s 2.6s2.6s时,分别竖起警告标旗(2.6 s f l a g )、部分制动标旗(1.6 s f l a g)、全力制动标旗(0.6 s f l a g )

    注意:车距检测预警技术同样是检测本车与前车的车距(HEADWAY),在车距过近的情况下向驾驶员发出警报。因为车距Headway一般会换算成时间显示出来,所以容易与FCW的碰撞时间混淆,但是HMW的车距时间和FCW的碰撞时间(TTC)计算方式是不同的:
    Headway车距时间  =  两车车距 /  本车的车速
    FCW的碰撞时间(TTC)= 两车车距 / 两车的相对车速
  5.   TTCm(Modified Time to Collision,改进的碰撞时间):是TTC的改进版本,考虑了当前车辆的加速度,公式为:TTCm = TTC + v_rel / a,其中a为当前车辆的加速度。
  6.   Time to React (TTR):反应时间,指驾驶员在看到障碍物后采取反应的时间。 公式:TTR = TTC - TR,其中TR为驾驶员的反应时间。 含义:TTR可以用来评估驾驶员是否有足够的时间采取措施来避免碰撞。
  7.   HMD(Headway Distance,车头时距):指前车和本车的车头之间的距离,公式为:HMD = d - l1 - l2,其中d为当前距离,l1为前车长度,l2为本车长度。
  8.   SAFED(Safe Distance,安全距离):指在反应时间内车辆行驶的距离,公式为:SAFED = T * V,其中T为反应时间,V为车速。
  9.   停止距离:指车辆在制动情况下,从发现障碍物到完全停止所需行驶的距离,公式为:SD = (V^2) / 2g * f,其中V为初始速度,g为重力加速度,f为制动系数。
  10.   Braking Distance(制动距离):指在当前速度下,车辆完全停下所需的距离。公式为:BD = (V^2) / 2g * f,其中V为初始速度,g为重力加速度,f为制动系数。
  11.   Gap Time(时间间隔):指前车通过某个固定点后,本车通过该点的时间差。公式为:GT = d / V,其中d为前车与本车之间的距离,V为本车速度。
  12.   Time Headway(时间车头时距):指前车和本车车头之间的时间间隔,即HMD除以相对速度。公式为:THW = HMD / v_rel,其中v_rel为前后车辆之间的相对速度。
  13.   Time-to-Lane-Change(换道时间):指在一定速度下,从当前车道换道到另一个车道所需的时间。公式为:TLC = L / V,其中L为需要穿过的车道长度,V为车速。
  14.   Time Exposed(曝露时间):指前车在某一时刻开始减速到完全停下的时间,是一种反映车辆运动特征的指标。公式为:TE = (V1 - V2) / (a1 - a2),其中V1和a1分别表示前车的初始速度和减速度,V2和a2分别表示本车的初始速度和减速度。
  15.   Kinematic Distance(动力学距离):指在一定时间内车辆移动的距离,是一种反映车辆运动状态的指标。公式为:KD = V * T + 0.5 * a * T^2,其中V为初始速度,a为加速度,T为时间。
  16.   Minimum Stopping Distance(最小停车距离):指在当前速度下,车辆在最短时间内完全停下所需的距离。公式为:MSD = V^2 / (2 * g * μ),其中V为车速,g为重力加速度,μ为摩擦系数。
  17.   ACC(Adaptive Cruise Control,自适应巡航控制)跟车间隔:ACC是一种自动驾驶技术,可以根据前车的行驶速度和距离自动调整本车的速度和跟车间隔,以保持安全距离。
  18.   LDW(Lane Departure Warning,车道偏离警告):LDW是一种车辆安全辅助系统,当车辆偏离行驶道路时,系统会发出警报提醒驾驶员及时纠正。
  19.   FCW(Forward Collision Warning,前向碰撞预警):FCW是一种车辆安全辅助系统,通过监测前方交通状况,当检测到可能发生前向碰撞时,系统会发出警报提醒驾驶员及时采取避让措施。
  20.   AEB(Automatic Emergency Braking,自动紧急制动):AEB是一种车辆安全辅助系统,当检测到前方交通状况异常,如发生碰撞风险等,系统会自动刹车,以减少事故风险。
  21.   LC(Lane Change,车道变更)间隔:LC间隔是指车辆在变换车道时,需要与相邻车辆保持的最小安全距离,可以用THW、RV等指标进行计算。
  22.   交通流量(Traffic flow):道路上车辆的数量和速度,以及车道宽度等因素,会影响车辆之间的安全距离。 公式:无固定公式,根据道路情况进行评估。 含义:交通流量指出,在高流量的道路上,车辆之间需要保持更大的安全距离,以确保车辆能够及时制动或避让。
  23.   雨雪等恶劣天气(Adverse weather):雨雪等恶劣天气会影响车辆的制动距离和行驶稳定性,需要保持更大的安全距离。 公式:无固定公式,根据道路情况和天气情况进行评估。 含义:恶劣天气指出,在下雨或下雪等恶劣天气下,车辆需要保持更大的安全距离,以确保车辆能够及时制动或避让。
  24.   驾驶员疲劳程度(Driver fatigue):疲劳的驾驶员反应能力下降,需要保持更大的安全距离。 公式:无固

车辆前向碰撞预警的评价指标可以从多个方面考虑,以下是其中几个常见的指标:

  1.     准确率(Accuracy):表示前向碰撞预警的正确率,即预警发出后,实际发生碰撞的比例。准确率越高,表示预警的效果越好。 公式:Accuracy = (TP + TN) / (TP + TN + FP + FN)。其中,TP表示真正预警的数量,TN表示真正未预警的数量,FP表示错误预警的数量,FN表示未预警但实际发生了碰撞的数量。
  2.      召回率(Recall):表示预警发出后,实际发生碰撞被正确预警的比例。召回率越高,表示预警的覆盖面积越大。公式:Recall = TP / (TP + FN)
  3.       精度(Precision):表示发出预警后,实际发生碰撞的比例。精度越高,表示预警的准确性越高。公式:Precision = TP / (TP + FP)
  4.       F1值(F1 Score):综合考虑了准确率和召回率,用于评估预警的综合效果。
  5. 公式:F1 Score = 2 * (Precision * Recall) / (Precision + Recall)
  6.   延迟时间(Warning Lead Time,WLT):指预警发出时,车辆距离碰撞点的时间。WLT越大,表示预警越及时,车辆有更多时间采取避免碰撞的措施。
  7.   触发率(Trigger Rate):指车辆之间的TTC距离低于预设阈值时,预警系统触发的比例。触发率越高,表示预警系统能够及时地发现潜在的碰撞危险。
  8.   误报率(False Alarm Rate,FAR):指在没有碰撞危险时,预警系统错误地发出预警的比例。FAR越低,表示预警系统的准确性越高。
  9.   碰撞严重程度(Crash Severity):指碰撞发生后,车辆受损的程度。这个指标可以考虑车辆的速度、碰撞角度等因素,用于评估预警系统对碰撞的防范效果。
  10.   车辆数量(Vehicle Number):指在特定时间段内,预警系统能够监测到的车辆数量。这个指标可以反映预警系统的监测能力和覆盖范围。
  11.   警示效果(Warning Effectiveness):指预警发出后,驾驶员能够及时地做出反应,避免碰撞的比例。这个指标可以通过模拟实验或者实地测试等方法来进行评估。
    注意:

    当前后两车的距离为20米,前车的车速为60Km/h,后车的车速为80Km/h, 那么HMW显示的时间就是1.2秒,而FCW显示的TTC碰撞时间就是3.6秒。如果前后车的车速都为60Km/h,那么HMW显示的时间同样是1.2秒,而FCW不会报警,因为两车虽然距离很近,但是速度相同,并不会追尾。所以,在前后车都处于运动状态时,FCW的TTC碰撞时间一般要长于Headway车距时间。

            在实际场景中,HMW主要在车距近的情况下报警,可以帮助驾驶员养成开车保持车距的规范驾驶习惯,我们将其定义为 “危险不紧急 ”型功能;而FCW主要针对前后两车距离较近且存在较大速度差的紧急情况,比如前车急刹,属于 “危险且紧急” 型功能。

  12. 另外:根据 中华人民共和国道路交通安全法实施条例:

      第八十条 机动车在高速公路上行驶,车速超过每小时100公里时,应当与同车道前车保持100米以上的距离,车速低于每小时100公里时,与同车道前车距离可以适当缩短,但最小距离不得少于50米。

      第八十一条 机动车在高速公路上行驶,遇有雾、雨、雪、沙尘、冰雹等低能见度气象条件时,应当遵守下列规定:

      (一)能见度小于200米时,开启雾灯、近光灯、示廓灯和前后位灯,车速不得超过每小时60公里,与同车道前车保持100米以上的距离;

      (二)能见度小于100米时,开启雾灯、近光灯、示廓灯、前后位灯和危险报警闪光灯,车速不得超过每小时40公里,与同车道前车保持50米以上的距离;文章来源地址https://www.toymoban.com/news/detail-432215.html

到了这里,关于评估车辆之间安全距离的指标的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 目标检测评估指标

    评估指标是评价目标检测算法方法好坏的重要依据,目标检测有:IoU(交并比)、Precision(精确度)、Recall(召回率)、AP(平均正确率)、mAP(平均类别AP)等多种评价指标。 1.IoU IoU:用来评价目标检测算法的对象定位精度,IoU是目标检测的预测框和标签框之间的重叠面积

    2024年02月06日
    浏览(47)
  • 聚类模型评估指标

    聚类模型评估指标-轮廓系数 计算样本i到同簇其它样本到平均距离ai,ai越小,说明样本i越应该被聚类到该簇(将ai称为样本i到簇内不相似度); 计算样本i到其它某簇Cj的所有样本的平均距离bij,称为样本i与簇Cj的不相似度。定义为样本i的簇间不相似度:bi=min(bi1,bi2,…,bik2

    2024年01月18日
    浏览(56)
  • 19 | 分类模型评估指标

    2024年02月14日
    浏览(79)
  • 最新目标跟踪评估指标汇总

    前段时间接触了一些目标跟踪的场景,本文主要汇总目标跟踪的常用评估指标,主要包括下面几类: 容易理解的概念:FP、FN、TP、id switch、ML、MT 更加综合的概念:MOTA、IDF1、MOTP、HOTA 主要的介绍集中在HOTA ,因为这个评估指标比较新,我能看到的讲解都比较少一点,所以展开

    2024年02月04日
    浏览(35)
  • 机器学习——常见模型评估指标

    目录 一.模型评估综述 1.1 什么是模型评估 1.2 评估类型 1.3 模型泛化能力 1.4 过拟合与欠拟合 1.4.1 过拟合 1.4.2欠拟合 二.常见的分类模型评估方式 2.1 混淆矩阵 2.2 准确率(Accuracy) 2.3 精确率(Precision) 2.4 召回率(Recall) 2.5 F1-score 2.6 ROC曲线及AUC值 2.7 PR曲线 三. PR曲线和ROC曲线的

    2024年04月10日
    浏览(59)
  • 软件的性能指标及评估方法

    1、响应时间 响应时间是指系统对请求作出响应的时间。这个时间是指用户从软件客户端发出请求到用户接收到返回数据的整个过程所需要的时间,包括各种中间件(如服务器、数据库等)的处理时间。 响应时间的绝对值并不能直接反映软件的性能的高低,软件性能的高低实际

    2024年02月02日
    浏览(40)
  • Yolov5——评估指标

    IoU也称为交并比,评价边界框正确性的度量指标,表示detection box(检测框)与ground truth(真实标签)的交集和并集的比值。 计算公式 所有预测为正样本的结果中,预测正确的比率。 对于多目标检测任务,TP(true positive)表示预测出的正确的框,但问题是我们如何判断这个框

    2024年02月04日
    浏览(46)
  • 图像融合评估指标Python版

    这篇博客利用Python把大部分图像融合指标基于图像融合评估指标复现了,从而方便大家更好的使用Python进行指标计算,以及一些I/O 操作。除了几个 特征互信息 的指标没有成功复现之外,其他指标均可以通过这篇博客提到的Python程序计算得到,其中 SSIM 和 MS_SSIM 是基于PyTorc

    2023年04月08日
    浏览(43)
  • 目标检测评估指标 mAP, FPS

    参考1 mAP (mean Average Precision) might confuse you! 参考2 Breaking Down Mean Average Precision (mAP) 根据 IoU 的取值,可以将预测得到 bbox 判断为 TP, FP 或者 FN。 TN 不考虑。 考虑下面这幅图,只查看 person 的预测 bbox。 TP 为 IoU 0.5 的bbox. FP : 有两种情况会被考虑为 FP IoU 0.5 其他大于0.5 但是小于

    2024年02月07日
    浏览(43)
  • 简单线性回归评估指标+R Squared

    使得每一个数据集尽可能的小   均方误差 MSE :(平方和取平均值)   均方根误差 RMSE :(平方和取平均值开根号):平均误差值   平均绝对误差 MAE :(绝对值取平均):   RMSEMAE 大的原因 RMSE 会放大误差 所以评估时应尽量让 RMSE 小 -------------R Squared 评估指标 ------------

    2024年02月15日
    浏览(39)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包