本发明属于车联网控制领域,涉及一种基于车联网的会车防眩目车灯自动控制方法。
背景技术:
夜间会车时,反向车辆大灯的强光会造成驾驶员严重眩目,使其无法根据路况及时做出判断,增加事故发生几率。虽然我国规定夜间会车应当在距相对方向来车150米以外改用近光灯,在窄路、窄桥与非机动车会车时应当使用近光灯。但该规定并未被很好执行。一方面,对于弯道和上下坡,驾驶员视线受阻无法及时切换远、近光灯,另一方面,手动切换远、近光灯过多依赖于驾驶员的自觉,频繁切换车灯十分麻烦。针对这样的问题,知名厂商如奔驰使用智能车灯multibeamled通过智能摄像头监控车头的来车状况,以调整大灯配光,这样就可以在前方的照明区域中产生一束或几束的无光区。但是这样的解决方案也存在未能考虑到环境亮度、驾驶员自身信息,难以在中低端车型上普及和无法使会车双方同时避免眩目等一系列问题。
目前车联网对于汽车的未来发展是决策性因素之一,并且技术日益成熟。本发明应用车联网的思想,将路上的车辆置于智能互联的体系中,彼此之间能够连接交互,共享彼此的车辆前照灯照度分布、车型、驾驶员、道路线形、环境亮度、车辆实时定位和实时车速信息等能够影响眩目程度的信息,与汽车行进路线结合,在会车眩目发生之前,帮助驾驶员将车灯调节到适宜的状态,在云服务器上面对这些信息进行运算处理,得到使来车驾驶员产生眩目的亮度阈值,最后调节车灯亮度使其控制在阈值以内来降低夜间会车眩目导致的交通事故的发生几率,减少其造成的人员伤亡和财产损失,使我国的交通更加智能化、便利化,同时促进我国智能交通的快速发展。
技术实现要素:
本发明提供一种基于车联网的会车防眩目车灯自动控制方法,包括以下步骤:
步骤1:防眩目系统正常工作时收集车辆前照灯照度分布、车型、驾驶员、道路线形、环境亮度、车辆实时定位和实时车速信息;具体收集方式如下:
1.1、获得汽车前照灯照度分布信息:车辆前照灯照度分布函数de(x,y,r,e)存储在车载单元中,其中e为照度,r为对象至光源距离。
1.2、获得车型信息:汽车出厂时将车灯距离地面高度yl和车辆行驶时驾驶员眼睛与地面距离yp存入车载单元中。
1.3、获得驾驶员信息:将驾驶员信息参数k录入车载单元中。
1.4、获得道路线形信息:即路段平曲线方程为x=fi(z),竖曲线方程为y=fj(z);将道路线形数据
1.5、获得环境亮度信息:通过布设在路侧的摄像头测得此时的环境亮度l并暂存于车联网云服务器中。
1.6、获得车辆定位和实时车速信息:借助车载导航系统或驾驶员手机定位系统获得车辆精确定位坐标ai(x,z)暂存在车载单元中。获得实时车速vi并暂存在车载单元中。
步骤2:车联网信息交互,流程如下:
2.1、读取车辆ai信息。
2.2、以一定频率
2.3、确定与ai车距离最近的对向来车aj。
2.4、建立以车辆ai位置(xoi,yoi,zoi)为原点,得到车辆aj相对于车辆ai的坐标(xij,yij,zij)。
2.5、确定射入驾驶员眼睛光线与驾驶员视轴夹角θ。
2.6、车联网云服务器以频率
步骤3:处理车载单元信息,将所得信息带入计算相对上升对比度阈值的公式,判断thresholdelevation>2,在成立的情况下调节汽车前照灯发光强度为m×i,
所述的步骤1.1中,车辆前照灯照度分布函数
所述的步骤1.4中,获得道路线形信息的方法是,确定路侧单元的布设位置坐标o(xo,yo),并以之为原点,过原点铅垂线为y轴,正北方向和正东方向水平线分别为x轴和z轴。此时路段平曲线方程为x=fi(z),竖曲线方程为y=fj(z);道路线形数据
所述的步骤2.1中,读取车辆ai信息的方法是,对车联网云服务器以一定频率
所述步骤步骤2.3中,确定与ai车距离最近的对向来车aj的方法是,对于路段内每辆车ai,查询车辆aj满足(xi-x′i)(xj-x′j)<0且[(xi-xj)2+(zi-zj)2]>[(xi′-xj′)2+(zi′-zj′)2]确定即将与车辆ai会车的车辆。再查找能取得[(xi-xj)2+(zi-zj)2]min的车辆确定与ai车距离最近的对向来车aj。
所述的步骤2.4中,得到车辆aj相对于车辆ai的坐标(xij,yij,zij)的方法是,以路侧单元(xo,zo)为原点,竖直向上方向为y轴,水平正北方向为z轴,水平正东方向为x轴,确定车辆ai,aj的相对坐标(xoi,zoi),(xoj,zoj);代入道路线形方程
所述的步骤2.5中,射入驾驶员眼睛光线与驾驶员视轴夹角θ的确定方法是,驾驶员一般注视着车辆前方rs处的路面,由道路线形方程
本发明的有益效果:
本发明应用车联网的思想,将路上的车辆置于智能互联的体系中,彼此之间能够连接交互,共享能够影响眩目程度的信息,与汽车行进路线结合,在会车眩目发生之前,帮助驾驶员将车灯调节到适宜的状态来降低夜间会车眩目导致的交通事故的发生几率。本发明解决了现有产品无法精准判断眩目的问题,依据第九届国际照明委员会所提出的眩目评价公式,通过将车辆前照灯照度分布、车型、驾驶员、道路线形、环境亮度、车辆实时定位和实时车速信息纳入评价标准,使得在会车情况下提高了判断眩目的精准性;同时通过应用车联网平台解决了现有产品难以在中低端车型上普及和无法使会车双方同时避免眩目等一系列问题,从而减少其造成的人员伤亡和财产损失,使我国的交通更加智能化、便利化,同时促进我国智能交通的快速发展。
附图说明
图1为本发明的控制流程图。
图2为本发明为获得车辆前照灯照度分布函数的方法示意图。
图3为本发明为确定两车相对位置的方法示意图。
图4为本发明为获得来车灯光与驾驶员视线夹角的方法示意图。
具体实施方式
如图1、图2、图3和图4所示,一种基于车联网的会车防眩目车灯自动控制方法,包括以下步骤:
步骤1:收集必要信息
防眩目系统正常工作时需要收集车辆前照灯照度分布、车型、驾驶员、道路线形、环境亮度、车辆实时定位和实时车速信息。具体收集方式如下:
1.1、汽车前照灯照度分布信息获得
1)测出车辆前照灯发光强度i
2)测出各型号汽车前照灯的照度分布:在车辆前方50米处竖直放置一块光屏,测得光屏上的照度分布
1.2、车型信息获得
汽车出厂时将车灯距离地面高度yl和车辆行驶时驾驶员眼睛与地面距离yp存入车载单元中。
1.3、驾驶员信息的获得
在车辆卖出时将驾驶员信息参数k录入车载单元中。
1.4、道路线形信息获得
1)查询道路设计参数中相应路段的竖曲线方程和平曲线方程,若设计中存在参数缺失则现场实地标定参数获得相应路段的竖曲线方程和平曲线方程。
2)确定路侧单元的布设位置坐标o(xo,yo),并以之为原点,过原点铅垂线为y轴,正北方向和正东方向水平线分别为x轴和z轴。如图3所示,此时路段平曲线方程为x=fi(z),竖曲线方程为y=fj(z)。道路线形数据
1.5、环境亮度信息的获得
当路段自然光不满足安全行车需要,亮度低于某一限值时,通过布设在路侧的摄像头测得此时的环境亮度l并暂存于车联网云服务器中。
1.6、车辆定位和实时车速信息获得
借助车载导航系统或驾驶员手机定位系统获得车辆精确定位坐标ai(x,z)暂存在车载单元中。获得实时车速vi并暂存在车载单元中。
步骤2:车联网信息交互
2.1、车辆信息上传
车辆ai(i=1,2,3,...n)上路后即尝试接入车联网。联网成功后即上传车型信息
2.2、车辆信息处理
1)对车联网云服务器以一定频率
2)对于路段内每辆车ai,查询车辆aj满足(xi-x′i)(xj-x′j)<0且[(xi-xj)2+(zi-zj)2]>[(xi′-xj′)2+(zi′-zj′)2]确定即将与车辆ai会车的车辆。再查找能取得[(xi-xj)2+(zi-zj)2]min的车辆确定与ai车距离最近的对向来车aj。
3)以路侧单元(xo,zo)为原点,竖直向上方向为y轴,水平正北方向为z轴,水平正东方向为x轴,确定车辆ai,aj的相对坐标(xoi,zoi),(xoj,zoj)。代入道路线形方程
4)驾驶员一般注视着车辆前方rs处的路面,rs是一个与道路线形相关的常数。如图4所示,由道路线形方程
5)返回信息:车联网云服务器以频率
步骤3:车灯发光强度调节
眩目程度由“相对上升对比度阈”值表示,相对上升对比度阈值由以下公式计算:
式中:thresholdelevation——相对上升对比度阈
k——驾驶员年龄系数
θ——射入驾驶员眼睛的光线与视轴的夹角(n为常数,
eglare——发光源在驾驶员处形成的照度(lx)
lbackground——环境亮度(nits)
当相对上升对比度阈值大于2时就可以认为产生了眩目。由公式可知,评价眩目程度的必要信息包括发光源在驾驶员处形成的照度、射入驾驶员眼睛的光线与视轴的夹角、驾驶员信息、环境亮度信息。
1)数据处理
车载单元将车辆aj位置信息(xij,yij,zij)代入汽车前照灯照度分布函数de(x,y,r,e),得到车辆aj驾驶员位置的照度值e。
2)前照灯发光强度调节
代入所有参数判断thresholdelevation>2,若成立则赋值车辆前照灯修正系数m