一种智能的车辆辅助驾驶系统的制作方法

本发明创造涉及智能车辆领域，具体涉及一种智能的车辆辅助驾驶系统。

背景技术：

车辆辅助驾驶技术主要的目的是提高汽车行驶的安全性，并且协助驾驶员进行驾驶，通过掌握的本车辆、道路以及周围车辆的状况等信息，为驾驶员提供劝告或预警信号，并在一定条件下能对车辆实施控制，从而在行驶过程中有效的保护了驾驶员的安全，大大减少了汽车发生碰撞的几率，在很大程度上避免了交通事故的发生，具有重要的现实意义。

本发明提供的车辆辅助驾驶系统，在提高汽车行驶安全性和协助驾驶员进行驾驶的基础上，增加了行驶路径规划和限行路线管理的功能，从而实现了无需驾驶员每天关注限行消息就能在出行时有效的避开限行区域，此外，系统可以自动根据驾驶员输入的目的地计算出最优行车路线，从而有效的帮助驾驶员减少了出行时间。

技术实现要素：

针对上述问题，本发明旨在提供一种智能的车辆辅助驾驶系统。

本发明创造的目的通过以下技术方案实现：

一种智能的车辆辅助驾驶系统，包括信息获取模块、行车路线计算模块、限行管理模块、碰撞预测模块、车辆控制模块和危险预警模块，所述信息获取模块用于根据输入的行车目的地获取从出发点到目的地的所有道路信息，所述行车路线计算模块用于根据获取的道路信息计算从出发点到目的地的最优行车路线，所述限行管理模块用于判断在所述最优行车路线中本车辆是否为限行车辆，如果是，则进行局部路线修正，避开限行区域，所述碰撞预测模块用于实时检测本车辆周围车辆的运动信息，预测是否存在碰撞的可能性，所述车辆控制模块用于控制本车辆沿着所述最优行车路线进行行驶，并根据碰撞预测模块的预测结果控制本车辆在行驶过程中及时进行避障，所述危险预警模块用于当检测到本车辆在行驶过程中发生偏离车道的情况时即进行预警。

本发明创造的有益效果：本发明提供的车辆辅助驾驶系统，在提高汽车行驶安全性和协助驾驶员进行驾驶的基础上，增加的行驶路径规划和限行路线管理功能，从而实现了无需驾驶员每天关注限行消息就能在出行时有效的避开限行区域，此外，系统可以自动根据驾驶员输入的目的地计算出最优行车路线，从而有效的帮助驾驶员减少了出行时间。

附图说明

利用附图对发明创造作进一步说明，但附图中的实施例不构成对本发明创造的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1是本发明结构示意图；

附图标记：

信息获取模块1；行车路线计算模块2；限行管理模块3；碰撞预测模块4；车辆控制模块5；危险预警模块6；显示模块7。

具体实施方式

结合以下实施例对本发明作进一步描述。

参见图1，本实施例的一种智能的车辆辅助驾驶系统，包括信息获取模块1、行车路线计算模块2、限行管理模块3、碰撞预测模块4、车辆控制模块5和危险预警模块6，所述数据获取模块1用于根据输入的行车目的地获取从出发点到目的地的所有道路信息，所述行车路线计算模块2用于根据获取的道路信息计算从出发点到目的地的最优行车路线，所述限行管理模块3用于判断在所述最优行车路线中本车辆是否为限行车辆，如果是，则进行局部路线修正，避开限行区域，所述碰撞预测模块4用于实时检测本车辆周围车辆的运动信息，预测是否存在碰撞的可能性，所述车辆控制模块5用于控制本车辆沿着所述最优行车路线进行行驶，并根据碰撞预测模块4的预测结果控制本车辆在行驶过程中及时进行避障，所述危险预警模块6用于当检测到本车辆在行驶过程中发生偏离车道的情况时即进行预警。

优选地，还包括显示模块7，所述显示模块7用于对所述最优行车路线和碰撞预测模块4预测的结果进行实时显示。

优选地，所述最优行车路线为从出发点到目的地的最短行车路线。

本优选实施例在提高汽车行驶安全性和协助驾驶员进行驾驶的基础上，增加的行驶路径规划和限行路线管理功能，从而实现了无需驾驶员每天关注限行消息就能在出行时有效的避开限行区域，此外，系统可以自动根据驾驶员输入的目的地计算出最优行车路线，从而有效的帮助驾驶员减少了出行时间。

优选地，行车路线计算模块2采用蚁群算法规划从出发点到目的地的最优行车路线。

优选地，所述行车路线计算模块2中采用的蚁群算法在初始群体生成时，采用的初始信息素分布公式如下：

式中，(i,j)表示路口i到路口j之间的道路，τ(i,j)(0)表示道路(i,j)上的初始信息素分布，τ0表示信息素常数，yj表示路口j连接的道路数，yi路口i连接的道路数，d(i,j)表示道路(i,j)的长度，表示路口i连接的道路中的最大长度值，表示路口j连接的道路中的最大长度值。

本优选实施例采用的初始信息素分布方式，区别于传统的采用固定值的初始信息素分布方式，根据道路的长度和道路选择的多样性进行初始信息素分布，增加了较短长度和下一步具有较多道路选择的道路的初始信息素的优势，从而减少了蚁群算法初始可行解的搜索时间，加快了算法初期的收敛速度，此外，增加具有较多道路选择的初始信息素的优势，即增加了算法的解的多样性，使得算法不易陷入局部最优解，增加了算法的全局搜索能力。

优选地，所述行车路线计算模块2采用的蚁群算法中，蚂蚁从节点i跳转到节点j的期望程度用启发函数ηij(t)来表示，所述启发函数ηij(t)定义如下：

式中，d(i,j)表示道路(i,j)的长度，d(j,m)表示路口j到目的地m之间的道路长度，表示路口i连接的道路中的最大长度值，表示路口i连接的道路中的最小长度值。

本优选实施例定义的启发函数，将跳转后的路口与目的地之间的距离引入其中，从而更好地指引蚂蚁的搜索方向，提高搜索效率；此外，对于道路长度d(i,j)在区间之间的道路，采用值代替d(i,j)，从而增加了该道路被选择的概率，从而增加了算法的解的多样性，使得算法不易陷入局部极小解。

优选地，所述行车路线计算模块2采用的蚁群算法中，在完成了一次循环后，只有当蚂蚁在此次循环中所走路线的总长度小于等于(其中，d^b表示此次循环中的最优行车路线长度，d^w表示此次循环中的最差行车路线长度)时，才对该路线进行全局信息素更新，具体为：

用τ(i,j)(t)表示在t时刻，道路(i,j)上的信息素浓度，经过n个时刻后，当蚂蚁完成了一次循环后，对相应道路上的信息素浓度进行更新得到：

其中，(1-ρ)表示信息素的挥发程度，m为蚁群数量，为第k个蚂蚁在时间t到(t+n)之间，在道路(i,j)上增加的信息素改变量，它的值由下式决定：

其中，q为一个常量，用来表示蚂蚁完成一次完整的路线搜索后，所释放的信息素总量，d^k为第k个蚂蚁在此次循环中所走路线的总长度，yj表示路口j连接的道路数，yi表示路口i连接的道路数。

本优选实施例采用的全局信息素更新规则不再用于所有的蚂蚁，而只是对每次循环中相对较短道路进行全局信息素更新，从而对相对较短道路的信息素浓度进行增强，而对较差道路的信息素浓度进行削弱，使得蚂蚁的搜索行为更加集中于相对较短道路的附近，从而提高了算法的收敛速度；采用部分道路进行全局信息素更新的策略，虽然提高了算法的收敛速度，但是往往容易使得蚂蚁过于集中，从而陷入局部最优解，针对上述缺陷，本优选实施例在对各段子路径进行信息素更新时，添加了各段子路径连接的道路数为参考因子对信息素改变量进行调节，当该子路径连接的道路数较多时，则说明算法的解就更具有多样性，从而使得算法在具有较快收敛速度的同时不易过早出现局部最优解。

最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。