CN117734655B - 实时制动踏板力提示方法、装置、电子设备、存储介质 - Google Patents
实时制动踏板力提示方法、装置、电子设备、存储介质 Download PDFInfo
- Publication number
- CN117734655B CN117734655B CN202410182253.9A CN202410182253A CN117734655B CN 117734655 B CN117734655 B CN 117734655B CN 202410182253 A CN202410182253 A CN 202410182253A CN 117734655 B CN117734655 B CN 117734655B
- Authority
- CN
- China
- Prior art keywords
- acceleration
- brake pedal
- pedal force
- time
- real
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 230000001133 acceleration Effects 0.000 claims abstract description 461
- 238000010801 machine learning Methods 0.000 claims description 26
- 238000004364 calculation method Methods 0.000 claims description 22
- 238000005070 sampling Methods 0.000 claims description 14
- 238000005259 measurement Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 abstract description 10
- 238000010586 diagram Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 239000010426 asphalt Substances 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000000881 depressing effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Landscapes
- Regulating Braking Force (AREA)
Abstract
本发明涉及车辆相关技术领域，特别是一种实时制动踏板力提示方法、装置、电子设备、存储介质。方法包括：获取制动踏板的实时踏板力，根据所述实时踏板力计算匹配加速度；根据自车与前方物体的相对速度，计算自车与前方物体的相对加速度；根据所述匹配加速度和所述相对加速度的加速度差值，计算出所述加速度差值对应的所需制动踏板力增量；根据所述匹配加速度、所述相对加速度与加速度阈值的比较，确定制动踏板力的提示方式，所述提示方式包括显示所述所需制动踏板力增量。本发明使得驾驶员能够直观地实时地了解踩踏制动踏板的情况，同时通过数据处理能够及时提示驾驶员所需要采取的制动踏板力，对一些即将发生碰撞的危险的情况，及时对驾驶员进行提示和预警，避免出现碰撞事故。
Description
技术领域
本发明涉及车辆相关技术领域，特别是一种实时制动踏板力提示方法、装置、电子设备、存储介质。
背景技术
随着汽车技术的不断发展，电子电器在汽车上的应用越来越广，汽车装备的电子传感器越来越多，能够获取的信息也越多，能够为驾驶员提供更多的驾驶辅助。
然而，现有的制动控制只是依靠驾驶员凭主观感觉向制动踏板施加制动踏板力来控制。当遇到前方物体时，驾驶员无法通过直观的方式判断其所施加的制动踏板力是否足够，对于驾驶员，特别是新手驾驶员，容易因为判断错误而导致出现碰撞事故。
发明内容
基于此，有必要针对现有技术存在制动踏板显示不直观的技术问题，提供一种实时制动踏板力提示方法、装置、电子设备、存储介质。
本发明提供一种实时制动踏板力提示方法，包括：
获取制动踏板的实时踏板力，根据所述实时踏板力计算匹配加速度；
根据自车与前方物体的相对速度，计算自车与前方物体的相对加速度；
根据所述匹配加速度和所述相对加速度的加速度差值，计算出所述加速度差值对应的所需制动踏板力增量；
根据所述匹配加速度、所述相对加速度与加速度阈值的比较，确定制动踏板力的提示方式，所述提示方式包括显示所述所需制动踏板力增量。
进一步地，所述根据所述匹配加速度和所述相对加速度的加速度差值，计算出所述加速度差值对应的所需制动踏板力增量，包括：
计算所述匹配加速度和所述相对加速度的加速度差值为：，其中，为匹配加速度，为所述相对加速度，为加速度差值；
根据所述加速度差值，计算出所述加速度差值对应的所需制动踏板力增量为：，其中△Ps为所需制动踏板力增量，ηp为制动踏板效率。
进一步地，所述获取制动踏板的实时踏板力，根据所述实时踏板力计算匹配加速度，包括：
获取制动踏板的实时踏板力，根据所述实时踏板力计算踏板力参考加速度为：，获取实时加速度，根据所述实时加速度和所述踏板力参考加速度计算匹配加速度为：，式中P为制动踏板力，为踏板力参考加速度，Ps为增跳值踏板力，ηp为制动踏板效率，ΔP为制动踏板采样时长的制动踏板增加力，Pm为车辆达到最大减速度时的踏板力，△Pm为最大制动踏板增加力，为匹配加速度，为实时加速度；或者
获取实时车速、制动踏板的实时踏板力，将所述实时车速和所述实时踏板力输入经过预训练的机器学习模型，得到所述机器学习模型输出的加速度作为匹配加速度。
更进一步地，所述获取实时加速度，包括：
计算实时加速度为：，其中，为实时加速度，为车速采样时间的车速变化值，△T为车速采样时长；或者
计算实时加速度为：，其中，为实时加速度,μ为摩擦系数，N为自车对地的垂直力，m为自车质量，所述摩擦系数通过直接测量、根据路面实时类型确定或者根据路面信息确定。
进一步地，所述根据所述匹配加速度、所述相对加速度与加速度阈值的比较，确定制动踏板力的提示方式，所述提示方式包括显示所述所需制动踏板力增量，包括：
如果所述匹配加速度小于所述相对加速度，则无提示；
如果所述匹配加速度大于所述相对加速度，且所述匹配加速度小于加速度阈值，则进行第一级提示，所述第一级提示包括显示所述所需制动踏板力增量；
如果所述匹配加速度大于所述相对加速度，且所述匹配加速度大于加速度阈值，则进行第二级提示，所述第二级提示包括显示所述所需制动踏板力增量和/或进行预警。
更进一步地，所述根据所述匹配加速度和所述相对加速度的比较，确定制动踏板力的提示方式，还包括：
根据自车与前方物体的相对速度，确定加速度阈值；或者
根据驾驶员的历史制动数据和车辆性能数据，设置加速度阈值；或者
根据基于历史制动时间数据训练的机器学习模型，设置所述加速度阈值；或者
获取自定义阈值，采用所述自定义阈值设置所述加速度阈值。
更进一步地，所述根据所述匹配加速度和所述相对加速度的比较，确定制动踏板力的提示方式，还包括：
获取多个因素对应的因素提示条件，所述因素提示条件与一提示方式对应；
检测所述因素的实时值，在任一所述因素的实时值满足所述因素提示条件时，执行所述因素提示条件对应的所述提示方式。
本发明提供一种实时制动踏板力提示装置，包括：
匹配加速度计算模块，用于获取制动踏板的实时踏板力，根据所述实时踏板力计算匹配加速度；
相对加速度计算模块，用于根据自车与前方物体的相对速度，计算自车与前方物体的相对加速度；
所需制动踏板力增量计算模块，用于根据所述匹配加速度和所述相对加速度的加速度差值，计算出所述加速度差值对应的所需制动踏板力增量；
提示确定模块，用于根据所述匹配加速度、所述相对加速度与加速度阈值的比较，确定制动踏板力的提示方式，所述提示方式包括显示所述所需制动踏板力增量。
本发明提供一种电子设备，包括：
至少一个处理器；以及，
与至少一个所述处理器通信连接的存储器；其中，
所述存储器存储有可被至少一个所述处理器执行的指令，所述指令被至少一个所述处理器执行，以使至少一个所述处理器能够执行如前所述的实时制动踏板力提示方法。
本发明提供一种存储介质，所述存储介质存储计算机指令，当计算机执行所述计算机指令时，用于执行如前所述的实时制动踏板力提示方法的所有步骤。
本发明根据实时踏板力计算匹配加速度，根据自车与前方物体的相对速度，计算自车与前方物体的相对加速度，并根据匹配加速度和相对加速度的比较，确定所需制动踏板力增量以及制动踏板力的提示方式，使得驾驶员能够直观地实时地了解踩踏制动踏板的情况，同时通过数据处理能够及时提示驾驶员所需要采取的制动踏板力，对一些即将发生碰撞的危险的情况，及时对驾驶员进行提示和预警，避免出现碰撞事故。
附图说明
图1为本发明一实施例一种实时制动踏板力提示方法的工作流程图；
图2为本发明另一实施例一种实时制动踏板力提示方法的工作流程图；
图3为本发明最佳实施例一种实时制动踏板力提示方法的工作流程图；
图4为本发明最佳实施例的系统原理图；
图5为本发明一实施例一种实时制动踏板力提示装置的示意图；
图6为本发明一种电子设备的硬件结构示意图。
具体实施方式
下面结合附图来进一步说明本发明的具体实施方式。其中相同的零部件用相同的附图标记表示。需要说明的是，下面描述中使用的词语“前”、“后”、“左”、“右”、“上”和“下”指的是附图中的方向，词语“内”和“外”分别指的是朝向或远离特定部件几何中心的方向。
如图1所示为本发明一实施例一种实时制动踏板力提示方法的工作流程图，包括：
步骤S101，获取制动踏板的实时踏板力，根据所述实时踏板力计算匹配加速度；
步骤S102，根据自车与前方物体的相对速度，计算自车与前方物体的相对加速度；
步骤S103，根据所述匹配加速度和所述相对加速度的加速度差值，计算出所述加速度差值对应的所需制动踏板力增量；
步骤S104，根据所述匹配加速度、所述相对加速度与加速度阈值的比较，确定制动踏板力的提示方式，所述提示方式包括显示所述所需制动踏板力增量。
具体来说，本发明可以应用在具有处理能力的电子设备上，例如车辆的电子控制器单元（ElectronicControl Unit，ECU）。
本发明能够向驾驶员提示制动踏板实时工作状态，便于驾驶员判断进行车辆制动操作时，自己踩的是制动踏板还是加速踏板。
首先，电子设备执行步骤S101，获取制动踏板的实时踏板力，根据所述实时踏板力计算匹配加速度。
在其中一个实施例中，利用车速传感器获取实时的车速信号，得到实时车速，利用加速度传感器获取车辆的实时加速度；
通过踏板模拟器建立制动踏板力与车辆减速度的关系，计算公式为：
式中P为制动踏板力，为踏板力参考加速度，Ps为增跳值踏板力，ηp为制动踏板效率，ΔP为制动踏板采样时长的制动踏板增加力，Pm为车辆达到最大减速度时的踏板力，△Pm为最大制动踏板增加力。其中，增跳值踏板力是指制动力开始作用在制动钳时的踏板力。制动踏板前一小段行程不产生制动力。
目前大多数新能源汽车（包括燃油车）都采用电液制动系统，更先进的采用了线控制动，踏板模拟器更好的匹配现阶段的制动系统需求，同时能适应高级别的自动驾驶需要。该制动踏板模拟器具备采集数据和处理数据的功能。
再通过如下公式计算实时车速和实时踏板力P之间的匹配加速度：
式中，为匹配加速度，为实时加速度，实时加速度可以根据实时车速得到。
然后，执行步骤S102，根据自车与前方物体的相对速度，计算自车与前方物体的相对加速度。
具体地，利用车载激光雷达或毫米波雷达获取车辆行驶过程中前方物体相对自车的距离，前方物体包括但不限于前方车辆或前方障碍物。其中，前方物体相对自车的距离计算公式为：
前方物体相对自车的运动速度计算公式为：
式中，R 为前方物体相对自车的距离；c 为在空气中电磁波传播的速度； fc为计数脉冲重复频率；TC为电磁波持续时间；v为前方物体相对自车的运动速度；λ为中频信号的波长；Δф为中频信号的相位差，B为电磁波的有效带宽。
根据自车与前方物体的相对速度v计算相对加速度；
计算公式为：
式中ΔTm为前方物体相对自车距离相对变化的时间，Ri为i时刻的前方物体相对自车的距离，vi为i时刻自车的运动速度。
然后执行步骤S103，根据所述匹配加速度和所述相对加速度的加速度差值，计算出所述加速度差值对应的所需制动踏板力增量。
在其中一个实施例中，根据所述加速度差值，计算出所述加速度差值对应的所需制动踏板力增量为：，其中△Ps为所需制动踏板力增量。
最后，执行步骤S104，根据所述匹配加速度、所述相对加速度与加速度阈值的比较，确定制动踏板力的提示方式，所述提示方式包括显示所述所需制动踏板力增量。
具体地，电子设备确定提示方式，在需要显示所述所需制动踏板力增量时，通过仪表提示驾驶员，仪表可以通过指示或显示的方式，以百分比或具体数值告知驾驶员所需制动踏板力增量的大小，提示驾驶员需要踩制动踏板力的大小。
其中，所需制动踏板力增量为所需制动踏板力与实时踏板力的差值。
在一些实施例中，采用车载制动踏板模拟器读取驾驶员在车辆行驶和采取制动过程中制动踏板产生的踏板压力F和制动踏板行程S 。通过数据处理与转换，通过控制器局域网络（Controller Area Network，CAN）线输出到车辆仪表上，驾驶员通过车辆仪表上观察制动踏板力或行程的大小。
驾驶员可以通过显示制动踏板力或行程的大小来了解制动踏板的工作状态，并可以评估车辆制动效能的强弱。
加速度的“正”“负”表示的是自车对于前车或物体的运动趋势，计算机进行数据处理时会先判断自车与前方物体车辆的运动趋势，再比较匹配加速度和相对加速度绝对值的大小。因此，本发明的加速度，包括匹配加速度、实时加速度和相对加速度的比较，是对加速度的绝对值的比较。各公式中的加速度相互之间的计算，也是采用加速度的绝对值进行计算。
本发明根据实时踏板力计算匹配加速度，根据自车与前方物体的相对速度，计算自车与前方物体的相对加速度，并根据匹配加速度和相对加速度的比较，确定所需制动踏板力增量以及制动踏板力的提示方式，能够向驾驶员提示制动踏板实时工作状态，使得驾驶员能够直观地实时地了解踩踏制动踏板的情况，同时通过数据处理能够及时提示驾驶员所需要采取的制动踏板力，对一些即将发生碰撞的危险的情况，及时对驾驶员进行提示和预警，避免出现碰撞事故。
如图2所示为本发明另一实施例中一种实时制动踏板力提示方法的工作流程图，包括：
步骤S201，获取制动踏板的实时踏板力，根据所述实时踏板力计算匹配加速度。
在其中一个实施例中，所述获取制动踏板的实时踏板力，根据所述实时踏板力计算匹配加速度，包括：
获取制动踏板的实时踏板力，根据所述实时踏板力计算踏板力参考加速度为：，获取实时加速度，根据所述实时加速度和所述踏板力参考加速度计算匹配加速度为：，式中P为制动踏板力，为踏板力参考加速度，Ps为增跳值踏板力，ηp为制动踏板效率，ΔP为制动踏板采样时长的制动踏板增加力，Pm为车辆达到最大减速度时的踏板力，△Pm为最大制动踏板增加力，为匹配加速度，为实时加速度；或者
获取实时车速、制动踏板的实时踏板力，将所述实时车速和所述实时踏板力输入经过预训练的机器学习模型，得到所述机器学习模型输出的加速度作为匹配加速度。
在其中一个实施例中，所述获取实时加速度，包括：
计算实时加速度为：，其中，为实时加速度，为车速采样时间的车速变化值，△T为车速采样时长；或者
计算实时加速度为：，其中，为实时加速度,μ为摩擦系数，N为自车对地的垂直力，m为自车质量，所述摩擦系数通过直接测量、根据路面实时类型确定或者根据路面信息确定。
步骤S202，根据自车与前方物体的相对速度，计算自车与前方物体的相对加速度。
步骤S203，计算所述匹配加速度和所述相对加速度的加速度差值为：，其中，为匹配加速度，为所述相对加速度，为加速度差值，根据所述加速度差值，计算出所述加速度差值对应的所需制动踏板力增量为：，其中△Ps为所需制动踏板力增量，ηp为制动踏板效率。
步骤S204，如果所述匹配加速度小于所述相对加速度，则无提示；
如果所述匹配加速度大于所述相对加速度，且所述匹配加速度小于加速度阈值，则进行第一级提示，所述第一级提示包括显示所述所需制动踏板力增量；
如果所述匹配加速度大于所述相对加速度，且所述匹配加速度大于加速度阈值，则进行第二级提示，所述第二级提示包括显示所述所需制动踏板力增量和/或进行预警。
在其中一个实施例中，所述根据所述匹配加速度和所述相对加速度的比较，确定制动踏板力的提示方式，还包括：
根据自车与前方物体的相对速度，确定加速度阈值；或者
根据驾驶员的历史制动数据和车辆性能数据，设置加速度阈值；或者
根据基于历史制动时间数据训练的机器学习模型，设置所述加速度阈值；或者
获取自定义阈值，采用所述自定义阈值设置所述加速度阈值。
在其中一个实施例中，所述根据所述匹配加速度和所述相对加速度的比较，确定制动踏板力的提示方式，还包括：
获取多个因素对应的因素提示条件，所述因素提示条件与一提示方式对应；
检测所述因素的实时值，在任一所述因素的实时值满足所述因素提示条件时，执行所述因素提示条件对应的所述提示方式。
具体来说，首先执行步骤S201,获取制动踏板的实时踏板力，根据所述实时踏板力计算匹配加速度。
在其中一个实施例中，所述获取制动踏板的实时踏板力，根据所述实时踏板力计算匹配加速度，包括：
获取制动踏板的实时踏板力，根据所述实时踏板力计算踏板力参考加速度为：，获取实时加速度，根据所述实时加速度和所述踏板力参考加速度计算匹配加速度为：，式中P为制动踏板力，为踏板力参考加速度，Ps为增跳值踏板力，ηp为制动踏板效率，ΔP为制动踏板采样时长的制动踏板增加力，Pm为车辆达到最大减速度时的踏板力，△Pm为最大制动踏板增加力，为匹配加速度，为实时加速度；或者
获取实时车速、制动踏板的实时踏板力，将所述实时车速和所述实时踏板力输入经过预训练的机器学习模型，得到所述机器学习模型输出的加速度作为匹配加速度。
在一些实施例中，通过踏板模拟器建立制动踏板力与车辆减速度的关系，计算公式为：
式中P为制动踏板力，为踏板力参考加速度，Ps为增跳值踏板力，ηp为制动踏板效率，ΔP为制动踏板采样时长的制动踏板增加力，Pm为车辆达到最大减速度时的踏板力，△Pm为最大制动踏板增加力。
然后，再通过如下公式计算实时车速和实时踏板力P之间的匹配加速度：
式中，为匹配加速度，为实时加速度。
在一些实施例中，采用数据驱动的方法来建立车速、踏板力P与加速度之间的关系模型。系统收集大量的历史数据，包括车速、踏板力和加速度的对应关系。然后，利用机器学习算法（如线性回归、神经网络等）对历史数据进行训练，得到一个能够预测给定车速和踏板力下应有加速度的模型。电子设备根据实时测量的车速和实时踏板力P，利用训练好的模型计算出匹配加速度。接着，通过比较匹配加速度和相对加速度，系统可以计算出实时差值，从而评估驾驶员的制动操作是否适当以及前方碰撞的风险。这种方法可以根据实际数据自适应地调整加速度模型，提高评估的准确性。
本实施例通过直接计算或者机器学习模型实现对匹配加速度的计算。
在其中一个实施例中，所述获取实时加速度，包括：
计算实时加速度为：，其中，为实时加速度，为车速采样时间的车速变化值，△T为车速采样时长；或者
计算实时加速度为：，其中，为实时加速度,μ为摩擦系数，N为自车对地的垂直力，m为自车质量，所述摩擦系数通过直接测量、根据路面实时类型确定或者根据路面信息确定。
具体来说，
在一些实施例中，实时加速度可以通过公式：计算得到，其中，为实时加速度，为车速采样时间的车速变化值，△T为车速采样时长。电子设备每间隔△T对车速进行一次采样，确定车速采样时间的车速变化值，然后计算出实时加速度。
在一些实施例中，电子设备使用物理模型来计算实时车速和实时踏板力P对应的匹配加速度。系统首先获取车辆的质量、轮胎与路面之间的摩擦系数等参数，然后根据牛顿第二定律（）来计算在给定踏板力P下车辆应有的加速度。
具体地，摩擦系数计算公式为：f=μ*N，其中，f为摩擦力，μ为摩擦系数，N为垂直力（即为车辆对地的垂直力，即自车重量）。而公式中的“F”为车辆行驶时与地面的摩擦力，通过联立以上两个公式可得出实时加速度，其中，为实时加速度,μ为摩擦系数，N为自车对地的垂直力，m为自车质量。
同时，电子设备通过传感器实时监测自车与前方物体的相对加速度。通过比较匹配加速度和相对加速度，系统可以计算出实时差值，从而评估驾驶员的制动操作是否适当以及前方碰撞的风险。
在一些实施例中，电子设备融合多个传感器的数据来更准确地计算匹配加速度和相对加速度。系统使用车速传感器、踏板力传感器、加速度计等多个传感器来实时监测实时车速、实时踏板力P和车辆实时加速度。其中，实时加速度可以通过加速度计实时采集。同时，电子设备还利用雷达、激光雷达（LiDAR）或摄像头等感知设备来检测前方物体的位置和速度，提高匹配加速度的计算精度。通过这些传感器数据的融合处理，系统能够更精确地计算匹配加速度和相对加速度之间的实时差值，并提供更准确的驾驶员制动操作评估和前方碰撞风险预警，可以为高级别的自动驾驶车辆提供应用基础。
摩擦系数通过直接测量、根据路面实时类型确定或者根据路面信息确定。
在一些实施例中，考虑了路面条件对制动性能和加速度的影响。电子设备通过路面识别技术（如路面摩擦系数估计、路面类型识别等）来实时获取当前路面的摩擦系数和其他相关参数。然后，系统根据路面条件调整匹配加速度的计算公式或参数，以更准确地反映实际制动性能。通过与前方物体的相对加速度进行比较，系统可以计算出实时差值，并在考虑路面条件的情况下评估驾驶员的制动操作和前方碰撞风险。
例如：
1）基于路面摩擦系数的加速度调整
在这个实施例中，电子设备装备了专门的路面摩擦系数测量设备，如摩擦计或路面状况传感器。当车辆行驶时，这些设备会实时测量当前路面的摩擦系数。根据测得的路面摩擦系数，电子设备会调整匹配加速度的计算公式中的参数。例如，如果路面摩擦系数较低（如湿滑路面），通过实时加速度的计算公式可能会相应地降低预期实时加速度，以反映制动时可能的滑动或减速不足。通过实时比较调整后的匹配加速度与前方物体的相对加速度，系统能够更准确地评估驾驶员的制动操作和前方碰撞风险。
2）利用路面类型识别的加速度适配
除了直接测量路面摩擦系数，这个实施例还采用了路面类型识别技术。电子设备通过摄像头、激光雷达（LiDAR）或其他感知设备来识别当前路面的类型，如沥青、混凝土、砂石、雪地等。不同类型的路面具有不同的制动性能和摩擦特性。系统预先存储了各种路面类型与相应制动性能参数之间的关系数据。当识别到特定路面类型时，电子设备会根据这些数据确定对应的路面摩擦系数，从而调整实时加速度的计算，进而调整匹配加速度的计算公式或参数，以确保评估的准确性。这种方法可以在没有直接摩擦系数测量的情况下，通过对路面类型的判断来合理调整加速度的预期值。
3）综合多因素的路面条件自适应
这个实施例综合了上述两个方法，并可能引入更多的路面条件因素。电子设备同时利用路面摩擦系数测量和路面类型识别技术来获取全面的路面条件信息。此外，系统还可以考虑其他因素，如天气状况（如雨、雪、雾等）、路面湿度、温度等，这些因素也会影响制动性能。电子设备预先存储的大数据信息进行优化，可通过后期空中下载技术（Over TheAir，OTA）升级增加或不断更新来优化大数据信息。通过综合分析这些因素，电子设备能够更精确地调整匹配加速度的计算，使其更符合实际制动情况。结合与前方物体的相对加速度的比较，系统能够提供更准确的驾驶员制动操作评估和前方碰撞风险预警。
然后执行步骤S202，根据自车与前方物体的相对速度，计算自车与前方物体的相对加速度。
之后执行步骤S203，计算所述匹配加速度和所述相对加速度的加速度差值为：，其中，为匹配加速度，为所述相对加速度，为加速度差值，根据所述加速度差值，计算出所述加速度差值对应的所需制动踏板力增量为：，其中△Ps为所需制动踏板力增量。
根据制动踏板力与车辆减速度的关系：。
因此，对于加速度差值可以计算对应的踏板力增量为：，其中为所需制动踏板力增量，为制动踏板效率。
其中，当踏板力P小于增跳值踏板力Ps时，这时候是没有制动力产生的，故无需计算加速度差值对应的所需制动踏板力增量；
而当踏板力P大于车辆达到最大减速度时的踏板力Pm时，此时制动踏板产生最大制动力，制动踏板力的继续增加不影响的数值，加速度差值对应的所需制动踏板力增量亦为最大，不再增加。
最后执行步骤S204，如果所述匹配加速度小于所述相对加速度，则无提示；
如果所述匹配加速度大于所述相对加速度，且所述匹配加速度小于加速度阈值，则进行第一级提示，所述第一级提示包括显示所述所需制动踏板力增量；
如果所述匹配加速度大于所述相对加速度，且所述匹配加速度大于加速度阈值，则进行第二级提示，所述第二级提示包括显示所述所需制动踏板力增量和/或进行预警。
具体来说，提示方式的判断条件如下：
其中，为加速度阈值。
在其中一个实施例中，所述第一级提示为展示匹配加速度与相对加速度的实时差值，所述第二级提示为展示匹配加速度与相对加速度的实时差值并进行预警，或者所述第二级提示为进行预警。
具体来说，提示方式的判断条件如下：
其中，实时差值计算公式为：。提示差值为展示所需制动踏板力增量。具体可以为：对所需的制动踏板力进行系统判定并通过仪表提示驾驶员，仪表可以通过指示或显示的方式，以百分比或具体数值告知驾驶员所需制动踏板力增量的大小，提示驾驶员需要踩制动踏板力的大小。
具体地，提示的方式是显示制动踏板力的大小（或幅度）。制动踏板模拟器输出所需制动踏板力增量。
在一些实施例中，通过第一颜色的第一显示条显示当前制动踏板力的大小，在当前制动踏板力的第一显示条之后采用第二颜色的第二显示条显示所需制动踏板力增量，当驾驶员踩踏踏板使得制动踏板力增大时，显示制动踏板力的第一显示条将部分或完全覆盖显示所需制动踏板力增量的第二显示条。
在一些实施例中，将当前制动踏板力与所需制动踏板力增量之和作为所需制动踏板力，计算当前制动踏板力与所需制动踏板力的百分比作为所需踏板力百分比，以进度条或者数值的方式显示所需踏板力百分比。
在一些实施例中，将当前制动踏板力与所需制动踏板力增量之和作为所需制动踏板力，以数值方式显示当前制动踏板力和所需制动踏板力。
通过上述方式，使得驾驶员能够直观地确定其踩制动踏板力的大小是否满足需求。
根据上述判断规则，电子设备在参考加速度和当前加速度之间的差值或相对加速度大于加速度阈值时，对驾驶员进行制动踏板力提示和/或预警，提示驾驶员应采取制动或紧急制动。预警可以采用闪烁或声音，或两者同时作用。
本实施例在不同的情况下，采用不同的方式提示驾驶员，让驾驶员及时了解车辆的制动情况，避免碰撞事故。
在其中一个实施例中，所述根据所述匹配加速度和所述相对加速度的比较，确定制动踏板力的提示方式，还包括：
根据自车与前方物体的相对速度，确定加速度阈值；或者
根据驾驶员的历史制动数据和车辆性能数据，设置加速度阈值；或者
根据基于历史制动时间数据训练的机器学习模型，设置所述加速度阈值；或者
获取自定义阈值，采用所述自定义阈值设置所述加速度阈值。
具体来说，根据自车车速与前方车辆的速度差vr，引入加速度阈值，可以对驾驶员驾驶状况进行评估或预警。作为一个例子，加速度阈值如表1所示：
表1 不同速度差的预设阈值
本实施例根据自车与前方物体的相对速度，自适应调整加速度阈值。
在一些实施例中，电子设备根据驾驶员的历史制动数据和车辆性能数据来动态设置阈值。
具体地：获取驾驶员在历史制动过程中制动操作的时间比例作为驾驶习惯特征参数，根据所述驾驶习惯特征参数计算对应的驾驶习惯调整系数，将所述驾驶习惯调整系数与所述加速度阈值相乘，得到调整后后的加速度阈值；或者
获取当前道路状况作为道路状况特征参数，根据所述道路状况特征参数计算对应的驾驶习惯调整系数，将所述驾驶习惯调整系数与所述加速度阈值相乘，得到调整后后的加速度阈值；或者
获取当前天气状况作为天气状况特征参数，根据所述天气状况特征参数计算对应的驾驶习惯调整系数，将所述驾驶习惯调整系数与所述加速度阈值相乘，得到调整后后的加速度阈值。
具体的驾驶习惯特征参数与驾驶习惯调整系数的对应关系、道路状况特征参数与驾驶习惯调整系数的对应关系、以及天气状况特征参数与驾驶习惯调整系数的对应关系可以通过预先标定确定。
系统可以学习并分析驾驶员在不同情况下的制动习惯，以及车辆在不同路况和天气条件下的制动性能。基于这些数据，电子设备可以调整加速度阈值，使其更加符合驾驶员的个性化需求和车辆的实际性能。这样，系统能够更准确地判断何时需要向驾驶员发出制动踏板力提示和预警。
加速度阈值可以是一个具体的参数，也可以是基于驾驶员驾驶习惯（制动）或路况天气匹配计算得出的一个阈值。
从制动驾驶习惯的角度分析，越激进的驾驶员，在同一路况下减速期望的制动减速度越大。通过记录的制动驾驶习惯数据，比如采用路况和驾驶员在制动过程中制动操作的时间比例作为识别制动驾驶习惯分值的特征参数，计算驾驶习惯调整系数，进而调整加速度阈值，避免对驾驶员过渡干涉。
同样，不同路况如上坡车辆自身会减速度运动，下坡车辆自身会加速度运动；雨雪天气也会对车辆制动性能产生较大的影响。通过算法，给予给定的特征参数，计算该条件下的调整系数，进而调整加速度阈值。
具体地，电子设备会采集例如前1000km的制动数据（采集数据越多，调整加速度阈值越精确），通过机器分析获得驾驶员的历史制动数据；车辆的性能数据来源于车辆自身标定的制动系统的相关数据。
本实施例记录驾驶员平常的不同条件下的驾驶习惯，电子设备，例如计算机对数据进行分析与数据拟合，获得一个参考的加速度阈值，进而调整提示方式。
在一些实施例中，电子设备使用机器学习算法来不断优化加速度阈值的设定。系统可以收集大量的制动事件数据，包括制动踏板力的变化、车辆减速度、前方障碍物的距离和速度等。然后，通过训练机器学习模型，系统能够自动地识别出与碰撞风险相关的特征。具体地，基于车辆制动踏板力的变化、车辆减速度、前方障碍物的距离和速度等车辆数据，通过算法进行数据分析，识别出碰撞的风险，比如前车进行制动导致距离过近等。并根据这些特征来动态调整阈值。随着数据的不断积累和学习算法的持续优化，系统的预警准确性和实用性将得到不断提高。本实施例的学习算法可通过车辆自主学习，亦可通过OTA进行升级。
具体地，预先获取多次制动事件的事件数据，所述事件数据包括制动踏板力的变化、车辆减速度、前方障碍物的距离和前方障碍物速度等事件特征参数，通过标定设置每一所述制动事件对应的加速度阈值，以所述事件特征参数为输入，以对应的标定的所述加速度阈值作为目标对机器学习模型进行训练，得到关于事件特征参数与加速度阈值的机器学习模型作为制动事件机器学习模型；
当检测到实时制动事件，获取所述实时制动事件的实时事件数据，将所述实时事件数据的事件特征参数输入所述制动事件机器学习模型，得到所述制动事件机器学习模型输出的关于所述实时时间数据的事件特征参数的加速度阈值。
本实施例通过机器学习算法，在识别路况、车辆行驶状态、距离等基础上，针对加速度阈值进行自适应调整。
例如，以某一次制动事件为特征，分析制动踏板力的变化、车辆减速度、前方障碍物的距离和速度等特征参数，然后计算或算法识别出与碰撞风险相关的特征并记录，最后通过特征参数，经过统计与回归算法计算获得加速度阈值调整系数。
车辆行驶过程中不断记录制动事件，更新特征参数，进而自适应的优化加速度阈值。
具体地，车辆会提供一个立即训练车辆计算机学习和基于历史驾驶员制动时间数据训练学习的选项。当前者选项开启后，驾驶员按照操作指示进行相应的制动操作，电子设备将采集驾驶员的制动数据，完成训练学习。当后者选择开启后，计算机自动采集驾驶员的历史制动数据进行自主训练学习。
在一些实施例中，允许驾驶员根据自己的驾驶风格和偏好来自定义加速度阈值。驾驶员可以通过车载界面或手机应用程序来调整加速度阈值的数值。系统还提供一些预设的加速度阈值选项，以适应不同驾驶场景和需求。驾驶员可以根据自己的经验和感觉来选择最合适的阈值设置。这种用户自定义的方式可以更好地满足驾驶员的个性化需求，并提高他们对系统预警的信任度和接受度。
本实施例通过引入加速度阈值并结合不同的判定机制和技术手段，从而提高制动踏板力提示和预警系统的实用性和可靠性，同时减少误报和漏报的可能性。加速度阈值可以根据具体的应用场景和用户需求进行灵活调整和优化。
本实施例通过多种方式自适应调整加速度阈值，通过自适应的加速度阈值来判断是否需要对驾驶员进行制动踏板力提示和预警，从而提高系统的实用性和可靠性，并减少误报和漏报。
在其中一个实施例中，所述根据所述匹配加速度和所述相对加速度的比较，确定制动踏板力的提示方式，还包括：
获取多个因素对应的因素提示条件，所述因素提示条件与一提示方式对应；
检测所述因素的实时值，在任一所述因素的实时值满足所述因素提示条件时，执行所述因素提示条件对应的所述提示方式。
在一些实施例中，除了参考加速度和当前加速度之间的差值，还引入其他因素来综合判定是否需要发出预警。例如，系统可以考虑车辆与前车的距离、前车的速度变化、路面状况、天气条件等因素。
每个因素都可以设有一个因素提示条件。因素提示条件可以为每个因素对应的阈值，因素的实时值超过其对应的阈值，则判断满足因素提示条件。
当任何一个或多个因素提示条件被满足时，则系统就会触发相应的提示方式，例如执行制动踏板力提示和预警。
本实施例通过多个因素进行判断，可以更全面地评估潜在的碰撞风险，并减少误报和漏报。
如图3所示为本发明最佳实施例一种实时制动踏板力提示方法的工作流程图，包括：
步骤S301，通过全球定位系统（Global Positioning System，GPS）获取实时车速，通过加速度传感器获取加速度，通过制动踏板模拟器获得制动踏板力、行程，仪表显示制动踏板力；
步骤S302，数据处理器接收毫米波雷达和激光雷达数据，得到自车与前方物体的相对距离与相对加速度，并计算匹配加速度；
步骤S303，对匹配加速度与相对加速度进行比较，如果在预设限值内，则仪表提示所需制动踏板力增量，否则仪表预警。
如图4所示为本发明最佳实施例的系统原理图，包括：数据处理器401、制动踏板模拟器402、车速模块403、加速度传感器模块404、雷达模块405，其中：
制动踏板模拟器402获得制动踏板406的踏板力和踏板行程，并发送到车辆仪表407；
车速模块403从GPS模块408获得车速；
加速度传感器模块404从加速度传感器409获得车辆加速度；
雷达模块405从毫米波雷达激光雷达410获得毫米波雷达和激光雷达数据，计算自车与前方物体的相对距离与相对加速度；
数据处理器401计算匹配加速度和相对加速度的差值，并根据差值与预设限值的比较，在车辆仪表407显示相应的提示。
基于相同的发明构思，如图5所示为本发明一实施例一种实时制动踏板力提示装置的示意图，包括：
匹配加速度计算模块501，用于获取制动踏板的实时踏板力，根据所述实时踏板力计算匹配加速度；
相对加速度计算模块502，用于根据自车与前方物体的相对速度，计算自车与前方物体的相对加速度；
所需制动踏板力增量计算模块503，用于根据所述匹配加速度和所述相对加速度的加速度差值，计算出所述加速度差值对应的所需制动踏板力增量；
提示确定模块504，用于根据所述匹配加速度、所述相对加速度与加速度阈值的比较，确定制动踏板力的提示方式，所述提示方式包括显示所述所需制动踏板力增量。
本发明根据实时踏板力计算匹配加速度，根据自车与前方物体的相对速度，计算自车与前方物体的相对加速度，并根据匹配加速度和相对加速度的比较，确定所需制动踏板力增量以及制动踏板力的提示方式，使得驾驶员能够直观地实时地了解踩踏制动踏板的情况，同时通过数据处理能够及时提示驾驶员所需要采取的制动踏板力，对一些即将发生碰撞的危险的情况，及时对驾驶员进行提示和预警，避免出现碰撞事故。
在其中一个实施例中，所述根据所述匹配加速度和所述相对加速度的加速度差值，计算出所述加速度差值对应的所需制动踏板力增量，包括：
计算所述匹配加速度和所述相对加速度的加速度差值为：，其中为所述相对加速度，为加速度差值；
根据所述加速度差值，计算出所述加速度差值对应的所需制动踏板力增量为：，其中△Ps为所需制动踏板力增量，ηp为制动踏板效率。
在其中一个实施例中，所述获取制动踏板的实时踏板力，根据所述实时踏板力计算匹配加速度，包括：
获取制动踏板的实时踏板力，根据所述实时踏板力计算踏板力参考加速度为：，获取实时加速度，根据所述实时加速度和所述踏板力参考加速度计算匹配加速度为：，式中P为制动踏板力，为踏板力参考加速度，Ps为增跳值踏板力，ηp为制动踏板效率，ΔP为制动踏板采样时长的制动踏板增加力，Pm为车辆达到最大减速度时的踏板力，△Pm为最大制动踏板增加力，为匹配加速度，为实时加速度；或者
获取实时车速、制动踏板的实时踏板力，将所述实时车速和所述实时踏板力输入经过预训练的机器学习模型，得到所述机器学习模型输出的加速度作为匹配加速度。
在其中一个实施例中，所述获取实时加速度，包括：
计算实时加速度为：，其中，为实时加速度，为车速采样时间的车速变化值，△T为车速采样时长；或者
计算实时加速度为：，其中，为实时加速度,μ为摩擦系数，N为自车对地的垂直力，m为自车质量，所述摩擦系数通过直接测量、根据路面实时类型确定或者根据路面信息确定。
在其中一个实施例中，所述根据所述匹配加速度、所述相对加速度与加速度阈值的比较，确定制动踏板力的提示方式，所述提示方式包括显示所述所需制动踏板力增量，包括：
如果所述匹配加速度小于所述相对加速度，则无提示；
如果所述匹配加速度大于所述相对加速度，且所述匹配加速度小于加速度阈值，则进行第一级提示，所述第一级提示包括显示所述所需制动踏板力增量；
如果所述匹配加速度大于所述相对加速度，且所述匹配加速度大于加速度阈值，则进行第二级提示，所述第二级提示包括显示所述所需制动踏板力增量和/或进行预警。
在其中一个实施例中，所述根据所述匹配加速度和所述相对加速度的比较，确定制动踏板力的提示方式，还包括：
根据自车与前方物体的相对速度，确定加速度阈值；或者
根据驾驶员的历史制动数据和车辆性能数据，设置加速度阈值；或者
根据基于历史制动时间数据训练的机器学习模型，设置所述加速度阈值；或者
获取自定义阈值，采用所述自定义阈值设置所述加速度阈值。
在其中一个实施例中，所述根据所述匹配加速度和所述相对加速度的比较，确定制动踏板力的提示方式，还包括：
获取多个因素对应的因素提示条件，所述因素提示条件与一提示方式对应；
检测所述因素的实时值，在任一所述因素的实时值满足所述因素提示条件时，执行所述因素提示条件对应的所述提示方式。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
如图6所示为本发明一种电子设备的硬件结构示意图，包括：
至少一个处理器601；以及，
与至少一个所述处理器601通信连接的存储器602；其中，
所述存储器602存储有可被至少一个所述处理器执行的指令，所述指令被至少一个所述处理器执行，以使至少一个所述处理器能够执行如前所述的实时制动踏板力提示方法。
图6中以一个处理器601为例。
电子设备还可以包括：输入装置603和显示装置604。
处理器601、存储器602、输入装置603及显示装置604可以通过总线或者其他方式连接，图中以通过总线连接为例。
存储器602作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本申请实施例中的实时制动踏板力提示方法对应的程序指令/模块，例如，图1、图2所示的方法流程。处理器601通过运行存储在存储器602中的非易失性软件程序、指令以及模块，从而执行各种功能应用以及数据处理，即实现上述实施例中的实时制动踏板力提示方法。
存储器602可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据实时制动踏板力提示方法的使用所创建的数据等。此外，存储器602可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器602可选包括相对于处理器601远程设置的存储器，这些远程存储器可以通过网络连接至执行实时制动踏板力提示方法的装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置603可接收输入的用户点击，以及产生与实时制动踏板力提示方法的用户设置以及功能控制有关的信号输入。显示装置604可包括显示屏等显示设备。
在所述一个或者多个模块存储在所述存储器602中，当被所述一个或者多个处理器601运行时，执行上述任意方法实施例中的实时制动踏板力提示方法。
本发明根据实时踏板力计算匹配加速度，根据自车与前方物体的相对速度，计算自车与前方物体的相对加速度，并根据匹配加速度和相对加速度的比较，确定所需制动踏板力增量以及制动踏板力的提示方式，使得驾驶员能够直观地实时地了解踩踏制动踏板的情况，同时通过数据处理能够及时提示驾驶员所需要采取的制动踏板力，对一些即将发生碰撞的危险的情况，及时对驾驶员进行提示和预警，避免出现碰撞事故。
本发明一实施例提供一种存储介质，所述存储介质存储计算机指令，当计算机执行所述计算机指令时，用于执行如前所述的实时制动踏板力提示方法的所有步骤。
在本公开的上下文中，存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。存储介质可以是机器可读信号介质或机器可读储存介质。可选地，存储介质可以是非临时性计算机可读存储介质，例如，非临时性计算机可读存储介质可以是ROM、随机存取存储器（RandomAccess Memory，RAM）、光盘只读存储器（Compact Disc ROM，CD-ROM）、磁带、软盘和光数据存储设备等。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (8)
1.一种实时制动踏板力提示方法，其特征在于，包括：
获取制动踏板的实时踏板力，根据所述实时踏板力计算匹配加速度；
根据自车与前方物体的相对速度，计算自车与前方物体的相对加速度；
根据所述匹配加速度和所述相对加速度的加速度差值，计算出所述加速度差值对应的所需制动踏板力增量；
根据所述匹配加速度、所述相对加速度与加速度阈值的比较，确定制动踏板力的提示方式，所述提示方式包括显示所述所需制动踏板力增量；
所述根据所述匹配加速度、所述相对加速度与加速度阈值的比较，确定制动踏板力的提示方式，所述提示方式包括显示所述所需制动踏板力增量，包括：
如果所述匹配加速度小于所述相对加速度，则无提示；
如果所述匹配加速度大于所述相对加速度，且所述匹配加速度小于加速度阈值，则进行第一级提示，所述第一级提示包括显示所述所需制动踏板力增量；
如果所述匹配加速度大于所述相对加速度，且所述匹配加速度大于加速度阈值，则进行第二级提示，所述第二级提示包括显示所述所需制动踏板力增量和/或进行预警；
所述根据所述匹配加速度、所述相对加速度与加速度阈值的比较，确定制动踏板力的提示方式，还包括：
根据自车与前方物体的相对速度，确定加速度阈值；或者
根据驾驶员的历史制动数据和车辆性能数据，设置加速度阈值；或者
根据基于历史制动时间数据训练的机器学习模型，设置所述加速度阈值；或者
获取自定义阈值，采用所述自定义阈值设置所述加速度阈值。
2.根据权利要求1所述的实时制动踏板力提示方法，其特征在于，所述根据所述匹配加速度和所述相对加速度的加速度差值，计算出所述加速度差值对应的所需制动踏板力增量，包括：
计算所述匹配加速度和所述相对加速度的加速度差值为：，其中，为匹配加速度，为所述相对加速度，为加速度差值，根据所述加速度差值，计算出所述加速度差值对应的所需制动踏板力增量为：，其中△Ps为所需制动踏板力增量，ηp为制动踏板效率。
3.根据权利要求1所述的实时制动踏板力提示方法，其特征在于，所述获取制动踏板的实时踏板力，根据所述实时踏板力计算匹配加速度，包括：
获取制动踏板的实时踏板力，根据所述实时踏板力计算踏板力参考加速度为：，获取实时加速度，根据所述实时加速度和所述踏板力参考加速度计算匹配加速度为：，式中P为制动踏板力，为踏板力参考加速度，Ps为增跳值踏板力，ηp为制动踏板效率，ΔP为制动踏板采样时长的制动踏板增加力，Pm为车辆达到最大减速度时的踏板力，△Pm为最大制动踏板增加力，为匹配加速度，为实时加速度；或者
获取实时车速、制动踏板的实时踏板力，将所述实时车速和所述实时踏板力输入经过预训练的机器学习模型，得到所述机器学习模型输出的加速度作为匹配加速度。
4.根据权利要求3所述的实时制动踏板力提示方法，其特征在于，所述获取实时加速度，包括：
计算实时加速度为：，其中，为实时加速度，为车速采样时间的车速变化值，△T为车速采样时长；或者
计算实时加速度为：，其中，为实时加速度,μ为摩擦系数，N为自车对地的垂直力，m为自车质量，所述摩擦系数通过直接测量、根据路面实时类型确定或者根据路面信息确定。
5.根据权利要求1所述的实时制动踏板力提示方法，其特征在于，所述根据所述匹配加速度、所述相对加速度与加速度阈值的比较，确定制动踏板力的提示方式，还包括：
获取多个因素对应的因素提示条件，所述因素提示条件与一提示方式对应；
检测所述因素的实时值，在任一所述因素的实时值满足所述因素提示条件时，执行所述因素提示条件对应的所述提示方式。
6.一种实时制动踏板力提示装置，其特征在于，包括：
匹配加速度计算模块，用于获取制动踏板的实时踏板力，根据所述实时踏板力计算匹配加速度；
相对加速度计算模块，用于根据自车与前方物体的相对速度，计算自车与前方物体的相对加速度；
所需制动踏板力增量计算模块，用于根据所述匹配加速度和所述相对加速度的加速度差值，计算出所述加速度差值对应的所需制动踏板力增量；
提示确定模块，用于根据所述匹配加速度、所述相对加速度与加速度阈值的比较，确定制动踏板力的提示方式，所述提示方式包括显示所述所需制动踏板力增量；
所述根据所述匹配加速度、所述相对加速度与加速度阈值的比较，确定制动踏板力的提示方式，所述提示方式包括显示所述所需制动踏板力增量，包括：
如果所述匹配加速度小于所述相对加速度，则无提示；
如果所述匹配加速度大于所述相对加速度，且所述匹配加速度小于加速度阈值，则进行第一级提示，所述第一级提示包括显示所述所需制动踏板力增量；
如果所述匹配加速度大于所述相对加速度，且所述匹配加速度大于加速度阈值，则进行第二级提示，所述第二级提示包括显示所述所需制动踏板力增量和/或进行预警；
所述根据所述匹配加速度、所述相对加速度与加速度阈值的比较，确定制动踏板力的提示方式，还包括：
根据自车与前方物体的相对速度，确定加速度阈值；或者
根据驾驶员的历史制动数据和车辆性能数据，设置加速度阈值；或者
根据基于历史制动时间数据训练的机器学习模型，设置所述加速度阈值；或者
获取自定义阈值，采用所述自定义阈值设置所述加速度阈值。
7.一种电子设备，其特征在于，包括：
至少一个处理器；以及，
与至少一个所述处理器通信连接的存储器；其中，
所述存储器存储有可被至少一个所述处理器执行的指令，所述指令被至少一个所述处理器执行，以使至少一个所述处理器能够执行如权利要求1至5任一项所述的实时制动踏板力提示方法。
8.一种存储介质，其特征在于，所述存储介质存储计算机指令，当计算机执行所述计算机指令时，用于执行如权利要求1至5任一项所述的实时制动踏板力提示方法的所有步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410182253.9A CN117734655B (zh) | 2024-02-19 | 2024-02-19 | 实时制动踏板力提示方法、装置、电子设备、存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410182253.9A CN117734655B (zh) | 2024-02-19 | 2024-02-19 | 实时制动踏板力提示方法、装置、电子设备、存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117734655A CN117734655A (zh) | 2024-03-22 |
| CN117734655B true CN117734655B (zh) | 2024-06-21 |
Family
ID=90279691
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410182253.9A Active CN117734655B (zh) | 2024-02-19 | 2024-02-19 | 实时制动踏板力提示方法、装置、电子设备、存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117734655B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102729994A (zh) * | 2012-07-16 | 2012-10-17 | 力帆实业(集团)股份有限公司 | 一种电动车制动智能提示系统 |
| CN108932870A (zh) * | 2018-07-16 | 2018-12-04 | 安徽江淮汽车集团股份有限公司 | 一种车辆预警方法及装置 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6177666B2 (ja) * | 2013-11-12 | 2017-08-09 | 日立オートモティブシステムズ株式会社 | 移動体の駆動制御装置 |
| US10682953B1 (en) * | 2017-09-28 | 2020-06-16 | Evan W. Mills | Device providing sensory feedback for vehicle pedal selection |
| CN218141494U (zh) * | 2021-10-27 | 2022-12-27 | 奇瑞新能源汽车股份有限公司 | 汽车制动踏板的预警系统及车辆 |
| KR102766977B1 (ko) * | 2022-05-30 | 2025-02-13 | 주식회사 에이스웍스코리아 | 페달 답력값을 이용한 자율주행 차량 제어 시스템 |
| CN114987462A (zh) * | 2022-05-31 | 2022-09-02 | 小马易行科技(上海)有限公司 | 针对人工驾驶避免车辆碰撞的方法、装置、设备和介质 |
-
2024
- 2024-02-19 CN CN202410182253.9A patent/CN117734655B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102729994A (zh) * | 2012-07-16 | 2012-10-17 | 力帆实业(集团)股份有限公司 | 一种电动车制动智能提示系统 |
| CN108932870A (zh) * | 2018-07-16 | 2018-12-04 | 安徽江淮汽车集团股份有限公司 | 一种车辆预警方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117734655A (zh) | 2024-03-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102343684B1 (ko) | 규칙에 근거하여 운전자를 지원하기 위한 제어 데이터의 생성 방법 | |
| KR101509693B1 (ko) | 운전자의 단기 운전 성향을 판단하는 장치 및 방법 | |
| EP2701137B1 (en) | Information provision device for use in vehicle | |
| KR20190073207A (ko) | 안전운전 지원 장치 및 방법 | |
| US20080272898A1 (en) | Method and Device for Warning of a Collision | |
| JP4529394B2 (ja) | ドライバの車両運転特性推定装置 | |
| KR101521118B1 (ko) | 운전자 맞춤형 차량 능동 안전 시스템 | |
| JP5691237B2 (ja) | 運転支援装置 | |
| JP7354295B2 (ja) | 車両信号を処理して挙動危険性の測度を計算するための装置及び方法 | |
| JP7509576B2 (ja) | 運転技能評価システム | |
| KR20140114948A (ko) | 운전자의 장기 운전 성향을 판단하는 장치 및 방법 | |
| CN113165615A (zh) | 车辆控制方法及装置 | |
| CN114103966A (zh) | 一种辅助驾驶的控制方法、装置和系统 | |
| KR20140141787A (ko) | 운전자의 단기 운전 성향을 판단하는 장치 및 방법 | |
| CN115195856B (zh) | 一种转向助力方法、装置及车辆 | |
| CN113353083B (zh) | 车辆行为识别方法 | |
| CN117734655B (zh) | 实时制动踏板力提示方法、装置、电子设备、存储介质 | |
| WO2022201446A1 (ja) | 運転判定システム、運転判定方法、記録媒体 | |
| JP2009001096A (ja) | 運転支援装置、運転制御装置、及びプログラム | |
| EP3269608B1 (en) | Detection of tailgating situations | |
| CN118274866A (zh) | 变道指引方法、电子设备和存储介质 | |
| CN116714591B (zh) | 换道意图的生成方法、装置和存储介质及电子设备 | |
| CN113928245A (zh) | 用于检查井盖模式的车辆控制单元、车载设备和方法 | |
| US20250136103A1 (en) | Assistance system and computer-implemented method using prediction with human factors | |
| CN115447616B (zh) | 车辆驾驶客观指标的生成方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |