(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210573300.3 (22)申请日 2022.05.25 (71)申请人 江苏大学 地址 212013 江苏省镇江市京口区镇江市 学府路301号 (72)发明人 沈钰杰　花杰　夏天　陈昂　 徐宇秋　尹澳　 (74)专利代理 机构 南京中高专利代理有限公司 32333 专利代理师 潘甦昊 (51)Int.Cl. B60W 30/16(2020.01) B60W 40/064(2012.01) G06V 10/74(2022.01) G06V 10/82(2022.01)G06V 20/56(2022.01) G06V 20/58(2022.01) (54)发明名称 一种基于大数据的安全分析系统及方法 (57)摘要 本发明涉及安全分析技术领域， 公开了一种 基于大数据的安全分析系统及方法， 包括主控单 元， 其根据所述信息处理模块所获取的当前最终 附着系数计算安全跟车距离， 根据当前自车与前 车的距离调整所述自车车速以控制自车与前车 的距离不超 过所述安全跟车距离。 本发明通过拍 摄道路照片， 将道路照片和样 本照片采用图像融 合相似度的比较选取当前道路的初始道路附着 系数， 并通过该初始道路附着系数与验证附着系 数进行比较， 以缩小初始道路附着系数的验证计 算范围， 从而缩短主控单元的响应时间， 进一步 地提高了汽 车的制动系统响应速度， 加强了行驶 的制动性能。 权利要求书3页 说明书11页 附图4页 CN 114889600 A 2022.08.12 CN 114889600 A 1.一种基于大 数据的安全分析 方法， 其特 征在于： S1： 获取当前道路照片， 并将当前道路照片与样本照片集中的样本照片进行初步匹配， 得到匹配度最优的样本照片； S2： 遍历初始附着系数数据库中的初始附着系数， 选择与当前自车速度V、 S1获取的匹 配度最优的样本照片所反馈的道路名称、 当前道路湿度d相映射的初始附着系数作为当前 道路初始附着系数； 其中， 所述初始附着系数 数据库获取 方法： 获取标准初始附着系数范围表， 并将标准初始附着系数范围表中每个范围值求平均值 以获得初始附着系数表； 拍摄标准初始附着系数范围表中路况所对应的样本照片， 并将样本照片与 标准初始附 着系数范围表和初始附着系数表中路况相映射形成初始附着系数 数据库； S3、 获取当前时刻汽车胎压和轮胎温度， 通过两者与当前的验证附着系数的关系式获 取当前的验证附着系数， 判断当前道路初始附着系数与当前的验证附着系数 μ的相关性； 若 相关， 则进入步骤S4； 若不相关， 则进入S1， 同时第一计数值n1加1， 当n1超过第一计数阈值 时， 则采用紧急附着系数作为当前最终附着系数 并进入S5； S4： 根据 μ结合V、 d， 从标准初始附着系数范围表中选取对应的备选路况； 对当前道路照 片通过进 行图像识别， 判断图像识别后的当前道路照 片反馈的路况与对应的备选路况之间 的关联性； 若存在关联， 则将关联的备选路况作为最终路况， 选择与V、 d、 最终路况的名称相映射 的初始附着系数作为 若不存在关联， 则进入S1， 同时第二计数值n2加1， 当n2超过第二计数阈值时， 则采用紧 急附着系数作为 并进入S5； S5、 根据 计算自车当前安全跟车距离 。 2.根据权利要求1所述的一种基于大数据的安全分析方法， 其特征在于： 判断匹配度最 优的样本照片是否 达到预设标准； 若达到预设标准， 则当前道路初始附着系数作为 并进入S5； 若未达到预设标准， 则进入S3 。 3.根据权利要求1所述的一种基于大数据的安全分析方法， 其特征在于： 当前自车与 前 车的距离的获取方式为： 在自车上安装超声波测距传感器， 通过超声波测距传感器实时测 量自车与前 车的距离； 自车车速的获取 方式为： 通过在自车 上安装速度传感器获取自车 车速； 当前道路照片和道路表面的湿度获取方式为： 通过自车车载摄像头和车载湿度传感器 分别获取当前道路照片和道路表面的湿度。 4.根据权利要求1所述的一种基于大数据的安全分析方法， 其特征在于： 所述初始附着 系数数据库的建立方法： 对不同的路况、 道路湿度和自车速度的道路进行道路系数的实地测试， 形成标准初始 附着系数范围表， 对标准初始附着系数范围表中的范围值求平均作为初始附着系数表中的 初始附着系数；权　利　要　求　书 1/3 页 2 CN 114889600 A 2对每种路况的道路进行拍摄形成样本照片， 不同路况的道路的样本照片形成样本照片 集； 将样本照片集中的样本照片所对应的路况与初始附着系数表和标准初始附着系数范 围表相映射， 形成初始附着系数 数据库。 5.根据权利要求1所述的一种基于大数据的安全分析系统及方法， 其特征在于： 当前道 路初始附着系数的获取 方法为： 步骤一： 通过自车 车载摄像头获取当前道路照片； 步骤二： 通过计算当前道路照片与样本照片集中每 个样本照片的融合相似度； 步骤三： 选取与当前道路照片融合相似度最大的样本照片， 并获取样本照片名称； 步骤四： 根据与当前道路照片融合相似度最大的样本照片名称 获取该照片在初始附着 系数表中所映射的路况； 步骤五： 通过速度传感器和车载湿度传感器分别获取自车车速和当前道路表面的湿 度； 步骤六： 根据与当前道路照片融合相似度最大的样本照片所映射的路况、 自车车速和 当前道路表面的湿度从初始附着系数表中选择初始附着系数。 6.根据权利要求1所述的一种基于大数据的安全分析系统及方法， 其特征在于： 所述安 全跟车距离的计算方法为： 其中S为安全跟 车距离， V为自车速度， t为自车系统响应时间， 为最终 道路附着系数。 7.根据权利要求1所述的一种基于大数据的安全分析系统及方法， 其特征在于： 当前时 刻验证附着系数获取 方法： 通过汽车胎压、 轮胎温度和当前时刻验证附着系数的关系式获取当前的验证附着系 数， 其中两者关系式为： μ＝0.1πAB +sinAcosB， μ为验证附着系数， A为汽车胎压， B为轮胎温 度， 汽车胎压A和轮胎温度B均通过TPMS胎压监测传感器实时监测获得。 8.根据权利要求1所述的一种基于大 数据的安全分析系统及方法， 其特 征在于： 对当前道路照片通过进行图像识别的方法为： 建立各个路况神经网络模型， 所述各个路况神经网络模型用以一一对应识别各种路 况； 并训练各个路况神经网络模型， 分别得到各个训练后的路况神经网络模型； 将备选路况对应的训练后的路况神经网络模型作为验证神经网络模型； 将当前道路照片分别 输入至各个验证神经网络模型进行识别， 输出得到各个识别后的 当前道路照片。 9.根据权利要求1 ‑8任一项所述的一种基于大 数据的安全分析系统， 其特 征在于： 距离测量装置， 包括超声波测距传感器， 通过所述超声波测距传感器获取当前自车与 前车的距离； 速度测量装置， 包括速度传感器， 通过 所述速度传感器获取自车 车速； 环境获取装置， 包括摄像装置和湿度测量装置， 通过所述摄像装置和温湿度测量装置 分别获取当前道路照片和道路表面的湿度； 数据储存模块， 用于储 存初始附着系数 数据库；权　利　要　求　书 2/3 页 3 CN 114889600 A 3