买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉江苏大学申请的专利基于主被动安全信息融合的智能网联汽车安全控制方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119176143B 。

龙图腾网通过国家知识产权局官网在2025-11-07发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411293838.4，技术领域涉及：B60W50/00；该发明授权基于主被动安全信息融合的智能网联汽车安全控制方法及系统是由林勇峰;袁朝春;何友国;蔡英凤;翁烁丰;王桐设计研发完成，并于2024-09-14向国家知识产权局提交的专利申请。

本基于主被动安全信息融合的智能网联汽车安全控制方法及系统在说明书摘要公布了：本发明公开了基于主被动安全信息融合的智能网联汽车安全控制方法及系统，包括环境检测模块、风险预测模块和协同控制模块。其中，环境检测模块包括乘员状态监测、车辆系统监测和交通环境感知三部分，风险预测模块包括车辆碰撞风险预测和乘员损伤风险预测两部分，协同控制模块包括车内智能约束系统、车辆转向系统和制动系统的控制执行部分；本发明充分利用主动安全系统对潜在风险的预警能力，依据建立的车辆风险预测模型和乘员损伤风险预测模型，实时计算车辆碰撞风险概率和乘员损伤概率。当遭遇不可避免的危险工况时，系统调整约束系统状态，使其达到当前乘员保护的最佳状态，避免主动安全系统与约束系统作用的不协同导致乘员额外所受的风险。

本发明授权基于主被动安全信息融合的智能网联汽车安全控制方法及系统在权利要求书中公布了：1.基于主被动安全信息融合的智能网联汽车安全控制系统，其特征在于，包括：环境检测模块、风险预测模块和协同控制模块； 所述环境检测模块包括乘员状态监测模块、车辆系统监测模块和交通环境感知模块三部分； 所述风险预测模块包括车辆碰撞风险预测模块和乘员损伤风险预测模块两部分； 所述协同控制模块包括车辆智能约束系统模块、车辆主动安全系统中的自动紧急转向系统模块和自动紧急制动系统模块三部分； 所述环境检测模块一方面通过乘员状态监测模块和车辆系统监测模块获取车辆自身信息，包括约束系统状态、乘员状态信息和自身行驶状态信息，自身行驶状态信息包括位置、速度和加速度信息；另一方面通过交通环境感知模块获取车辆行驶环境的信息，包括行驶车辆周围的车辆、非机动车和行人的运动学信息和形状特征，基于预先建立的危险源分类数据库判断目标参与者的附加风险系数； 所述风险预测模块根据环境感知信息，一方面通过车辆碰撞风险预测模块判断车辆碰撞风险，计算避撞所需最小加速度值以及采用此避撞策略后车辆行驶至目标位置的车辆速度；另一方面通过乘员损伤风险预测模块估算当前避撞所需最小加速度值、目标位置的车辆速度、目标参与者的附加危险信息、约束系统状态、乘员状态信息和自身行驶状态信息引发的乘员损伤风险概率； 所述协同控制模块计算车辆智能约束系统和主动安全系统合理控制参数； 所述车辆碰撞风险预测模块，根据自车与障碍物轨迹交叉点通信区间判定碰撞风险，采用如下的方法判定交点： ti＝{t|disTselft,Tped_rtrange_sramp;disTselft,Tvehtrange_sv} tcol＝minti 其中，range_sr,range_sv分别为车车碰撞与人车碰撞时的撞击阈值，ti为可预测未来中车辆存在碰撞风险的时间节点，tcol为最近的碰撞风险时间节点，Tped_rt代表障碍物中行人这一类，出于对行人保护因素的考虑，将其单独列出，Tselft代表t时刻之后自车位置，Tveht代表t时刻之后障碍物的位置； 通过车辆避撞所需最小加速度判定车辆目前存在的风险： ax_n＝min{ax} s.t.{ax|tcoltcol_r} ay_n＝min{ay} s.t.{ay|tcoltcol_r} 其中，tcol_r为撞击风险时间阈值，由车辆自身特性决定；ax_n、ay_n分别为将避撞时间点推后到风险时间阈值之外所需的最小纵向与横向加速度； 采用参数Rcol表征所面临的碰撞风险大小，该参数可以由如下方程得到： 其中，Rcol为车辆碰撞风险参数，Flane为换道可行性判断，0代表不可以换道，1代表可以换道，ax_max，ay_max代表.当前道路所允许的最大纵向减速度与横向加速度，Kx_n，Ky_n分别为纵向减速度风险系数与横向加速度风险系数，Cveh表示不同特征障碍物的附加风险系数； 所述乘员损伤风险预测模块，通过建立碰撞事故仿真数据库，后基于机器学习建立乘员损伤风险预测模型，乘员伤害值预测模型采用基于改进的多层感知器与支持向量机的混合模型，进行高维度输入问题的预测，混合模型第一级为MLP模型，分为输入层、隐藏层和输出层，将预设置的乘员损伤影响因素作为模型的输入，隐藏层采用ReLU激活函数提升模型处理非线性问题的能力，输出层输入的特征向量传递到第二级的SVM模型中，将提取的特征用作SVM的输入，训练SVM进行分类或回归任务，同时采用径向基核函数RBF处理非线性可分的情况，最终得到乘员损伤的预测结果； 用于乘员损伤风险预测模型训练与测试的碰撞事故仿真数据库由如下过程建立： 首先建立主动安全系统介入下车辆碰撞乘员损伤值分析模型，包括车辆座舱模型、乘员约束系统模型以及人体有限元模型，在仿真平台重建典型事故场景，将其生成的避撞过程中的车辆运动波形作为乘员伤害值分析模型模型求解边界条件，分析主动安全系统介入过程车辆的运动学响应及乘员损伤评价指标值；为了保证数据集中样本分布的合理性，以车辆碰撞时刻运动状态、主动安全系统作用时间和作用强度、乘员安全带使用情况、乘员乘坐姿态、座椅靠背角度、座椅前后位移为变量，进行不同参数下的乘员伤害值分析模型的仿真求解，得到假人模型的头部、颈部、胸部的动态特性，建立具有足够样本数量的乘员响应数据集；其中，80％的样本数据作为训练样本，20％的样本数据为测试样本；对结果进行皮尔逊相关性分析，计算方式如下，根据结果确定对乘员损伤影响较大的因素，简化模型结构，提升运算效率； 其中，rXY代表相关性系数，σX、σY代表X、Y的标准差，代表X、Y的均值，n为样本数，Xi代表影响因素，Yi代表乘员损伤的评价指标值。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人江苏大学，其通讯地址为：212013 江苏省镇江市京口区学府路301号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。