CN102350990A

CN102350990A - 有人驾驶与无人驾驶车辆避障行为的对照模型

Info

Publication number: CN102350990A
Application number: CN2011101931577A
Authority: CN
Inventors: 陈雪梅; 高薪; 董纲
Original assignee: Beijing Institute of Technology BIT
Current assignee: Beijing Institute of Technology BIT
Priority date: 2011-06-29
Filing date: 2011-07-12
Publication date: 2012-02-15

Abstract

本发明属于交通运输与智能车辆研究技术领域，涉及认知科学的信息加工理论，首先研究了有人驾驶和无人驾驶行为的信息加工过程，并对常见障碍物进行系统分类，最后通过实验，针对平行同向行驶的前车突然停止的路况，对比车辆在有人驾驶与无人驾驶两种情况中的避障行为，对车速和偏距两个参数分析，反映出无人驾驶车辆目前所具备的智能行为，如可保持在车道内匀速行驶、感知前方物体、正确识别环境、安全避障等，还研究确定了在躲避障碍过程中的车速和偏距的变化规律，为无人驾驶车辆控制系统奠定坚实基础。可建立各种复杂交通环境中无人驾驶车辆比赛评分体系及环境设计。

Description

有人驾驶与无人驾驶车辆避障行为的对照模型

技术领域

本发明属于交通运输与智能车辆研究技术领域，涉及认知科学的信息加工理论，通过实验对比车辆在有人驾驶与无人驾驶两种情况中的避障行为，为无人驾驶车辆控制系统奠定坚实基础，为建立无人驾驶车辆比赛评分标准和环境设计体系提供有力依据，充分体现科技创新对交通运输效率提升的重要支撑作用。

背景技术

计算机处理图像、语音和文本(语言)信息的能力远逊于人类，且处理效率远不能满足当今社会的发展需求，因此构建新型的计算方法、提高计算机对非结构化视听觉感知信息的理解能力，和海量异构信息的处理效率可有力推动信息科学的快速发展。无人驾驶车辆验证平台的创新与发展具有重要的推动和促进作用，合理全面地研究无人驾驶车辆的驾驶行为特点具有重要意义。本发明主要针对车辆避障行为，进行有人驾驶和无人驾驶车辆对比分析，首先，阐述有人驾驶与无人驾驶的关系，从信息加工的角度分析其行为产生过程，最后，建立有人驾驶与无人驾驶车辆避障行为对照模型。

在视听觉信息处理的基础理论和视听觉信息协同计算、自然语言(汉语)理解以及与视听觉认知相关的脑一机接口等三项关键技术的基础之上，研制具有自然环境感知与智能行为决策能力的无人驾驶车辆验证平台，可提升我国在视听觉信息处理领域的整体研究实力。首届中国“智能车未来挑战”比赛已经将无人驾驶车辆从实验室带进现实，对推动和促进无人驾驶车辆验证平台的创新与发展具有重要意义。然而，与欧美国家相比，我国无人驾驶车辆的整体研究水平还有待提高。为了推动我国无人驾驶车辆相关技术的发展，“智能车未来挑战”比赛将会定期举行，从基本驾驶行为测试到复杂交通环境中的综合驾驶行为进行考核，成功选拔安全和技能兼优的无人驾驶车辆。

目前国内外对无人驾驶车辆的研究很多，但是只要针对无人驾驶车辆内部的控制技术，对于无人驾驶车辆智能行为的研究还不够多，并且将有人驾驶行为和无人驾驶行为结合起来研究也很少。

发明内容

本发明的目的是为了克服上述现有研究的不足，提供一种有人驾驶与无人驾驶车辆避障行为的对照模型。该对照模型将有人驾驶与无人驾驶有机的结合起来，以有人驾驶为依据，为无人驾驶的研究提供坚实基础，针对车辆避障行为，对车速和偏距两个参数分析，反映出无人驾驶车辆目前所具备的智能行为，可应用本发明采集和分析两种情况下驾驶行为的异同，可建立各种复杂交通环境中无人驾驶车辆比赛评分体系及环境设计。

本发明采用了如下的技术方案：

有人驾驶与无人驾驶车辆避障行为的对照模型，针对平行同向急停的机动车为障碍物，分别通过试验获得车辆在有人驾驶与无人驾驶两种情况下的车速与偏距样本，采用数理统计分析避障时车速和偏距的变化规律，可判断有人驾驶与无人驾驶车辆的避障行为及无人驾驶车辆的智能水平。

所述的有人驾驶与无人驾驶车辆避障行为的信息加工过程，所谓有人驾驶，就是在这个控制系统中，驾驶员与车辆之间的交互行为，即驾驶员通过视觉、听觉等感官感知周围的交通情况，及时调整方向、速度、制动，并有意图地规划超车、避障等短期行为。无人驾驶，是依靠车内以计算机系统为主的智能驾驶设备，发挥人的视听觉器官效能，使用车载传感器，例如激光雷达、超声传感器、微波雷达、GPS、里程计、磁罗盘等，实时与交通环境进行交互，感知车辆周围环境，并根据所获得的道路、车辆、障碍物信息，控制车辆的转向和速度，智能地规划自身行为，从而使车辆能够安全、可靠地在道路上行驶。依据信息加工论，可将驾驶员视为一个单通道的有限输送容量的信息处理系统来研究。驾驶员依靠眼、耳、手和其他感受器接受信息，这些感官构成了一个感觉子系统(感受器)。感受器将获得的这些信息通过神经传送到大脑。在大脑的信息处理子系统(中枢加工器)中，将传入的信息加以识别，做出相应的决策。这些功能都需要有贮存子系统(记忆)中的长时记忆和短时记忆的参加。被处理加工后的信息也可以存入长时或短时记忆中。最后，信息处理系统可以发放输出信息，通过反应子系统(效应器)中的手脚、控制装置、语言器官等，产生各种运动和语言反应。在此过程中，感受器与效应器发生关系并相互作用，本质联系就是信息交换。无人驾驶车辆也有着类似的信息加工过程，其靠视觉、听觉、触觉和其他传感器接受信息，这些传感器将获得的信息通过总线与协议传输到ECU处理器。在ECU处理器中，将传入的信息加以识别，做出相应的决策，这些功能都需要存储设备参加。最后，信息加工系统可以发放输出信息，通过控制器执行相应的动作反应。有人驾驶车辆和无人驾驶车辆都要完成感知、决策和执行这三个阶段，不同点就是在无人驾驶车辆避障行为过程中用各种仪器、电脑替代了人脑，达到人脑所起的认知和决策的作用。

所述的常见障碍物分类，着眼于车辆的避障行为，车辆在行驶中经常会遇到各种不同的障碍物，根据障碍物的具体特征和状态，才能做出相应的驾驶决策。将常见避障行为分为静态避障行为、动态避障行为和动静结合避障行为(即静态与动态的有机结合)三种：静态避障行为主要由施工设施、交通实体和静止的车辆构成；动态避障行为的情况较复杂，是由不同的对象(非机动车辆和机动车辆)、运动方向(与被测车平行向和垂直向)和行驶状态(匀速、突然停车和突然加速)为三方面构成的，可分别从这三方面中选择一个元素，来构成动态避障行为，如对象中选取“行人”，方向中选取“垂直向左”，行驶状态中选取“突然加速”，即为行人相对于某车辆垂直向左突然加速前进，这样就可以具体细化各种避障场景。

所述的有人驾驶与无人驾驶车辆避障行为的对照模型，以平行同向突然停车的动态机动车辆为例，来建立有人驾驶和无人驾驶车辆的对照模型，分别从车速和偏距两个参数进行对比。车辆在行进中遇到平行同向行驶的车辆突然停止，对后车的驾驶员来说属于突发事件，驾驶员需要在短时间内作出反应，必然要采取相应的避障措施，产生避障行为，根据实时采集的数据，得到模型。

本发明中的交通环境是双向四车道，车道宽为3.75m，需要说明的是，在进行相关数据分析时所使用的偏距，是指被测车偏离车道中心线(双黄线)的距离，即车辆中心线至车道中心线的距离。规定车辆起初在最右侧的车道上行驶，并在无障碍物时刻保持于最右侧车道行驶。通过计算可得出当车辆在最右侧车道正常行驶时(即位于两条车道线之间)，车辆偏距在4.737m至6.513m之间。

分别作出有人驾驶车辆避障行为的车速与偏距曲线图，如图3和图4所示。车辆车速降低，绕过障碍之后，恢复正常时速。这说明，对于平行同向急停的机动车，需要在短暂时间内做出反应，被测车距中心线的距离明显变小，车速降低。在1840到1870单位时间内，快速发生绕行现象，导致车辆有过大的偏距。在智能车“未来挑战”比赛中选取无人驾驶参赛车A进行智能驾驶行为分析。参赛车A在行进中感知到与前车距离逐渐减小，将该刺激信息传入ECU，受到ECU控制并与存储设备中的模板进行匹配，直到获得最佳匹配，由控制器执行正确的解释，从而采取换车道、超车并返回原车道的行为。第1840至第1855个单位时间内参赛车A的速度为0，历经约2s的反应时间来感知前方路况，此后，第1855至第1885个单位时间内参赛车A加速超车，车速较平稳，约8km/h。无人驾驶车辆的偏距曲线，参赛车A的避障过程是第1855到1885个单位时间内，偏距逐渐减小，由正常行驶偏距5.5m减小到约2m，并一直在2m左右。

通过对无人驾驶行为的分析，可知智能驾驶车辆已经具备一些智能行为能力，如保持在车道内匀速行驶、感知前方物体、正确识别环境、安全避障等行为。在避障行为试验中，无人驾驶车辆感知的时间比人工驾驶要长，整体行驶速度要慢，换道超车后没有自主的返回原车道。

本发明的有益效果是：反应无人驾驶车辆的智能水平，可以及时识别前方交通环境的变化，并进行相应的操作，应用有人驾驶与无人驾驶车辆避障行为对照模型，可建立各种复杂交通环境中无人驾驶车辆比赛评分体系及环境设计。

附图说明

下面结合附图及实施例对本发明作进一步说明；

图1为有人驾驶与无人驾驶车辆避障行为的信息加工过程图；

图2为常见行驶障碍物分类图；

图3为有人驾驶车辆的速度曲线图；

图4为有人驾驶车辆的偏距速度图；

图5为无人驾驶车辆的速度曲线图；

图6为无人驾驶车辆的偏距曲线图。

具体实施方式

如图1所示，驾驶员依靠眼、耳、手和其他感受器接受信息，这些感官构成了一个感觉子系统(感受器)。感受器将获得的这些信息通过神经传送到大脑。在大脑的信息处理子系统(中枢加工器)中，将传入的信息加以识别，做出相应的决策。这些功能都需要有贮存子系统(记忆)中的长时记忆和短时记忆的参加。被处理加工后的信息也可以存入长时或短时记忆中，通过反应子系统(效应器)中的手脚、控制装置、语言器官等，产生各种运动和语言反应；无人驾驶车辆靠视觉、听觉、触觉和其他传感器接受信息，这些传感器将获得的信息通过总线与协议传输到ECU处理器，在ECU处理器中，将传入的信息加以识别，做出相应的决策，这些功能都需要存储设备参加，最后，信息加工系统可以发放输出信息，通过控制器执行相应的动作反应。

如图2所示，将常见避障行为分为静态避障行为、动态避障行为和动静结合避障行为(即静态与动态的有机结合)三种：静态避障行为主要由施工设施、交通实体和静止的车辆构成；动态避障行为的情况较复杂，是由不同的对象(非机动车辆和机动车辆)、运动方向(与被测车平行向和垂直向)和行驶状态(匀速、突然停车和突然加速)为三方面构成的，可分别从这三方面中选择一个元素，来构成动态避障行为，如对象中选取“行人”，方向中选取“垂直向左”，行驶状态中选取“突然加速”，即为行人相对于某车辆垂直向左突然加速前进，这样就可以具体细化各种避障场景。

如图3、4所示是有人驾驶车辆的速度曲线和偏距曲线图，可知车辆车速降低，绕过障碍之后，恢复正常时速；在1840到1870单位时间内，快速发生绕行现象，导致车辆有过大的偏距。

如图5、6所示是无人驾驶车辆的速度曲线和偏距曲线图，可以发现在图5中，是参赛车A在超车过程中的速度变化，在第1840至第1855个单位时间内参赛车A的速度为0，这说明行进中，参赛车A感知到前方障碍物逐渐变大变近，所以停下来采取决策的时间，即反应时间，约2s，虽然感知和决策的时间还慢于人类，但是这足以证明智能车辆已经具备了感知和决策的能力，为日后进一步提高奠定基础。此后，参赛车A开始起步进行超车，可见第1855至第1885个单位时间内参赛车A加速超车，车速较平稳，约9km/h，超车后速度降低，恢复原车速约8km/h。图6中，由于其停车感知并决策，对应于这段时间，偏距也是恒定的，即第1840到1855个单位时间内，所以可以得知此后便是参赛车A的超车过程，即第1855到1885个单位时间内，由曲线走势可知，避障过程中偏距逐渐减小，由正常行驶偏距5.5m减小到约2m，并一直在2m左右，这说明参赛车A在换道超车后没有返回原车道，其原因可能是避障后，参赛车A前方没有障碍物或者交通标志，没有可识别的对象，因此没有返回。

有人驾驶车辆行驶的交通场景应与无人驾驶车辆行驶的交通场景保持一致，通过车速传感器及行车轨迹得到车速和偏距(即车辆中心线距左侧车道线距离)，可应用本发明采集和分析两种情况下驾驶行为的异同，可建立各种复杂交通环境中无人驾驶车辆比赛评分体系及环境设计。

Claims

1.有人驾驶与无人驾驶车辆避障行为的对照模型，其特征在于，针对平行同向急停的机动车为障碍物，分别通过试验获得车辆在有人驾驶与无人驾驶两种情况下的车速与偏距样本，采用数理统计分析避障时车速和偏距的变化规律，可判断有人驾驶与无人驾驶车辆的避障行为及无人驾驶车辆的智能水平。

2.如权利要求1所述的有人驾驶与无人驾驶车辆避障行为的对照模型，其特征在于，基于认知心理学，提出有人驾驶行为与无人驾驶行为的信息加工过程，研究发现认知过程均包括认知、决策和执行三个阶段。

3.如权利要求1所述的有人驾驶与无人驾驶车辆避障行为的对照模型，其特征在于，将常见避障行为分为静态、动态和动静结合三种，其中动态避障行为又从不同的对象、运动方向和行驶状态三方面展开，分别从这三方面中选择一个元素，组合成动态避障行为。

4.如权利要求1所述的有人驾驶与无人驾驶车辆避障行为的对照模型，其特征在于，反应无人驾驶车辆的智能水平，可以及时识别前方交通环境的变化，并进行相应的操作，应用有人驾驶与无人驾驶车辆避障行为对照模型，可建立各种复杂交通环境中无人驾驶车辆比赛评分体系及环境设计。