CN107804315B - 一种考虑驾驶权实时分配的人车协同转向控制方法 - Google Patents

Abstract

本发明为解决人车协同驾驶过程中驾驶员和车辆自动驾驶控制器之间驾驶权分配问题，提出了一种考虑驾驶权实时分配的人车协同转向控制方法，具体过程为：步骤一、建立车辆动力学模型与车辆运动学模型；步骤二、建立车辆自动驾驶控制器；步骤三、建立人车共驾系统模型；步骤四、采用模型预测方法进行人车共驾系统控制器设计；步骤五、进行驾驶权分配并计算控制量，执行控制量，实现驾驶员与车辆自动驾驶控制器之间的协同控制车辆转向的过程；本方法在车辆自动驾驶控制器和驾驶员共同驾驶汽车的情况下，能够在线实时优化分配车辆自动驾驶控制器与驾驶员的转向驾驶权，实现车辆自动驾驶控制器和驾驶员共同完成车辆转向操作。

Description

一种考虑驾驶权实时分配的人车协同转向控制方法

技术领域

本发明属于汽车驾驶控制领域，涉及一种人车协同驾驶策略，更加具体的来讲，涉及一种考虑驾驶权实时分配的人车协同转向控制方法。

背景技术

日趋密集的道路交通不断加重驾驶人的工作负荷,长时间的高负荷驾驶持续占用驾驶人认知生理资源，进而导致精神疲劳并引起驾驶能力下降，易酿成严重交通事故。智能驾驶是降低驾驶人工作负荷和提升车辆安全性的重要手段，其中一个发展方向是无人驾驶。然而，无人驾驶由于驾驶人完全脱离于控制环，易造成“过依赖”和“情景意识下降”等人因问题。全面实现无人驾驶是一个长期的过程，短期内实现的难度较大，因此驾驶人和智能系统分享车辆的控制权也就是人车共驾在无人驾驶完全实现之前将长期存在。目前，人车共驾正逐步吸引国内外专家学者的密切关注，代表着智能汽车的新型发展方向。

现有人车共驾过程中驾驶员有个性化、模糊、退化和学习能力强的特点，智能系统学习能力相对较差，应对未知工况能力十分薄弱，如何实现驾驶员和智能系统的驾驶权的分配与融合是实现人车共驾必须解决的问题。

发明内容

本发明为解决人车协同驾驶过程中驾驶员和车辆自动驾驶控制器之间驾驶权分配问题，提出一种可以在线实时分配驾驶员和车辆自动驾驶控制器之间驾驶权的方法。

本发明所述的一种考虑驾驶权实时分配的人车协同转向控制方法，是采用如下技术方案实现的：

一种考虑驾驶权实时分配的人车协同转向控制方法，基于一种驾驶员和车辆自动驾驶控制器共同配合完成车辆转向控制的驾驶模式，该种模式下当驾驶员的驾驶行为不出现错误时，车辆自动驾驶控制器能够按照一定的比例帮助驾驶员分担一部分转向任务，减轻驾驶员负担，在驾驶员驾驶行为出现错误时，将驾驶员的驾驶权重减小甚至减少至零，由车辆自动驾驶控制器独立控制转向，其特征在于，本方法具体步骤如下：

步骤一、建立车辆动力学模型与车辆运动学模型：

建立大地坐标系：原点O固结于地面，X轴通常与车辆初始运动方向重合，X沿逆时针方向旋转90度为Y轴的正方向；

建立车辆坐标系：以车辆动力学模型中车辆质心o为坐标原点，沿着车辆前进的方向为x轴的正方向，x轴沿逆时针方向旋转90度为y轴的正方向建立坐标系；

用车辆运动学模型表征车辆的操纵稳定性与车辆的侧向运动的关系，并用二自由度车辆动力学模型表征车辆的操纵稳定性和车辆的横摆运动之间的关系，具体过程如下：

假定车辆是一个刚性体，车辆装置着四个不会发生形变的车轮，并以车辆前轮作为转向轮，根据车辆运动学方程以及车辆运动的几何关系得到车辆的运动学模型如式(1)所示：

式中x_o为车辆质心o的纵向位移，单位m；y_o为车辆质心o的侧向位移，单位m；v为车辆质心的速度，单位m/s；r为车辆的横摆角速度，单位rad/s；ψ为车辆的航向角，单位rad；β为车辆的质心侧偏角，单位rad；

考虑到实际道路的曲率通常很小，车辆在这段实际道路区域内行驶时航向角ψ同样可以认为是很小的，且实际上车辆的质心侧偏角β变化范围也很小，所以有：sin(ψ+β)≈ψ+β，cos(ψ+β)≈1，结合式(1)可以得到简化的车辆运动学模型，如式(2)所示：

本方法是通过控制车辆的前轮转角来实现路径跟踪的目的，并且认为车辆保持匀速状态行驶，所以只需要考虑车辆的侧向运动，根据牛顿第二定律与力矩平衡关系，可得到如式(3)所示的二自由度车辆动力学模型：

式中v_x为车辆质心处的纵向速度，单位m/s；F_yf为车辆前轮侧向力，单位N；F_yr为车辆后轮侧向力，单位N；m为车辆的质量，单位kg；I_z为车辆绕z轴的转动惯量，单位kg·m²；a为车辆质心o到车辆前轴的距离，单位m；b为车辆质心o到车辆后轴的距离，单位m；δ_f为车辆前轮转角，单位rad；

车辆实际的前轮转角δ_f通常也很小，可以近似认为：cosδ_f≈1，sinδ_f≈0，因此对式(3)进行简化，简化后的二自由度车辆动力学模型如式(4)所示：

车辆侧向轮胎力未达到饱和时，车辆侧向轮胎力F_y与轮胎侧偏角α可近似看作呈线性关系如式(5)所示：

式中C_f为车辆前轮的轮胎侧偏刚度，单位N·rad；C_r为车辆后轮的轮胎侧偏刚度，单位N·rad；α_f为车辆前轮的轮胎侧偏角，单位rad；α_r为车辆后轮的轮胎侧偏角，单位rad；

在车辆坐标系下，前轮的轮胎侧偏角α_f和后轮的轮胎侧偏角α_r有如式(6)的关系：

结合式(4)、式(5)和式(6)，整理可得二自由度车辆动力学模型如式(7)所示：

步骤二、建立车辆自动驾驶控制器：

根据车辆运动的特点，建立能够使车辆按照一定轨迹行驶的车辆自动驾驶控制器，车辆的运动服从阿克曼几何关系，车辆轨迹曲率与前轮转角成正比：

其中，δ_a为车辆自动驾驶控制器决策出的当前时刻前轮转角，单位rad；L为轴距，单位m；v_ax为大地坐标系下车辆纵向速度，单位m/s；R为车辆转弯半径，单位m；a_ay为车辆大地坐标系下的横向加速度，单位m/s²；

假设车辆始终沿着道路中心线行驶，道路中心线的方程为f(t),道路中心线f(t)在X方向的坐标是函数x(t)，道路中心线f(t)在Y方向的坐标是函数y(t)；设在瞬时t_o车辆在Y方向的坐标为y_ao、车辆在Y方向的加速度为a_ayo、在Y方向的速度为v_ayo以及车辆的合速度为v_ao，当前位置在X方向坐标为x(t_o)；假设车辆自动驾驶控制器感知到车辆前方道路上的某一点，该点定义为预视点，车辆质心o与该预视点在X方向的距离定义为预视距离d，对应于预视距离d有预视时间T，预视时间T表示的是车辆从当前位置行驶到该预视点所需要的时间，则预视时间车辆自动驾驶控制器感知到的预视点在X方向坐标为x(t_o+T)，车辆自动驾驶控制器此时选择一个前轮转角使车辆能够使在经过时间T后到达预视点，该前轮转角对应的车辆的轨迹曲率为这样经过时间T之后，在时刻t_o+T车辆的横向位移y_a为：

根据最小误差原则，车辆自动驾驶控制器总是希望选择一个车辆的最优的轨迹曲率记为使得车辆在T时间内走过距离d到达x(t_o+T)后，其预视点在Y方向的坐标y_a与x(t_o+T)处的中心线轨道在Y方向的坐标y(t_o+T)相一致，由式(9)以及运动学原理求得车辆在Y方向的最优加速度为和车辆的最优的轨迹曲率为：

将车辆最优的轨迹曲率带入式(8)则可得到车辆自动驾驶控制器决策出的当前时刻前轮转角δ_a为：

步骤三、建立人车共驾系统模型：

驾驶员与车辆自动驾驶控制器共同驾驶车辆为人车共驾系统，步骤三通过建立人车共驾系统模型对人车共驾系统进行描述，由步骤二建立的车辆自动驾驶控制器决策出的当前时刻前轮转角δ_a,驾驶员决策出的当前时刻前轮转角δ_h，通过求解出当前时刻的驾驶权重ε后再按照式(12)给出的比例关系进行分配：

δ_f＝εδ_h+(1-ε)δ_a (12)

式中δ_a为车辆自动驾驶控制器决策出的当前时刻前轮转角，单位rad；δ_h为驾驶员决策出的当前时刻前轮转角，单位rad；

求解出当前时刻的驾驶权重ε后，车辆自动驾驶控制器决策出的当前时刻前轮转角δ_a和驾驶员决策出的当前时刻前轮转角δ_h再根据式(12)给出的比例关系进行分配得到当前时刻最终的前轮转角δ_f作为当前时刻最终的前轮转角控制量；

结合式(2)、式(7)、式(11)和式(12)，由于侧向车速相对于纵向车速较小可以近似看作v≈v_x，整理可得人车共驾系统模型如式(13)：

其中，f(t+T)为t+T时刻的道路中心线的方程；

该人车共驾系统模型选取车辆质心o的侧向位移y_o作为人车共驾系统模型的输出，同时选取驾驶权重ε作为人车共驾系统模型的控制输入，选取状态向量x＝[y_o ψ β r]^T，人车共驾系统模型可被描述成如式(14)所示的状态空间形式：

其中A为系统矩阵，表示系统内部状态变量的关系；B为控制矩阵，表示输入变量如何控制状态变量；C为输出矩阵，表示输出变量如何反映状态；E为常数项矩阵；各个矩阵表达式如下：

C＝[1 0 0 0]；

步骤四、采用模型预测方法进行人车共驾系统控制器设计：

以步骤三中的人车共驾系统模型作为人车共驾系统控制器设计的预测模型，驾驶权重ε作为人车共驾系统控制器的控制输入，设k为当前时刻，认为车辆在预测时域内速度保持不变，且认为驾驶员决策出的当前时刻前轮转角δ_h在预测时域内同样保持不变，将式(14)的人车共驾系统模型进行离散化得到式(15)：

式中T_s为采样时间，单位s；

人车共驾系统控制器采用的模型预测方法中预测时域为P，控制时域为N，且满足N≤P，控制时域之外的人车共驾系统控制器的控制输入保持不变，通过式(15)可以推导出人车共驾系统控制器状态预测方程如式(16)：

推导出人车共驾系统控制器输出预测方程如式(17)：

同时定义预测时域P内每一时刻人车共驾系统控制器控制输入ε的序列U_ε(k)、预测时域P内驾驶员决策出的每一时刻前轮转角δ_h的序列R(k)、预测时域P内车辆自动驾驶控制器决策出的每一时刻前轮转角δ_a的序列U_a(k)、预测时域P内每一时刻控制输出y_o的序列U_y(k)、预测时域P内每一时刻道路中心线横向坐标y的序列R_y(k)和预测时域P内车辆自动驾驶控制器决策出的每一时刻前轮转角和驾驶员决策出的每一时刻前轮转角按照比例分配得到的预测时域P内每一时刻最终的前轮转角δ_f的序列U(k)，如式(18)：

式中δ_h(k+i)为k+i时刻的驾驶员决策出的前轮转角，单位rad；δ_f(k+i)为预测时域内k+i时刻车辆自动驾驶控制器决策出的前轮转角和预测时域内驾驶员决策出的前轮转角按照式(12)分配得到的最终的前轮转角，即为人车共驾系统控制器实际控制车辆的前轮转角，单位rad；x(k+i)为k+i时刻的人车共驾系统控制器的状态向量；y_o(k+i)为k+i时刻的人车共驾系统控制器的输出，即车辆质心的侧向位置，单位m；y(k+i),i＝1,…,P为期望道路区域中心线f(t)在Y方向坐标离散量，离散间隔为v_ax·T_s，单位m；式中，i＝1,2,3…P；

人车共驾系统控制器的控制目标是一方面让驾驶员感受到车辆按照自己的驾驶意图行驶，通过跟踪驾驶员决策出的前轮转角实现，如式(19)：

J₁＝‖(U(k)-R(k))‖² (19)

另一方面使车辆发生危险的概率最小，通过跟踪道路中心线实现，如式(20)：

J₂＝‖(U_y(k)-R_y(k))‖² (20)

同时为了保证车辆转向的平顺性，应该使人车共驾系统控制器的控制量即车辆前轮转角尽可能的小，如式(21)：

J₃＝‖(U(k)‖² (21)

引入权重矩阵Γ_h、Γ_y和Γ_u对J₁、J₂和J₃三个优化目标的权重进行调整，人车共驾系统控制器的优化目标如式(22)：

本方法中道路边界可以通过车辆的感知系统实时获得，且车辆必须在道路边界内行驶，即车辆坐标不超出道路边界，通过对车辆侧向位置约束简化考虑，道路加上车辆一半的宽度可以得到车辆前轴质心的道路边界约束和车辆后轴质心的道路边界约束，式中l_f(ψ+β)表示车辆当前质心侧偏角与横摆角所造成的前轴端点的侧向位移量，l_r(ψ+β)表示车辆当前质心侧偏角与横摆角所造成的后轴端点的侧向位移量，车辆侧向位置约束满足如下式(23)的不等式关系：

式中f_l(x)为通过车辆的感知系统实时获得的前方可行道路区域的左边界；f_r(x)为通过车辆的感知系统实时获得的前方可行道路区域的右边界；w为车辆宽度，单位m；l_f为车辆质心o到车辆前端点的距离，单位m；l_r为车辆质心o到车辆后端点的距离，单位m；

人车共驾系统控制器必须满足系统约束如式(24)：

式中C_ψ＝[0 1 0 0],C_β＝[0 0 1 0]；f_l(k+i)为预测时域内前方可行道路区域左边界线f_l(x)在时刻k+i的采样值，单位m；f_r(k+i)则为预测时域内前方可行道路区域右边界线f_r(x)在时刻k+i的采样值，单位m；

步骤五、进行驾驶权分配并计算控制量完成控制：

根据步骤四中优化求解出的预测时域P内每一时刻控制输入ε的序列U_ε(k)、预测时域内车辆自动驾驶控制器的决策出的每一时刻前轮转角δ_a的序列U_a(k)和预测时域内驾驶员决策出的每一时刻前轮转角δ_h的序列R(k)，取U_ε(k)中的第一个量作为驾驶权重，取预测时域内车辆自动驾驶控制器决策出的每一时刻前轮转角δ_a的序列U_a(k)中的第一个量作为车辆自动驾驶控制器决策出的当前时刻前轮转角，取预测时域内驾驶员决策出的每一时刻前轮转角δ_h的序列R(k)中的第一个量作为驾驶员决策出的当前时刻前轮转角，根据式(12)求得当前时刻最终的前轮转角如式(25)：

δ_f＝U_ε(1)·R(1)+(1-U_ε(1))·U_a(1) (25)

当前时刻最终的前轮转角δ_f作为最终控制量传给车辆，车辆通过相应的执行机构执行控制量δ_f，实现驾驶员与车辆自动驾驶控制器协同控制车辆转向的过程。

本发明的有益效果为：

1.本发明提出了一种基于驾驶权分配的人机协同转向方案，在车辆自动驾驶控制器和驾驶员共同驾驶汽车的情况下，能够在线实时分配车辆自动驾驶控制器与驾驶员的转向驾驶权，实现车辆自动驾驶控制器和驾驶员共同完成车辆转向操作；

2.本发明运用了模型预测控制方法进行车辆自动驾驶控制器与驾驶员的转向驾驶权优化分配；

3.本发明在车辆不发生危险的情况下，能够在车辆自动驾驶控制器和驾驶员共同驾驶车辆的过程中，使车辆运动能尽可能满足驾驶员驾驶意图。

附图说明：

图1为本发明所述的一种考虑驾驶权实时分配的人车协同转向控制方法的流程简图；

图2为本发明所述的一种考虑驾驶权实时分配的人车协同转向控制方法建立的车辆运动学模型示意图；

图3为本发明所述的一种考虑驾驶权实时分配的人车协同转向控制方法建立的二自由度车辆动力学模型示意图；

图4为本发明所述的一种考虑驾驶权实时分配的人车协同转向控制方法中车辆自动驾驶控制器示意图；

图5为本发明所述的一种考虑驾驶权实时分配的人车协同转向控制方法的实现过程示意图；

具体实施方式：

下面结合附图对本发明进行详细说明：

本发明提出一种在线实时分配驾驶员和车辆自动驾驶控制器之间驾驶权的方法，如图1所示，具体实施步骤如下：

步骤一、建立车辆动力学模型与车辆运动学模型：

建立大地坐标系：原点O固结于地面，X轴通常与车辆初始运动方向重合，X沿逆时针方向旋转90度为Y轴的正方向；

建立车辆坐标系：以车辆动力学模型中车辆质心o为坐标原点，沿着车辆前进的方向为x轴的正方向，x轴沿逆时针方向旋转90度为y轴的正方向建立坐标系；

用车辆运动学模型表征车辆的操纵稳定性与车辆的侧向运动的关系，并用二自由度车辆动力学模型表征车辆的操纵稳定性和车辆的横摆运动之间的关系，具体过程如下：

图2为车辆运动学模型示意图，假定车辆是一个刚性体，车辆装置着四个不会发生形变的车轮，并以车辆前轮作为转向轮，根据车辆运动学方程以及车辆运动的几何关系得到车辆的运动学模型如式(1)所示：

式中x_o为车辆质心o的纵向位移，单位m；y_o为车辆质心o的侧向位移，单位m；v为车辆质心的速度，单位m/s；r为车辆的横摆角速度，单位rad/s；ψ为车辆的航向角，单位rad；β为车辆的质心侧偏角，单位rad；

考虑到实际道路的曲率通常很小，车辆在这段实际道路区域内行驶时航向角ψ同样可以认为是很小的，且实际上车辆的质心侧偏角β变化范围也很小，所以有：sin(ψ+β)≈ψ+β，cos(ψ+β)≈1，结合式(1)可以得到简化的车辆运动学模型，如式(2)所示：

图3为二自由度车辆动力学模型示意图，本方法是通过控制车辆的前轮转角来实现路径跟踪的目的，并且认为车辆保持匀速状态行驶，所以只需要考虑车辆的侧向运动，根据牛顿第二定律与力矩平衡关系，可得到如式(3)所示的二自由度车辆动力学模型：

式中v_x为车辆质心处的纵向速度，单位m/s；F_yf为车辆前轮侧向力，单位N；F_yr为车辆后轮侧向力，单位N；m为车辆的质量，单位kg；I_z为车辆绕z轴的转动惯量，单位kg·m²；a为车辆质心o到车辆前轴的距离，单位m；b为车辆质心o到车辆后轴的距离，单位m；δ_f为车辆前轮转角，单位rad；

车辆实际的前轮转角δ_f通常也很小，可以近似认为：cosδ_f≈1，sinδ_f≈0，因此对式(3)进行简化，简化后的二自由度车辆动力学模型如式(4)所示：

车辆侧向轮胎力未达到饱和时，车辆侧向轮胎力F_y与轮胎侧偏角α可近似看作呈线性关系如式(5)所示：

式中C_f为车辆前轮的轮胎侧偏刚度，单位N·rad；C_r为车辆后轮的轮胎侧偏刚度，单位N·rad；α_f为车辆前轮的轮胎侧偏角，单位rad；α_r为车辆后轮的轮胎侧偏角，单位rad；

在车辆坐标系下，根据图3所示的几何关系，前轮的轮胎侧偏角α_f和后轮的轮胎侧偏角α_r有如式(6)的关系：

结合式(4)、式(5)和式(6)，整理可得二自由度车辆动力学模型如式(7)所示：

步骤二、建立车辆自动驾驶控制器：

根据车辆运动的特点，建立能够使车辆按照一定轨迹行驶的车辆自动驾驶控制器，其运动示意图如图4，车辆的运动服从阿克曼几何关系，车辆轨迹曲率与前轮转角成正比：

其中，δ_a为车辆自动驾驶控制器决策出的当前时刻前轮转角，单位rad；L为轴距，单位m；v_ax为大地坐标系下车辆纵向速度，单位m/s；R为车辆转弯半径，单位m；a_ay为车辆大地坐标系下的横向加速度，单位m/s²；

假设车辆始终沿着道路中心线行驶，道路中心线的方程为f(t),道路中心线f(t)在X方向的坐标是函数x(t)，道路中心线f(t)在Y方向的坐标是函数y(t)；设在瞬时t_o车辆在Y方向的坐标为y_ao、车辆在Y方向的加速度为a_ayo、在Y方向的速度为v_ayo以及车辆的合速度为v_ao，当前位置在X方向坐标为x(t_o)；假设车辆自动驾驶控制器感知到车辆前方道路上的某一点，该点定义为预视点，车辆质心o与该预视点在X方向的距离定义为预视距离d，对应于预视距离d有预视时间T，预视时间T表示的是车辆从当前位置行驶到该预视点所需要的时间，则预视时间车辆自动驾驶控制器感知到的预视点在X方向坐标为x(t_o+T)，车辆自动驾驶控制器此时选择一个前轮转角使车辆能够使在经过时间T后到达预视点，该前轮转角对应的车辆的轨迹曲率为这样经过时间T之后，在时刻t_o+T车辆的横向位移y_a为：

根据最小误差原则，车辆自动驾驶控制器总是希望选择一个车辆的最优的轨迹曲率记为使得车辆在T时间内走过距离d到达x(t_o+T)后，其预视点在Y方向的坐标y_a与x(t_o+T)处的中心线轨道在Y方向的坐标y(t_o+T)相一致，由式(9)以及运动学原理求得车辆在Y方向的最优加速度为和车辆的最优的轨迹曲率为：

将车辆最优的轨迹曲率带入式(8)则可得到车辆自动驾驶控制器决策出的当前时刻前轮转角δ_a为：

步骤三、建立人车共驾系统模型：

系统的控制方案如图5所示，驾驶员与车辆自动驾驶控制器共同驾驶车辆为人车共驾系统，步骤三通过建立人车共驾系统模型对人车共驾系统进行描述，由步骤二建立的车辆自动驾驶控制器决策出的当前时刻前轮转角δ_a,驾驶员决策出的当前时刻前轮转角δ_h，通过求解出当前时刻的驾驶权重ε后再按照式(12)给出的比例关系进行分配：

δ_f＝εδ_h+(1-ε)δ_a (12)

式中δ_a为车辆自动驾驶控制器决策出的当前时刻前轮转角，单位rad；δ_h为驾驶员决策出的当前时刻前轮转角，单位rad；

求解出当前时刻的驾驶权重ε后，车辆自动驾驶控制器决策出的当前时刻前轮转角δ_a和驾驶员决策出的当前时刻前轮转角δ_h再根据式(12)给出的比例关系进行分配得到当前时刻最终的前轮转角δ_f作为当前时刻最终的前轮转角控制量；

结合式(2)、式(7)、式(11)和式(12)，由于侧向车速相对于纵向车速较小可以近似看作v≈v_x，整理可得人车共驾系统模型如式(13)：

其中，f(t+T)为t+T时刻的道路中心线的方程；

该人车共驾系统模型选取车辆质心o的侧向位移y_o作为人车共驾系统模型的输出，同时选取驾驶权重ε作为人车共驾系统模型的控制输入，选取状态向量x＝[y_o ψ β r]^T，人车共驾系统模型可被描述成如式(14)所示的状态空间形式：

其中A为系统矩阵，表示系统内部状态变量的关系；B为控制矩阵，表示输入变量如何控制状态变量；C为输出矩阵，表示输出变量如何反映状态；E为常数项矩阵；各个矩阵表达式如下：

C＝[1 0 0 0]；

步骤四、采用模型预测方法进行人车共驾系统控制器设计：

以步骤三中的人车共驾系统模型作为人车共驾系统控制器设计的预测模型，驾驶权重ε作为人车共驾系统控制器的控制输入，设k为当前时刻，认为车辆在预测时域内速度保持不变，且认为驾驶员决策出的当前时刻前轮转角δ_h在预测时域内同样保持不变，将式(14)的人车共驾系统模型进行离散化得到式(15)：

式中T_s为采样时间，单位s；

人车共驾系统控制器采用的模型预测方法中预测时域为P，控制时域为N，且满足N≤P，控制时域之外的人车共驾系统控制器的控制输入保持不变，通过式(15)可以推导出人车共驾系统控制器状态预测方程如式(16)：

推导出人车共驾系统控制器输出预测方程如式(17)：

同时定义预测时域P内每一时刻人车共驾系统控制器控制输入ε的序列U_ε(k)、预测时域P内驾驶员决策出的每一时刻前轮转角δ_h的序列R(k)、预测时域P内车辆自动驾驶控制器决策出的每一时刻前轮转角δ_a的序列U_a(k)、预测时域P内每一时刻控制输出y_o的序列U_y(k)、预测时域P内每一时刻道路中心线横向坐标y的序列R_y(k)和预测时域P内车辆自动驾驶控制器决策出的每一时刻前轮转角和驾驶员决策出的每一时刻前轮转角按照比例分配得到的预测时域P内每一时刻最终的前轮转角δ_f的序列U(k)，如式(18)：

式中δ_h(k+i)为k+i时刻的驾驶员决策出的前轮转角，单位rad；δ_f(k+i)为预测时域内k+i时刻车辆自动驾驶控制器决策出的前轮转角和预测时域内驾驶员决策出的前轮转角按照式(12)分配得到的最终的前轮转角，即为人车共驾系统控制器实际控制车辆的前轮转角，单位rad；x(k+i)为k+i时刻的人车共驾系统控制器的状态向量；y_o(k+i)为k+i时刻的人车共驾系统控制器的输出，即车辆质心的侧向位置，单位m；y(k+i),i＝1,…,P为期望道路区域中心线f(t)在Y方向坐标离散量，离散间隔为v_ax·T_s，单位m；式中，i＝1,2,3…P；

人车共驾系统控制器的控制目标是一方面让驾驶员感受到车辆按照自己的驾驶意图行驶，通过跟踪驾驶员决策出的前轮转角实现，如式(19)：

J₁＝‖(U(k)-R(k))‖² (19)

另一方面使车辆发生危险的概率最小，通过跟踪道路中心线实现，如式(20)：

J₂＝‖(U_y(k)-R_y(k))‖² (20)

同时为了保证车辆转向的平顺性，应该使人车共驾系统控制器的控制量即车辆前轮转角尽可能的小，如式(21)：

J₃＝‖(U(k)‖² (21)

引入权重矩阵Γ_h、Γ_y和Γ_u对J₁、J₂和J₃三个优化目标的权重进行调整，人车共驾系统控制器的优化目标如式(22)：

本方法中道路边界可以通过车辆的感知系统实时获得，且车辆必须在道路边界内行驶，即车辆坐标不超出道路边界，通过对车辆侧向位置约束简化考虑，道路加上车辆一半的宽度可以得到车辆前轴质心的道路边界约束和车辆后轴质心的道路边界约束，式中l_f(ψ+β)表示车辆当前质心侧偏角与横摆角所造成的前轴端点的侧向位移量，l_r(ψ+β)表示车辆当前质心侧偏角与横摆角所造成的后轴端点的侧向位移量，车辆侧向位置约束满足如下式(23)的不等式关系：

式中f_l(x)为通过车辆的感知系统实时获得的前方可行道路区域的左边界；f_r(x)为通过车辆的感知系统实时获得的前方可行道路区域的右边界；w为车辆宽度，单位m；l_f为车辆质心o到车辆前端点的距离，单位m；l_r为车辆质心o到车辆后端点的距离，单位m；

人车共驾系统控制器必须满足系统约束如式(24)：

式中C_ψ＝[0 1 0 0],C_β＝[0 0 1 0]；f_l(k+i)为预测时域内前方可行道路区域左边界线f_l(x)在时刻k+i的采样值，单位m；f_r(k+i)则为预测时域内前方可行道路区域右边界线f_r(x)在时刻k+i的采样值，单位m；

步骤五、进行驾驶权分配并计算控制量完成控制：

根据步骤四中优化求解出的预测时域P内每一时刻控制输入ε的序列U_ε(k)、预测时域内车辆自动驾驶控制器的决策出的每一时刻前轮转角δ_a的序列U_a(k)和预测时域内驾驶员决策出的每一时刻前轮转角δ_h的序列R(k)，取U_ε(k)中的第一个量作为驾驶权重，取预测时域内车辆自动驾驶控制器决策出的每一时刻前轮转角δ_a的序列U_a(k)中的第一个量作为车辆自动驾驶控制器决策出的当前时刻前轮转角，取预测时域内驾驶员决策出的每一时刻前轮转角δ_h的序列R(k)中的第一个量作为驾驶员决策出的当前时刻前轮转角，根据式(12)求得当前时刻最终的前轮转角如式(25)：

δ_f＝U_ε(1)·R(1)+(1-U_ε(1))·U_a(1) (25)

当前时刻最终的前轮转角δ_f作为最终控制量传给车辆，车辆通过相应的执行机构执行控制量δ_f，实现驾驶员与车辆自动驾驶控制器协同控制车辆转向的过程。

Claims (1)

1.一种考虑驾驶权实时分配的人车协同转向控制方法，基于一种驾驶员和车辆自动驾驶控制器共同配合完成车辆转向控制的驾驶模式，该种模式下当驾驶员的驾驶行为不出现错误时，车辆自动驾驶控制器能够按照一定的比例帮助驾驶员分担一部分转向任务，减轻驾驶员负担，在驾驶员驾驶行为出现错误时，将驾驶员的驾驶权重减小甚至减少至零，由车辆自动驾驶控制器独立控制转向，其特征在于，本方法具体步骤如下：

步骤一、建立车辆动力学模型与车辆运动学模型：

建立大地坐标系：原点O固结于地面，X轴通常与车辆初始运动方向重合，X沿逆时针方向旋转90度为Y轴的正方向；

建立车辆坐标系：以车辆动力学模型中车辆质心o为坐标原点，沿着车辆前进的方向为x轴的正方向，x轴沿逆时针方向旋转90度为y轴的正方向建立坐标系；

用车辆运动学模型表征车辆的操纵稳定性与车辆的侧向运动的关系，并用二自由度车辆动力学模型表征车辆的操纵稳定性和车辆的横摆运动之间的关系，具体过程如下：

假定车辆是一个刚性体，车辆装置着四个不会发生形变的车轮，并以车辆前轮作为转向轮，根据车辆运动学方程以及车辆运动的几何关系得到车辆的运动学模型如式(1)所示：

式中xo为车辆质心o的纵向位移，单位m；yo为车辆质心o的侧向位移，单位m；v为车辆质心的速度，单位m/s；r为车辆的横摆角速度，单位rad/s；ψ为车辆的航向角，单位rad；β为车辆的质心侧偏角，单位rad；

考虑到实际道路的曲率通常很小，车辆在这段实际道路区域内行驶时航向角ψ同样可以认为是很小的，且实际上车辆的质心侧偏角β变化范围也很小，所以有：sin(ψ+β)≈ψ+β，cos(ψ+β)≈1，结合式(1)可以得到简化的车辆运动学模型，如式(2)所示：

本方法是通过控制车辆的前轮转角来实现路径跟踪的目的，并且认为车辆保持匀速状态行驶，所以只需要考虑车辆的侧向运动，根据牛顿第二定律与力矩平衡关系，可得到如式(3)所示的二自由度车辆动力学模型：

式中v_x为车辆质心处的纵向速度，单位m/s；F_yf为车辆前轮侧向力，单位N；F_yr为车辆后轮侧向力，单位N；m为车辆的质量，单位kg；I_z为车辆绕z轴的转动惯量，单位kg·m²；a为车辆质心o到车辆前轴的距离，单位m；b为车辆质心o到车辆后轴的距离，单位m；δ_f为车辆前轮转角，单位rad；

车辆实际的前轮转角δ_f通常也很小，可以近似认为：cosδ_f≈1，sinδ_f≈0，因此对式(3)进行简化，简化后的二自由度车辆动力学模型如式(4)所示：

车辆侧向轮胎力未达到饱和时，车辆侧向轮胎力F_y与轮胎侧偏角α可近似看作呈线性关系如式(5)所示：

式中C_f为车辆前轮的轮胎侧偏刚度，单位N·rad；C_r为车辆后轮的轮胎侧偏刚度，单位N·rad；α_f为车辆前轮的轮胎侧偏角，单位rad；α_r为车辆后轮的轮胎侧偏角，单位rad；

在车辆坐标系下，前轮的轮胎侧偏角α_f和后轮的轮胎侧偏角α_r有如式(6)的关系：

结合式(4)、式(5)和式(6)，整理可得二自由度车辆动力学模型如式(7)所示：

步骤二、建立车辆自动驾驶控制器：

根据车辆运动的特点，建立能够使车辆按照一定轨迹行驶的车辆自动驾驶控制器，车辆的运动服从阿克曼几何关系，车辆轨迹曲率与前轮转角成正比：

其中，δ_a为车辆自动驾驶控制器决策出的当前时刻前轮转角，单位rad；L为轴距，单位m；v_ax为大地坐标系下车辆纵向速度，单位m/s；R为车辆转弯半径，单位m；a_ay为车辆大地坐标系下的横向加速度，单位m/s²；

假设车辆始终沿着道路中心线行驶，道路中心线的方程为f(t),道路中心线f(t)在X方向的坐标是函数x(t)，道路中心线f(t)在Y方向的坐标是函数y(t)；设在瞬时t_o车辆在Y方向的坐标为y_ao、车辆在Y方向的加速度为a_ayo、在Y方向的速度为v_ayo以及车辆的合速度为v_ao，当前位置在X方向坐标为x(t_o)；假设车辆自动驾驶控制器感知到车辆前方道路上的某一点，该点定义为预视点，车辆质心o与该预视点在X方向的距离定义为预视距离d，对应于预视距离d有预视时间T，预视时间T表示的是车辆从当前位置行驶到该预视点所需要的时间，则预视时间车辆自动驾驶控制器感知到的预视点在X方向坐标为x(to+T)，车辆自动驾驶控制器此时选择一个前轮转角使车辆能够使在经过时间T后到达预视点，该前轮转角对应的车辆的轨迹曲率为这样经过时间T之后，在时刻t_o+T车辆的横向位移y_a为：

根据最小误差原则，车辆自动驾驶控制器总是希望选择一个车辆的最优的轨迹曲率记为使得车辆在T时间内走过距离d到达x(t_o+T)后，其预视点在Y方向的坐标y_a与x(t_o+T)处的中心线轨道在Y方向的坐标y(t_o+T)相一致，由式(9)以及运动学原理求得车辆在Y方向的最优加速度为和车辆的最优的轨迹曲率为：

将车辆最优的轨迹曲率带入式(8)则可得到车辆自动驾驶控制器决策出的当前时刻前轮转角δ_a为：

步骤三、建立人车共驾系统模型：

驾驶员与车辆自动驾驶控制器共同驾驶车辆为人车共驾系统，步骤三通过建立人车共驾系统模型对人车共驾系统进行描述，由步骤二建立的车辆自动驾驶控制器决策出的当前时刻前轮转角δ_a,驾驶员决策出的当前时刻前轮转角δ_h，通过求解出当前时刻的驾驶权重ε后再按照式(12)给出的比例关系进行分配：

δ_f＝εδ_h+(1-ε)δ_a (12)

式中δ_a为车辆自动驾驶控制器决策出的当前时刻前轮转角，单位rad；δ_h为驾驶员决策出的当前时刻前轮转角，单位rad；

求解出当前时刻的驾驶权重ε后，车辆自动驾驶控制器决策出的当前时刻前轮转角δ_a和驾驶员决策出的当前时刻前轮转角δ_h再根据式(12)给出的比例关系进行分配得到当前时刻最终的前轮转角δf作为当前时刻最终的前轮转角控制量；

结合式(2)、式(7)、式(11)和式(12)，由于侧向车速相对于纵向车速较小可以近似看作v≈v_x，整理可得人车共驾系统模型如式(13)：

其中，f(t+T)为t+T时刻的道路中心线的方程；

该人车共驾系统模型选取车辆质心o的侧向位移yo作为人车共驾系统模型的输出，同时选取驾驶权重ε作为人车共驾系统模型的控制输入，选取状态向量x＝[y_o ψ β r]^T，人车共驾系统模型可被描述成如式(14)所示的状态空间形式：

其中A为系统矩阵，表示系统内部状态变量的关系；B为控制矩阵，表示输入变量如何控制状态变量；C为输出矩阵，表示输出变量如何反映状态；E为常数项矩阵；各个矩阵表达式如下：

C＝[1 0 0 0]；

步骤四、采用模型预测方法进行人车共驾系统控制器设计：

以步骤三中的人车共驾系统模型作为人车共驾系统控制器设计的预测模型，驾驶权重ε作为人车共驾系统控制器的控制输入，设k为当前时刻，认为车辆在预测时域内速度保持不变，且认为驾驶员决策出的当前时刻前轮转角δ_h在预测时域内同样保持不变，将式(14)的人车共驾系统模型进行离散化得到式(15)：

式中C_c＝C,E_c＝E，T_s为采样时间，单位s；

人车共驾系统控制器采用的模型预测方法中预测时域为P，控制时域为N，且满足N≤P，控制时域之外的人车共驾系统控制器的控制输入保持不变，通过式(15)可以推导出人车共驾系统控制器状态预测方程如式(16)：

推导出人车共驾系统控制器输出预测方程如式(17)：

同时定义预测时域P内每一时刻人车共驾系统控制器控制输入ε的序列U_ε(k)、预测时域P内驾驶员决策出的每一时刻前轮转角δ_h的序列R(k)、预测时域P内车辆自动驾驶控制器决策出的每一时刻前轮转角δ_a的序列U_a(k)、预测时域P内每一时刻控制输出yo的序列U_y(k)、预测时域P内每一时刻道路中心线横向坐标y的序列R_y(k)和预测时域P内车辆自动驾驶控制器决策出的每一时刻前轮转角和驾驶员决策出的每一时刻前轮转角按照比例分配得到的预测时域P内每一时刻最终的前轮转角δf的序列U(k)，如式(18)：

式中δ_h(k+i)为k+i时刻的驾驶员决策出的前轮转角，单位rad；δf(k+i)为预测时域内k+i时刻车辆自动驾驶控制器决策出的前轮转角和预测时域内驾驶员决策出的前轮转角按照式(12)分配得到的最终的前轮转角，即为人车共驾系统控制器实际控制车辆的前轮转角，单位rad；x(k+i)为k+i时刻的人车共驾系统控制器的状态向量；yo(k+i)为k+i时刻的人车共驾系统控制器的输出，即车辆质心的侧向位置，单位m；y(k+i),i＝1,…,P为期望道路区域中心线f(t)在Y方向坐标离散量，离散间隔为v_ax·T_s，单位m；式中，i＝1,2,3…P；

人车共驾系统控制器的控制目标是一方面让驾驶员感受到车辆按照自己的驾驶意图行驶，通过跟踪驾驶员决策出的前轮转角实现，如式(19)：

J₁＝‖(U(k)-R(k))‖² (19)

另一方面使车辆发生危险的概率最小，通过跟踪道路中心线实现，如式(20)：

J₂＝‖(U_y(k)-R_y(k))‖² (20)

同时为了保证车辆转向的平顺性，应该使人车共驾系统控制器的控制量即车辆前轮转角尽可能的小，如式(21)：

J₃＝‖(U(k)‖² (21)

引入权重矩阵Γ_h、Γ_y和Γ_u对J₁、J₂和J₃三个优化目标的权重进行调整，人车共驾系统控制器的优化目标如式(22)：

本方法中道路边界可以通过车辆的感知系统实时获得，且车辆必须在道路边界内行驶，即车辆坐标不超出道路边界，通过对车辆侧向位置约束简化考虑，道路加上车辆一半的宽度可以得到车辆前轴质心的道路边界约束和车辆后轴质心的道路边界约束，式中lf(ψ+β)表示车辆当前质心侧偏角与横摆角所造成的前轴端点的侧向位移量，l_r(ψ+β)表示车辆当前质心侧偏角与横摆角所造成的后轴端点的侧向位移量，车辆侧向位置约束满足如下式(23)的不等式关系：

式中f_l(x)为通过车辆的感知系统实时获得的前方可行道路区域的左边界；f_r(x)为通过车辆的感知系统实时获得的前方可行道路区域的右边界；w为车辆宽度，单位m；lf为车辆质心o到车辆前端点的距离，单位m；l_r为车辆质心o到车辆后端点的距离，单位m；

人车共驾系统控制器必须满足系统约束如式(24)：

式中C_ψ＝[0 1 0 0],C_β＝[0 0 1 0]；f_l(k+i)为预测时域内前方可行道路区域左边界线f_l(x)在时刻k+i的采样值，单位m；f_r(k+i)则为预测时域内前方可行道路区域右边界线f_r(x)在时刻k+i的采样值，单位m；

步骤五、进行驾驶权分配并计算控制量完成控制：

根据步骤四中优化求解出的预测时域P内每一时刻控制输入ε的序列U_ε(k)、预测时域内车辆自动驾驶控制器的决策出的每一时刻前轮转角δ_a的序列U_a(k)和预测时域内驾驶员决策出的每一时刻前轮转角δ_h的序列R(k)，取U_ε(k)中的第一个量作为驾驶权重，取预测时域内车辆自动驾驶控制器决策出的每一时刻前轮转角δ_a的序列U_a(k)中的第一个量作为车辆自动驾驶控制器决策出的当前时刻前轮转角，取预测时域内驾驶员决策出的每一时刻前轮转角δ_h的序列R(k)中的第一个量作为驾驶员决策出的当前时刻前轮转角，根据式(12)求得当前时刻最终的前轮转角如式(25)：

δ_f＝U_ε(1)·R(1)+(1-U_ε(1))·U_a(1) (25)

当前时刻最终的前轮转角δ_f作为最终控制量传给车辆，车辆通过相应的执行机构执行控制量δ_f，实现驾驶员与车辆自动驾驶控制器协同控制车辆转向的过程。