CN108657188B - 一种驾驶员驾驶技术在线评估系统 - Google Patents

Abstract

本发明公开了一种驾驶员驾驶技术在线评估系统，包括信息检测模块、智能优化算法模块、驾驶员驾驶技术评分模块、ADAS自适应模块、ADAS系统和HUD屏幕输出模块，信息检测模块分别连接智能优化算法模块和驾驶员驾驶技术评分模块，驾驶员驾驶技术评分模块分别连接ADAS自适应模块和HUD屏幕输出模块，ADAS自适应模块连接ADAS系统，智能优化算法模块连接驾驶员驾驶技术评分模块。本发明有益效果：本发明充分发挥驾驶员自身的驾驶水平，提高ADAS系统适应驾驶员的能力，从而提高驾驶员的驾驶体验，通过采集普通驾驶工况中驾驶员输入以及车辆响应进行驾驶员驾驶水平评估，通过HUD显示评价分数，提高驾驶乐趣，集中驾驶员的驾驶注意力，减少长时间驾驶导致的疲劳等安全隐患。

Description

一种驾驶员驾驶技术在线评估系统

技术领域

本发明涉及驾驶辅助技术领域，尤其是一种驾驶员驾驶技术在线评估系统。

背景技术

ADAS高级驾驶辅助系统能够利用安装在车上的传感器，在汽车行驶过程中检测周围环境，通过数据收集、处理，进行物体的辨识、侦测与追踪，并结合ECU的运算分析对驾驶员的驾驶行为进行主动警示或辅助干预，从而增加汽车驾驶舒适性与安全性。现有ADAS主要包括车身电子稳定系统ESC、自适应巡航系统ACC、车道偏移报警系统LDW、车道保持系统LKA、前向碰撞预警系统FCW、自动紧急刹车系统AEB等。

有些ADAS，如ESC等,时刻检测车辆的行驶状态与驾驶员的驾驶行为，根据启动条件参与辅助车辆的行驶控制。然而该类ADAS系统的启动条件对所有的驾驶员一视同仁，虽然能够极大的保证所有驾驶员在操作失误以及危险工况时的安全稳定，然而有些驾驶技术比较熟练的驾驶员在部分工况下可以通过自己熟练的驾驶能力平稳安全的处理应对危险工况，对这部分驾驶员而言，这类ADAS系统大大降低他们的驾驶体验，进而影响了他们的驾驶乐趣，甚至在一些特定工况下，ADAS系统的主动干预驾驶操作反而会引起驾驶员的抗拒，从而导致更危险的情况发生。而能够进行自适应调整的ADAS系统需要对驾驶员的驾驶技术进行科学的在线评估，并基于驾驶员的驾驶水平和已知工况实时调整其干预灵敏度以及启动时机。在对驾驶员技术进行在线评估时通常需要选取合理的评价指标，否则无法科学合理的判断驾驶员的驾驶技术，无法真正的区分驾驶员之间驾驶水平的区别。现有专利大都集中于驾驶能力的评分方法，且存在驾驶员技术评价指标不合理，评价结果应用领域不清晰等问题。经过实验分析，不同水平的驾驶员对待同一工况采用的应对策略及最终结果并不相同，具体的体现在熟练的高水平驾驶员更倾向于通过尽可能少的操作，既降低轮胎的使用负荷，完成一般工况，这样就充分保留了轮胎力的使用率，从而可以应对更危险的工况。因此合理选择驾驶员的客观操作数据以及车辆的响应对驾驶技术进行在线评估是本专利的重点之一。此外，在此基础上改进的ADAS系统使车辆能够更好的实现智能化、人性化，从而达到“车适应人”的控制目标。

专利【201710456693.9】的一种驾驶行为评分方法及装置采用的是通过车联网设备获取待评分行程段对应的行驶数据；从ADAS设备获取待评分行程段对应的预警信息；根据行程数据和预警信息，确定待评分行程段对应的预警事件评分。然而该方法要求车辆通过云端或其他车辆中获得待评分路段的数据信息，受到云端服务器数据限制，且并未涉及具体的客观评价指标。专利【201510138346.2】通过各种传感器采集机动车的行驶状态信息，对机动车的行驶状态进行检测，并通过驾驶技术分析系统对所采集到的行驶状态信息进行分析，从而进行驾驶技术水平做出评估；然而其驾驶技术分析系统基于的理论依据要求驾驶员不操作或少操作车辆，不符合相关领域技术人员对驾驶的基本认知。因此，现有相关专利和研究存在评价参数和方法不合理，效果差，无法真实体现驾驶员驾驶水平的问题。

因此，对于上述问题有必要提出一种驾驶员驾驶技术在线评估系统。

发明内容

本发明目的是克服了现有技术中的不足，提供了一种驾驶员驾驶技术在线评估系统。

为了解决上述技术问题，本发明是通过以下技术方案实现：

一种驾驶员驾驶技术在线评估系统，包括信息检测模块、智能优化算法模块、驾驶员驾驶技术评分模块、ADAS自适应模块、ADAS系统和HUD屏幕输出模块，所述信息检测模块分别连接智能优化算法模块和驾驶员驾驶技术评分模块，所述驾驶员驾驶技术评分模块分别连接ADAS自适应模块和HUD屏幕输出模块，所述ADAS自适应模块连接ADAS系统，所述智能优化算法模块连接驾驶员驾驶技术评分模块。

优选地，所述信息检测模块由惯性导航GPS/INS系统，驾驶员输入传感器，环境感知传感器元件组成。

优选地，其中智能优化算法模块根据收到的环境信息，基于智能优化算法，以期望轨迹及实际轨迹误差最小以及轮胎力利用率最小等为优化目标进行优化求解，并将所求的最优解用于计算理论最优驾驶员输入，将其输入给理论动力学模型求得的车辆理论行驶状态，所得车辆理论最优行驶状态将被传输给驾驶技术评价模块。

优选地，其中驾驶员驾驶技术评分模块，将对比当前车辆行驶状态与智能优化算法模块计算所得理论最优值，根据接近程度进行加权评分，将结果输出给HUD输出模块以及ADAS自适应模块。

优选地，其中HUD输出模块为一抬头显示屏，可将驾驶技术评价模块计算所得分数显示在屏幕上，由驾驶员决定是否开启；ADAS自适应模块，根据驾驶技术评价模块计算所得分数将当前驾驶员驾驶技术归类为初学者驾驶员、一般驾驶员以及熟练驾驶员，并根据分数计算ADAS系统启动灵敏度，该灵敏度参数被输出至ADAS系统。

优选地，其中ADAS系统根据灵敏度调整其启动条件，当驾驶员为初学者驾驶员时，ADAS系统的启动条件变宽泛，更容易启动帮助驾驶员进行车辆的稳定驾驶；当驾驶员为一般驾驶员时，ADAS系统缩小其启动条件，只在车辆较为接近失稳的状态时介入；当驾驶员为熟练驾驶员时，ADAS系统启动条件最严苛，除非已经进入失稳状态，否则保持不介入或少介入状态。

优选地，进一步的通过智能优化算法模块实时计算当前车辆驾驶理论最优解，具体包括以下优化算法方式：

模型预测控制是一种多变量控制策略，相对于LQR控制而言，模型预测控制可以考虑空间状态变量的各种约束，可应用于线性和非线性系统，它的当前控制动作是在每一个采样瞬间通过求解一个有限时域开环最优控制问题而获得，当前状态作为最优控制问题的初始状态，解得的最优控制序列只实施第一个控制作用；优化目标方程为：

其中，第一项为实际路径与参考路径的误差，第二项为轮胎力利用率，第三项为控制增量，Np为预测时域，Ne为控制时域，ρ为权重系数，ε为松弛因子；

非线性规划：非线性规划是一种求解目标函数或约束条件中有一个或几个非线性函数的最优化问题的方法，控制目标为最小化实际路径与参考路径的误差以及轮胎利用率，约束为轮胎力的约束以及控制增量的约束；通过非线性规划的方法求出当前车辆状态下的最优解；还应用人工神经网络算法对同一驾驶员的驾驶数据进行记录并且训练。

优选地，其中人工神经网络算法是由众多的神经元可调的连接权值连接而成，具有大规模并行处理、分布式信息存储、良好的自组织自学习能力等特点，特别是多输入多输出控制领域具有较高的适应性，针对不同的驾驶员，系统后台记录并通过搭建的人工神经网络算法学习驾驶员的驾驶数据，使其在部分一般工况下评估的驾驶水平可扩展应用于更多工况的评估：同一驾驶员的驾驶数据越多，则针对该驾驶员在新工况下的驾驶技术的评估就越准确。

优选地，其中驾驶员输入传感器包括方向盘转角传感器，制动及油门踏板位移传感器和挡位传感器；其中环境感知传感器包括摄像头、雷达和红外线传感器。

优选地，其中辆理论行驶状态包括横向加速度、纵向加速度、行驶速度和质心侧偏角和驾驶员驾驶输入；其中车辆行驶状态包括车辆位置、速度、质心侧偏角以及轮胎力利用率。

本发明有益效果：本发明充分发挥驾驶员自身的驾驶水平，提高ADAS系统适应驾驶员的能力，从而提高驾驶员的驾驶体验，通过采集普通驾驶工况中驾驶员输入以及车辆响应进行驾驶员驾驶水平评估，评估结果适用于其它工况(包括危险极限工况)，为ADAS系统的改善提供了依据；将驾驶员的控制输入，车辆的实际运行轨迹，质心侧偏角，轮胎力利用率等反映车辆行驶状态的客观评价指标，与后台运行的智能优化算法模块计算所得的最优结果进行对比，根据二者接近程度判断驾驶员的驾驶水平，使评估标准更加合理，评价结果更加可信；在此驾驶技术评估的基础上修正ADAS系统的启动条件及介入灵密度，改进ADAS系统，能充分发挥ADAS系统的优势，提高初学者驾驶员的驾驶安全性和稳定性，并保证高水平的熟练驾驶员的驾驶体验；通过HUD显示评价分数，提高驾驶乐趣，集中驾驶员的驾驶注意力，减少长时间驾驶导致的疲劳等安全隐患。

以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明，以充分地了解本发明的目的、特征和效果。

附图说明

图1是本发明的系统示意图；

图2是本发明的智能优化算法模块示意图；

图3是本发明的驾驶员驾驶技术评分模块图；

图4是本发明的神经网络算法示意图。

具体实施方式

以下结合附图对本发明的实施例进行详细说明，但是本发明可以由权利要求限定和覆盖的多种不同方式实施。

如图1并结合图2至图4所示，一种驾驶员驾驶技术在线评估系统，包括信息检测模块、智能优化算法模块、驾驶员驾驶技术评分模块、ADAS自适应模块、ADAS系统和HUD屏幕输出模块，所述信息检测模块分别连接智能优化算法模块和驾驶员驾驶技术评分模块，所述驾驶员驾驶技术评分模块分别连接ADAS自适应模块和HUD屏幕输出模块，所述ADAS自适应模块连接ADAS系统，所述智能优化算法模块连接驾驶员驾驶技术评分模块，所述信息检测模块由惯性导航GPS/INS系统，驾驶员输入传感器，环境感知传感器元件组成。

其中智能优化算法模块根据收到的环境信息，基于智能优化算法，以期望轨迹及实际轨迹误差最小以及轮胎力利用率最小等为优化目标进行优化求解，并将所求的最优解用于计算理论最优驾驶员输入，将其输入给理论动力学模型求得的车辆理论行驶状态，所得车辆理论最优行驶状态将被传输给驾驶技术评价模块。

其中驾驶员驾驶技术评分模块，将对比当前车辆行驶状态与智能优化算法模块计算所得理论最优值，根据接近程度进行加权评分，将结果输出给HUD输出模块以及ADAS自适应模块。

其中HUD输出模块为一抬头显示屏，可将驾驶技术评价模块计算所得分数显示在屏幕上，由驾驶员决定是否开启；ADAS自适应模块，根据驾驶技术评价模块计算所得分数将当前驾驶员驾驶技术归类为初学者驾驶员、一般驾驶员以及熟练驾驶员，并根据分数计算ADAS系统启动灵敏度，该灵敏度参数被输出至ADAS系统。

其中ADAS系统根据灵敏度调整其启动条件，当驾驶员为初学者驾驶员时，ADAS系统的启动条件变宽泛，更容易启动帮助驾驶员进行车辆的稳定驾驶；当驾驶员为一般驾驶员时，ADAS系统缩小其启动条件，只在车辆较为接近失稳的状态时介入；当驾驶员为熟练驾驶员时，ADAS系统启动条件最严苛，除非已经进入失稳状态，否则保持不介入或少介入状态。

进一步的通过智能优化算法模块实时计算当前车辆驾驶理论最优解，具体包括以下优化算法方式：

模型预测控制是一种多变量控制策略，相对于LQR控制而言，模型预测控制可以考虑空间状态变量的各种约束，可应用于线性和非线性系统，它的当前控制动作是在每一个采样瞬间通过求解一个有限时域开环最优控制问题而获得，当前状态作为最优控制问题的初始状态，解得的最优控制序列只实施第一个控制作用；优化目标方程为：

其中，第一项为实际路径与参考路径的误差，第二项为轮胎力利用率，第三项为控制增量，Np为预测时域，Ne为控制时域，ρ为权重系数，ε为松弛因子；

非线性规划：非线性规划是一种求解目标函数或约束条件中有一个或几个非线性函数的最优化问题的方法，控制目标为最小化实际路径与参考路径的误差以及轮胎利用率，约束为轮胎力的约束以及控制增量的约束；通过非线性规划的方法求出当前车辆状态下的最优解；还应用人工神经网络算法对同一驾驶员的驾驶数据进行记录并且训练。

其中人工神经网络算法是由众多的神经元可调的连接权值连接而成，具有大规模并行处理、分布式信息存储、良好的自组织自学习能力等特点，特别是多输入多输出控制领域具有较高的适应性，针对不同的驾驶员，系统后台记录并通过搭建的人工神经网络算法学习驾驶员的驾驶数据，使其在部分一般工况下评估的驾驶水平可扩展应用于更多工况的评估：同一驾驶员的驾驶数据越多，则针对该驾驶员在新工况下的驾驶技术的评估就越准确。

其中驾驶员输入传感器包括方向盘转角传感器，制动及油门踏板位移传感器和挡位传感器；其中环境感知传感器包括摄像头、雷达和红外线传感器。

其中辆理论行驶状态包括横向加速度、纵向加速度、行驶速度和质心侧偏角和驾驶员驾驶输入；其中车辆行驶状态包括车辆位置、速度、质心侧偏角以及轮胎力利用率。

本发明有益效果：本发明充分发挥驾驶员自身的驾驶水平，提高ADAS系统适应驾驶员的能力，从而提高驾驶员的驾驶体验，通过采集普通驾驶工况中驾驶员输入以及车辆响应进行驾驶员驾驶水平评估，评估结果适用于其它工况(包括危险极限工况)，为ADAS系统的改善提供了依据；将驾驶员的控制输入，车辆的实际运行轨迹，质心侧偏角，轮胎力利用率等反映车辆行驶状态的客观评价指标，与后台运行的智能优化算法模块计算所得的最优结果进行对比，根据二者接近程度判断驾驶员的驾驶水平，使评估标准更加合理，评价结果更加可信；在此驾驶技术评估的基础上修正ADAS系统的启动条件及介入灵密度，改进ADAS系统，能充分发挥ADAS系统的优势，提高初学者驾驶员的驾驶安全性和稳定性，并保证高水平的熟练驾驶员的驾驶体验；通过HUD显示评价分数，提高驾驶乐趣，集中驾驶员的驾驶注意力，减少长时间驾驶导致的疲劳等安全隐患。

针对现有驾驶技术评价方法选择的评价参数不合理，难以真实反映驾驶员技术等问题，本发明通过采集正常行驶过程中车辆的行驶状态信息，选择科学的客观评价参数与后台运行的智能优化算法计算所得理论最优值进行对比，进行驾驶员驾驶技术的在线评价和等级分类；基于驾驶员技术评价，合理调整ESC等ADAS系统的介入时机及干预的灵敏度，实现“车适应人”的自适应辅助驾驶理念，保证ADAS系统全面的保护、辅助初学者驾驶员，在保证安全的情况下不介入或少介入经验丰富的熟练驾驶员的驾驶行为，使ADAS系统更加智能化与人性化。评分系统可通过HUD屏幕进行显示，一方面提高驾驶员的驾驶乐趣，另一方面可提高驾驶员的驾驶注意力、缓解驾驶疲劳等，减小驾驶时出现无聊、分神、疲劳瞌睡等情况的可能。基于驾驶员驾驶技术在线评估系统，充分考虑了驾驶员的驾驶水平，实现了“车适应人”这一更加智能的驾驶辅助理念，最大程度地保障驾乘人员及车辆的安全，同时保证了驾驶员的驾驶乐趣。

本发明提出的驾驶员驾驶技术在线评估系统在普通的驾驶工况采集车辆行驶状态信息，从而实现驾驶员驾驶水平的在线评估，此评价方法及评价结果具有很强的扩展性，适用于其他危险工况；车辆行驶过程中后台实时运行智能优化算法模块计算驾驶员的理论最优输入及车辆响应，通过对比驾驶员的实际表现与理论最优值的接近程度进行评分；基于对驾驶员驾驶水平的评估，对ADAS系统进行修正与改善，使ADAS系统成为自适应式高级辅助驾驶系统，不仅保证了初学驾驶员的驾驶安全，又最大限度的实现了熟练驾驶员的驾驶意图以及提升了驾驶体验；驾驶评价系统所得分数可以根据后台评分模块实时显示在车辆的HUD屏幕上，方法不仅使驾驶员可以更加专注于驾驶任务上，也提升了驾驶乐趣。

以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思做出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims (8)

1.一种驾驶员驾驶技术在线评估系统，其特征在于：包括信息检测模块、智能优化算法模块、驾驶员驾驶技术评分模块、ADAS自适应模块、ADAS系统和HUD屏幕输出模块，所述信息检测模块分别连接智能优化算法模块和驾驶员驾驶技术评分模块，所述驾驶员驾驶技术评分模块分别连接ADAS自适应模块和HUD屏幕输出模块，所述ADAS自适应模块连接ADAS系统，所述智能优化算法模块连接驾驶员驾驶技术评分模块，所述信息检测模块由惯性导航GPS/INS系统，驾驶员输入传感器，环境感知传感器元件组成，其中智能优化算法模块根据收到的环境信息，基于智能优化算法，以期望轨迹及实际轨迹误差最小以及轮胎力利用率最小为优化目标进行优化求解，并将所求的最优解用于计算理论最优驾驶员输入，将其输入给理论动力学模型求得的车辆理论行驶状态，所得车辆理论最优行驶状态将被传输给驾驶技术评价模块。

2.如权利要求1所述的一种驾驶员驾驶技术在线评估系统，其特征在于：其中驾驶员驾驶技术评分模块，将对比当前车辆行驶状态与智能优化算法模块计算所得理论最优值，根据接近程度进行加权评分，将结果输出给HUD输出模块以及ADAS自适应模块。

3.权利要求2所述的一种驾驶员驾驶技术在线评估系统，其特征在于：其中HUD输出模块为一抬头显示屏，可将驾驶技术评价模块计算所得分数显示在屏幕上，由驾驶员决定是否开启；ADAS自适应模块，根据驾驶技术评价模块计算所得分数将当前驾驶员驾驶技术归类为初学者驾驶员、一般驾驶员以及熟练驾驶员，并根据分数计算ADAS系统启动灵敏度，该灵敏度参数被输出至ADAS系统。

4.权利要求3所述的一种驾驶员驾驶技术在线评估系统，其特征在于：其中ADAS系统根据灵敏度调整其启动条件，当驾驶员为初学者驾驶员时，ADAS系统的启动条件变宽泛，更容易启动帮助驾驶员进行车辆的稳定驾驶；当驾驶员为一般驾驶员时，ADAS系统缩小其启动条件，只在车辆较为接近失稳的状态时介入；当驾驶员为熟练驾驶员时，ADAS系统启动条件最严苛，除非已经进入失稳状态，否则保持不介入或少介入状态。

5.权利要求4所述的一种驾驶员驾驶技术在线评估系统，其特征在于：进一步的通过智能优化算法模块实时计算当前车辆驾驶理论最优解，具体包括以下优化算法方式：

模型预测控制是一种多变量控制策略，相对于LQR控制而言，模型预测控制可以考虑空间状态变量的各种约束，可应用于线性和非线性系统，它的当前控制动作是在每一个采样瞬间通过求解一个有限时域开环最优控制问题而获得，当前状态作为最优控制问题的初始状态，解得的最优控制序列只实施第一个控制作用；优化目标方程为：

其中，第一项为实际路径与参考路径的误差，第二项为轮胎力利用率，第三项为控制增量，N_p为预测时域，N_e为控制时域，ρ为权重系数，ε为松弛因子；

非线性规划：非线性规划是一种求解目标函数或约束条件中有一个或几个非线性函数的最优化问题的方法，控制目标为最小化实际路径与参考路径的误差以及轮胎利用率，约束为轮胎力的约束以及控制增量的约束；通过非线性规划的方法求出当前车辆状态下的最优解；还应用人工神经网络算法对同一驾驶员的驾驶数据进行记录并且训练。

6.如权利要求5所述的一种驾驶员驾驶技术在线评估系统，其特征在于：其中人工神经网络算法是由众多的神经元可调的连接权值连接而成，具有大规模并行处理、分布式信息存储、良好的自组织自学习能力特点，是多输入多输出控制领域具有较高的适应性，针对不同的驾驶员，系统后台记录并通过搭建的人工神经网络算法学习驾驶员的驾驶数据，使其在部分一般工况下评估的驾驶水平可扩展应用于更多工况的评估：同一驾驶员的驾驶数据越多，则针对该驾驶员在新工况下的驾驶技术的评估就越准确。

7.权利要求6所述的一种驾驶员驾驶技术在线评估系统，其特征在于：其中驾驶员输入传感器包括方向盘转角传感器，制动及油门踏板位移传感器和挡位传感器；其中环境感知传感器包括摄像头、雷达和红外线传感器。

8.权利要求7所述的一种驾驶员驾驶技术在线评估系统，其特征在于：其中辆理论行驶状态包括横向加速度、纵向加速度、行驶速度和质心侧偏角和驾驶员驾驶输入；其中车辆行驶状态包括车辆位置、速度、质心侧偏角以及轮胎力利用率。

Images