CN112677983B - 一种识别驾驶员驾驶风格的系统 - Google Patents

Abstract

本发明公开了一种识别驾驶员驾驶风格的系统，包括：驾驶员进入实车输入未来行程规划，根据导航与智能交通信息，通过场景库构建虚拟驾驶场景，包括确定性与随机性要素；车辆操纵界面在硬件上等同于真实驾驶模式，软件配置后进入模拟驾驶模式；通过视、听、触、力感、体感多渠道反馈，实现逼真的模拟驾驶；采集人、车、路的信息，传至车载与云端数据平台，车载处理器识别驾驶风格，包括风格的总体识别和局部识别，更新至驾驶风格库。本方法及系统利用实车交互环境能保证数据真实、驾驶场景根据未来行程设计具时效性，驾驶风格识别结果可及时有效地用于自动化算法的个性化适配，提升驾驶辅助或自动驾驶的安全性、舒适性与用户体验。

Description

一种识别驾驶员驾驶风格的系统

技术领域

本发明属于智能网联车辆、自动驾驶技术领域，尤其涉及一种识别驾驶员驾驶风格的系统。

背景技术

驾驶员、车辆、道路环境(道路、信号、标志)三者被统称为人-机-环境系统(简称人机环)，其中驾驶员是人机环系统的中心，而车辆与道路环境必须根据人的特性来设计和研究，并把这种理念称为“以人为中心的设计开发”。在驾驶过程中，驾驶员作为处于运动状态的车辆的中枢而存在，因此驾驶员的意志、欲望、情绪、疲劳、疾病等表现出的驾驶员的驾驶风格，对人机环系统的调节起着重要影响。若想确保行车安全，提升驾驶员的驾驶体验，就必须考虑到驾驶员的驾驶风格。

为了将驾驶员的驾驶风格纳入人机环系统的控制与调节中，首先需要的便是寻找到一种能够识别驾驶员驾驶风格的方法，特别是对于深刻体现人机工程学的自动驾驶、驾驶辅助系统的开发而言，驾驶风格的识别至关重要。

近年来，随着自动驾驶技术的发展，各种驾驶辅助功能被应用于高端车辆上，甚至于一些入门级别车辆也逐步增加了驾驶辅助系统，例如自适应巡航和车道中心保持等系统。其中，自适应巡航系统(ACC)是指使用雷达或者摄像头来探测前方车辆，根据驾驶员对跟车速度和跟车时距的设置，通过控制制动和油门来保持和前方车辆的距离，这个车速、车距保持的过程跟驾驶员手动驾驶的过程基本对应。但是，现有的自动驾驶辅助功能的风格模式可选范围为有限级别内，个性化程度不高，更多的是适用于大多数人群的驾驶风格。除此之外，对于不同的路况、不同的驾驶时间，同一个驾驶员的驾驶风格也会有所不同；同一个驾驶员，由于心情或者生理状况不同，驾驶风格同样会有所差异。因此,在手动驾驶模式下驾驶或自动驾驶模式下乘坐时，驾驶辅助或自动驾驶系统不能按照当前驾驶员的驾驶风格进行算法适应，会导致驾驶员驾驶或乘坐体验差，在危急时刻甚至有可能引发事故。

目前，已有在驾驶模拟实验台或实际车辆驾驶采集驾驶员的速度、加速度、超车次数以用来识别驾驶员驾驶风格的方法，其中，在驾驶模拟实验台中采集驾驶员数据已十分成熟、但与实车差距大从而缺乏数据真实性。采用实际车辆驾驶过程的历史数据进行风格识别，一方面存在实际场景变化程度大、历史数据的细节描述无法与驾驶风格典型特征所对应条件相匹配的缺点，造成驾驶风格识别算法的处理数据量巨大、处理效果有限的不足。另一方面，基于历史数据的驾驶员驾驶风格在线辨识，虽然可以获取已有驾驶历程内的道路类型和车流密度信息，但是并不考虑驾驶员未来将要经历的具体交通场景，而仅仅通过已行驶路段的速度、加速度等参数的驾驶风格识别模型,仍属基于过去行驶数据对驾驶风格偏好的分析、推理和总结，无法适应当前待进行的行程中未行驶路段的驾驶过程，时效性差、准确度差、适应性差，无法实现具体路段的驾驶风格模型个性化。

此外，随着自动驾驶功能的普及，越来越多的车辆具备对转向、制动、驱动的线控功能，不仅可以实时读取驾驶员操纵的输入数据，还可以根据需要对转向、制动、驱动的操纵输入提供逼真的力感反馈；而在一些高端车型上，主动悬架和座椅快速调节控制能力也已经具备。但是，目前这些线控或调节能力，主要用于驾驶过程中对驾驶员或自动驾驶算法输入的控制命令进行响应，而将其用于实车模拟驾驶中实时模拟操纵力感和体感、并采集数据用于驾驶风格识别的创新，尚未见相关资料公开。

因此，如何能够在满足数据真实性、时效性要求条件下，完成对驾驶员驾驶风格的及时识别，改进优化驾驶辅助系统或自动驾驶系统的算法，使之体现符合不同场景、不同状况的驾驶员驾驶风格诉求，成为本领域亟待解决的问题。

发明内容

本发明的目的在于，克服现有自动驾驶或辅助驾驶功能风格单调适应性差、基于历史数据的在线驾驶风格辨识时效性不足等缺点，提供一种识别驾驶员驾驶风格的方法及其系统。

本发明的目的是通过以下技术方案来实现的：一种识别驾驶员驾驶风格的系统，具体为：

(1)在实际车辆中，基于真实车辆的驾驶员操纵界面，利用一款车载模拟驾驶软件构建虚拟驾驶场景，驾驶员开展与实际驾驶体验贴近的模拟驾驶，在车辆处于原地停止或自动驾驶状态下分别提供模拟驾驶的“原地模拟模式”与“移动模拟模式”；通过视觉、听觉、触觉、体感、力感交互途径，设计模拟驾驶交互界面，采集模拟驾驶过程信息、然后传输到数据平台，供车载处理器识别得到驾驶员的驾驶风格，并更新到驾驶风格库；

(2)使用车载信息采集系统收集的模拟驾驶过程信息，包括“人”、“车”、“路”三方面信息，其中“人”的信息为真实驾驶员产生的数据，包括驾驶员的操纵输入、生理状态、心理状态、肢体信息、言语表达；“车”信息分别为模拟驾驶车辆状态的信息；“路”的信息为虚拟驾驶场景中本车相关的交通、气象环境信息，包括周围道路使用者、道路设施、气象环境的状态信息；

(3)所述车载模拟驾驶软件中虚拟驾驶场景，根据模拟未来出行任务的总体特征和局部特征来确定，并基于虚拟驾驶场景库中的要素来构建，包含确定性场景要素和随机性场景要素；其中，任务的总体特征包括出发时间、里程、预估时长、气象、光照，局部特征对应全程要完成的典型驾驶任务，包括弯道驾驶、跟车、并道、换道、超车、红绿灯通行、路口交遇、出入匝道、泊车；确定性场景要素根据车辆导航系统、智能交通设施、驾驶员行程请求数据所汇总的未来行程信息来选择与设计，用来考虑对驾驶员未来行程中驾驶场景的覆盖，包括轨迹信息、道路信息、交通设施信息、气象信息、交通参与者信息、异常路段信息，其中异常路段包括横风路段、路面凹坑路段、市区拥堵路段、交通事故路段；结合确定性场景要素，从虚拟驾驶场景库中选择具有高动态、高风险特点的随机性场景要素，从驾驶员未来行程中的潜在突发危险场景出发来选择，包括侧边车辆快速加塞、前车突然减速、红绿灯突然损坏；

(4)车载内部处理器负责对车载信息采集数据进行分析处理，驾驶场景库负责对模拟驾驶场景的存储，驾驶风格库负责对驾驶员驾驶风格的存储；数据平台包括车载数据平台和云端数据平台，其中，车载数据平台存储少量关键数据，包括与驾驶员本次行程相关的行车数据、模拟驾驶数据、驾驶风格库数据、虚拟驾驶场景库数据；云端数据平台存储空间大、处理能力强，包括各类驾驶员和行程条件下的行车数据、模拟驾驶数据、驾驶风格库数据、虚拟驾驶场景库数据；车载数据平台和云端数据平台之间可以根据需要相互传输数据。

进一步地，具体为：

(1)根据驾驶员驾驶风格识别内容和精度的需求，确定车辆内模拟驾驶的环境逼真度技术需求，然后确定驾驶员模拟驾驶过程中触觉交互、力感交互、体感交互的反馈逼真度具体需求，确定车辆系统主动可控能力，包括实时输出驾驶员操纵输入信息的能力，以及对驾驶员操纵输入引起的车辆运动作出反馈的实时模拟能力；根据触觉交互、力感交互反馈逼真度确定的车辆系统主动可控能力要求，额外增加车辆转向系统、制动系统、驱动系统的主动可控能力；根据体感交互反馈逼真度确定的车辆系统主动可控能力要求，额外增加车辆悬架系统或驾驶员座椅悬置系统对驾驶员座椅运动的主动可控能力，满足与模拟驾驶车辆响应同步的驾驶员体感反馈；

(2)根据视觉交互、听觉交互反馈逼真度确定的要求，采用车内音响设备或独立音响设备体现模拟驾驶中的音响效果，将模拟驾驶的视觉场景呈现在车内独立显示器上，或者基于挡风玻璃、车窗、后视镜上，结合采用虚拟现实、增强现实技术进行显示；根据模拟驾驶反馈逼真度要求，确定视觉场景效果、音响效果、驾驶员座椅动作效果的时间同步要求；

(3)驾驶员模拟驾驶过程中，所使用的车辆操纵界面在硬件上与真实驾驶模式下的操纵界面相同，但通过软件配置，车辆操纵界面全部进入模拟驾驶工作模式，并记录所有驾驶员操纵输入数据；其中，驾驶任务相关的操纵界面是所有影响车辆行驶运动的界面，包括制动踏板、方向盘、油门踏板、变速器操纵杆、仪表板驾驶模式组合按钮；除驾驶任务相关之外的操作界面包括车内气候调节、多媒体娱乐系统；根据驾驶风格识别的内容和精度要求，驾驶任务相关的驾驶员操纵输入包括转向盘力矩和角度、制动踏板力和位移、油门踏板力和位移、变速器操纵杆位置、变速器模式选择按钮位置中的一个或多个；

(4)在模拟驾驶模式中，制动踏板和油门踏板分别配置踏板力感模拟装置，并根据模拟驾驶中的车速、地面条件和车辆纵向加速度条件对踏板反馈力度进行适应性改变；在车辆悬架系统或驾驶员座椅悬置系统的主动调节过程中，考虑模拟驾驶模式中的虚拟车辆运动位姿信息，所实现的驾驶员运动和位姿，与模拟驾驶场景中驾驶员体感要求相符合；其中，模拟驾驶模式中的虚拟车辆运动位姿信息，包括车身运动姿态，以及驾驶员座位位置的垂向加速度、纵向加速度、侧向加速度、横摆角速度、侧倾角速度、俯仰角速度；

(5)在车辆静止状态下的模拟驾驶模式中，转向系统由人工驾驶条件下的助力转向模式切换为模拟驾驶模式，转向力感模拟装置根据模拟驾驶中的车速、地面条件与方向盘转角转矩，实时调节方向盘助力特性，克服转向车轮原地转向阻力，保证模拟驾驶过程中的方向盘力感体验；

(6)在车辆自动驾驶状态下的模拟驾驶模式中，将转向系统、制动系统、驱动系统、悬架系统强制进入全线控模式，驾驶员操纵输入与汽车动力系统、底盘系统之间的机械联接全部脱离；转向系统的力感模拟装置根据模拟驾驶中的车速、地面条件与方向盘转角转矩，实时调节方向盘力感特性；悬架系统或座椅悬置系统调节驾驶员座椅运动位姿时，除考虑模拟驾驶模式中的虚拟车辆运动位姿信息外，还融合考虑车辆实际行驶中的运动位姿，通过悬架或座椅悬置系统的主动控制，实现与模拟驾驶场景中驾驶员体感相符合的真实车辆运动位姿。

进一步地，具体为：采集驾驶员在实际车辆中的真实驾驶过程或模拟驾驶过程信息，包括“人”、“车”和“路”三方面信息，用于驾驶风格识别的总体识别和局部识别两个模块；其中，总体识别模块对应处理出行任务的全程数据，考查总体完成情况，包括总时长、超车、超速、闯红灯、抢黄灯、紧急加速、紧急刹车、紧急转向、抢行/让行、整车能耗、驾驶员生理状态的统计数据；局部识别模块对场景特征和驾驶任务相组合条件下的场景任务组合进行考查，场景特征包括不同的车速、光照、交互车辆、交互行人、拥堵度、路面附着、道路属性，驾驶任务包括换道、超车、减速停车、并道、巡航、跟车、下坡、爬坡，场景任务组合包括匝道强制并道、市内拥堵路跟车、隧道超车、高速自由换道、山路弯道转向、雨天减速停车。

进一步地，具体为：根据驾驶风格识别的内容和精度要求，模拟驾驶过程信息中“人”的信息采集装置中，除驾驶员的操纵输入采集设备外，生理信号采集设备获得的驾驶员生理状态数据，包括脑电EEG、心电ECG、血压、脉搏、座椅面压力分布、皮肤电阻GSR、肌肉电EMG；车载摄像机获得的驾驶员视觉信息包括头部姿态、眼动信息、躯体和肢体状态，其中眼动信息采用红外摄像机或眼动追踪装置获得；车内麦克风获得驾驶员言语表达；综合“人”的信息，对视觉、语音、生理状态信息进行人工智能算法处理，获得模拟驾驶过程中与驾驶操作行为对应的驾驶员心理状态信息，包括愉悦、紧张、放松、困惑、急躁、疲劳；

模拟驾驶过程信息中的“车”和“路”信息，为驾驶员在完成本车驾驶任务过程中实施操纵输入的背景条件，分为车辆类信息和环境条件类信息，其中，车辆类信息包括车载坐标系下的本车六自由度位姿与运动信息、所有周边他车的六自由度位姿与运动信息，环境条件类信息包括光照、气象、道路标志牌、路面标记线、路面附着条件、道路类别。

进一步地，具体运行过程为：

(a)驾驶员上车后，输入行程的起点和终点；根据车辆是否具备自动驾驶能力、驾驶员是否进行模拟驾驶、对于通行效率的考量，确定模拟驾驶软件的工作模式为“原地模拟模式”或“移动模拟模式”，并进行虚拟驾驶场景的搭建；

(b)完成多渠道交互反馈模块的准备后，信息采集设备会采集模拟驾驶过程中“人”、“车”、“路”三方面的信息，并将数据传输至车载数据平台与云端数据平台；

(c)车载处理器根据采集的信息，对驾驶员当前驾驶场景、当前车辆状态与当前生理状态所对应的驾驶风格进行识别，并对驾驶风格模型库进行更新。

进一步地，具体为：计算评估未来行程的安全风险、通行效率、舒适度，确定虚拟驾驶场景元素之间的逻辑关系和组合优化目标；首先，根据总体出行任务，输入出发点与终点，根据车辆导航和智能交通设施，得到由道路信息、交通设施信息、气象信息、交通参与者信息构成的确定性行程信息；其次，车载处理器将根据行程信息，依靠模拟驾驶场景库中的场景，生成所对应的确定性模拟驾驶场景；再者，考虑对驾驶员的安全、舒适、情绪、注意力、疲劳程度有影响的场景要素，以短期模拟驾驶过程中获得驾驶风格核心信息为目标，在保留未来行程场景真实性的前提下，滤除不必要的重复性场景；最后，以挖掘驾驶员潜意识层面、肌肉记忆层面的驾驶风格为目标，根据虚拟驾驶场景库，不定时间不定地点向确定性模拟驾驶场景中随机添加一些高动态、高风险的随机性场景元素信息，完成构建虚拟驾驶场景。

进一步地，所述步骤(b)多渠道交互反馈模块的准备，包括力感反馈装置、视觉反馈装置、听觉反馈装置、体感反馈装置、触觉反馈装置等五个装置的准备；“人”的信息为真实驾驶员产生的数据；“车”的信息为模拟驾驶软件中车辆信息；“路”的信息为模拟驾驶软件中虚拟驾驶场景信息；车载处理器获得驾驶员在特定驾驶场景、特定车辆状态、特定生理状态下所对应的操纵输入信息。

进一步地，所述步骤(c)驾驶员依据步骤(b)采集的驾驶员在特定驾驶场景、特定车辆状态、特定生理状态下所对应的操纵输入信息，进行驾驶员驾驶风格的识别，获得驾驶员在特定道路场景、特定生理状态所对应的驾驶风格，并将获得的风格模型保存至驾驶风格模型库中，以供实车驾驶调用。

进一步地，当驾驶员选择了进行模拟驾驶，若为“原地模拟模式”，则驾驶员进行实车驾驶时，车载处理器根据模拟驾驶获得的驾驶员驾驶风格模型，对实车驾驶的辅助驾驶系统或自动驾驶系统进行个性化参数调整，确保之后辅助驾驶系统与自动驾驶系统决策表现出风格与此时、此场景、特定驾驶员的驾驶风格一致，提升驾驶员的驾乘体验，保证驾驶员对辅助驾驶系统与自动驾驶系统的信任程度，提高安全性；若为“移动模拟模式”，则车载处理器会实时根据模拟驾驶获得的驾驶员风格模型，对自动驾驶系统进行适当的个性化参数调整，保证之后的自动驾驶系统决策符合当前驾驶员的驾驶风格；当驾驶员未选择进行模拟驾驶，驾驶员进行实车驾驶时，车载处理器会根据传感器与智能交通系统获得的人、车、路信息，调用驾驶风格模型库中与当前场景贴合程度最高的驾驶风格，以此为基础对辅助驾驶系统或自动驾驶系统的特性参数进行个性化调整，确保辅助驾驶系统或自动驾驶系统的决策尽可能贴合此时驾驶员的驾驶风格。

进一步地，既可以应用于人工驾驶车辆、半自动驾驶车辆，也可以应用于全自动驾驶车辆；应用于半自动驾驶车辆时，模拟驾驶软件可以应用于“原地模拟模式”；应用于全自动驾驶车辆时，驾驶员可以根据自己对于行驶安全、舒适性、车辆通行效率的权衡，选择模拟驾驶软件应用于“原地模拟模式”或“移动模拟模式”。

与现有技术相比，本发明的有益效果在于：

1、本发明提供了识别驾驶员驾驶风格的两种模式，其一是“原地模拟模式”，使得驾驶员在进行实车驾驶前能够将即将行驶的道路场景变成虚拟驾驶场景，在车辆静止的前提下，避免或降低了实车驾驶获得驾驶员驾驶风格的能量消耗与车辆磨损，保证了驾驶员的安全性；其二是“移动模拟模式”，使得驾驶员能够在保证通行效率的前提下，在车辆处于自动驾驶模式下将自动驾驶即将行驶的道路场景变成虚拟驾驶场景，对驾驶员驾驶风格进行识别，并应用于稍后的自动驾驶决策的个性化参数，确保驾驶风格识别的实时性与准确性。

2、本发明通过已有的制动踏板、油门踏板、方向盘、变速器操纵杆、仪表盘驾驶模式组合按钮等车载设施实现对驾驶员驾驶风格的识别，不需要进行过多的改装，在确保驾驶员驾驶风格的真实性与可靠性的前提下，降低了驾驶员驾驶风格库构建的成本。

3、本发明通过导航系统与智能交通系统提供的确定性行程信息搭建确定性驾驶场景，获得驾驶员通过长期学习得到的针对特定场景、特定车辆状态、特定生理状态下的决策习惯，挖掘驾驶员表层的驾驶风格；通过模拟驾驶场景库不定时间、不定地点生成随机性行程信息搭建随机性驾驶场景，获得驾驶员肌肉记忆表现出的针对特定场景、特定车辆状态、特定生理状态下的决策习惯，挖掘驾驶员潜意识层面的驾驶风格；并给予驾驶员在模拟驾驶中贴合实际的力感反馈、体感反馈、视觉反馈、听觉反馈、触觉反馈，赋予驾驶员更加真实的驾驶体验，保证采集数据的可靠性、真实性、时效性。

4、本发明通过对模拟驾驶过程中人、车、路等贴近内心本源信息的采集，获得特定场景、特定车辆状态、特定心理状态下的驾驶员驾驶风格，为后续驾驶员进行实车驾驶提供对驾驶员最为友好、舒适的驾驶辅助或自动驾驶决策；并将采集的数据与构建的驾驶风格模型统一上传至数据平台，实现了数据的统一管理、维护与调用，降低了使用维护的成本。

5、本发明除了应用于人工驾驶车辆或搭载驾驶辅助系统的半自动车辆之外，还可以应用于全自动驾驶车辆，提高车辆的安全性、舒适性、节能性、用户体验。

附图说明

图1为本发明方法的软件系统示意图；

图2为本发明方法的主要步骤流程示意图；

图3为本发明方法的虚拟驾驶场景搭建示意图；

图4为本发明方法的硬件系统示意图；

图5为本发明方法的模拟驾驶驾驶员接受的多渠道反馈示意图；

图6为本发明方法的信息采集与模型搭建示意图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

在实际车辆上搭载一款模拟驾驶软件，当车辆处于停止或自动驾驶状态时,进行虚拟驾驶场景的搭建，驾驶员操纵油门踏板、制动踏板、方向盘、变速器操纵杆、仪表板驾驶模式组合按钮等车辆内部已有设备进行模拟驾驶，并通过多渠道反馈实现与实际驾驶体验贴近的模拟驾驶。所述车辆，转向系统、制动系统、驱动系统具备主动可控能力，车辆悬架系统或驾驶员座椅悬置系统具备对驾驶员座椅运动的主动可控能力；驾驶员模拟驾驶时所使用的车辆操纵界面在硬件上完全等同于真实驾驶模式下的操纵界面，即所采用油门踏板、刹车踏板、方向盘、变速器操纵杆、仪表盘驾驶模式组合按钮等都采用车辆内部现有的线控设施，但通过软件配置，车辆操纵界面全部进入模拟驾驶工作模式，并自行记录所有驾驶员操纵输入数据

如图1所示，本发明一种识别驾驶员驾驶风格的系统，包括：人机交互模块、多渠道反馈模块、虚拟车辆模块、真实车辆模块、信息采集模块、虚拟驾驶场景生成模块、数据平台模块、驾驶风格识别模块和个性化参数生成模块；其中，数据平台模块包括虚拟驾驶场景库和驾驶风格库。

虚拟驾驶场景生成模块基于数据平台模块中的虚拟驾驶场景库，依据道路信息、交通设施信息、气象信息、交通参与者信息等构建虚拟驾驶场景输出场景信息；其中，虚拟驾驶场景包括确定性虚拟驾驶场景与随机性虚拟驾驶场景；其中，确定性虚拟驾驶场景为较长时间不会发生明显变化的场景或通过天气预报等手段可以较为准确预测出的场景，典型的有横风路段、路面凹坑路段；随机性虚拟驾驶场景为短时间会发生明显变化且对车辆行驶产生影响的场景，典型的有侧边车辆快速加塞、前车突然减速等。

真实车辆模块：真实车辆包括原地模拟模式和移动模拟模式。当真实车辆处于原地模拟模式，真实车辆模块输出的真实车辆状态为零。当真实车辆处于移动模拟模式，真实车辆模块输出的真实车辆状态为车辆瞬时六自由度状态。所述在车辆静止状态下或自动驾驶状态下的模拟驾驶模式，主要依据驾驶车辆是否具有全自动驾驶能力进行判断；当车辆仅具备驾驶辅助功能时，模拟驾驶模式只会在车辆静止状态下开启，即“原地模拟模式”；当车辆具备全自动驾驶功能时，模拟驾驶模式既可在车辆处于静止状态下开始，即“原地模拟模式”，也可在车辆处于全自动驾驶状态下开启，即“移动模拟模式”。本系统既可以应用于人工驾驶车辆、半自动驾驶车辆，也可以应用于全自动驾驶车辆。

多渠道反馈模块基于虚拟驾驶场景生成模块输出的场景信息、虚拟车辆模块输出的虚拟车辆状态、真实车辆模块输出的真实车辆状态和人机交互模块输出的操纵输入，输出力感反馈、视觉反馈、听觉反馈、体感反馈、触觉反馈等多渠道反馈至人机交互模块。其中，当真实车辆处于移动模拟模式，多渠道反馈模块会对车辆瞬时六自由度状态进行补偿，使得补偿后的真实车辆状态与虚拟车辆状态相同。例如，若全自动驾驶的真实车辆行驶于搓板道路中，而此时的虚拟车辆匀速行驶于平坦道路，为保证多渠道反馈模块给予驾驶员的体感反馈十分平缓，此时真实车辆模块输出的真实车辆状态为竖直方向上车身随着路面起伏而上下跳动，多渠道反馈模块则会输出与真实车辆模块输出的真实车辆状态频率、幅值一致，但相位恰恰相差180°，确保完全抵消真实车辆状态的干扰，确保驾驶员接收的多渠道反馈仍然是完全基于虚拟车辆的状态，即车身垂向跳动可以忽略不计。当真实车辆处于原地模拟模式，多渠道反馈模块不需进行补偿。

人机交互模块基于多渠道反馈模块输出的多渠道反馈，输出操纵输入至虚拟车辆模块，改变虚拟车辆的状态；信息采集模块采集虚拟驾驶场景模块输出的“路”——场景信息、虚拟车辆模块输出的“车”——车辆状态、人机交互模块输出的“人”——操作输入与生理心理状态，并将“人”“车”“路”信息输出至驾驶员风格识别模块；驾驶员风格模块根据“人”“车”“路”三者之间的对应关系，生成驾驶员风格模型，并输出至数据平台模块中的驾驶风格库；个性化参数生产模块，依据驾驶风格识别模块输出的驾驶风格模型，确定全自动驾驶或半自动驾驶的个性化驾驶参数。

如图2，驾驶员上车后，输入接下来行程的起点和终点，车载处理器在判断车辆是否具备全自动驾驶条件后，车辆会以语音提醒驾驶员“是否进行模拟驾驶环节？”。当驾驶员选择进行模拟驾驶环节，若车辆仅具备驾驶辅助功能，则驾驶模拟软件会切换至“原地模拟模式”，车辆保持静止；若车辆具备全自动驾驶功能，车辆会以语音提醒驾驶员“是否选择全自动驾驶”，如果驾驶员选择保持静止状态，则驾驶模拟软件会切换至“原地模拟模式”，如果驾驶员为了通行效率的考量，选择进行自动驾驶，这驾驶模拟软件会切换至“移动模拟模式”。

当驾驶模拟软件确定运行于“原地模拟模式”或“移动模拟模式”，车载处理器则会通过虚拟驾驶场景生成模块，进行虚拟驾驶场景的搭建。所述虚拟驾驶场景的搭建包括由车辆导航系统与智能交通设施获得的道路信息、交通设施信息、气象信息与交通参与者信息构成的确定性行程信息，和由模拟驾驶软件不定时间、不定地点根据模拟驾驶场景库生成具有高动态、高风险特点的随机性行程信息。确定性行程信息主要反映出面对近乎已知的驾驶场景，驾驶员通过长久学习获得的决策习惯，即表层的驾驶风格；而随机性行程信息主要是为了体现出面对充满不确定性，具有高动态、高风险的驾驶场景，驾驶员肌肉记忆表现的决策习惯，即潜意识层面的驾驶风格。

首先车载处理器根据车辆导航系统输出最佳的路线规划，之后智能交通设施根据确定的行驶路径输出模拟驾驶场景的行程信息，并在尽可能保证驾驶真实性的前提下，适当滤除部分重复性场景，重点复现会对驾驶员情绪、注意力等指标产生影响的驾驶场景。

虚拟驾驶场景生成模块的工作流程，如图3所示，驾驶员模拟驾驶前会输入行程的起点和终点信息，导航系统与智能交通系统会根据输入的起点与终点输出实际驾驶场景中包含的确定性行程信息，用于保证对驾驶员未来行程中驾驶场景的基本覆盖，例如横风区域、路面凹坑路段、市区拥堵路段，包括道路类型、道路等级、道路附着条件、道路水平条件等道路信息；交通信号指示系统、交通标志和标线、安全隔离设施等交通设施信息；气象、照明条件等气象信息；其他交通参与者的行为、车流量与均速等交通参与者信息。处理器根据前述实际驾驶场景中包含行程信息的特点，从车载数据平台和云端数据平台的虚拟驾驶场景模型库中分别提取类似的道路信息、交通设施信息、气象信息与交通参与者信息，并以这四个基本要素组合形成之后模拟驾驶的确定性虚拟驾驶场景。例如，车辆实际驾驶的部分场景将会包含一个阴云密布、具有红绿灯系统、限速40km/h、晚高峰的城市十字路口，那么车载处理器在构建这部分的模拟驾驶场景时，则会根据驾驶场景的四要素进行：道路类型为十字交叉路口、道路等级为二级公路、道路附着条件为良好、道路水平条件为水平、交通信号指示系统为多相路口四信号灯、交通标志和标线为限速40km/h与实线、安全隔离设施为护栏、气象为阴转雨、照明条件为灯光、其他交通者的行为为随机但按照交通法规、车流量为1600辆/小时，车载处理器根据这些特征参数进而形成了完整的确定性模拟驾驶场景。前述的道路信息、交通设施、气象信息与交通参与者具体如下：

道路信息包括：道路类型(直道、弯道、环岛、路口、匝道、隧道等)，道路等级(高速公路、一级公路、二级公路、三级公路、四级公路)，道路附着条件(良好、颠簸、积水、冰雪、泥泞等)、道路水平条件(水平、上坡、下坡、起伏等)；交通设施信息包括：交通信号指示系统(车道控制信号灯、多相路口四信号灯、铁路平交道口信号灯等)，交通标志和标线(警告、禁止、指示、指路、旅游区。道路施工安全标志等)、安全隔离设施(分隔栏杆、分隔岛、分隔墩等)；气象信息包括：气象(晴、阴、雨、雪、雾等)，照明条件(强日光、灯光、弱日光、弱灯光、月光等)；交通参与者信息包括其他交通参与者(机动车、非机动车、行人等)的统计性行为(平均加减速、转弯方向等)，整体交通流(车流量、均速、拥堵路段、事故路段信息等)。

车载处理器完成确定性行程信息构成的确定性虚拟驾驶场景的构建后，车载处理器根据模拟驾驶场景库，在其中不定时间、不定地点地生成一些随机性行程信息，用于考虑驾驶员未来行程中的潜在突发危险场景，典型例子包括侧边车辆快速加塞、前车突然减速、红绿灯突然损坏。

如图4所示，硬件系统包括座椅主动调节系统1、方向盘2、后视镜3、外后视镜兼显示器4、刹车踏板5、油门踏板6、内后视镜7、前挡风玻璃8、车载显示器9、车载音响10、变速器操纵杆11、座椅12、仪表盘驾驶模式组合按钮13、座椅压力分布传感器14。车载处理器完成模拟驾驶场景的生成之后，驾驶员就可以在实车中进行模拟驾驶，与实际驾驶行为相同，在进行模拟驾驶时驾驶员与车辆、环境形成了一个闭路系统，即驾驶员通过手、脚控制实际车辆的方向盘2、油门踏板6、刹车踏板5、变速器操纵杆11、仪表盘驾驶模式组合按钮13等实现对模拟驾驶场景中车辆模型运动状态的一个操作，与此同时驾驶员通过视觉、听觉观测道路、交通等情况，通过体感(座椅主动调节系统1)、触觉、听觉、视觉对车辆的运动状况进行实时感知，通过头脑的分析与判断，修正其对于实际车辆方向盘、油门踏板、刹车踏板等的操纵，进而实现其驾驶目标。

多渠道反馈模块的工作流程，如图5所示，为了使得驾驶员的模拟驾驶体验尽可能贴合实际，在模拟驾驶过程中，车辆会实时根据模拟驾驶的场景给予驾驶员适宜的反馈，使得驾驶员对于车辆的状态、环境状态有一个清晰的了解，形成人-车-路闭路系统。所述的驾驶员接受的多渠道反馈具体如下：

力感反馈包括：由油门踏板反馈装置产生的油门踏板力感反馈，由制动踏板反馈装置产生的制动踏板力感反馈，由方向盘助力电机产生的方向盘力感反馈；视觉反馈包括：基于模拟驾驶场景的随机性场景要素与确定性场景要素，由车内独立显示器上，或者基于挡风玻璃、车窗、后视镜，结合采用虚拟现实(VR,Virtual Reality)、增强现实(AR,Augmented Reality)技术产生的道路信息(可行驶区域、车道线、交通标志等)，与静态和动态障碍物的姿态、运动状态等；听觉反馈包括：车载音响产生的本车风噪、路噪等行驶噪声，车载音响产生的交互车辆的鸣笛等；体感反馈包括：车辆悬架系统与座椅悬置系统产生的车身运动姿态，以及驾驶员座位位置的垂向加速度、纵向加速度、侧向加速度、横摆角速度、侧倾角速度、俯仰角速度；触觉反馈包括：仪表盘驾驶模式组合按钮等产生的利用力、振动、随动、热、静电等不同触觉给用户带来皮肤感觉反馈。通过以上所述的车辆力感反馈、视觉反馈、听觉反馈、体感反馈、触觉反馈等，为驾驶员赋予一个极度贴近现实的驾驶体验，进而保证驾驶员在模拟驾驶时表现出的心理状态、驾驶员操纵输入尽可能贴近实际驾驶过程中驾驶员的倾向，为驾驶员驾驶风格的准确获取提供保障。

特别地，当驾驶模拟软件运行于“原地模拟模式”，转向系统由人工驾驶条件下的助力转向模式切换为模拟驾驶模式，转向力感模拟装置根据模拟驾驶中的车速、地面条件与方向盘转角转矩，实时调节方向盘助力特性，适当克服转向车轮原地转向阻力，保证模拟驾驶过程中的方向盘力感体验；当模拟驾驶软件运行于“移动模拟模式”，为避免驾驶员操纵输入影响到车辆实际行驶的安全，将转向系统、制动系统、驱动系统、悬架系统强制进入全线控模式，驾驶员操纵输入与汽车动力系统、底盘系统之间的机械联接全部脱离；特别地，悬架系统或座椅悬置系统调节驾驶员座椅运动位姿时，除考虑模拟驾驶模式中的虚拟车辆运动位姿信息外，进一步融合考虑车辆实际行驶中的运动位姿，通过悬架或座椅悬置系统的主动控制，实现与模拟驾驶场景中驾驶员体感相符合的真实车辆运动位姿。

驾驶员开始模拟驾驶后，车载信息采集装置会采集模拟驾驶过程中“人”、“车”、“路”三方面的信息，例如油门踏板力和位置传感器、制动踏板力和位置传感器、方向盘转角转矩传感器、变速器操纵杆位置传感器、仪表盘驾驶模式组合按钮传感器等会采集驾驶员模拟驾驶时输入的各种控制信号，车内摄像机和生理信号采集设备会采集驾驶员的生理信息，车载处理器会采集车辆的状态信息与模拟驾驶场景信息，并负责对车载信息采集数据进行分析处理，驾驶场景库负责对模拟驾驶场景的存储，驾驶风格库负责对驾驶员驾驶风格的存储；数据平台包括车载数据平台和云端数据平台；车载数据平台存储少量关键数据，包括与驾驶员本次行程相关的行车数据、模拟驾驶数据、驾驶风格库数据、虚拟驾驶场景库数据；云端数据平台存储空间大、处理能力强，包括各类驾驶员和行程条件下的行车数据、模拟驾驶数据、驾驶风格库数据、虚拟驾驶场景库数据；车载数据平台和云端数据平台之间可以根据需要相互传输数据。

信息采集模块的工作流程，如图6所示，信息采集设备包括：油门踏板力和位置传感器、制动踏板力和位置传感器、方向盘转角转矩传感器、变速器操纵杆位置传感器、仪表盘驾驶模式组合按钮传感器、生理信号采集设备、车载相机、麦克风和车载处理器等。采集的信息有：操纵输入信息(油门踏板位置及变化率、制动踏板位置及变化率、方向盘转角及变化率、变速器操纵杆位置、组合按钮的状态)，生理心理状态信息(脑电EEG、心电ECG、血压、脉搏、座椅面压力分布、皮肤电阻GSR、肌肉电EMG、头部姿态、眼动信息、躯体、肢体状态、言语表达等)，车辆状态信息(车载坐标系下的本车六自由度位姿与运动信息、所有周边他车的六自由度位姿与运动信息)，模拟驾驶场景信息(模拟驾驶场景中的道路信息、交通设施信息、气象信息、周围交通参与者信息)，其中操纵输入信息与生理心理状态信息共同构成“人”的信息，综合“人”的信息，对视觉、语音、生理状态信息进行人工智能算法处理，获得模拟驾驶过程中与驾驶操作行为对应的驾驶员心理状态信息，包括愉悦、紧张、放松、困惑、急躁、疲劳。

驾驶风格处理器会根据以时间为自变量所对应的人、车、路信息，经由非监督学习等机器学习方法获得驾驶员在特定道路场景、特定车辆状态、特定生理状态所对应的驾驶风格。驾驶风格主要识别的内容如下：静态场景中，良好交通条件反映驾驶员日常驾驶习惯、极端条件(如冰雪、不良照明)反映其安全谨慎程度、恶劣条件(如颠簸土路)反映驾驶员对舒适性的要求、上下坡的油门控制反映对经济性和安全的追求等。动态场景则反映驾驶员的价值观和个性特质——价值观反映在决策上，比如绿灯转黄时是加速通过还是减速等待，自己掌握路权时是否会谦让其他交通参与者；个性特质则反映在对于拥堵的耐性上，比如经常遇到红灯或者堵车后，风格是否从calm变得更aggressive，类似于有的人比热容小，沸点低，更容易暴走，另一些人则忍耐力相对较高。

车载处理器识别出驾驶风格后，一方面会对车载数据平台与云端数据平台的驾驶风格模型库进行更新；另一方面当模拟驾驶软件运行于“原地模拟模式”，则当之后驾驶员进行实车驾驶时，车载处理器会对驾驶辅助系统或自动驾驶系统的个性化参数进行适应性调整，确保之后的辅助驾驶系统或自动驾驶系统的决策与特定驾驶场景、特定车辆状态、特定生理状态下的驾驶员驾驶风格一致，提升驾驶员的驾乘体验，保证驾驶员对辅助驾驶系统与自动驾驶系统的信任程度，提高安全性；若模拟驾驶软件运行于“移动模拟模式”，则车载处理器会实时根据模拟驾驶获得的驾驶员风格模型，对自动驾驶系统进行适当的个性化参数调整，保证之后的自动驾驶系统决策符合当前驾驶员的驾驶风格，保证驾驶员对自动驾驶系统的信任程度，提高安全性。

当驾驶员选择不进行模拟驾驶，直接进行实车驾驶时，车载处理器则会根据激光雷达、车载相机、车载传感器与智能交通系统等确定驾驶员即将行驶的道路场景信息，加以生理信号采集设备与车内摄像机辅助，调用驾驶风格模型库中与当前场景贴合程度最高的驾驶风格，此外相同路况下驾驶员不同心理状况对驾驶员所期待的驾驶风格也有所不同，因此在路段、驾驶员的生理状态等条件相同时，实车驾驶时会优先调用最近建立的驾驶风格模型。以此为基础对辅助驾驶系统或自动驾驶系统的特性参数进行个性化调整，确保其尽可能贴合此时驾驶员的驾驶风格。

Claims (10)

1.一种识别驾驶员驾驶风格的系统，其特征在于，具体为：

(1)在实际车辆中，基于真实车辆的驾驶员操纵界面，利用一款车载模拟驾驶软件构建虚拟驾驶场景，驾驶员开展与实际驾驶体验贴近的模拟驾驶，在车辆处于原地停止或自动驾驶状态下分别提供模拟驾驶的“原地模拟模式”与“移动模拟模式”；通过视觉、听觉、触觉、体感、力感交互途径，设计模拟驾驶交互界面，采集模拟驾驶过程信息、然后传输到数据平台，供车载处理器识别得到驾驶员的驾驶风格，并更新到驾驶风格库；

(2)根据驾驶员驾驶风格识别内容和精度的需求，确定车辆内模拟驾驶的环境逼真度技术需求，然后确定驾驶员模拟驾驶过程中触觉交互、力感交互、体感交互的反馈逼真度具体需求，确定车辆系统主动可控能力，包括实时输出驾驶员操纵输入信息的能力，以及对驾驶员操纵输入引起的车辆运动作出反馈的实时模拟能力；根据触觉交互、力感交互反馈逼真度确定的车辆系统主动可控能力要求，额外增加车辆转向系统、制动系统、驱动系统的主动可控能力；根据体感交互反馈逼真度确定的车辆系统主动可控能力要求，额外增加车辆悬架系统或驾驶员座椅悬置系统对驾驶员座椅运动的主动可控能力，满足与模拟驾驶车辆响应同步的驾驶员体感反馈；根据视觉交互、听觉交互反馈逼真度确定的要求，采用车内音响设备或独立音响设备体现模拟驾驶中的音响效果，将模拟驾驶的视觉场景呈现在车内独立显示器上，或者基于挡风玻璃、车窗、后视镜上，结合采用虚拟现实、增强现实技术进行显示；根据模拟驾驶反馈逼真度要求，确定视觉场景效果、音响效果、驾驶员座椅动作效果的时间同步要求；

(3)使用车载信息采集系统收集的模拟驾驶过程信息，包括“人”、“车”、“路”三方面信息，其中“人”的信息为真实驾驶员产生的数据，包括驾驶员的操纵输入、生理状态、心理状态、肢体信息、言语表达；“车”信息分别为模拟驾驶车辆状态的信息；“路”的信息为虚拟驾驶场景中本车相关的交通、气象环境信息，包括周围道路使用者、道路设施、气象环境的状态信息；

(4)所述车载模拟驾驶软件中虚拟驾驶场景，根据模拟未来出行任务的总体特征和局部特征来确定，并基于虚拟驾驶场景库中的要素来构建，包含确定性场景要素和随机性场景要素；其中，任务的总体特征包括出发时间、里程、预估时长、气象、光照，局部特征对应全程要完成的典型驾驶任务，包括弯道驾驶、跟车、并道、换道、超车、红绿灯通行、路口交遇、出入匝道、泊车；确定性场景要素根据车辆导航系统、智能交通设施、驾驶员行程请求数据所汇总的未来行程信息来选择与设计，用来考虑对驾驶员未来行程中驾驶场景的覆盖，包括轨迹信息、道路信息、交通设施信息、气象信息、交通参与者信息、异常路段信息，其中异常路段包括横风路段、路面凹坑路段、市区拥堵路段、交通事故路段；结合确定性场景要素，从虚拟驾驶场景库中选择具有高动态、高风险特点的随机性场景要素，从驾驶员未来行程中的潜在突发危险场景出发来选择，包括侧边车辆快速加塞、前车突然减速、红绿灯突然损坏；

(5)车载内部处理器负责对车载信息采集数据进行分析处理，驾驶场景库负责对模拟驾驶场景的存储，驾驶风格库负责对驾驶员驾驶风格的存储；数据平台包括车载数据平台和云端数据平台，其中，车载数据平台存储少量关键数据，包括与驾驶员本次行程相关的行车数据、模拟驾驶数据、驾驶风格库数据、虚拟驾驶场景库数据；云端数据平台存储空间大、处理能力强，包括各类驾驶员和行程条件下的行车数据、模拟驾驶数据、驾驶风格库数据、虚拟驾驶场景库数据；车载数据平台和云端数据平台之间根据需要相互传输数据；

(6)在车辆自动驾驶状态下的模拟驾驶模式中，将转向系统、制动系统、驱动系统、悬架系统强制进入全线控模式，驾驶员操纵输入与汽车动力系统、底盘系统之间的机械联接全部脱离。

2.如权利要求1所述识别驾驶员驾驶风格的系统，其特征在于，具体为：

驾驶员模拟驾驶过程中，所使用的车辆操纵界面在硬件上与真实驾驶模式下的操纵界面相同，但通过软件配置，车辆操纵界面全部进入模拟驾驶工作模式，并记录所有驾驶员操纵输入数据；其中，驾驶任务相关的操纵界面是所有影响车辆行驶运动的界面，包括制动踏板、方向盘、油门踏板、变速器操纵杆、仪表板驾驶模式组合按钮；除驾驶任务相关之外的操作界面包括车内气候调节、多媒体娱乐系统；根据驾驶风格识别的内容和精度要求，驾驶任务相关的驾驶员操纵输入包括转向盘力矩和角度、制动踏板力和位移、油门踏板力和位移、变速器操纵杆位置、变速器模式选择按钮位置中的一个或多个；

在模拟驾驶模式中，制动踏板和油门踏板分别配置踏板力感模拟装置，并根据模拟驾驶中的车速、地面条件和车辆纵向加速度条件对踏板反馈力度进行适应性改变；在车辆悬架系统或驾驶员座椅悬置系统的主动调节过程中，考虑模拟驾驶模式中的虚拟车辆运动位姿信息，所实现的驾驶员运动和位姿，与模拟驾驶场景中驾驶员体感要求相符合；其中，模拟驾驶模式中的虚拟车辆运动位姿信息，包括车身运动姿态，以及驾驶员座位位置的垂向加速度、纵向加速度、侧向加速度、横摆角速度、侧倾角速度、俯仰角速度；

在车辆静止状态下的模拟驾驶模式中，转向系统由人工驾驶条件下的助力转向模式切换为模拟驾驶模式，转向力感模拟装置根据模拟驾驶中的车速、地面条件与方向盘转角转矩，实时调节方向盘助力特性，克服转向车轮原地转向阻力，保证模拟驾驶过程中的方向盘力感体验；

在车辆自动驾驶状态下的模拟驾驶模式中，转向系统的力感模拟装置根据模拟驾驶中的车速、地面条件与方向盘转角转矩，实时调节方向盘力感特性；悬架系统或座椅悬置系统调节驾驶员座椅运动位姿时，除考虑模拟驾驶模式中的虚拟车辆运动位姿信息外，还融合考虑车辆实际行驶中的运动位姿，通过悬架或座椅悬置系统的主动控制，实现与模拟驾驶场景中驾驶员体感相符合的真实车辆运动位姿。

3.如权利要求2所述识别驾驶员驾驶风格的系统，其特征在于，具体为：采集驾驶员在实际车辆中的真实驾驶过程或模拟驾驶过程信息，包括“人”、“车”和“路”三方面信息，用于驾驶风格识别的总体识别和局部识别两个模块；其中，总体识别模块对应处理出行任务的全程数据，考查总体完成情况，包括总时长、超车、超速、闯红灯、抢黄灯、紧急加速、紧急刹车、紧急转向、抢行/让行、整车能耗、驾驶员生理状态的统计数据；局部识别模块对场景特征和驾驶任务相组合条件下的场景任务组合进行考查，场景特征包括不同的车速、光照、交互车辆、交互行人、拥堵度、路面附着、道路属性，驾驶任务包括换道、超车、减速停车、并道、巡航、跟车、下坡、爬坡，场景任务组合包括匝道强制并道、市内拥堵路跟车、隧道超车、高速自由换道、山路弯道转向、雨天减速停车。

4.如权利要求3所述识别驾驶员驾驶风格的系统，其特征在于，具体为：根据驾驶风格识别的内容和精度要求，模拟驾驶过程信息中“人”的信息采集装置中，除驾驶员的操纵输入采集设备外，生理信号采集设备获得的驾驶员生理状态数据，包括脑电EEG、心电ECG、血压、脉搏、座椅面压力分布、皮肤电阻GSR、肌肉电EMG；车载摄像机获得的驾驶员视觉信息包括头部姿态、眼动信息、躯体和肢体状态，其中眼动信息采用红外摄像机或眼动追踪装置获得；车内麦克风获得驾驶员言语表达；综合“人”的信息，对视觉、语音、生理状态信息进行人工智能算法处理，获得模拟驾驶过程中与驾驶操作行为对应的驾驶员心理状态信息，包括愉悦、紧张、放松、困惑、急躁、疲劳；

模拟驾驶过程信息中的“车”和“路”信息，为驾驶员在完成本车驾驶任务过程中实施操纵输入的背景条件，分为车辆类信息和环境条件类信息，其中，车辆类信息包括车载坐标系下的本车六自由度位姿与运动信息、所有周边他车的六自由度位姿与运动信息，环境条件类信息包括光照、气象、道路标志牌、路面标记线、路面附着条件、道路类别。

5.如权利要求4所述识别驾驶员驾驶风格的系统，其特征在于，具体运行过程为：

(a)驾驶员上车后，输入行程的起点和终点；根据车辆是否具备自动驾驶能力、驾驶员是否进行模拟驾驶、对于通行效率的考量，确定模拟驾驶软件的工作模式为“原地模拟模式”或“移动模拟模式”，并进行虚拟驾驶场景的搭建；

(b)完成多渠道交互反馈模块的准备后，信息采集设备会采集模拟驾驶过程中“人”、“车”、“路”三方面的信息，并将数据传输至车载数据平台与云端数据平台；

(c)车载处理器根据采集的信息，对驾驶员当前驾驶场景、当前车辆状态与当前生理状态所对应的驾驶风格进行识别，并对驾驶风格模型库进行更新。

6.如权利要求5所述识别驾驶员驾驶风格的系统，其特征在于，具体为：计算评估未来行程的安全风险、通行效率、舒适度，确定虚拟驾驶场景元素之间的逻辑关系和组合优化目标；首先，根据总体出行任务，输入出发点与终点，根据车辆导航和智能交通设施，得到由道路信息、交通设施信息、气象信息、交通参与者信息构成的确定性行程信息；其次，车载处理器将根据行程信息，依靠模拟驾驶场景库中的场景，生成所对应的确定性模拟驾驶场景；再者，考虑对驾驶员的安全、舒适、情绪、注意力、疲劳程度有影响的场景要素，以短期模拟驾驶过程中获得驾驶风格核心信息为目标，在保留未来行程场景真实性的前提下，滤除不必要的重复性场景；最后，以挖掘驾驶员潜意识层面、肌肉记忆层面的驾驶风格为目标，根据虚拟驾驶场景库，不定时间不定地点向确定性模拟驾驶场景中随机添加一些高动态、高风险的随机性场景元素信息，完成构建虚拟驾驶场景。

7.如权利要求6所述识别驾驶员驾驶风格的系统，其特征在于，所述步骤(b)多渠道交互反馈模块的准备，包括力感反馈装置、视觉反馈装置、听觉反馈装置、体感反馈装置、触觉反馈装置等五个装置的准备；“人”的信息为真实驾驶员产生的数据；“车”的信息为模拟驾驶软件中车辆信息；“路”的信息为模拟驾驶软件中虚拟驾驶场景信息；车载处理器获得驾驶员在特定驾驶场景、特定车辆状态、特定生理状态下所对应的操纵输入信息。

8.如权利要求7所述识别驾驶员驾驶风格的系统，其特征在于，所述步骤(c)中，依据步骤(b)采集的驾驶员在特定驾驶场景、特定车辆状态、特定生理状态下所对应的操纵输入信息，进行驾驶员驾驶风格的识别，获得驾驶员在特定道路场景、特定生理状态所对应的驾驶风格，并将获得的风格模型保存至驾驶风格模型库中，以供实车驾驶调用。

9.如权利要求8所述识别驾驶员驾驶风格的系统，其特征在于，当驾驶员选择了进行模拟驾驶，若为“原地模拟模式”，则驾驶员进行实车驾驶时，车载处理器根据模拟驾驶获得的驾驶员驾驶风格模型，对实车驾驶的辅助驾驶系统或自动驾驶系统进行个性化参数调整，确保之后辅助驾驶系统与自动驾驶系统决策表现出风格与此时、此场景、特定驾驶员的驾驶风格一致，提升驾驶员的驾乘体验，保证驾驶员对辅助驾驶系统与自动驾驶系统的信任程度，提高安全性；若为“移动模拟模式”，则车载处理器会实时根据模拟驾驶获得的驾驶员风格模型，对自动驾驶系统进行适当的个性化参数调整，保证之后的自动驾驶系统决策符合当前驾驶员的驾驶风格；当驾驶员未选择进行模拟驾驶，驾驶员进行实车驾驶时，车载处理器会根据传感器与智能交通系统获得的人、车、路信息，调用驾驶风格模型库中与当前场景贴合程度最高的驾驶风格，以此为基础对辅助驾驶系统或自动驾驶系统的特性参数进行个性化调整，确保辅助驾驶系统或自动驾驶系统的决策尽可能贴合此时驾驶员的驾驶风格。

10.如权利要求9所述识别驾驶员驾驶风格的系统，其特征在于：既可以应用于人工驾驶车辆、半自动驾驶车辆，也可以应用于全自动驾驶车辆；应用于半自动驾驶车辆时，模拟驾驶软件可以应用于“原地模拟模式”；应用于全自动驾驶车辆时，驾驶员可以根据自己对于行驶安全、舒适性、车辆通行效率的权衡，选择模拟驾驶软件应用于“原地模拟模式”或“移动模拟模式”。

Images