CN113911140B - 一种基于非合作博弈的人机共驾控制方法及相关装置 - Google Patents
一种基于非合作博弈的人机共驾控制方法及相关装置 Download PDFInfo
- Publication number
- CN113911140B CN113911140B CN202111405491.4A CN202111405491A CN113911140B CN 113911140 B CN113911140 B CN 113911140B CN 202111405491 A CN202111405491 A CN 202111405491A CN 113911140 B CN113911140 B CN 113911140B
- Authority
- CN
- China
- Prior art keywords
- driving control
- control weight
- function
- driver
- vehicle
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/005—Handover processes
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0015—Planning or execution of driving tasks specially adapted for safety
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/005—Handover processes
- B60W60/0059—Estimation of the risk associated with autonomous or manual driving, e.g. situation too complex, sensor failure or driver incapacity
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Human Computer Interaction (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开了一种基于非合作博弈的人机共驾控制方法,包括:根据车辆的预瞄偏移距离,确定车辆的运动可行域;根据车辆的运动可行域,确定驾驶人的驾驶控制权值;其中,在车辆的运动可行域沿着危险程度递增的方向变化的过程中,驾驶人的驾驶控制权值递减;根据驾驶人的驾驶控制权值,确定智能系统的驾驶控制权值;智能系统的驾驶控制权值与驾驶人的驾驶控制权值的和为一;根据驾驶人的驾驶控制权值与智能系统的驾驶控制权值,进行车辆控制。该方法能够减少人机共驾过程中的人机冲突,实现驾驶人与智能系统之间驾驶控制权值的平稳交接。本申请还公开了一种基于非合作博弈的人机共驾控制装置、设备以及计算机可读存储介质,均具有上述技术效果。
Description
技术领域
本申请涉及智能车辆技术领域,特别涉及一种基于非合作博弈的人机共驾控制方法;还涉及一种基于非合作博弈的人机共驾控制装置、设备以及计算机可读存储介质。
背景技术
人机共驾是指驾驶人与智能系统同时在环,共同享有对车辆的驾驶控制权值,人机一体化协同完成驾驶任务。通过人机共驾,可以减轻驾驶人的驾驶负担,将部分驾驶任务移交给智能系统,从而提高驾驶过程中的舒适性。人机共驾的核心问题是驾驶控制权值交接方式以及对其动态分配过程的描述。当人机控制并行存在时,驾驶人与智能系统的驾驶控制权值随场景转移的分配机制将变得十分关键。如果在车辆驾驶控制权值切换过程中出现了冲突,极有可能造成车辆失控等严重后果。
目前,大部分LKAS(lane keeping assist system,车道保持系统)都将前轮转角或转向力矩作为控制量,未考虑驾驶人在环的情况抑或是将驾驶人操作视为外界扰动。车道保持系统与驾驶人在转向任务中都拥有独立的控制方式,容易造成二者在控制上的冲突,故需要对其进行协调控制。根据驾驶人与智能系统是否同时在环,可将人机协同控制方式概括为:1、智能辅助驾驶;2、特定场景下的驾驶控制权值切换;3、人机共驾过程中的驾驶控制权值动态分配,主要是通过设计权值分配策略来综合协调控制效果,但如何设计合适的权值以及明确介入准则尚缺少足够的理论支撑。另外,现有方案更多的是在权值分配与跟踪精度之间寻求简易的折中,且优先保证横向偏差、方位偏差或横摆角偏差等控制目标,这样容易造成对驾驶人操作过度干预的情况。
因此,如何减少人机共驾过程中的人机冲突,实现驾驶人与智能系统之间驾驶控制权值的平稳交接已成为本领域技术人员亟待解决的技术问题。
发明内容
本申请的目的是提供一种基于非合作博弈的人机共驾控制方法,能够减少人机共驾过程中的人机冲突,实现驾驶人与智能系统之间驾驶控制权值的平稳交接。本申请的另一个目的是提供一种基于非合作博弈的人机共驾控制装置、设备以及计算机可读存储介质,均具有上述技术效果。
为解决上述技术问题,本申请提供了一种基于非合作博弈的人机共驾控制方法,包括:
根据车辆的预瞄偏移距离,确定所述车辆的运动可行域;
根据所述车辆的所述运动可行域,确定驾驶人的驾驶控制权值;其中,在所述车辆的所述运动可行域沿着危险程度递增的方向变化的过程中,所述驾驶人的驾驶控制权值递减;
根据所述驾驶人的驾驶控制权值,确定智能系统的驾驶控制权值;所述智能系统的驾驶控制权值与所述驾驶人的驾驶控制权值的和为一;
根据所述驾驶人的驾驶控制权值与所述智能系统的驾驶控制权值,进行车辆控制。
可选的,所述运动可行域包括安全域、过渡域、预警域以及危险域。
可选的,所述根据所述车辆的运动可行域,确定驾驶人的驾驶控制权值包括:
根据所述车辆的运动可行域,确定关于驾驶控制权值与预瞄偏移距离的函数;
根据所述函数与所述预瞄偏移距离,得到所述驾驶人的驾驶控制权值。
可选的,所述安全域对应的所述函数为第一定值函数;所述过度域对应的所述函数为线性函数;所述预警域对应的所述函数为第二定值函数;所述危险域对应的所述函数为曲线函数。
可选的,所述第一定值函数的函数值为1,所述线性函数的函数值所属区间为[0.5,1],所述第二定值函数的函数值为0.5,所述曲线函数的函数值所属区间为[0,0.5]。
可选的,所述根据所述驾驶人的驾驶控制权值与所述智能系统的驾驶控制权值,进行车辆控制包括:
根据所述驾驶人的驾驶控制权值与所述智能系统的驾驶控制权值以及所述驾驶人与所述智能系统各自对应的代价函数,进行车辆控制。
可选的,所述代价函数具有约束条件与正则化项,且所述约束条件包括松弛因子。
为解决上述技术方案,本申请还提供了一种基于非合作博弈的人机共驾控制装置,包括:
运动可行域确定模块,用于根据车辆的预瞄偏移距离,确定所述车辆的运动可行域;
第一驾驶控制权值确定模块,用于根据所述车辆的所述运动可行域,确定驾驶人的驾驶控制权值;其中,在所述车辆的所述运动可行域沿着危险程度递增的方向变化的过程中,所述驾驶人的驾驶控制权值递减;
第二驾驶控制权值确定模块,用于根据所述驾驶人的驾驶控制权值,确定智能系统的驾驶控制权值;所述智能系统的驾驶控制权值与所述驾驶人的驾驶控制权值的和为一;
控制模块,用于根据所述驾驶人的驾驶控制权值与所述智能系统的驾驶控制权值,进行车辆控制。
为解决上述技术问题,本申请还提供了一种基于非合作博弈的人机共驾控制设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如上任一项所述的基于非合作博弈的人机共驾控制方法的步骤。
为解决上述技术问题,本申请还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上任一项所述的基于非合作博弈的人机共驾控制方法的步骤。
本申请所提供的基于非合作博弈的人机共驾控制方法,包括:根据车辆的预瞄偏移距离,确定所述车辆的运动可行域;根据所述车辆的所述运动可行域,确定驾驶人的驾驶控制权值;其中,在所述车辆的所述运动可行域沿着危险程度递增的方向变化的过程中,所述驾驶人的驾驶控制权值递减;根据所述驾驶人的驾驶控制权值,确定智能系统的驾驶控制权值;所述智能系统的驾驶控制权值与所述驾驶人的驾驶控制权值的和为一;根据所述驾驶人的驾驶控制权值与所述智能系统的驾驶控制权值,进行车辆控制。
可见,本申请所提供的人机共驾控制方法,通过非合作博弈的方式解决双驾双控中驾驶控制权值的分配问题,采用预瞄偏移距离确定驾驶人与智能系统的驾驶控制权值。随着运动可行域的危险程度逐渐增大,驾驶人的驾驶控制权值逐渐降低,智能系统的驾驶控制权值逐渐升高,以而增加了智能系统规划路径的置信度,可以确保行驶安全性;在运动可行域的危险程度较低时,驾驶人的驾驶控制权值升高,智能系统的驾驶控制权值降低,从而提高了驾驶人的控制权裕度,可以改善驾驶舒适性。如此,该人机共驾控制方法能够减少人机共驾过程中的人机冲突,实现驾驶人与智能系统之间驾驶控制权值的平稳交接。
本申请所提供的基于非合作博弈的人机共驾控制装置、设备以及计算机可读存储介质均具有上述技术效果。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对现有技术和实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例所提供的一种基于非合作博弈的人机共驾控制方法的流程示意图;
图2为本申请实施例所提供的一种基于NCG-MPC的人机共驾策略的示意图;
图3为本申请实施例所提供的一种驾驶人的驾驶控制权值分配模型的示意图;
图4为本申请实施例所提供的一种车路参考模型的示意图;
图5为本申请实施例所提供的一种基于非合作博弈的人机共驾控制装置的示意图;
图6为本申请实施例所提供的一种基于非合作博弈的人机共驾控制设备的示意图。
具体实施方式
本申请的核心是提供一种基于非合作博弈的人机共驾控制方法,能够减少人机共驾过程中的人机冲突,实现驾驶人与智能系统之间驾驶控制权值的平稳交接。本申请的另一个核心是提供一种基于非合作博弈的人机共驾控制装置、设备以及计算机可读存储介质,均具有上述技术效果。
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
请参考图1,图1为本申请实施例所提供的一种基于非合作博弈的人机共驾控制方法的流程示意图,参考图1所示,该方法主要包括:
S101:根据车辆的预瞄偏移距离,确定所述车辆的运动可行域;
其中,运动可行域可以包括安全域、过渡域、预警域以及危险域。
具体的,人机并行控制具有双环并行的控制结构,驾驶人与智能系统的输入具有冗余与博弈的特征。本申请基于非合作博弈理论,提供了一种基于NCG-MPC(non-cooperative game based model predictive control,非合作博弈模型预测控制)的人机共驾方案,以改善双驾双控系统的友好性。
参考图2所示,在基于NCG-MPC的人机共驾方案中,首先根据环境感知、车辆模型规划出车辆的运动可行域,并根据预瞄偏移距离将车辆的运动可行域划分成多个类型的运动可行域。预瞄偏移距离是指车辆在预瞄点处偏移车道中心线的距离,且车辆的预瞄偏移距离是时间的函数。其次根据驾驶人模型、车辆模型得到驾驶人的期望轨迹,再通过车辆的运动可行域与驾驶人的期望轨迹进行危险态势估计。图2中,w1、w2分别表示驾驶人与智能系统的驾驶参与度,即驾驶人与智能系统的驾驶控制权值,且满足w1+w2=1。
基于NCG-MPC的人机共驾方案的作用是根据危险态势估计模型来综合协调驾驶人与智能系统的驾驶参与度。旨在当车辆处于安全域或过渡域前期时,在保证一定的横向运动控制精度的前提下将给予驾驶人足够的控制权裕度,以提升驾驶人的舒适体验;当由于驾驶人误操作或走神等而导致车辆进入预警域或危险域时,基于NCG-MPC的人机共驾策略将会逐步把驾驶控制权值从驾驶人交接给智能系统,由此较好地兼顾驾乘舒适性与行驶安全性,同时保持驾驶人时刻在环。
为此,针对人机共驾,本申请首先根据车辆的预瞄偏移距离,确定车辆当前的运动可行域。根据JTG B01-2014公路工程技术标准,高速公路车道宽度为3.75m,且通常轿车宽度约1.6-1.8m,因此各运动可行域的范围可划分如下:安全域:[0,0.3]米,在此安全域,驾驶人占主导权;过渡域:(0.3,0.6]米,在过渡域逐渐提高智能系统的控制权值;预警域:(0.5,∞)米,在预警域启动分级预警;危险域(0.6,∞)米,在危险域智能系统快速接管驾驶控制权值。
当车辆的预瞄偏移距离落入某个运动可行域的范围内时,车辆当前的运动可行域即为预瞄偏移距离落入的运动可行域。例如,车辆的预瞄偏移距离为0.1米,则车辆的运动可行域为安全域。
可以明白的是,对于每一种运动可行域的范围,可以进行差异性划分,本申请对此不做唯一限定。
S102:根据所述车辆的所述运动可行域,确定驾驶人的驾驶控制权值;其中,在所述车辆的所述运动可行域沿着危险程度递增的方向变化的过程中,所述驾驶人的驾驶控制权值递减;
S103:根据所述驾驶人的驾驶控制权值,确定智能系统的驾驶控制权值;所述智能系统的驾驶控制权值与所述驾驶人的驾驶控制权值的和为一;
在一种具体的实施方式中,所述根据所述车辆的运动可行域,确定驾驶人的驾驶控制权值的方式可以为:
根据所述车辆的运动可行域,确定关于驾驶控制权值与预瞄偏移距离的函数;
根据所述函数与所述预瞄偏移距离,得到所述驾驶人的驾驶控制权值。
其中,所述安全域对应的所述函数可以为第一定值函数;所述过度域对应的所述函数可以为线性函数;所述预警域对应的所述函数可以为第二定值函数;所述危险域对应的所述函数可以为曲线函数。
另外,所述第一定值函数的函数值可以为1,所述线性函数的函数值所属区间可以为[0.5,1],所述第二定值函数的函数值可以为0.5,所述曲线函数的函数值所属区间可以为[0,0.5]。
具体而言,参考图3所示,考虑到驾驶人对线性函数的接受度较佳,以及横向安全性要求,本实施例采用如图3所示的驾驶人控制权值分配模型来确定驾驶人的驾驶控制权值。其中,曲线函数具体可根据驾驶群体特性设定。另外,为了提高驾驶人的主观感受度以及其对智能系统的信任感,本实施例尽量减少了驾驶人控制权值低于0.5的情况。
驾驶人的驾驶控制权值与智能系统的驾驶控制权值的和为1。基于图3所示驾驶人控制权值分配模型确定驾驶人的驾驶控制权值后,进一步即可依据所述驾驶人的驾驶控制权值与所述智能系统的驾驶控制权值的关系,相应的确定智能系统的驾驶控制权值。
由于在所述车辆的运动可行域由安全域过渡到危险域的过程中,所述驾驶人的驾驶控制权值逐渐降低,因此当车辆进入危险域时,通过逐步下调驾驶人的驾驶控制权值,上调智能系统的驾驶控制权值以增加智能系统规划路径的置信度,可以确保行驶安全性;当车辆进入安全域时,通过逐步上调驾驶人的驾驶控制权值,下调智能系统的驾驶控制权值以提高驾驶人的控制权裕度,可以改善驾驶舒适性。通过合理调整驾驶人与智能系统的驾驶参与度,基于NCG-MPC的人机共驾策略能够较好地实现驾驶人与智能系统之间驾驶控制权的平稳交接。
S104:根据所述驾驶人的驾驶控制权值与所述智能系统的驾驶控制权值,进行车辆控制。
其中,所述根据所述驾驶人的驾驶控制权值与所述智能系统的驾驶控制权值,进行车辆控制的方式具体可以为:根据驾驶人的驾驶控制权值与智能系统的驾驶控制权值以及驾驶人与智能系统各自对应的代价函数,进行车辆控制。
另外,在一种具体的实施方式中,所述代价函数具有约束条件与正则化项,且所述约束条件包括松弛因子。
具体而言,首先针对车道保持共享控制问题作如下数据描述:
以驾驶人与智能系统共同享有对车辆转向的控制为例,构建一个共驾型LKAS模型。横向动力学模型是构造人车路闭环动力学模型的基础。假设如下:
当车辆速度变化较小时,常纵向速度假设是近似成立的;
忽略车辆的侧倾与俯仰运动。
参考图4所示,XOY为惯性坐标系,xoy为车身坐标系,基于线性二自由度汽车模型,同时对转向系统进行一阶惯性环节近似,采用一阶微分方程对该车路参考模型进行数学描述:
式(1)中,dy为车身坐标系下车辆质心与车道中心线之间的横向位移,vy为车身坐标系下的横向速度,vx为车身坐标系下的纵向速度,vy与vx的合成速度称为质心速度,为横摆角,ωr为横摆角速度,Cf为前轮的侧偏刚度,Cr为后轮的侧偏刚度,a为前轴与车辆质心之间的距离,b为后轴与车辆质心之间的距离,δsw为方向盘转角,δf为前轮转角,TL为一阶惯性环节的时间常数,KL为一阶惯性环节的增益,Iz为绕z轴的转动惯量,m为车辆的质量。
式(2)中,各系数矩阵满足:
以Ts为采样周期对式(2)进行离散化处理,得到离散状态空间方程:
式(3)中,各系数矩阵满足:
在此基础上,假设当前时刻为k,预测时域为[k,k+p-1],控制时域为[k,k+c-1],其中,c≤p,且满足u(k+c-1)=u(k+c)=…=u(k+p-1)。由式(3)逐步迭代整理得:
式(4)中,
X(k+1)=[x(k+1),x(k+2),…,x(k+p)]T;
U1(k)=[u1(k),u1(k+1),…,u1(k+c-1)]T;
U2(k)=[u2(k),u2(k+1),…,u2(k+c-1)]T;
Y(k)=[y(k),y(k+1),…,y(k+p-1)]T;
Ap=[A,A2,…,Ap]T;
Cp=diag(C,C,…,C)。
车道保持的任务是使车辆横向位置应尽可能逼近期望路径,同时为保证控制效果,控制输入宜尽可能小。在基于NCG-MPC人机共驾策略中,包含两个决策者(即系统有两个控制输入):驾驶人、智能系统,这两个决策者皆期望自身在实现控制目标时所花费的成本最小,为此构造代价函数如下:
可见,在代价函数中第一项体现了对期望轨迹的跟踪能力,第二项反映了对控制平稳性的要求。式中,
y1,des(k)、y2,des(k)分别为驾驶人与智能系统的局部期望轨迹,r1(k)、r2(k)分别为相应的控制输入的加权系数,q1(k)、q2(k)分别为相应的状态加权矩阵(也可称为置信度矩阵),用来动态调整驾驶人与智能系统之间的驾驶参与度,w1(k)、w2(k)分别为驾驶人与智能系统的驾驶控制权值,λ1(k)与λ2(k)为设计参数,λ1(k)、λ2(k)影响相应规划轨迹的超调特性。
其中,考虑到车辆自身的物理限制以及实际应用场景,对由控制输入、系统状态所构成的控制器工作域进行边界约束:
进一步,在MPC有限时域滚动优化过程中,式(7)所示的硬约束条件可能会导致无可行解问题,为此采用松弛因子对硬约束条件进行松弛化处理以扩展求解可行域:
进一步,为了防止因引入松弛因子而导致对控制器工作域的边界约束作用失效,在代价函数中增加一个正则化项,以惩罚松弛因子扩展工作域边界的能力,从而在硬约束问题求解可行性与工作域边界松弛程度之间寻求平衡[18]。根据式(5)、式(6)、式(8),重构代价函数如下:
式中,C1、C2为常数项;
其中,Ic为c×c的单位矩阵;
由此,通过采用二次型性能指标以及线性不等式约束的形式,将前轮转角决策问题转化为了带约束的在线二次规划问题,确定驾驶人的驾驶控制权值与智能系统的驾驶控制权值后,即可将其更新到相应代价函数的置信度矩阵,在线滚动求解过程中,选取向量解的第一个数值作为下一步的输入,如此重复,实现滚动在线控制。
综上所述,本申请所提供的人机共驾控制方法,通过非合作博弈的方式解决双驾双控中驾驶控制权值的分配问题,采用预瞄偏移距离确定驾驶人与智能系统的驾驶控制权值。随着运动可行域的危险程度逐渐增大,驾驶人的驾驶控制权值逐渐降低,智能系统的驾驶控制权值逐渐升高,以而增加了智能系统规划路径的置信度,可以确保行驶安全性;在运动可行域的危险程度较低时,驾驶人的驾驶控制权值升高,智能系统的驾驶控制权值降低,从而提高了驾驶人的控制权裕度,可以改善驾驶舒适性。如此,该人机共驾控制方法能够减少人机共驾过程中的人机冲突,实现驾驶人与智能系统之间驾驶控制权值的平稳交接。
本申请还提供了一种基于非合作博弈的人机共驾控制装置,下文描述的该装置可以与上文描述的方法相互对应参照。请参考图5,图5为本申请实施例所提供的一种基于非合作博弈的人机共驾控制装置的示意图,结合图5所示,该装置包括:
运动可行域确定模块10,用于根据车辆的预瞄偏移距离,确定所述车辆的运动可行域;
第一驾驶控制权值确定模块20,用于根据所述车辆的所述运动可行域,确定驾驶人的驾驶控制权值;其中,在所述车辆的所述运动可行域沿着危险程度递增的方向变化的过程中,所述驾驶人的驾驶控制权值递减;
第二驾驶控制权值确定模块30,用于根据所述驾驶人的驾驶控制权值,确定智能系统的驾驶控制权值;所述智能系统的驾驶控制权值与所述驾驶人的驾驶控制权值的和为一;
控制模块40,用于根据所述驾驶人的驾驶控制权值与所述智能系统的驾驶控制权值,进行车辆控制。
在上述实施例的基础上,可选的,所述运动可行域包括所述安全域、过渡域、预警域以及所述危险域。
在上述实施例的基础上,可选的,所述第一驾驶控制权值确定模块20具体用于:
根据所述车辆的运动可行域,确定关于驾驶控制权值与预瞄偏移距离的函数;
根据所述函数与所述预瞄偏移距离,得到所述驾驶人的驾驶控制权值。
在上述实施例的基础上,可选的,所述安全域对应的所述函数为第一定值函数;所述过度域对应的所述函数为线性函数;所述预警域对应的所述函数为第二定值函数;所述危险域对应的所述函数为曲线函数。
在上述实施例的基础上,可选的,所述第一定值函数的函数值为1,所述线性函数的函数值所属区间为[0.5,1],所述第二定值函数的函数值为0.5,所述曲线函数的函数值所属区间为[0,0.5]。
在上述实施例的基础上,可选的,所述控制模块40具体用于:
根据所述驾驶人的驾驶控制权值与所述智能系统的驾驶控制权值以及所述驾驶人与所述智能系统各自对应的代价函数,进行车辆控制。
在上述实施例的基础上,可选的,所述代价函数具有约束条件与正则化项,且所述约束条件包括松弛因子。
本申请还提供了一种基于非合作博弈的人机共驾设备,参考图6所示,该设备包括存储器1和处理器2。
存储器1,用于存储计算机程序;
处理器2,用于执行计算机程序实现如下的步骤:
根据车辆的预瞄偏移距离,确定所述车辆的运动可行域;根据所述车辆的所述运动可行域,确定驾驶人的驾驶控制权值;其中,在所述车辆的所述运动可行域沿着危险程度递增的方向变化的过程中,所述驾驶人的驾驶控制权值递减;根据所述驾驶人的驾驶控制权值,确定智能系统的驾驶控制权值;所述智能系统的驾驶控制权值与所述驾驶人的驾驶控制权值的和为一;根据所述驾驶人的驾驶控制权值与所述智能系统的驾驶控制权值,进行车辆控制。
对于本申请所提供的设备的介绍请参照上述方法实施例,本申请在此不做赘述。
本申请还提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时可实现如下的步骤:
根据车辆的预瞄偏移距离,确定所述车辆的运动可行域;根据所述车辆的所述运动可行域,确定驾驶人的驾驶控制权值;其中,在所述车辆的所述运动可行域沿着危险程度递增的方向变化的过程中,所述驾驶人的驾驶控制权值递减;根据所述驾驶人的驾驶控制权值,确定智能系统的驾驶控制权值;所述智能系统的驾驶控制权值与所述驾驶人的驾驶控制权值的和为一;根据所述驾驶人的驾驶控制权值与所述智能系统的驾驶控制权值,进行车辆控制。
该计算机可读存储介质可以包括:U盘、移动硬盘、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
对于本申请所提供的计算机可读存储介质的介绍请参照上述方法实施例,本申请在此不做赘述。
说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置、设备以及计算机可读存储介质而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上对本申请所提供的技术方案进行了详细介绍。本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以对本申请进行若干改进和修饰,这些改进和修饰也落入本申请权利要求的保护范围。
Claims (6)
1.一种基于非合作博弈的人机共驾控制方法,其特征在于,包括:
根据车辆的预瞄偏移距离,确定所述车辆的运动可行域;
根据所述车辆的所述运动可行域,确定驾驶人的驾驶控制权值;其中,在所述车辆的所述运动可行域沿着危险程度递增的方向变化的过程中,所述驾驶人的驾驶控制权值递减;
根据所述驾驶人的驾驶控制权值,确定智能系统的驾驶控制权值;所述智能系统的驾驶控制权值与所述驾驶人的驾驶控制权值的和为一;
根据所述驾驶人的驾驶控制权值与所述智能系统的驾驶控制权值,进行车辆控制;
所述运动可行域包括安全域、过渡域、预警域以及危险域;
所述根据所述车辆的运动可行域,确定驾驶人的驾驶控制权值包括:
根据所述车辆的运动可行域,确定关于驾驶控制权值与预瞄偏移距离的函数;
根据所述函数与所述预瞄偏移距离,得到所述驾驶人的驾驶控制权值;
所述安全域对应的所述函数为第一定值函数;所述过渡域对应的所述函数为线性函数;所述预警域对应的所述函数为第二定值函数;所述危险域对应的所述函数为曲线函数;
所述第一定值函数的函数值为1,所述线性函数的函数值所属区间为[0.5,1],所述第二定值函数的函数值为0.5,所述曲线函数的函数值所属区间为[0,0.5]。
2.根据权利要求1所述的人机共驾控制方法,其特征在于,所述根据所述驾驶人的驾驶控制权值与所述智能系统的驾驶控制权值,进行车辆控制包括:
根据所述驾驶人的驾驶控制权值与所述智能系统的驾驶控制权值以及所述驾驶人与所述智能系统各自对应的代价函数,进行车辆控制。
3.根据权利要求2所述的人机共驾控制方法,其特征在于,所述代价函数具有约束条件与正则化项,且所述约束条件包括松弛因子。
4.一种基于非合作博弈的人机共驾控制装置,其特征在于,包括:
运动可行域确定模块,用于根据车辆的预瞄偏移距离,确定所述车辆的运动可行域,所述运动可行域包括安全域、过渡域、预警域以及危险域;
第一驾驶控制权值确定模块,用于根据所述车辆的所述运动可行域,确定驾驶人的驾驶控制权值;其中,在所述车辆的所述运动可行域沿着危险程度递增的方向变化的过程中,所述驾驶人的驾驶控制权值递减;
第二驾驶控制权值确定模块,用于根据所述驾驶人的驾驶控制权值,确定智能系统的驾驶控制权值;所述智能系统的驾驶控制权值与所述驾驶人的驾驶控制权值的和为一;
控制模块,用于根据所述驾驶人的驾驶控制权值与所述智能系统的驾驶控制权值,进行车辆控制;
所述第一驾驶控制权值确定模块,具体用于:根据所述车辆的运动可行域,确定关于驾驶控制权值与预瞄偏移距离的函数;
根据所述函数与所述预瞄偏移距离,得到所述驾驶人的驾驶控制权值;
所述安全域对应的所述函数为第一定值函数;所述过渡域对应的所述函数为线性函数;所述预警域对应的所述函数为第二定值函数;所述危险域对应的所述函数为曲线函数;
所述第一定值函数的函数值为1,所述线性函数的函数值所属区间为[0.5,1],所述第二定值函数的函数值为0.5,所述曲线函数的函数值所属区间为[0,0.5]。
5.一种基于非合作博弈的人机共驾控制设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至3任一项所述的基于非合作博弈的人机共驾控制方法的步骤。
6.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至3任一项所述的基于非合作博弈的人机共驾控制方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111405491.4A CN113911140B (zh) | 2021-11-24 | 2021-11-24 | 一种基于非合作博弈的人机共驾控制方法及相关装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111405491.4A CN113911140B (zh) | 2021-11-24 | 2021-11-24 | 一种基于非合作博弈的人机共驾控制方法及相关装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113911140A CN113911140A (zh) | 2022-01-11 |
CN113911140B true CN113911140B (zh) | 2022-09-27 |
Family
ID=79248269
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111405491.4A Active CN113911140B (zh) | 2021-11-24 | 2021-11-24 | 一种基于非合作博弈的人机共驾控制方法及相关装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113911140B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116729417B (zh) * | 2023-05-22 | 2024-03-15 | 南京航空航天大学 | 一种基于非合作博弈的人机共驾横纵向联合控制方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107856737A (zh) * | 2017-11-06 | 2018-03-30 | 吉林大学 | 一种基于危险程度变权重的人机协同转向控制方法 |
CN109885040A (zh) * | 2019-02-20 | 2019-06-14 | 江苏大学 | 一种人机共驾中的车辆驾驶控制权分配系统 |
CN111688704A (zh) * | 2020-06-24 | 2020-09-22 | 吉林大学 | 一种基于驾驶状态预测的人机力矩协同转向控制方法 |
CN111775949A (zh) * | 2020-07-09 | 2020-10-16 | 中国人民解放军国防科技大学 | 一种人机共驾控制系统的个性化驾驶员转向行为辅助方法 |
CN113200056A (zh) * | 2021-06-22 | 2021-08-03 | 吉林大学 | 一种非完全信息非合作博弈人机共驾控制方法 |
CN113335291A (zh) * | 2021-07-27 | 2021-09-03 | 燕山大学 | 一种基于人车风险状态的人机共驾控制权决策方法 |
-
2021
- 2021-11-24 CN CN202111405491.4A patent/CN113911140B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107856737A (zh) * | 2017-11-06 | 2018-03-30 | 吉林大学 | 一种基于危险程度变权重的人机协同转向控制方法 |
CN109885040A (zh) * | 2019-02-20 | 2019-06-14 | 江苏大学 | 一种人机共驾中的车辆驾驶控制权分配系统 |
CN111688704A (zh) * | 2020-06-24 | 2020-09-22 | 吉林大学 | 一种基于驾驶状态预测的人机力矩协同转向控制方法 |
CN111775949A (zh) * | 2020-07-09 | 2020-10-16 | 中国人民解放军国防科技大学 | 一种人机共驾控制系统的个性化驾驶员转向行为辅助方法 |
CN113200056A (zh) * | 2021-06-22 | 2021-08-03 | 吉林大学 | 一种非完全信息非合作博弈人机共驾控制方法 |
CN113335291A (zh) * | 2021-07-27 | 2021-09-03 | 燕山大学 | 一种基于人车风险状态的人机共驾控制权决策方法 |
Non-Patent Citations (1)
Title |
---|
基于非合作模型预测控制的人机共驾策略;刘瑞等;《同济大学学报(自然科学版)》;20190731;第47卷(第7期);第1037-1045页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113911140A (zh) | 2022-01-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109177974B (zh) | 一种智能汽车的人机共驾型车道保持辅助方法 | |
CN110244721B (zh) | 自动驾驶控制方法、装置、设备及存储介质 | |
CN110329255B (zh) | 一种基于人机协同策略的车道偏离辅助控制方法 | |
CN111038477B (zh) | 车辆控制方法、装置和设备 | |
CN114655248A (zh) | 自动驾驶车辆的横向控制方法、装置及车辆 | |
WO2021145223A1 (en) | Adaptive control of autonomous or semi-autonomous vehicle | |
CN110780594A (zh) | 一种智能车的路径跟踪方法及系统 | |
CN112180925B (zh) | Agv轨迹跟随方法、装置及处理设备 | |
CN112429004B (zh) | 一种车辆自动换道控制方法 | |
CN113911140B (zh) | 一种基于非合作博弈的人机共驾控制方法及相关装置 | |
CN110027547B (zh) | 车辆横向控制方法和装置 | |
EL HAJJAMI et al. | Neural network based sliding mode lateral control for autonomous vehicle | |
CN113619574A (zh) | 一种车辆避让方法、装置、计算机设备和存储介质 | |
Hatipolglu et al. | Steering and lane change: A working system | |
CN114291109B (zh) | 一种共享驾驶冲突解决方法、系统和计算机设备 | |
Haddad et al. | Prediction and optimal feedback steering of probability density functions for safe automated driving | |
WO2024114037A1 (zh) | 智能电动汽车路径跟踪控制方法及装置 | |
CN112849152B (zh) | 一种车辆后轮的控制方法、控制系统及车辆 | |
Jiang | Modeling and simulation of adaptive cruise control system | |
Nilsson et al. | Automated highway lane changes of long vehicle combinations: A specific comparison between driver model based control and non-linear model predictive control | |
Weir et al. | Review of control theory models for directional and speed control | |
Okamoto et al. | A new hybrid sensorimotor driver model with model predictive control | |
Sieberg et al. | Representation of an Integrated Non-Linear Model-Based Predictive Vehicle Dynamics Control System by a Co-Active Neuro-Fuzzy Inference System | |
JP2023545179A (ja) | 横方向オフセット軌道を発生させる方法 | |
Hu et al. | Robust tube-based model predictive control for autonomous vehicle path tracking |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |