CN115782893A - 一种考虑驾驶员技能差异的自适应引导型辅助驾驶系统 - Google Patents
一种考虑驾驶员技能差异的自适应引导型辅助驾驶系统 Download PDFInfo
- Publication number
- CN115782893A CN115782893A CN202211493675.5A CN202211493675A CN115782893A CN 115782893 A CN115782893 A CN 115782893A CN 202211493675 A CN202211493675 A CN 202211493675A CN 115782893 A CN115782893 A CN 115782893A
- Authority
- CN
- China
- Prior art keywords
- skill
- driver
- driving
- vehicle
- adaptive
- 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.)
- Pending
Links
- 230000003044 adaptive effect Effects 0.000 claims abstract description 28
- 238000013145 classification model Methods 0.000 claims abstract description 23
- 230000006870 function Effects 0.000 claims description 35
- 238000000034 method Methods 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000012937 correction Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 10
- 238000010586 diagram Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 5
- 238000012706 support-vector machine Methods 0.000 claims description 5
- 238000012549 training Methods 0.000 claims description 4
- 230000008901 benefit Effects 0.000 abstract description 2
- 230000006399 behavior Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000017531 blood circulation Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 231100000430 skin reaction Toxicity 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 240000004808 Saccharomyces cerevisiae Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 231100001261 hazardous Toxicity 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002232 neuromuscular Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- B60W10/00—Conjoint control of vehicle sub-units of different type or different function
- B60W10/20—Conjoint control of vehicle sub-units of different type or different function including control of steering systems
-
- 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
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/10—Path keeping
- B60W30/12—Lane keeping
-
- 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
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
- B60W40/09—Driving style or behaviour
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/0098—Details of control systems ensuring comfort, safety or stability not otherwise provided for
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0019—Control system elements or transfer functions
- B60W2050/0028—Mathematical models, e.g. for simulation
- B60W2050/0031—Mathematical model of the vehicle
-
- 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
- B60W2510/00—Input parameters relating to a particular sub-units
- B60W2510/20—Steering systems
- B60W2510/202—Steering torque
-
- 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
- B60W2540/00—Input parameters relating to occupants
- B60W2540/18—Steering angle
-
- 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
- B60W2540/00—Input parameters relating to occupants
- B60W2540/30—Driving style
Landscapes
- Engineering & Computer Science (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Human Computer Interaction (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本发明涉及一种考虑驾驶员技能差异的自适应引导型辅助驾驶系统,包括:驾驶技能分类模块,基于当前车辆状态计算获得车辆稳定裕度,并将所述车辆稳定裕度和当前驾驶员状态共同作为一驾驶员技能分类模型的输入,获取对应的驾驶员技能分类结果;技能学习区间分类模块,用于获取车辆稳定裕度和车辆距离车道线边界的距离,采用一技能学习区间分类模型获得技能学习区间分类结果;自适应引导驾驶权分配模块,用于根据驾驶员技能分类结果和技能学习区间分类结果实现驾驶权分配控制,生成作用于车辆转向系统的辅助驾驶力矩。与现有技术相比,本发明具有提高辅助系统使用程度,且能在安全的条件下尽快的提高驾驶员技能等优点。
Description
技术领域
本发明涉及一种辅助驾驶系统,尤其是涉及一种考虑驾驶员技能差异的自适应引导型辅助驾驶系统。
背景技术
辅助驾驶系统是降低交通事故的主要手段之一,所以对辅助驾驶系统的研究被受汽车行业和互联网行业关注。在《A survey of personalization for advanced driverassistance systems》中指出标准化的辅助驾驶会引起驾驶员的不适,这使得驾驶员不愿意开启辅助驾驶系统。为了提高辅助系统的被使用率,个性化的辅助驾驶系统被研究,其中驾驶权的分配是主要的研究点。
专利CN 107804315 B通过决策的期望前轮转角与实际前轮转角的差值决定驾驶权的分配,即差值越大说明车辆偏离安全区域越远,应该增加机器的控制权限。但是没有考虑驾驶员的驾驶技能和驾驶风格的差异,这会导致驾驶员与辅助系统的冲突时常发生。专利CN 108819951B在此基础上提出了一种考虑驾驶员驾驶技能的人机共驾横向驾驶权分配方法,其中通过驾驶技能通过超出车道线次数和制动强度体现。但是这忽略了驾驶员的状态,在车辆正常行驶在道路行驶的过程中,由于新手驾驶员紧张而无法及时的发现突发状况的事情时有发生。在《Changes in collision rates among novice drivers duringthe first months of driving》中也指出,新手驾驶员在获得驾照后的前6个月是事故发生概率相比2年后有大度幅度的降低。为此,基于是视觉引导的辅助驾驶系统在专利CN113989775 B被提出,希望通过视觉引导的方式降低新手驾驶员的负担和提高驾驶员的专注度。同样的出发点,专利CN 114771574 A提出了基于驾驶员神经肌肉状态在线分配驾驶权的方法,希望解决由于驾驶员紧张导致的驾驶错误。
以上现有专利技术都在针对个性化的辅助驾驶技术做出了重大研究,当都从辅助新手驾驶员出发,这导致了驾驶员对辅助系统的依赖。由于辅助系统不能覆盖全部工况,当出现需要驾驶员接管时,一名过度依靠辅助系统的新手驾驶员是无法胜任这种危险工况的。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种在安全的条件下尽快的提高驾驶员技能的考虑驾驶员技能差异的自适应引导型辅助驾驶系统。
本发明的目的可以通过以下技术方案来实现:
一种考虑驾驶员技能差异的自适应引导型辅助驾驶系统,包括:
驾驶技能分类模块,用于获取当前车辆状态和当前驾驶员状态,基于当前车辆状态计算获得车辆稳定裕度,并将所述车辆稳定裕度和当前驾驶员状态共同作为一驾驶员技能分类模型的输入,获取对应的驾驶员技能分类结果,所述车辆稳定裕度根据离线确定的车辆稳定边界计算获得;
技能学习区间分类模块,用于获取车辆稳定裕度和车辆距离车道线边界的距离,采用一技能学习区间分类模型获得技能学习区间分类结果;
自适应引导驾驶权分配模块,用于根据驾驶员技能分类结果和技能学习区间分类结果实现驾驶权分配控制,生成作用于车辆转向系统的辅助驾驶力矩。
进一步地,所述车辆稳定边界的确定过程具体包括:
构建车辆动力学模型;
基于所述车辆动力学模型,获取车辆状态变化的根轨迹图;
通过支持向量机对所述根轨迹图中的状态点进行分类训练,获得分类超平面,以该分类超平面作为车辆稳定边界。
进一步地,所述车辆动力学模型采用二自由度车辆模型和Dugoff轮胎模型。
进一步地,对每一组状态进行3阶龙格库塔公式迭代获得所述根轨迹图。
进一步地,所述技能学习区间分类模型表示为:
其中,Cs是技能学习区间类别,1代表学习区间,0代表非学习区间;Dsl是当前状态到车辆稳定边界下边界的距离;Dsh是当前状态到车辆稳定边界上边界的距离;Ttlc是车辆前轮跨越车道线边界需要的时间。
进一步地,所述自适应引导驾驶权分配模块包括一级驾驶权分配单元、自适应学习率调节单元和二级驾驶权分配单元,其中,
一级驾驶权分配单元基于所述驾驶员技能分类结果生成对应的一级驾驶权分配系数;
二级驾驶权分配单元基于所述一级驾驶权分配系数、技能学习区间分类结果和由所述自适应学习率调节单元获取的引导力矩生成对应的二级驾驶权分配系数,基于所述二级驾驶权分配系数产生辅助驾驶力矩;
所述自适应学习率调节单元获取引导力矩的过程包括:
依据驾驶员手力矩与辅助驾驶力矩的辅助一致率来修正人工势力场函数系数,对辅助期望轨迹进行调整,产生所述引导力矩。
进一步地,所述一级驾驶权分配系数的计算公式表示为:
其中,ξ1o为有经验驾驶员的一级驾驶权分配系数;ξ1n为新手驾驶员的一级驾驶权分配系数;Dsl是当前状态到车辆稳定边界下边界的距离;Dsh是当前状态到车辆稳定边界上边界的距离。
进一步地,所述修正人工势力场函数系数具体为:辅助一致率大于80%,则人工势力场函数修正系数减0.1。
进一步地,所述二级驾驶权分配系数的计算公式表示为:
ξo=ξ1o*ξ2o
ξn=ξ1n*ξ2n
其中,ξo为有经验驾驶员的二级驾驶权分配系数;ξn为新手驾驶员的二级驾驶权分配系数;ξ1o为有经验驾驶员的一级驾驶权分配系数;ξ1n为新手驾驶员的一级驾驶权分配系数;ξ2o为有经验驾驶员的学习驾驶权分配系数;ξ2n为新手驾驶员的学习驾驶权分配系数。
进一步地,所述学习驾驶权分配系数的计算公式表示为:
ξ2o=1
其中,Cs是技能学习区间类别,1代表学习区间,0代表非学习区间;Dsl是当前状态到车辆稳定边界下边界的距离;Dsh是当前状态到车辆稳定边界上边界的距离。
与现有技术相比,本发明具有以下有益效果:
1、本发明通过驾驶技能分类和技能学习区间分类进行辅助系统驾驶权的分配控制,在提高了辅助系统在新手驾驶员中的使用程度的同时,尽快的提升新手驾驶员的驾驶技能。
2、本发明以车辆稳定裕度和当前驾驶员状态作为驾驶技能特征,实现驾驶技能的分类,其中,车辆稳定裕度和当前驾驶员状态(如生理采集信息等)能够在不同复杂程度的驾驶情景中同类驾驶员会有相同的车辆稳定裕度分布,可以通过较少的日常行驶的驾驶场景实现准确驾驶技能分类,分类模型训练方便,分类准确率高。
3、本发明在驾驶权分配控制中同时考虑驾驶技能分类和技能学习区间分类,并基于辅助一致率实现自适应学习率调节,实现针对不同新手驾驶员的学习能力的差异性以及同一新手驾驶员不同技能阶段学习能力的差异性的技能学习强度调整的目的,进一步提高可靠性。
附图说明
图1为本发明系统架构示意图;
图2为本发明驾驶技能分类模块的工作原理示意图;
图3为本发明基于支持向量机的车辆稳定边界获取原理图;
图4为本发明自适应引导驾驶权分配模块的工作原理示意图。
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《Learner Driver Experience and Teenagers’Crash Risk During theFirst Year of Independent Driving》指出,驾驶技能的学习与个人特征有关,过多的干预和高强度的干预会导致驾驶员关闭辅助系统。针对不同驾驶员驾驶技能不一致导致的对辅助驾驶的辅助强度需求的不一致问题,以及新手驾驶员过度依赖辅助驾驶系统导致的驾驶技能无法提升而无法应对辅助系统没有覆盖的危险工况的问题,本发明为了应对不同驾驶员的学习能力的差异性以及同一驾驶员不同技能阶段学习能力的差异性,提出了一种考虑驾驶员技能差异的自适应引导型辅助驾驶系统,目的是在安全的条件下尽快的提高驾驶员技能。
如图1所示,本实施例提供的考虑驾驶员技能差异的自适应引导型辅助驾驶系统,包括驾驶技能分类模块、技能学习区间分类模块和自适应引导驾驶权分配模块。其中,驾驶技能分类模块用于获取当前车辆状态和当前驾驶员状态,基于当前车辆状态计算获得车辆稳定裕度,并将所述车辆稳定裕度和当前驾驶员状态共同作为一驾驶员技能分类模型的输入,获取对应的驾驶员技能分类结果,所述车辆稳定裕度用于映射驾驶员的情景感知能力和车辆控制能力,根据离线确定的车辆稳定边界计算获得,所述当前驾驶员状态用于映射驾驶负担。该驾驶技能分类模块用于解决新手驾驶员与有经验驾驶员对辅助系统需求的不一致问题,以便提高辅助系统的使用率。技能学习区间分类模块用于获取车辆稳定裕度和车辆距离车道线边界的距离,采用一技能学习区间分类模型获得技能学习区间分类结果,目的是在保证车辆安全的前提下提供驾驶员技能学习的空间;自适应引导驾驶权分配模块用于根据驾驶员技能分类结果和技能学习区间分类结果实现驾驶权分配控制,生成作用于车辆转向系统的辅助驾驶力矩,实现通过电机力矩的变化来改变车辆姿态以实现保证车辆安全和引导驾驶员技能学习的目的。上述系统可以实现针对不同驾驶员的学习能力的差异性以及同一驾驶员不同技能阶段学习能力的差异性的自适应学习强度调整。
1、驾驶技能分类
驾驶技能表现为对驾驶场景的理解和对车辆的控制以及处理突发任务的能力三个方面。其中对驾驶场景的理解通过情景意识体现的驾驶行为的决策,比如进入弯道时的速度和减速点等。这是导致驾驶事故发生的主要原因。但是在开放环境下,穷举所有的交通场景(包括车速、弯道弧度、路面情况等)是不可能的。同样的,对车辆的控制能力和处理突发任务的能力的评价也依赖于场景,因此同样也面临着驾驶场景无法穷举的问题。为此,本发明提出了基于行驶过程中的车辆稳定裕度分布和驾驶负担这两个评价指标的作为驾驶技能分类模型的输入,最后通过基于高斯混合-隐马尔可夫分类模型实现驾驶员技能的分类。驾驶技能分类模块的架构如图2所示,具有通过较少的日常行驶的驾驶场景实现准确驾驶技能分类的优点。
1)稳定裕度分布获取
稳定裕度分布获取主要分为:车辆动力学构建、根轨迹图获取、车辆稳定边界学习和车辆稳定裕度获取四个部分组成,结构如图3所示。车辆动力学构建采用的是二自由度车辆模型和Dugoff轮胎模型构建车辆动力学模型,根据计算平台能力可以采用更简单或者更复杂的模型,不限于此。根轨迹图本发明采用的是对每一组状态进行3阶龙格库塔公式迭代100次获得。这里的状态由两部分组成,第一份是输入量,指的是车辆的前轮转角和纵向车速;第二部分是初始状态,指的是车辆的车身质心侧偏角和横摆角速度。其次,车辆稳定边界学习本发明采用支持向量机进行学习。具体做法是以该状态下的根轨迹是否收敛于闭环极点来判断该状态是不是属于稳定点。最后,车辆稳定裕度是通过计算当前状态到当前状态下的车辆稳定边界的最小欧几里得距离获得。
2)驾驶负担获取
本实施例采用生理采集系统获得驾驶员的心率、皮肤电反应和血流量等生理信息,作为当前驾驶员状态,并依据这些生理信息评价驾驶员的驾驶任务负担。这是体现驾驶员应对突发情况的主要指标。
3)基于高斯混合-隐马尔可夫分类模型
基于以上获得的车辆稳定裕度和驾驶负担作为高斯混合-隐马尔可夫分类模型的输入,将测试时参加的驾驶员的标签作为识别目标。当分类模型的识别误差稳定后,停止模型训练,并保存分类模型的重要系数。以经训练的基于高斯混合-隐马尔可夫分类模型进行实际分类。
2、技能学习区间分类
驾驶技能学习区间分类的用途是分类出危险工况和安全工况,以便保证新手驾驶员在安全的工况下学习驾驶技能。它主要是通过车辆稳定裕度和车道线距离进行分类的。车辆稳定裕度获取的方法与驾驶技能分类中的稳定裕度分布获取是一样的,这里不在重复。《汽车人因工程学》中指出驾驶员正常行驶过程中最多只会使用车辆50%的性能,因此,发明中定义稳定裕度占比稳定边界宽度大于25%定义为安全区域(稳定边界宽度是双向对称的,因此单向占比是50%),否者为危险区域。车道线距离采用车辆前轮跨越车道线边界需要的时间(TLC)来确定,在《智能汽车车道偏离辅助系统设计及试验研究》建议TLC阀值选用0.5s。为此,本实施例中设计的技能学习区间分类模型如下:
式中:Cs是技能学习区间类别,1代表学习区间,0代表非学习区间;Dsl是当前状态到车辆稳定边界下边界的距离,具体为最小欧几里得距离;Dsh是当前状态到车辆稳定边界上边界的距离;Ttlc是车辆前轮跨越车道线边界需要的时间;D为车道线之间的宽度;a和d分别为车辆质心到前轴的距离和轮距;L为车辆质心到车道中心线的距离;θ为车辆相对航向角;vy为车辆行驶速度。
3、自适应引导驾驶权分配
自适应引导驾驶权分配模块的功能是依据驾驶员类型和车辆状态进行合理的驾驶员分配和依据驾驶员的学习能力修正驾驶技能学习率。它主要由一级驾驶权分配单元、自适应学习率调节单元和二级驾驶权分配单元三部分组成,结构如图4所示。
1)一级驾驶权分配
一级驾驶权分配是依据驾驶员技能等级进行驾驶权分配,主要用于应对不同有经验驾驶员与新手驾驶员的不同辅助强度的需求。这里认为有经验驾驶员可以处理日常90%以上的工况(根据具体情况可修改),为此针对有经验驾驶员的只有在稳定裕度占比稳定边界宽度小于5%定义为安全区域在开始起作用,而新手驾驶员是都起作用。因此,一级驾驶权分配如下:
式中:ξ1o为有经验驾驶员的一级驾驶权分配系数;ξ1n为新手驾驶员的一级驾驶权分配系数;Dsl是当前状态到车辆稳定边界下边界的距离;Dsh是当前状态到车辆稳定边界上边界的距离。
2)自适应学习率调节
自适应学习率调节是为了实现针对不同新手驾驶员的学习能力的差异性以及同一新手驾驶员不同技能阶段学习能力的差异性的技能学习强度调整的目的。它主要由辅助一致率计算、人工势力场函数修正以及轨迹跟踪与转角跟随三部分组成。
a)辅助一致率计算
辅助一致率Tcr定义为一次辅助过程中,决策的辅助驾驶力矩方向与驾驶员力矩方向一致时间的比值,其计算公式如下:
tcr=ths/tass (5)
式中:tcr为辅助一致率;ths为一次辅助过程中,决策的辅助驾驶力矩方向与驾驶员力矩方向一致时间;tass为次辅助系统作用的总时间。
b)人工势力场函数修正
这部分依据辅助一致率来修正辅助系统规划的路径,它是通过修正人工势力场函数实现的。有经验的驾驶员由于对距离和速度的感知更为准确,为有最优的避障轨迹和过弯轨迹。通过大数数据学习可以获得有经验驾驶员的物体和道路车道线的斥力函数,这里作为目标斥力函数。而新手驾驶员由于对距离和速度的感知不准确,会采取更为保守的斥力函数,称为学习斥力函数(即是目标斥力函数的倍数,初始值为2)。本发明通过辅助一致率来决定人工势力场函数修正系数,当修正系数为1时,即学习斥力函数与目标斥力函数一致时,可以认为驾驶技能学习完毕。阶段学习调整通过辅助一致率大于80%则人工势力场函数修正系数减0.1来实现。因此学习斥力函数计算公式如下:
式中:Tcr为辅助一致率;Un_lane为学习道路斥力函数;Uo_lane为目标道路斥力函数,通过大数数据学习获得;kl为道路斥力函数修正系数;Un_obs为学习障碍物斥力函数;Uo_obs为目标障碍物斥力函数,通过大数数据学习获得;kobs为障碍物斥力函数修正系数。
c)轨迹跟踪与转角跟随
这部分的功能是决策出跟踪期望的轨迹所需要的驾驶行为(方向盘转角和加速度)以及跟随期望的方向盘转角所需要的引导力矩。驾驶行为可以通过模型预测控制获得,引导力矩可以通过电机的三闭环位置跟随控制获得,方法均不限于此。
3)二级驾驶权分配
该部分的功能分为学习驾驶权的分配和辅助系统力矩决策。学习驾驶权的分配是在一级驾驶权分配的基础上叠加技能学习部分,实现辅助驾驶功能在技能学习与风险避让两个功能的连接。辅助系统力矩决策是自适应引导型辅助驾驶系统最终输出的电机控制力矩。它通过电机力矩的变化来改变车辆姿态以实现保证车辆安全和引导驾驶员技能学习的目的。
a)学习驾驶权分配
学习驶权分配是依据车辆稳定裕度和技能学习区级类别进行驾驶权分配,目的是在保证安全的前提下,依据车辆的稳定裕度提高给新手驾驶员不同的程度的学习空间。车辆稳定裕度与辅助强度应该成反比,且有经验驾驶员此时并希望被辅助。因此,学习驾驶权分配如下:
ξ2o=1 (8)
式中:ξ2o为有经验驾驶员的学习驾驶权分配系数;ξ2n为新手驾驶员的学习驾驶权分配系数;Cs是技能学习区间类别,1代表学习区间,0代表非学习区间。
b)辅助系统力矩决策
通过学习驾驶权分配和一级驾驶员权分配的叠加可以获得二级驾驶权分配。二级驾驶权分配是最终的辅助系统控制车辆状态的权限占比(1为辅助系统完全控制,0为驾驶员完全控制),它是通过决策转向电机力矩来实现的。由于辅助强度与辅助驾驶力矩成正比,因此,辅助驾驶力矩的计算公式如下:
To_ass=ξo*Tsw=ξ1o*ξ2o*Tsw (10)
Tn_ass=ξn*Tsw=ξ1n*ξ2n*Tsw (11)
式中:To_ass为有经验驾驶员的辅助驾驶力矩;ξo为有经验驾驶员的二级驾驶权分配系数;Tn_ass为新手驾驶员的辅助驾驶力矩;ξn为新手驾驶员的二级驾驶权分配系数;Tsw为期望的转角跟随力矩,由电机的三闭环位置跟随控制获得;ξ1o为有经验驾驶员的一级驾驶权分配系数;ξ1n为新手驾驶员的一级驾驶权分配系数;ξ2o为有经验驾驶员的学习驾驶权分配系数;ξ2n为新手驾驶员的学习驾驶权分配系数。
上述自适应引导型辅助驾驶系统的整体工作过程包括以下步骤:
1)依据需要配的辅助系统的车辆更改车辆动力模型中的参数,然后通过3阶龙格库塔公式迭代获得由前轮转角和纵向车速为输入的横摆角速度与质心侧偏角的根轨迹图。
2)采用支持向量机对根轨迹图中的根进行分类,获得分类超平面,也就是车辆稳定边界。然后通过计算当前状态到当前状态下的车辆稳定边界的最小欧几里得距离实时获得车辆稳定裕度。于此同时,通过生理采集系统获得驾驶员的心率、皮肤电反应和血流量等生理信息。
3)设定5s的数据观测窗口,将时间窗口内的车辆稳定裕度数据和生理数据作为高斯混合-隐马尔可夫模型输入训练驾驶员技能分类模型。最终驾驶技能分类模型会输出当前驾驶员的技能等级,并为驾驶权分配提供依据。
4)技能学习区间分类模型通过稳定裕度和车辆前轮跨越车道线边界需要的时间(TLC)进行车辆状态分类。稳定裕度占比稳定边界宽度大于25%且TLC大于0.5s定义为安全区,否则为危险区域。技能学习区间分类模型最终输出当前车辆状态类别,即技能学习区间分类类别,这为驾驶权分配提供依据。
5)辅助一致率计算,它是决策的辅助驾驶力矩方向与驾驶员力矩方向一致时间的比值,这为人工势力场函数修正提供依据。
6)由步骤5)中计算的辅助一致率修正人工势力场函数,通过期望轨迹的调整实现驾驶技能的分级学习。这里定义辅助一致率大于80%则人工势力场函数修正系数减0.1,即学习的驾驶技能等级提高一级(一个分为10级)。
7)通过模型预测控制获得跟随期望轨迹的驾驶行为(方向盘转角和加速度),然后通过电机的三闭环位置跟随控制获得跟随期望方向盘转角所需的引导力矩。
8)通过步骤3)获得的驾驶员技能类别和步骤4)获得的当前车辆状态类别进行驾驶权的分配。一级驾驶权分配是依据驾驶员技能等级进行驾驶权分配,对于有经验驾驶员只有在稳定裕度占比稳定边界宽度小于5%才开始起作用,而新手驾驶员是都起作用。学习驶权分配是依据车辆稳定裕度和技能学习区间类别进行驾驶权分配。只有技能学习区间类别是安全区间,辅助系统才有驾驶权,且车辆稳定裕度与辅助强度应该成反比,即驾驶权与车辆稳定裕度成反比。
9)通过一级驾驶权分配与学习驶权分配相乘获得二级驾驶权分配,实现辅助驾驶功能在技能学习与风险避让两个功能的连接。
10)通过步骤9)获得的二级驾驶权分配系数与步骤7)获得的引导力矩获得最终的辅助驾驶力矩,实现通过电机力矩的变化来改变车辆姿态以实现保证车辆安全和引导驾驶员技能学习的目的。
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作出诸多修改和变化。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 (10)
1.一种考虑驾驶员技能差异的自适应引导型辅助驾驶系统,其特征在于,包括:
驾驶技能分类模块,用于获取当前车辆状态和当前驾驶员状态,基于当前车辆状态计算获得车辆稳定裕度,并将所述车辆稳定裕度和当前驾驶员状态共同作为一驾驶员技能分类模型的输入,获取对应的驾驶员技能分类结果,所述车辆稳定裕度根据离线确定的车辆稳定边界计算获得;
技能学习区间分类模块,用于获取车辆稳定裕度和车辆距离车道线边界的距离,采用一技能学习区间分类模型获得技能学习区间分类结果;
自适应引导驾驶权分配模块,用于根据驾驶员技能分类结果和技能学习区间分类结果实现驾驶权分配控制,生成作用于车辆转向系统的辅助驾驶力矩。
2.根据权利要求1所述的考虑驾驶员技能差异的自适应引导型辅助驾驶系统,其特征在于,所述车辆稳定边界的确定过程具体包括:
构建车辆动力学模型;
基于所述车辆动力学模型,获取车辆状态变化的根轨迹图;
通过支持向量机对所述根轨迹图中的状态点进行分类训练,获得分类超平面,以该分类超平面作为车辆稳定边界。
3.根据权利要求2所述的考虑驾驶员技能差异的自适应引导型辅助驾驶系统,其特征在于,所述车辆动力学模型采用二自由度车辆模型和Dugoff轮胎模型。
4.根据权利要求2所述的考虑驾驶员技能差异的自适应引导型辅助驾驶系统,其特征在于,对每一组状态进行3阶龙格库塔公式迭代获得所述根轨迹图。
6.根据权利要求1所述的考虑驾驶员技能差异的自适应引导型辅助驾驶系统,其特征在于,所述自适应引导驾驶权分配模块包括一级驾驶权分配单元、自适应学习率调节单元和二级驾驶权分配单元,其中,
一级驾驶权分配单元基于所述驾驶员技能分类结果生成对应的一级驾驶权分配系数;
二级驾驶权分配单元基于所述一级驾驶权分配系数、技能学习区间分类结果和由所述自适应学习率调节单元获取的引导力矩生成对应的二级驾驶权分配系数,基于所述二级驾驶权分配系数产生辅助驾驶力矩;
所述自适应学习率调节单元获取引导力矩的过程包括:
依据驾驶员手力矩与辅助驾驶力矩的辅助一致率来修正人工势力场函数系数,对辅助期望轨迹进行调整,产生所述引导力矩。
8.根据权利要求6所述的考虑驾驶员技能差异的自适应引导型辅助驾驶系统,其特征在于,所述修正人工势力场函数系数具体为:辅助一致率大于80%,则人工势力场函数修正系数减0.1。
9.根据权利要求6所述的考虑驾驶员技能差异的自适应引导型辅助驾驶系统,其特征在于,所述二级驾驶权分配系数的计算公式表示为:
ξo=ξ1o*ξ2o
ξn=ξ1n*ξ2n
其中,ξo为有经验驾驶员的二级驾驶权分配系数;ξn为新手驾驶员的二级驾驶权分配系数;ξ1o为有经验驾驶员的一级驾驶权分配系数;ξ1n为新手驾驶员的一级驾驶权分配系数;ξ2o为有经验驾驶员的学习驾驶权分配系数;ξ2n为新手驾驶员的学习驾驶权分配系数。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211493675.5A CN115782893A (zh) | 2022-11-25 | 2022-11-25 | 一种考虑驾驶员技能差异的自适应引导型辅助驾驶系统 |
US18/518,356 US11975705B1 (en) | 2022-11-25 | 2023-11-22 | Self-adaptive guided advanced driver assistance system considering driving skill difference between drivers |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211493675.5A CN115782893A (zh) | 2022-11-25 | 2022-11-25 | 一种考虑驾驶员技能差异的自适应引导型辅助驾驶系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115782893A true CN115782893A (zh) | 2023-03-14 |
Family
ID=85441727
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211493675.5A Pending CN115782893A (zh) | 2022-11-25 | 2022-11-25 | 一种考虑驾驶员技能差异的自适应引导型辅助驾驶系统 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11975705B1 (zh) |
CN (1) | CN115782893A (zh) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4639997B2 (ja) * | 2005-02-18 | 2011-02-23 | トヨタ自動車株式会社 | 車両の減速制御装置 |
US8170725B2 (en) * | 2009-02-18 | 2012-05-01 | GM Global Technology Operations LLC | Vehicle stability enhancement control adaptation to driving skill based on highway on/off ramp maneuver |
US20100209888A1 (en) * | 2009-02-18 | 2010-08-19 | Gm Global Technology Operations, Inc. | Vehicle stability enhancement control adaptation to driving skill based on curve-handling maneuvers |
US10124807B2 (en) * | 2017-01-23 | 2018-11-13 | GM Global Technology Operations LLC | Systems and methods for classifying driver skill level and handling type |
-
2022
- 2022-11-25 CN CN202211493675.5A patent/CN115782893A/zh active Pending
-
2023
- 2023-11-22 US US18/518,356 patent/US11975705B1/en active Active
Also Published As
Publication number | Publication date |
---|---|
US11975705B1 (en) | 2024-05-07 |
US20240174211A1 (en) | 2024-05-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111775949B (zh) | 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 | |
CN107264534B (zh) | 基于驾驶员经验模型的智能驾驶控制系统和方法、车辆 | |
Plöchl et al. | Driver models in automobile dynamics application | |
CN110626339B (zh) | 基于驾驶员意图的紧急避障自动驾驶辅助力矩计算方法 | |
CN114407931B (zh) | 一种高度类人的自动驾驶营运车辆安全驾驶决策方法 | |
CN114013443B (zh) | 一种基于分层强化学习的自动驾驶车辆换道决策控制方法 | |
CN114379583B (zh) | 一种基于神经网络动力学模型的自动驾驶车辆轨迹跟踪系统及方法 | |
CN110716562A (zh) | 基于强化学习的无人驾驶汽车多车道行驶的决策方法 | |
JP2009051430A (ja) | 走行支援システム | |
CN112389436A (zh) | 基于改进lstm神经网络的安全性自动驾驶换道轨迹规划方法 | |
CN115303289A (zh) | 一种基于深度高斯车辆动力学模型、训练方法、智能汽车轨迹跟踪控制方法及终端设备 | |
Hou et al. | Autonomous driving at the handling limit using residual reinforcement learning | |
CN110320916A (zh) | 考虑乘员感受的自动驾驶汽车轨迹规划方法及系统 | |
Yan et al. | A cooperative trajectory planning system based on the passengers' individual preferences of aggressiveness | |
CN115257789A (zh) | 城市低速环境下的营运车辆侧向防撞驾驶决策方法 | |
Rath et al. | A lane keeping assist design: Adaptation to driving style based on aggressiveness | |
CN112124310A (zh) | 一种车辆的路径变换方法和装置 | |
Xu et al. | Modeling Lateral Control Behaviors of Distracted Drivers for Haptic-Shared Steering System | |
CN115782893A (zh) | 一种考虑驾驶员技能差异的自适应引导型辅助驾驶系统 | |
CN106934556A (zh) | 一种公交车驾驶人出站操纵品质特性的评价方法 | |
CN114148349B (zh) | 一种基于生成对抗模仿学习的车辆个性化跟驰控制方法 | |
CN114839992A (zh) | 一种基于多智能体强化学习的自动驾驶协同决策方法 | |
Jiang et al. | Shared-control for the lateral motion of vehicles | |
CN114771574A (zh) | 一种应用于自动驾驶汽车的人机共驾决策与控制系统 | |
CN115214672A (zh) | 一种考虑车间交互的自动驾驶类人决策、规划与控制方法 |
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 |