CN116639134A - 用于学习驾驶风格的方法和系统 - Google Patents

用于学习驾驶风格的方法和系统 Download PDF

Info

Publication number
CN116639134A
CN116639134A CN202310800069.1A CN202310800069A CN116639134A CN 116639134 A CN116639134 A CN 116639134A CN 202310800069 A CN202310800069 A CN 202310800069A CN 116639134 A CN116639134 A CN 116639134A
Authority
CN
China
Prior art keywords
driving
vehicle
parameters
controller model
actual
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
Application number
CN202310800069.1A
Other languages
English (en)
Inventor
李和安
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Mercedes Benz Group AG
Original Assignee
Mercedes Benz Group AG
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Mercedes Benz Group AG filed Critical Mercedes Benz Group AG
Priority to CN202310800069.1A priority Critical patent/CN116639134A/zh
Publication of CN116639134A publication Critical patent/CN116639134A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0013—Planning or execution of driving tasks specially adapted for occupant comfort
    • 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
    • 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
    • B60W2556/00—Input parameters relating to data
    • B60W2556/10—Historical data

Abstract

本发明涉及一种用于学习驾驶风格的方法，所述方法包括以下步骤：在预给定的驾驶场景下，记录驾驶员的驾驶操作参数(Ui)和车辆的实际行驶状态(Yi)(S1)；基于所记录的驾驶操作参数(Ui)和实际行驶状态(Yi)确定控制器模型(3)的参数(Pi)，该控制器模型(3)用于控制车辆的横向运动和/或纵向运动(S2)。本发明还涉及一种用于学习驾驶风格的系统和一种计算机程序产品。根据本发明，自动驾驶系统可以基于所记录的驾驶操作参数确定控制器模型的参数，并引入车辆的实际行驶状态用于对控制器模型的参数进行校准，从而实现高效准确地自主学习每个特定驾驶员的驾驶风格，并提高自动驾驶系统的接受度和体验感。

Description

用于学习驾驶风格的方法和系统
技术领域
本发明涉及自动驾驶领域，尤其是涉及一种用于学习驾驶风格的方法，一种用于学习驾驶风格的系统，以及一种计算机程序产品，其用于至少辅助地实现根据本发明的方法的步骤。
背景技术
随着车辆技术的不断发展，自动驾驶系统不仅需要确保车辆的行车安全性，以避免交通事故的发生，而且还需要确保车辆的乘坐舒适性，尤其是在自动驾驶系统接管车辆控制的过程中需要考虑驾驶员的期望和需求，这要求自动驾驶系统能够准确地适配驾驶员的驾驶风格。考虑到各个驾驶员的驾驶风格的显著差异性，目前采用的自动驾驶系统无法满足广泛的适应性，这对自动驾驶系统的学习能力进一步提出了要求。
因此，自动驾驶系统如何高效准确地学习驾驶员的驾驶风格成为目前需要解决的技术难题。
发明内容
本发明的目的在于提供一种用于学习驾驶风格的方法，一种用于学习驾驶风格的系统，以及一种计算机程序产品，以至少部分地解决现有技术中的问题。
根据本发明的第一方面，提供了一种用于学习驾驶风格的方法，所述方法包括：
步骤S1：在预给定的驾驶场景下，记录驾驶员的驾驶操作参数和车辆的实际行驶状态；和
步骤S2：基于所记录的驾驶操作参数和实际行驶状态确定用于控制车辆的横向运动和/或纵向运动的控制器模型的参数。
本发明的核心构思在于：在驾驶员操作车辆的过程中根据需要记录记录驾驶员的驾驶操作参数和车辆的实际行驶状态，并基于所记录的数据确定控制器模型的参数，该控制器模型不仅可以用于控制车辆的横向运动，而且可以用于控制车辆的纵向运动。根据本发明，自动驾驶系统可以基于所记录的驾驶操作参数确定控制器模型的参数，并引入车辆的实际行驶状态用于对控制器模型的参数进行校准，从而实现高效准确地自主学习每个特定驾驶员的驾驶风格，并提高自动驾驶系统的接受度和体验感。
在本发明的一个可选实施例中，所述驾驶操作参数例如可以包括行驶速度值、行驶加速度值、行驶减速度值、转向操作参数、预给定时间段内的加速操作频率和/或减速操作频率等。可选地，所述预给定的驾驶场景可以包括弯道行驶、交叉路口行驶、城市道路行驶、高速公路行驶、驶入高速公路入口和/或驶出高速公路出口等。可选地，车辆的行驶状态可以包括车辆的行驶轨迹。
在本发明的另一可选实施例中，可以借助最小二乘法基于所记录的驾驶参数确定所述控制器模型的参数，使得通过所述控制器模型输出的预期行驶状态与所记录的实际行驶状态之间的偏差最小化。可选地，所述控制器模型例如可以包括如下的函数的集合：所述函数分别用于表征相应的车载控制器的运行过程，所述车载控制器包括车载传感器和/或车载执行器等。
在本发明的另一可选实施例中，所述方法至少在步骤S2之前还可以包括步骤S20：从所记录的驾驶操作参数和实际行驶参数中，按照时间排序选择距当前时刻最近的预给定数量的驾驶操作参数和实际行驶状态，用以确定所述控制器模型的参数。
在本发明的另一可选实施例中，所述方法还可以包括：
步骤S3：在启动自动驾驶功能后，基于所确定的控制器模型控制车辆的横向运动和/或纵向运动。
根据本发明的第二方面，提供了一种用于学习驾驶风格的系统，所述系统用于执行根据本发明的方法。所述系统可以包括以下构件：
-参数记录模块，其被配置用于在预给定的驾驶场景下记录驾驶员的驾驶操作参数和车辆的实际行驶状态；和
-参数确定模块，其被配置用于基于所记录的驾驶操作参数和实际行驶状态确定用于控制车辆的横向运动和/或纵向运动的控制器模型的参数。
根据本发明的第三方面，提供了一种计算机程序产品、例如计算机可读的程序载体，包含或存储有计算机程序指令，所述计算机程序指令被处理器执行时至少辅助地实现根据本发明所述的方法的步骤。
附图说明
下面通过参照附图更详细地描述本发明可以更好地理解本发明的原理、特点和优点。附图示出：
图1示出根据本发明的一个示例性实施例的用于学习驾驶风格的方法的工作流程图；
图2示出根据本发明的一个示例性的控制器模型的参数确定的原理图；
图3示出根据本发明的另一示例性实施例的用于学习驾驶风格的方法的工作流程图；
图4示出根据本发明的另一示例性实施例的用于学习驾驶风格的方法的工作流程图；和
图5示出根据本发明的一个示例性实施例的用于学习驾驶风格的系统的框图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案以及有益的技术效果更加清楚明白，以下将结合附图以及多个示例性实施例对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用于解释本发明，而不是用于限定本发明的保护范围。
图1示出了根据本发明的一个示例性实施例的用于学习驾驶风格的方法的工作流程图。以下示例性的实施例更详细地描述根据本发明的方法。
所述方法可以包括步骤S1和S2。在步骤S1中，在预给定的驾驶场景下，记录驾驶员的驾驶操作参数和车辆的实际行驶状态。在本发明的意义中，所述预给定的驾驶场景例如可以包括弯道行驶、交叉路口行驶、城市道路行驶、高速公路行驶、驶入高速公路入口和/或驶出高速公路出口等。可以理解的是，在上述列举的驾驶场景下驾驶员的驾驶操作通常较为复杂且频繁，因此在这些驾驶场景下记录的驾驶操作参数更能够反映驾驶员的驾驶风格，自动驾驶系统在这些驾驶场景下的反应和表现对用户体验感的影响也更大。
在此，所述驾驶操作参数例如可以包括行驶速度值、行驶加速度值、行驶减速度值和/或转向操作参数等，可选地还可以包括预给定时间段内的加速操作频率和/或减速操作频率。这些驾驶操作参数可以用于表征所述驾驶员的驾驶风格，其例如包括激进、稳健、保守等。示例性地，激进风格的驾驶员倾向于与前方车辆保持较近的距离，且频繁地执行加速和/或减速操作，尤其是会以较高的速度行驶经过弯道和/或驶入高速公路入口；而保守风格的驾驶员倾向于与前方车辆保持较远的距离，且较少地执行加速和/或减速操作，尤其是会选择降速行驶经过弯道和/或驶入高速公路入口。
此外，还可以通过车载传感器记录车辆的实际行驶状态。可以理解的是，车辆的行驶状态即为自动驾驶系统接管车辆过程中的最终输出结果，该实际行驶状态可以为自动驾驶系统的学习成果提供校准依据。车辆的行驶状态尤其可以是车辆行驶轨迹，其例如可以通过车载摄像头记录的图像的分析处理来获取。
在步骤S2中，基于所记录的驾驶操作参数和实际行驶状态确定用于控制车辆的横向运动和/或纵向运动的控制器模型3的参数。在此，所述控制器模型3不仅可以用于控制车辆的纵向运动，例如自动调节相对于前方车辆的纵向跟车距离和/或纵向跟车速度，高速公路上的自动巡航行驶速度等，而且可以用于控制车辆的横向运动，例如自动执行车辆的换道操作和/或弯道操作等。以下结合图2示出根据本发明的一个示例性的控制器模型的参数确定的原理图进行详细阐述。
在图2所示的原理图中，目标系统2可以理解为驾驶员控制车辆的实际控制模型，该目标系统2的输入参数是所记录的驾驶操作参数Ui，该目标系统2在处理该驾驶操作参数Ui后可以输出车辆的实际行驶状态Yi、例如实际行驶轨迹，即驾驶员接管车辆控制下的实际行驶轨迹。
用于控制车辆的横向运动和/或纵向运动的控制器模型3的输入参数同样是所记录的驾驶操作参数Ui。所述控制器模型3可以理解为自动驾驶控制系统的物理/数学模型的集合。考虑到自动驾驶控制系统包括多个不同类型的车载控制器，其包括不同类型的车载传感器(例如雷达传感器、转速传感器等)和/或车载执行器(例如转向系统、电子稳定系统、自动巡航系统等)，因此所述控制器模型3可以包括多个如下的函数Fi(Ui,Pi)的集合：所述函数分别用于表征相应的车载传感器和/或车载执行器的运行过程。控制器模型3的参数Pi的参数矩阵P随着车载传感器和/或车载执行器的类型而变化，该参数矩阵P可以通过如下公式确定：
P＝(ATA)-1ATY。
其中，
所述控制器模型3在处理该驾驶操作参数Ui后可以输出在以当前的控制器模型3为基础的车载控制器的控制下车辆的预期行驶状态例如预期行驶轨迹，即在当前驾驶场景下在自动驾驶系统接管车辆控制的情况下的车辆行驶轨迹。
方框4用于表征参数确定算法的处理过程，在此示例性地表示为最小二乘法。车辆的实际行驶状态Yi与预期行驶状态的差被输入到方框4中，在方框4中可以执行参数确定方法，在此示例性地为最小二乘法，借助最小二乘法可以基于所记录的驾驶参数确定所述控制器模型3的参数，使得通过所述控制器模型3输出的预期行驶状态/>与所记录的实际行驶状态Yi之间的偏差最小化。具体地，可以在方框4中基于当前的驾驶操作参数Ui和实际行驶状态Yi计算控制器模型3的控制参数Pi，并以所计算的控制参数调整所述控制器模型3的控制参数Pi；重新输出在以经调整的控制器模型3为基础的车载控制器的控制下车辆的预期行驶状态/>从而降低通过所述控制器模型3输出的预期行驶状态/>与所记录的实际行驶状态Yi之间的偏差，并循环执行上述调整过程，直至该偏差达到最小或降低到可接受的预设阈值范围内。通过这种方式，可以使控制器模型3通过收敛算法接近用于表征驾驶员控制车辆的实际控制模型的目标系统2，从而实现自主地学习驾驶员的驾驶风格。
根据本发明，自动驾驶系统可以基于所记录的驾驶操作参数确定控制器模型的参数，并引入车辆的实际行驶状态用于对控制器模型的参数进行校准，从而实现高效准确地自主学习每个特定驾驶员的驾驶风格，提高自动驾驶系统的接受度和体验感。
图3示出了根据本发明的另一示例性实施例的用于学习驾驶风格的方法的工作流程图。以下仅阐述与图1中所示的实施例的区别，而相同的步骤为了简洁起见而不再重复描述。
所述方法至少在步骤S2之前还可以包括步骤S20。在步骤S20中，可以从所记录的驾驶操作参数Ui和实际行驶参数Yi中，按照时间排序选择距当前时刻最近的预给定数量的驾驶操作参数Ui和实际行驶状态Yi，用以确定所述控制器模型3的参数Pi。可选地，可以以预给定的时间间隔执行步骤S20，并在步骤S2中基于所选择的驾驶操作参数Ui和实际行驶状态Yi更新所述控制器模型3的参数。示例性地，可以选择最近的10段路程的驾驶操作参数Ui和实际行驶参数Yi用于确定所述控制器模型3的参数Pi，使得控制器模型3更贴近驾驶员近期的驾驶风格，从而进一步提高自动驾驶系统的接受度和体验感。
图4示出了根据本发明的另一示例性实施例的用于学习驾驶风格的方法的工作流程图。以下仅阐述与图3中所示的实施例的区别，而相同的步骤为了简洁起见而不再重复描述。
所述方法还可以包括步骤S3。在步骤S3中，在启动自动驾驶功能后，基于所确定的控制器模型3控制车辆的横向运动和/或纵向运动。在自动驾驶过程中，所述控制器模型3不仅可以控制车辆的纵向运动，例如自动调节相对于前方车辆的纵向跟车距离和/或纵向跟车速度，高速公路上的自动巡航行驶速度等，而且可以控制车辆的横向运动，例如自动执行车辆的换道操作和/或弯道操作等。
另外，应注意到，在此描述的步骤序号并不必然代表先后顺序，而仅仅是一种附图标记，根据具体情况，顺序可以更改，只要能够实现本发明的技术目的即可。
图5示出了根据本发明的一个示例性实施例的用于学习驾驶风格的系统的框图。
如图5所示的那样，系统1可以包括以下构件：
-参数记录模块11，其被配置用于记录驾驶员的驾驶操作参数Ui和车辆的实际行驶状态Yi；和
-参数确定模块12，其被配置用于基于所记录的驾驶操作参数Ui和实际行驶状态Yi确定用于控制车辆的横向运动和/或纵向运动的控制器模型3的参数Pi。
尽管在此详细描述了本发明的特定实施方式，但它们仅仅是为了解释的目的而给出的，而不应认为它们对本发明的范围构成限制。在不偏离本发明的核心和范围的前提下，可以提出各种替换方案和修改方案。

Claims (10)

1.一种用于学习驾驶风格的方法，所述方法包括：
步骤S1：在预给定的驾驶场景下，记录驾驶员的驾驶操作参数(Ui)和车辆的实际行驶状态(Yi)；和
步骤S2：基于所记录的驾驶操作参数(Ui)和实际行驶状态(Yi)确定用于控制车辆的横向运动和/或纵向运动的控制器模型(3)的参数(Pi)。
2.根据权利要求1所述的方法，其中，借助最小二乘法基于所记录的驾驶参数确定所述控制器模型(3)的参数(Pi)，使得通过所述控制器模型(3)输出的预期行驶状态与所记录的实际行驶状态(Yi)之间的偏差最小化。
3.根据以上权利要求中任一项所述的方法，其中，所述驾驶操作参数(Ui)包括行驶速度值、行驶加速度值、行驶减速度值、转向操作参数、预给定时间段内的加速操作频率和/或减速操作频率。
4.根据以上权利要求中任一项所述的方法，其中，所述预给定的驾驶场景包括弯道行驶、交叉路口行驶、城市道路行驶、高速公路行驶、驶入高速公路入口和/或驶出高速公路出口。
5.根据以上权利要求中任一项所述的方法，其中，所述控制器模型(3)包括如下的函数的集合：所述函数分别用于表征相应的车载控制器的运行过程，其中，所述车载控制器包括车载传感器和/或车载执行器。
6.根据以上权利要求中任一项所述的方法，其中，所述方法至少在步骤S2之前还包括步骤S20：从所记录的驾驶操作参数(Ui)和实际行驶参数(Yi)中，按照时间排序选择距当前时刻最近的预给定数量的驾驶操作参数(Ui)和实际行驶状态(Yi)，用以确定所述控制器模型(3)的参数(Pi)。
7.根据以上权利要求中任一项所述的方法，其中，车辆的行驶状态(Yi，)包括车辆的行驶轨迹。
8.根据以上权利要求中任一项所述的方法，其中，所述方法还包括：
步骤S3：在启动自动驾驶功能后，基于所确定的控制器模型(3)控制车辆的横向运动和/或纵向运动。
9.一种用于学习驾驶风格的系统(1)，所述系统(1)用于执行根据以上权利要求中任一项所述的方法，其中，所述系统(1)包括以下构件：
参数记录模块(11)，其被配置用于在预给定的驾驶场景下记录驾驶员的驾驶操作参数(Ui)和车辆的实际行驶状态(Yi)；和
参数确定模块(12)，其被配置用于基于所记录的驾驶操作参数(Ui)和实际行驶状态(Yi)确定用于控制车辆的横向运动和/或纵向运动的控制器模型(3)的参数(Pi)。
10.一种计算机程序产品、例如计算机可读的程序载体，包含或存储有计算机程序指令，所述计算机程序指令被处理器执行时至少辅助地实现根据权利要求1至8中任一项所述的方法的步骤。
CN202310800069.1A 2023-06-30 2023-06-30 用于学习驾驶风格的方法和系统 Pending CN116639134A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310800069.1A CN116639134A (zh) 2023-06-30 2023-06-30 用于学习驾驶风格的方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310800069.1A CN116639134A (zh) 2023-06-30 2023-06-30 用于学习驾驶风格的方法和系统

Publications (1)

Publication Number Publication Date
CN116639134A true CN116639134A (zh) 2023-08-25

Family

ID=87624935

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310800069.1A Pending CN116639134A (zh) 2023-06-30 2023-06-30 用于学习驾驶风格的方法和系统

Country Status (1)

Country Link
CN (1) CN116639134A (zh)

Similar Documents

Publication Publication Date Title
CN109562758B (zh) 自动驾驶车辆的控制方法及控制装置
EP1332910B1 (en) Method and system for vehicle operator assistance improvement
CN109153388B (zh) 驾驶控制方法及驾驶控制装置
EP1602542B1 (en) Adaptive driver's intention estimation method and system
CN111332283B (zh) 用于控制机动车的方法和系统
EP3647136B1 (en) Vehicle traveling assistance method and vehicle traveling assistance device
CN111032467B (zh) 驾驶辅助车辆的行驶控制方法以及行驶控制装置
JP7172287B2 (ja) 自動運転システム
CN113370996B (zh) 自动驾驶换道跟驰决策方法及系统、自动驾驶车辆
DE112012007183T5 (de) Fahrunterstützungsvorrichtung und Fahrunterstützungsverfahren
US10946860B2 (en) Vehicle control apparatus
CN112660126B (zh) 用于自适应巡航的车辆协同控制方法、装置及车辆
CN111845766A (zh) 自动化控制汽车的方法
US9821804B2 (en) Enhanced vehicle speed control
CN111149138B (zh) 行驶特性学习方法及行驶辅助装置
CN112977461A (zh) 用于确定调节系统的调节参数的方法
US9177040B2 (en) Information processing device for vehicle and database
CN113147766A (zh) 目标车辆的换道预测方法及设备
JP2006160032A (ja) 運転状態判定装置及び運転状態判定方法
DE102014224776B4 (de) SYSTEM UND VERFAHREN DES STEUERNS EINES FAHRZEUGS, WOBEI EIN DREH- bzw. LENKUNGSGRAD BENUTZT WIRD
CN116639134A (zh) 用于学习驾驶风格的方法和系统
US20230311868A1 (en) Method and device for partitioning a widened area of a traffic lane bounded by two edges
JP2023512548A (ja) 車両を制御する方法
GB2554963A (en) Vehicle odometry system
CN115237147B (zh) 一种车辆纵向间距控制方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication