CN117755329A - 一种基于驾驶员情境意识的接管时机与类型的方法及系统 - Google Patents
一种基于驾驶员情境意识的接管时机与类型的方法及系统 Download PDFInfo
- Publication number
- CN117755329A CN117755329A CN202311099033.1A CN202311099033A CN117755329A CN 117755329 A CN117755329 A CN 117755329A CN 202311099033 A CN202311099033 A CN 202311099033A CN 117755329 A CN117755329 A CN 117755329A
- Authority
- CN
- China
- Prior art keywords
- driver
- over
- driving
- take
- type
- 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
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000011156 evaluation Methods 0.000 claims abstract description 86
- 230000003068 static effect Effects 0.000 claims abstract description 42
- 102100034112 Alkyldihydroxyacetonephosphate synthase, peroxisomal Human genes 0.000 claims description 27
- 101000799143 Homo sapiens Alkyldihydroxyacetonephosphate synthase, peroxisomal Proteins 0.000 claims description 27
- 238000000848 angular dependent Auger electron spectroscopy Methods 0.000 claims description 27
- 238000004364 calculation method Methods 0.000 claims description 16
- 230000035790 physiological processes and functions Effects 0.000 claims description 15
- 230000036772 blood pressure Effects 0.000 claims description 13
- 230000003542 behavioural effect Effects 0.000 claims description 12
- 230000002996 emotional effect Effects 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims description 2
- 230000000977 initiatory effect Effects 0.000 claims 1
- 238000012544 monitoring process Methods 0.000 claims 1
- 230000006399 behavior Effects 0.000 description 18
- 206010016256 fatigue Diseases 0.000 description 14
- 238000005259 measurement Methods 0.000 description 6
- 230000004044 response Effects 0.000 description 5
- 239000002131 composite material Substances 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000008909 emotion recognition Effects 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 239000010426 asphalt Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- PMGQWSIVQFOFOQ-YKVZVUFRSA-N clemastine fumarate Chemical compound OC(=O)\C=C\C(O)=O.CN1CCC[C@@H]1CCO[C@@](C)(C=1C=CC(Cl)=CC=1)C1=CC=CC=C1 PMGQWSIVQFOFOQ-YKVZVUFRSA-N 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- MYVIATVLJGTBFV-UHFFFAOYSA-M thiamine(1+) chloride Chemical compound [Cl-].CC1=C(CCO)SC=[N+]1CC1=CN=C(C)N=C1N MYVIATVLJGTBFV-UHFFFAOYSA-M 0.000 description 1
- 230000003867 tiredness Effects 0.000 description 1
- 208000016255 tiredness Diseases 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于驾驶员情境意识的接管时机与类型的方法及系统,该方法首先收集驾驶员的个性、偏好、经验及心理素质信息,生成静态能力评分,并定期监测驾驶员的生理、心理和行为状态,生成驾驶员的动态能力评分。其次评估当前驾驶环境,综合评价,得到驾驶环境评分。然后对驾驶任务进行评估,判断驾驶任务类型。最后判别当前应该提供的接管类型。该系统包括驾驶员静态测评模块、驾驶员动态测评模块、驾驶环境评价模块、驾驶任务评价模块和人机匹配性评价模块。本发明使自动驾驶辅助系统的接管策略更加合理,对是否接管车辆做出更好的判断。
Description
技术领域
本发明属于人机交互领域,具体涉及一种基于驾驶员情境意识的接管时机与类型的方法及系统。
背景技术
辅助驾驶系统(ADAS),是一种现代化的车辆主动安全系统,通过使用各种传感器和摄像头,ADAS系统可以感知车辆周围的环境,并向驾驶员提供实时反馈,以帮助其更好地控制车辆,从而提高驾驶的安全性和效率。典型的辅助驾驶系统包括,自动紧急制动(AEB)、车道保持辅助(LKA)、自适应巡航控制(ACC)等。相较于完全自动驾驶系统,辅助驾驶系统对自动驾驶算法能力要求较低,驾驶员仍然是驾驶任务的主要执行者,而系统只是提供一些辅助功能,驾驶员仍然需要全程保持对驾驶环境的注意,随时准备接管车辆。
因此,对于辅助驾驶系统,辅助驾驶系统的一个重要的任务是判断驾驶员的接管时机,当系统认为当前情况无法做出避免“危险”的决策时,应及时考虑提醒驾驶员接管车辆。然而,目前的辅助驾驶系统在判断接管时机时,只考虑了当前车辆行驶的外部环境,没有将驾驶员个人的情境意识考虑在内,导致判断的标准局仅限于驾驶场景的危险或安全,车辆只有遇到危险驾驶场景时才会发出接管提醒,且提醒接管的类型较为单一。
现有辅助驾驶系统接管策略(包括接管时机和接管类型的判断)的判断,主要存在以下缺点:
第一:接管策略的判断依据单一,只根据当前的路况和行车状态来判断是否提醒驾驶员接管。例如,当车辆行驶在较为复杂的交通环境下(车流量较大、行人较多),车辆自身的ADAS算法无法保证安全通过此类工况,因此会提醒驾驶员接管车辆。单一的判断依据导致驾驶员驾驶体验较差,例如通过安全场景,但是ADAS的通行效率或者同行舒适度较低,此时传统的接管策略并不会提醒驾驶员接管车辆。
第二:接管响应时间不足,当前ADAS系统做出提醒接管的决策时,车辆已经处于较为危险的行车环境之中,此时需要驾驶员快速做出反应并控制车辆,如果驾驶员来不及反应,可能无法避免事故的发生。这类传统的ADAS接管策略无法对未来的行车环境、驾驶员状态做出有效预测,从而导致做出接管决策后,留给驾驶员的反应时间不足。
第三:人机交互不合理,当前的ADAS系统接管提醒一般只是通过车辆仪表显示屏来进行文字或者声音提醒,由于传统ADAS接管判断的主要依据是驾驶安全性,因此不会向驾驶员给出需要接管的原因。如果判断错误(如不危险的工况判断为了危险),会做出虚假的接管提醒,使驾驶员的体验感受较差。
发明内容
针对上述问题,本发明提供了一种基于驾驶员情境意识的接管时机与类型的方法及系统,以辅助驾驶为研究场景,在确定何时需要接管,并同时给出合适的接管类型信息时,加入了对驾驶员情境意识的考虑。具体来说,针对传统ADAS接管策略判断依据单一的问题,本发明提出将接管类型分类,分别为安全型接管、效率型接管、舒适型接管。针对传统ADAS响应时间不足的缺点,本发明提出在判断接管时机时同时考虑驾驶员的情境意识,统合判断驾驶员的静态特性、动态特性、驾驶环境特性、驾驶任务特性、人机匹配特性,最后做出综合的接管时机决策。针对传统ADAS人机交互不合理的确定,本发明在驾驶员情境意识的基础上,提出了人机匹配特性判断,并且通过对接管类型进行分类,最终形成一种驾驶员友好型接管提醒。
一种基于驾驶员情境意识的接管时机与类型的方法,该方法包括以下步骤:
S1、采用问卷方式收集驾驶员的个性、偏好、经验及心理素质信息,综合生成驾驶员的静态能力评分,为接下来的决策过程提供依据。
S2、定期监测驾驶员的生理、心理和行为状态,以便及时识别并处理可能的问题,如疲劳、紧张、失误等,从而生成驾驶员的动态能力评分。
S3、评估当前驾驶环境,主要考虑路面摩擦系数、能见度和交通流状态这三个对驾驶安全性和舒适性影响较大的因素。综合评价客观驾驶环境以及交通流状态,得到驾驶环境评分。
S4、对五大驾驶任务(借道超车、换道超车、车道内跟车、车道内自由行驶、紧急制动)进行评估,并特别关注车辆的横向运动,最终判断驾驶任务类型。
S5、判别当前应该提供的接管类型,包含安全型接管、效率型接管、舒适型接管,达到优质的接管体验,实现最高的人机匹配度。
根据上述技术方案,S1进一步的,所述驾驶员的静态能力评分包括在驾驶任务开始前对驾驶员的个性特征α∈[αmin,αmax]、驾驶偏好β∈[βminβmax]、驾驶经验γ∈[γmin,γmax]、心理素质θ∈[θmin,θmax]进行评估,最终得出驾驶员的综合静态能力评分s,s∈[0,1]。评估完成后,可以得到操作人员的基本素养和能力,这些数据在后续决策中被考虑。
通过下式对驾驶员的个性特征、驾驶偏好、驾驶经验、心理素质进行综合评估。得到驾驶员的静态能力评分s,该值接近0表示系统倾向于不提醒驾驶员接管车辆,该值接近1表示系统倾向提醒驾驶员接管车辆。
其中,ξ1表示权重,ξ1+ξ2+ξ3+ξ4=1,β表示驾驶偏好,γ表示驾驶经验,θ表示心理素质,s表示驾驶员的综合静态能力。
根据上述技术方案,S2进一步的,所述动态能力评分包括驾驶员生理状态的测量(心率h、血压p),驾驶员心理状态的测量(疲劳程度f、情绪状态e),驾驶员的行为状态测量(历史平均接管时间t),以便于及时发现和处理可能出现的问题,如疲劳、紧张、失误等。
驾驶员的生理状态主要由实时心率h和血压p进行量化评价。系统会统计过去τ秒内驾驶员心率以及血压的均值,如果系统检测到当前实施心率变化超过系统可接受阈值,系统会倾向于提醒驾驶员接管车辆。所述驾驶员生理状态的测量如下:
其中,f表示疲劳程度,h表示心率,表示心率的平均值,hr表示拥有驾驶经验的人的心率,p表示血压,/>表示血压的平均值,pr表示拥有驾驶经验的人的血压。
驾驶员的心理状态主要由疲劳程度f、情绪状态e进行量化评价。系统通过已有的疲劳检测系统和情绪识别系统对驾驶员的心理状态进行识别。如果连续检测到驾驶员处于疲劳驾驶状态,则疲劳程度接近1,表示希望驾驶员接管车辆。同样的,如果系统持续检测到驾驶员情绪低落,情绪状态指数接近1,表示希望驾驶员接管车辆。所述驾驶员的心理状态测量如下:
其中,f表示疲劳程度,e表示情绪状态。
驾驶员的行为状态主要由驾驶员的历史平均接管时间t综合评价,系统会统计驾驶员在过去5次接管提醒中驾驶员的平均接管时间t。通过与大数据统计的平均接管时间进行对比,如果该驾驶员的历史5次平均接管时间不在3σ区间内,说明该驾驶员属于特殊用户,需要考虑对其驾驶行为状态进行评价。否则,不需要特别考虑驾驶员的行为状态。“3σ原则”是统计学的一个经验法则,它使用标准差来衡量数据的离散程度。该原则表明,约99.7%的数据在平均值的三个标准差范围内。因此,超过这个范围的数据点通常被视为异常值。所述驾驶员的行为状态测量如下:
最终,由下列公式,综合评价驾驶员的心理状态、生理状态、行为状态。得到驾驶员动态能力评分d。
d=η1Driverps+η2Driverms+η3Driverbs
其中,η1,η2,η3表示权重,η1+η2+η3=1
根据上述技术方案,S3进一步的,本发明选择对驾驶安全性和舒适性影响较大的路面摩擦系数、能见度和交通流状态作为评价驾驶环境的主要因素。
当检测到当前路面摩擦系数超过可接收阈值时,车辆的制动距离变长,系统认为当前驾驶环境较为危险,倾向于提醒驾驶员接管车辆。如果当前能见度过低,低于可接收阈值时,系统认为当前驾驶环境较为危险,倾向于提醒驾驶员接管车辆。
其中,v表示客观环境评分,其越接近1表示系统越希望驾驶员接管车辆。hum表示当前路面摩擦系数,humr表路面摩擦系数判断阈值,vis表示当前能见度,visr表示当前能见度阈值,f1为指示函数,为权重。
对于当前交通流状态,系统主要通过自车的速度以及ADAS系统检测到的前车数量综合评价具体评价方法见下式,traf代表当前交通的拥挤状态:
其中,vlim表示当前路况限速,vego表示自车车速,nvis表示当前视野中的车辆数目,nmax表示视野中车辆数量的最大值,ρ1、ρ2权重。g函数定义如下:
最终,由下列公式,综合评价客观驾驶环境以及交通流状态,得到驾驶环境评分e。
e=o1v+o2traf
其中,o1,o2表示权重,o1+o2=1
根据上述技术方案,S4进一步的,所述驾驶任务包括借道超车、换道超车、车道内跟车、车道内自由行驶、紧急制动。
通过读取ADAS系统输出的辅助驾驶行为,该模块对驾驶行为进行进一步评价,在接管判断驾驶任务类型时考虑ADAS的驾驶行为。
m=l(task)
其中l函数的定义如下:
根据上述技术方案,S5进一步的,所述接管类型包括安全型、效率型和舒适型接管。
首先对S1至S4得出的接管系数进行加权平均,得到综合接管系数。如果综合接管系数大于设置的综合阈值,则系统进入接管类型判断。反之,则系统进入下一个计算周期。
接管类型判断逻辑如下:
安全型接管系数:
式中,δ1、δ2、δ3、δ4为权重,δ1+δ2+δ3+δ4=1。
效率型接管系数:
舒适型接管系数:
ccomfort=1-cefficiency
接管类型判断逻辑如下:
系统首先根据安全型接管系数判断系统是否提醒驾驶员进行安全接管,如果安全型接管系数大于安全阈值,则系统提醒驾驶员:当前ADAS驾驶处于不安全驾驶状态,请接管车辆。反之,则会进入效率型接管系数计算,并判断当前效率型接管系数是否大于效率型接管阈值。如果大于效率型接管阈值,则提醒驾驶员:当前驾驶效率较低,根据您的自身个性判断,建议您接管车辆,提高驾驶效率。如果效率型接管系数小于效率型接管阈值,则会进入舒适型接管系数计算,并判断当前舒适型计算接管系数是否大于舒适型接管阈值,如果大于该阈值,则提醒驾驶员:当前驾驶舒适性较低,根据您的自身个性判断,建议您接管车辆,以免身体感到不适。
一种基于驾驶员情境意识的接管时机与类型的系统,该系统包括:驾驶员静态测评模块、驾驶员动态测评模块、驾驶环境评价模块、驾驶任务评价模块和人机匹配性评价模块。
所述模驾驶员静态测评模块是接管系统的初始化模块,只有在更换驾驶人员或者车机系统重新启动时才会运行该模块。在驾驶员开始驾驶车辆之前,驾驶员静态测评模块会在车机屏幕上以问卷评估的方式让驾驶员回答相关问题。生成并输出驾驶员的静态能力评分s。
所述驾驶员动态测评模块作为接管系统的实时模块,定期检测驾驶员的动态特征,包括生理状态、心理状态和行为状态,以便及时识别并处理可能的问题,如疲劳、紧张、失误等,生成并输出动态能力评分。
所述驾驶环境评价模块对当前驾驶环境进行综合评价,包括客观环境和主观环境,输出驾驶环境评分。为简化,本发明选择路面摩擦系数、能见度和交通流状态作为主要评价因素。
所述驾驶任务评价模块对当前驾驶任务进行评价,包括借道超车、换道超车、车道内跟车、车道内自由行驶、紧急制动等五大任务。本发明认为车辆的横向运动相对于纵向运动危险性较大,因此,该模块会读取ADAS系统输出的辅助驾驶行为进行进一步评价。
所述人机匹配模块,包括安全型、效率型和舒适型接管,以提供优质的接管体验。具体流程为:首先对静态测评模块、动态测评模块、环境评价模块、驾驶任务评价模块中的输出进行加权平均,得到综合接管系数,判别当前应该提供的接管类型。如果综合接管系数大于阈值,则系统进入接管类型判断。如果综合接管系数小于阈值,则系统进入下一个计算周期。
本发明的有益效果是:
1.通过考虑对驾驶员的静态特征、动态特征进行评价得出在执行当前驾驶任务时驾驶员自身的特性,通过对当前驾驶环境、驾驶任务的进行评价得出驾驶员驾驶汽车时的预期行为意识。驾驶员自身的特性与预期行为意识共同组成驾驶员在驾驶汽车时的情境意识,从而使自动驾驶辅助系统的接管策略更加合理,改善了传统的接管策略中接管响应时间不足的问题。
2.安全型、效率型、舒适型三种接管类型使接管策略对驾驶员更加友好。避免了之前只考虑安全的接管策略导致的行车效率低下、行车舒适感较差的问题。
3.通过在汽车中控屏幕进行分级提醒,用不同的颜色加以区分,并且输出更加丰富的接管类型以及接管信息,增加了人机交互界面的友好性。可以让驾驶员充分了解当前驾驶环境以及自身的驾驶状态,从而可以对是否接管车辆做出更好的判断。
附图说明
图1为驾驶员静态测评流程图;
图2为驾驶员接管类型选择流程图;
图3为不同接管类型判断与相应接管提醒提示发出的流程图。
具体实施方式
实施例一
一种基于驾驶员情境意识的接管时机与类型的系统,该系统包括:驾驶员静态测评模块、驾驶员动态测评模块、驾驶环境评价模块、驾驶任务评价模块和人机匹配性评价模块。
所述模驾驶员静态测评模块是接管系统的初始化模块,只有在更换驾驶人员或者车机系统重新启动时才会运行该模块。在驾驶员开始驾驶车辆之前,驾驶员静态测评模块会在车机屏幕上以问卷评估的方式让驾驶员回答相关问题。生成并输出驾驶员的静态能力评分s。
所述驾驶员动态测评模块作为接管系统的实时模块,定期检测驾驶员的动态特征,包括生理状态(如心率、血压)、心理状态(如疲劳程度、情绪状态)和行为状态(如历史接管时间的综合评价),以便及时识别并处理可能的问题,如疲劳、紧张、失误等,生成并输出动态能力评分。
所述驾驶环境评价模块对当前驾驶环境进行综合评价,包括客观环境(如温度、湿度、光照强度、能见度、噪声、路面摩擦系数)和主观环境(如当前交通流状态),输出驾驶环境评分。为简化,本发明选择路面摩擦系数、能见度和交通流状态作为主要评价因素。
所述驾驶任务评价模块对当前驾驶任务进行评价,包括借道超车、换道超车、车道内跟车、车道内自由行驶、紧急制动等五大任务。本发明认为车辆的横向运动相对于纵向运动危险性较大,因此,该模块会读取ADAS系统输出的辅助驾驶行为进行进一步评价。
所述人机匹配模块,包括安全型、效率型和舒适型接管,以提供优质的接管体验。具体流程为:首先对静态测评模块、动态测评模块、环境评价模块、驾驶任务评价模块中的输出进行加权平均,得到综合接管系数,判别当前应该提供的接管类型。如果综合接管系数大于阈值,则系统进入接管类型判断。如果综合接管系数小于阈值,则系统进入下一个计算周期。
每个模块所包含的具体信息内容如下所示。
1:驾驶员静态测评模块
在驾驶员开始驾驶车辆之前,驾驶员静态测评模块会在车机屏幕上以问卷评估的方式让驾驶员回答相关问题。最终综合评估出驾驶员的静态能力评分s。
驾驶员静态测评模块,用于在任务开始前对操作人员的个性特征α∈[αmin,αmax]、驾驶偏好β∈[βmin,βmax]、驾驶经验γ∈[γmin,γmax]、心理素质θ∈[θmin,θmax]进行评估,得出驾驶员的静态能力评分s,s∈[0,1]。评估完成后,可以得到操作人员的基本素养和能力,这些数据可以在后续的决策中被考虑进去。
2:驾驶员动态测评模块
驾驶员动态测评模块主要包括驾驶员生理状态的测量(心率h、血压p),驾驶员心理状态的测量(疲劳程度f、情绪状态e),驾驶员的行为状态测量(历史接管时间的综合评价t),以便于及时发现和处理可能出现的问题,如疲劳、紧张、失误等。
3.驾驶环境评价模块
驾驶环境评价模块主要用于对当前驾驶环境进行综合评价。既包括当前环境的温度、湿度、光照强度、能见度、噪声、路面摩擦系数等客观环境,也包括当前交通流状态等主观环境。为了简化起见,本发明选择对驾驶安全性和舒适性影响较大的路面摩擦系数、能见度和交通流状态作为评价驾驶环境的主要因素。
4.驾驶任务评价模块
任务评价模块主要用于系统对当前驾驶任务的评价,本发明将驾驶任务分为借道超车、换道超车、换道超车、车道内跟车、车道内自由行驶、紧急制动五大任务,基本涵盖了ADAS系统的辅助驾驶行为。本发明认为车辆的横向运动相对于纵向运动危险性较大,因此通过读取ADAS系统输出的辅助驾驶行为,该模块对驾驶行为进行进一步评价,在接管判断时考虑ADAS的驾驶行为。
5.人机匹配性评价模块(主要用来评价人机的综合匹配度)
人机匹配模块主要作用为判别当前的接管类型,为驾驶员提供良好的接管体验。本发明中,将接管类型分为三类:安全型接管、效率型接管、舒适型接管。
具体流程为:首先对上述四个模块中的输出进行加权平均,得到综合接管系数。如果综合接管系数大于阈值,则系统进入接管类型判断。如果综合接管系数小于阈值,则系统进入下一个计算周期。
本发明所述系统分为五大模块。首先驾驶员启动车辆后,系统会询问是否已经记录过该驾驶员的静态特征信息。如果没有记录,则系统会进入驾驶员静态测评模块,对驾驶员进行静态测评。如果已经记录该驾驶员的静态信息,则系统跳过驾驶员静态测评模块,直接调用数据库中的驾驶员静态测评信息。
当驾驶员启动车辆之后,系统会进入循环运行状态,运行流程如下:
首先进入驾驶员动态测评模块,检测驾驶员的生理状态、心理状态、行为状态,并结合三者对驾驶员的动态能力进行评分。随后系统进入驾驶环境评价模块,检测当前驾驶环境的湿度、能见度、交通流状态,并计算相应的评价指标。接下来系统进入驾驶任务评价模块,读取ADAS系统指令状态,判断当前车辆所处的具体驾驶任务,并给出驾驶任务评分。最后进入人机匹配评价模块,对驾驶员静态测评模块、驾驶员动态测评模块、驾驶环境评价模块、驾驶任务评价模块得出的评分做综合加权,最终综合接管系数。如果综合接管系数大于阈值,则系统进入接管类型判断程序,判断系统当前的接管类型,并给出相应的接管提醒。如果综合接管系数小于阈值,则系统进入下一个计算周期。具体流程图如图3所示。
实施例二
本发明的目的是针对现有技术的缺陷,提供了一种基于驾驶员情境意识的接管时机与类型的方法。
本实施例以具体实例进行说明。
该辅助驾驶系统的服务对象为驾龄20年的驾驶员。具体驾驶场景为:
车辆行驶在平直高速公路中,前驾驶路面为干燥的柏油马路,路面摩擦系数为0.65、能见度为300米,当前路况限速120km/h,可见范围内前方车辆为1。
1.确定涉及到的权重参数以及各模块中涉及到的评价阈值。ξ1=ξ2=ξ3=ξ4=0.25、
2.该驾驶员第一次使用本发明系统,因此需要进行静态测评,如图1所示。
2.1驾驶员进入车辆,车辆检测到驾驶员进入,询问驾驶员是否为第一次驾驶该车辆,该驾驶员选择“是”,随后系统进入静态测评模块。
2.2对驾驶员的个性特征进行测评,询问:在遇到路权争夺时,您是更趋向于让行还是更倾向于抢行?由驾驶员选择αmin至αmax中的任意一个数值。最小值αmin=0,最大值αmax=1,其中α越小表示越倾向于让行。最终该驾驶员选择结果为0.2。
2.3对驾驶员的驾驶偏好进行测评,询问:在遇到车流量大的路况时,您更倾向于不舒适但是更快速的通过该路段还是更加舒适但缓慢的通过该路段?由驾驶员选择βmin至βmax中的任意一个数值。最小值βmin=0,最大值βmax=1,其中β越小表示驾驶员越系统舒适且缓慢的通过该路段。最终该驾驶员选择结果为0.3。
2.4对驾驶员的驾驶经验进行测评,询问:您的驾驶年龄为多少?由驾驶员选择γmin至γmax中的任意一个数值。最小值γmin=0,最大值γmax=45。最终驾驶员选择的结果为20。
2.5对驾驶员的心理素质进行测评,询问:您在遇到紧急情况时能够很好的保持冷静并且能够迅速接管车辆使车辆脱离危险驾驶环境吗?由驾驶员选择θmin至θmax中的任意一个数值。最小值θmin=0,最大值θmax=1,其中θ越小表示驾驶员的心理素质越好,遇到危险工况能够及时应对。最终驾驶员选择的结果为0.4。
2.6通过公式(1)对驾驶员的个性特征、驾驶偏好、驾驶经验、心理素质进行综合评估。得到驾驶员的静态能力评分s=0.24。
3.车辆启动,进入辅助驾驶状态,开始一次循环运行驾驶员动态测评模块、驾驶环境评价模块、驾驶任务评价模块、人机匹配性评价模块。
4.进入驾驶员动态测评模块。
4.1对驾驶员的生理状态进行测评,通过驾驶员佩戴的智能手表终端获取驾驶员当前实时的心率h=70次/分钟,血压p=110mmHg,过去τ=5秒内的平均心率平均血压/>系统可接受心率阈值hr=15,系统可接受血压阈值pr=40。最终计算驾驶员生理状态评分z=0
4.2对驾驶员的心理状态进行测评,系统通过已有的疲劳检测系统和情绪识别系统对驾驶员的心理状态进行识别,当前系统检测到当前司机的疲劳程度和心理状态良好,均为0,因此得到司机的心理状态评分p=0。
4.3对驾驶员的行为状态进行测评,系统统计驾驶员在过去5次接管提醒中驾驶员的平均接管时间t=4s。大数据统计的平均接管时间方差为0.5,因此,该驾驶员的历史5次平均接管时时间不在3σ区间[3.5,6.5]内,说明该驾驶员不属于特殊人群,不需要特别考虑驾驶员的行为状态,因此驾驶员行为状态评分Driverbs=0
4.4综合评价驾驶员的心理状态、生理状态、行为状态。得到驾驶员动态能力评分d=0
5.进入驾驶环境评价模块。
5.1对当前道路路面摩擦系数和能见度客观驾驶环境进行评估,首先得到ADAS系统估计的当前路面摩擦系数hum=0.65,当前路面摩擦系数阈值humr系统设定为0.4,当前驾驶环境能见度为300米,系统设定的能见度阈值visr=200米,因此客观驾驶环境评分v=0
5.2对当前交通流状态进行测评,ADAS系统检测到前方车辆数量为nvis=1,系统可识别前方车辆最大数量nmax=6,当前车速为v=115km/h,通过公式计算得到当前交通状态评分traf=0.12
5.3综合评价客观驾驶环境以及交通流状态,权重系数o1=o2=0.5得到驾驶环境评分e=0。
e=0.5×0+0.5×0.12=0.06
6.进入驾驶任务评价模块,首先该模块会读取ADAS系统的横向决策指令,对改决策指令进行分级评价,得到驾驶任务评分。系统检测到当前车辆在这道内自由行驶,根据下列公式,得到驾驶任务评分m=0.25。
7.进入人机匹配性评价模块,如图2所示,首先对驾驶员静态测评模块、驾驶员动态测评模块、驾驶环境评价模块、驾驶任务评价模块中得出的接管系数进行加权平均,得到综合接管系数小于综合接管系数阈值/>因此系统不需要提醒驾驶员接管车辆。
8.系统按照一定频率循环重复执行3至7步骤。
Claims (8)
1.一种基于驾驶员情境意识的接管时机与类型的方法,其特征在于,包括如下步骤:
S1、收集驾驶员的个性、偏好、经验及心理素质信息,生成驾驶员的静态能力评分;
S2、监测驾驶员的生理、心理和行为状态,生成驾驶员的动态能力评分;
S3、评价客观驾驶环境以及交通流状态,得到驾驶环境评分;
S4、对驾驶任务进行评估,判断驾驶任务类型;
S5、判别当前应该提供的接管类型,实现最高的人机匹配度。
2.根据权利要求1所述的一种基于驾驶员情境意识的接管时机与类型的方法,其特征在于,S1中所述驾驶员的静态能力评分包括在驾驶任务开始前对驾驶员的个性特征θ∈[αmin,αmax]、驾驶偏好β∈[βmin,βmax]、驾驶经验γ∈[γmin,ymax]、心理素质θ∈[θmin,θmax]进行评估,得出驾驶员的综合静态能力评分s,s∈[0,1]:
其中,ξ1表示权重,ξ1+ξ2+ξ3+ξ4=1。
3.根据权利要求1所述的一种基于驾驶员情境意识的接管时机与类型的方法,其特征在于,S2中所述驾驶员的动态能力评分d包括驾驶员生理状态的测量、驾驶员心理状态的测量和驾驶员的行为状态测量:
d=η1Driverps+η2Driverms+η3Driverbs
其中,η1,η2,η3表示权重,且η1+η2+η3=1,Driverps为驾驶员生理状态的测量、Driverms为驾驶员的心理状态测量、Driverbs为驾驶员的行为状态测量。
4.根据权利要求3所述的一种基于驾驶员情境意识的接管时机与类型的方法,其特征在于,所述驾驶员生理状态的测量如下:
其中,f表示疲劳程度,h表示心率,表示过去τ秒内驾驶员心率的平均值,hr表示拥有驾驶经验的人的心率,p表示血压,/>表示过去τ秒内驾驶员血压的平均值,pr表示拥有驾驶经验的人的血压;
所述驾驶员的心理状态测量如下:
其中,f表示疲劳程度,e表示情绪状态;
所述驾驶员的行为状态测量如下:
表示统计驾驶员在过去5次接管提醒中驾驶员的平均接管时间t,通过与大数据统计的平均接管时间进行对比,如果该驾驶员的历史5次平均接管时间不在3σ区间内,则对其驾驶行为状态进行评价;否则,不考虑驾驶员的行为状态。
5.根据权利要求4所述的一种基于驾驶员情境意识的接管时机与类型的方法,其特征在于,S3中所诉驾驶环境评分具体如下:
其中,v表示客观环境评分;hum表示当前路面摩擦系数,humr表路面摩擦系数判断阈值,vis表示当前能见度,visr表示当前能见度阈值,f1为指示函数,为权重;
对于当前交通流状态,traf代表当前交通的拥挤状态:
其中,vlim表示当前路况限速,vego表示自车车速,nvis表示当前视野中的车辆数目,nmax表示视野中车辆数量的最大值,ρ1、ρ2权重;g函数定义如下:
综合评价客观驾驶环境以及交通流状态,得到驾驶环境评分e:
e=o1v+o2traf
其中,o1,o2表示权重,o1+o2=1。
6.根据权利要求1所述的一种基于驾驶员情境意识的接管时机与类型的方法,其特征在于,S4所述驾驶任务包括借道超车、换道超车、车道内跟车、车道内自由行驶和紧急制动;
通过读取ADAS系统输出的辅助驾驶行为,对驾驶行为进行评价,在接管判断驾驶任务类型时考虑ADAS的驾驶行为:
m=l(task)
其中,l函数的定义如下:
7.根据权利要求6所述的一种基于驾驶员情境意识的接管时机与类型的方法,其特征在于,S5所述接管类型包括安全型、效率型和舒适型接管;
S5具体过程为:对S1至S4得出的接管系数进行加权平均,得到综合接管系数;如果综合接管系数大于设置的综合阈值,则系统进入接管类型判断;反之,则系统进入下一个计算周期;
接管类型判断逻辑如下:
安全型接管系数:
式中,δ1、δ2、δ3、δ4为权重,δ1+δ2+δ3+δ4=1;
效率型接管系数:
舒适型接管系数:
ccomfort=1-cefficiency
接管类型判断逻辑如下:
首先根据安全型接管系数判断系统是否提醒驾驶员进行安全接管,如果安全型接管系数大于安全阈值,则提醒驾驶员:当前ADAS驾驶处于不安全驾驶状态,请接管车辆;反之,则进入效率型接管系数计算,并判断当前效率型接管系数是否大于效率型接管阈值,如果大于效率型接管阈值,则提醒驾驶员:当前驾驶效率较低,根据您的自身个性判断,建议您接管车辆,提高驾驶效率;如果效率型接管系数小于效率型接管阈值,则进入舒适型接管系数计算,并判断当前舒适型计算接管系数是否大于舒适型接管阈值,如果大于该阈值,则提醒驾驶员:当前驾驶舒适性较低,根据您的自身个性判断,建议您接管车辆。
8.一种基于驾驶员情境意识的接管时机与类型的系统,用于实现权利要求1至7任一所述方法,其特征在于,包括驾驶员静态测评模块、驾驶员动态测评模块、驾驶环境评价模块、驾驶任务评价模块和人机匹配性评价模块;
所述模驾驶员静态测评模块是接管系统的初始化模块,在更换驾驶人员或者车机系统重新启动时运行该模块;在驾驶员开始驾驶车辆之前,驾驶员静态测评模块在车机屏幕上以问卷评估的方式让驾驶员回答相关问题,生成并输出静态能力评分;
所述驾驶员动态测评模块作为接管系统的实时模块,检测驾驶员的动态特征,包括生理状态、心理状态和行为状态,生成并输出动态能力评分;
所述驾驶环境评价模块对当前驾驶环境进行综合评价,包括客观环境和主观环境,输出驾驶环境评分;
所述驾驶任务评价模块对当前驾驶任务进行评价,并读取ADAS系统输出的辅助驾驶行为进行评价;
所述人机匹配模块,对静态测评模块、动态测评模块、环境评价模块、驾驶任务评价模块中的输出进行加权平均,得到综合接管系数,判别当前应该提供的接管类型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311099033.1A CN117755329A (zh) | 2023-08-29 | 2023-08-29 | 一种基于驾驶员情境意识的接管时机与类型的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311099033.1A CN117755329A (zh) | 2023-08-29 | 2023-08-29 | 一种基于驾驶员情境意识的接管时机与类型的方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117755329A true CN117755329A (zh) | 2024-03-26 |
Family
ID=90309295
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311099033.1A Pending CN117755329A (zh) | 2023-08-29 | 2023-08-29 | 一种基于驾驶员情境意识的接管时机与类型的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117755329A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117962901A (zh) * | 2024-03-29 | 2024-05-03 | 苏州元脑智能科技有限公司 | 驾驶状态的调整方法及装置、存储介质、电子设备、计算机程序产品 |
-
2023
- 2023-08-29 CN CN202311099033.1A patent/CN117755329A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117962901A (zh) * | 2024-03-29 | 2024-05-03 | 苏州元脑智能科技有限公司 | 驾驶状态的调整方法及装置、存储介质、电子设备、计算机程序产品 |
CN117962901B (zh) * | 2024-03-29 | 2024-05-28 | 苏州元脑智能科技有限公司 | 驾驶状态的调整方法及装置、存储介质、电子设备、计算机程序产品 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8140241B2 (en) | Driving action estimating device, driving support device, vehicle evaluating system, driver model creating device, and driving action determining device | |
CN109885040B (zh) | 一种人机共驾中的车辆驾驶控制权分配系统 | |
US11858419B2 (en) | Fatigue driving monitoring, reminding and early-warning method and system based on computer vision | |
JP6972629B2 (ja) | 情報処理装置、情報処理方法、及び、プログラム | |
Scherer et al. | How the driver wants to be driven-modelling driving styles in highly automated driving | |
JP5555274B2 (ja) | 情報提供タイミング管理装置、情報提供タイミング管理方法およびプログラム | |
CN117755329A (zh) | 一种基于驾驶员情境意识的接管时机与类型的方法及系统 | |
CN110450783A (zh) | 用于运行自主车辆的控制单元和方法 | |
CN110728824B (zh) | 一种基于多源数据的驾驶员疲劳状态检测及提醒方法 | |
Shirazi et al. | Detection of intoxicated drivers using online system identification of steering behavior | |
CN112406882A (zh) | 人机共驾过程驾驶员状态监测装置及可接管能力评估方法 | |
CN113753059B (zh) | 一种自动驾驶系统下的驾驶人接管能力预测方法 | |
CN110458604A (zh) | 一种网约司机评价方法、装置、设备及存储介质 | |
Trende et al. | Improving the detection of user uncertainty in automated overtaking maneuvers by combining contextual, physiological and individualized user data | |
Bao et al. | Data-Driven Risk-Sensitive Control for Personalized Lane Change Maneuvers | |
CN114155742B (zh) | 一种网联车纵向行车风险评估和预警方法 | |
CN114550442A (zh) | 一种基于车路协同的自动驾驶车辆状态评估及预警方法 | |
CN114613131A (zh) | 一种基于安全裕度的个性化前向碰撞预警方法 | |
CN109784768B (zh) | 一种驾驶任务识别方法 | |
Saito et al. | Bringing a vehicle to a controlled stop: Effectiveness of a dual-control scheme for identifying driver drowsiness and preventing lane departures under partial driving automation requiring hands-on-wheel | |
Mase et al. | A Review of Intelligent Systems for Driving Risk Assessment | |
CN116976563A (zh) | 智能汽车评价方法、系统及包括该系统的车辆 | |
JP2011129010A (ja) | 運転シーン判定装置、運転シーン判定方法およびプログラム、ならびに、ワークロード推定装置、ワークロード推定方法およびプログラム | |
Wen et al. | Research on Influencing Factors of Fatigue Driving Based on Decision Tree | |
CN117962901B (zh) | 驾驶状态的调整方法及装置、存储介质、电子设备、计算机程序产品 |
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 |