考虑驾驶能力及驾驶习性的个性化人机共驾策略研究

孙博华
98

作者单位:吉林大学

论文类别:博士学位论文


摘要:人机共驾系统可以视为社会属性的人与逻辑属性的车辆智能化子系统通过克服彼此间的决策冲突,最终形成的安全、高效且友好的稳定驾驶模式,是“驾驶人-智能系统”间的最优驾驶匹配。考虑社会因素、伦理因素以及“机驾”系统的智能逻辑属性对智能车辆的影响,人机协同共驾模式将很可能长期存在于智能汽车中。在人机共驾研究中,“人驾”与“机驾”的协同与冲突机理分析是研究基础,驾驶人的人因属性和“机驾”的决策逻辑是影响系统性能的主要因素。人因属性包含驾驶习性、驾驶技能和驾驶状态等驾驶人行为模式属性,是人机共驾系统进行驾驶权分配时的关键影响因素。此外,人因属性对于“机驾”决策逻辑也具有重要影响。因此,基于人因属性的个性化人机共驾策略研究,是未来智能驾驶系统的关键技术之一。


本文在深入分析人机间的协同与冲突机理的基础上,针对人机协同共驾中驾驶人的人因属性和机器的逻辑属性,开展了考虑驾驶能力及驾驶习性的个性化人机协同共驾研究。建立起面向人因属性的系统激励及场景构建理论及测试方法,并搭建了相应的测试平台;提出驾驶能力概念及评估方法,解决了复杂多变的人因属性引起的驾驶权分配机制的合理性问题;采用中级类我度对应的“类我”属性表征及评估方法,实现了“类我”“机驾”策略;设计包含驾驶权仲裁子系统及“类我”“机驾”子系统的人机共驾策略架构,建立起高驾驶人可接受度及行驶安全性的人机协同共驾策略。


首先,为满足用于人机共驾系统的驾驶能力及驾驶习性等人因属性表征及评估需求,本文提出了面向人因属性表征及评估的系统激励及场景构建理论及测试方法,建立了驾驶人在环智能模拟平台及实车数据采集及模型验证平台。提出了包含系统激励型、微观场景型及自然驾驶型的人因属性用“V”字型测试流程:基于激励信号的周期性及突变性选择激励信号并设计系统激励型场景;通过耦合车辆运动模型及车路可行驶区域空间拓扑结构的时空状态,建立可揭示人-车-路耦合机理及车路协同规律的虚拟随机车路场模型及相应的微观驾驶场景;通过建立完善的系统配置及合理的测试规程,设计支持高精度、多维度及高场景一致性的自然驾驶测试系统及测试方法。


其次,为了解决具备时变、高阶非线性及动态特性的人因属性对人机共驾系统中驾驶权分配机制的影响,提出了驾驶能力概念及评估方法。将驾驶能力定义为驾驶人随外界环境负荷变化而对车辆渐变的把控能力,是个人驾驶习性、驾驶技能及驾驶状态等人因属性元素的综合体,具有时变、非线性及动态特性。基于 Hammerstein 模型建立了驾驶能力辨识模型,采用主成分分析法对模型中的关键参数进行解耦和降维;通过客观蚁群聚类和主观量表分析相结合的分类方式,实现了驾驶能力的分类;通过多元线性回归分析法计算得到驾驶能力评价方程。分别在典型激励场景和虚拟微观场景中,分析驾驶能力机理及特性,测试并验证驾驶能力评估方法的合理性和有效性。


再次,根据“类我”属性表征及评估需求,建立了中级类我度对应的驾驶习性表征及评估框架。将驾驶习性定义为驾驶人相对稳定的、习惯性的内在行为倾向,是不同个体间具备强差异性的个人心理思维和行为模式的综合体。依次通过对驾驶习性的特征提取、离线评估、在线数据仲裁及在线评估方法,建立了“类我”属性的表征及评估方法。通过基于主客观相结合的分类方式、基于多维高斯隐马尔科夫过程的辨识模型及基于正交试验的参数优化方式,建立起“类我”属性的分类数据库及带有最优内参组合的离线辨识模型;通过基于车辆运动意图的交通态势辨识模型实现“类我”属性的在线数据仲裁,通过驾驶习性在线辨识模型实现“类我”属性的在线评估。依次在典型激励场景、虚拟场景及自然驾驶场景下验证并分析了“类我”属性表征及评估方法的评估准确率及在线评估周期。


最后,建立考虑驾驶能力及驾驶习性的个性化人机共驾策略。分析了“人-车-控制器-场景”大系统中的人机协共驾系统与其他系统间的耦合及协作模式,进而设计了包含驾驶权仲裁子系统及“类我”“机驾”子系统的人机共驾系统架构。在动态驾驶任务中,“人驾”与“机驾”子系统通过实时调整驾驶权分配系数共享对车辆的控制权。通过基于多维混合高斯辨识过程的驾驶能力实时辨识模型,建立实时驾驶权仲裁机制;通过双层混合高斯隐马尔可夫辨识过程及混合可观测马尔科夫决策过程,实现适用于复杂场景的“类我”“机驾”决策逻辑。分别在模拟器平台及实车平台上建立包含车道、道路拓扑结构及车辆行为的复杂场景,通过所提出的人机共驾策略评价准则,验证并分析人机共驾控制策略的合理性及其相比于仅“人驾”及仅“机驾”模式的性能优势。


关键词:智能汽车,人机共驾,智能驾驶场景构建,驾驶能力,驾驶习性,个性化决策