[发明专利]基于驾驶员经验模型的智能驾驶控制系统和方法、车辆

说明书

本发明涉及一种智能驾驶控制系统和方法、车辆。智能驾驶控制系统包括：驾驶员模型模块，用于收集驾驶员操作信息和期望路径信息，结合车辆运动信息预测车辆未来时刻的行驶状态参量；预瞄控制模型模块，用于计算横向校正角度并判断车辆下一时刻的正确行驶模式；路径跟踪控制模块，用于将参量转化成整车系统模块可执行的控制量；整车系统模块，用于响应从跟踪控制模块得到的控制量，以控制车辆运动，并反馈车辆运动参数。本发明提出的智能驾驶控制系统和方法不仅能够预测车辆未来一段时间的一系列行驶状态，而且可以根据真实的驾驶环境基于车辆行驶效果自适应地调节转向控制量，进而提高车辆行驶的安全性和准确性。

技术领域

本发明涉及智能车辆控制技术领域，尤其涉及一种基于驾驶员经验模型的智能驾驶控制系统和方法、车辆。

背景技术

无人驾驶技术作为当今车辆的前沿技术受到了各国学者的广泛关注，路径跟踪控制技术作为无人驾驶车辆的关键技术之一，已成为了无人驾驶技术研究的核心内容。然而，目前大多数的车辆控制技术都是基于车辆自身的特性，从车辆的运动学和动力学模型出发对车辆进行自主控制，而忽略了驾驶员在各种路况下基于驾驶经验对于车辆的控制作用，尤其是不同工况下的车辆横向与纵向的配合操作。这使得自主驾驶车辆难以实现类人驾驶，更不能满足车辆自主行驶过程中的舒适性和安全性。

实际行驶的车辆系统是一个复杂的非线性、变参数耦合系统，在不同的行驶工况和地面条件下，系统内部参数存在很大的不确定性，特别是在车辆行驶过程中横向与纵向运动具有很强的耦合关系。例如，当驾驶员在弯道行驶的情况下，车辆行驶速度不能过高，否则可能造成车辆侧倾的危险；当驾驶员实现加减速和升降挡的过程中，需考虑到车辆是否存在转向行为。因此，智能车辆在实现自主控制时需要综合考虑横向和纵向的耦合关系，结合车辆行驶状态对控制量进行实时补偿，以此来提高控制精度和效果，改善车辆系统的路径跟踪性能。

虽然，目前的车辆控制方法可以根据车辆的实时状态，实现控制量的自适应修正，提供车辆的通过性，但是不能根据驾驶员的驾驶经验配合转向控制机构和油门量的协调关系，因此存在无法满足车辆控制的精确性和稳定性，并且忽略了不同路况下的驾驶需求的问题。

发明内容

鉴于上述的分析，本发明旨在提供一种基于驾驶员经验模型的智能驾驶控制系统和方法，用以解决现有技术中不能根据驾驶员的驾驶经验配合转向控制机构和油门量的协调关系的问题，达到能够根据驾驶员的驾驶经验纠正控制变量，调节车辆的行驶性能的目的。

本发明的目的主要是通过以下技术方案实现的：

提供了一种智能驾驶控制系统，包括：驾驶员模型模块、预瞄控制模型模块、路径跟踪控制模块和整车系统模块。

其中，驾驶员模型模块，用于收集驾驶员操作信息和期望路径信息，结合车辆运动信息预测车辆未来时刻的行驶状态参量；

预瞄控制模型模块，用于计算横向校正角度并判断车辆下一时刻的正确行驶模式；

路径跟踪控制模块，用于将驾驶员模型模块和预瞄控制模型模块分别输出的参量转化成整车系统模块可执行的控制量；

整车系统模块，用于响应从跟踪控制模块得到的控制量，以控制车辆运动，并反馈车辆运动参数至驾驶员模型模块、预瞄控制模型模块和路径跟踪控制模块。

具体的，所述驾驶员模型模块中的驾驶员操作信息包括车辆转向系统参数和油门增量；期望路径信息包括目标路径点信息；行驶状态参量包括转向机构位置的期望值范围和油门增量期望值。

进一步的，所述驾驶员模型模块中的驾驶员模型是经过学习驾驶员真实经验数据训练得到的，具体采用高斯混合隐马尔可夫算法对驾驶员模型进行训练。

具体的，驾驶员模型具体通过以下方法获得：

获取各工况下真实驾驶数据；