[发明专利]一种基于多因素影响的驾驶员弯道行驶轨迹分析方法

说明书

技术领域

本发明属于智能汽车仿人控制领域，具体涉及一种基于多因素影响的驾驶员弯道行驶轨迹分析方法。

背景技术

智能汽车具有环境感知，规则决策，多等级辅助驾驶等功能，融合了计算机，通讯，人工智能及自动控制等技术。目前，智能汽车研究重点为提高汽车的安全性以及舒适性并提供优良的人车交互界面。优秀的驾驶员具有丰富的驾驶经验和技巧，若智能汽车能学习或模仿人类驾驶员对汽车转向系统进行控制，则会使智能汽车更容易被人类接受。

现有的智能汽车路线规划方法中，中国专利申请：基于威胁估计的智能车辆路径规划方法(申请号：CN201610050880.2)中仅以提高智能驾驶的安全性及高效性为目的进行路径规划，未考虑智能汽车的乘坐舒适性。中国专利申请：一种基于经验路线的车辆路径规划方法(申请号：CN201610417918.5)中经验路线优选时，仅考虑起点距离经验路线的直线距离，以及重点距离经验路线的直线距离等客观因素，忽略了经验路径中的主观因素以及经验路径其余环境因素。现行汽车行驶理论的道路设计方法，均是在无外界干扰且严格按照中心线行驶的理想状态。仿人控制则为智能控制的核心，它主要通过模仿人的经验和技巧来进行控制。此种方法显然和实际行驶轨迹有差别，且无法满足仿人智能驾驶的要求。

正交试验法是研究多因素多水平的一种设计方法，它是根据正交性从全面试验中挑选出部分有代表性的点进行试验，是一种高效率、快速、经济的实验设计方法。在优秀驾驶员普通弯道行驶路径的影响因素分析方法中，应用正交试验法，达到高效，全面分析影响因素的目的。

发明内容

本发明的目的是针对上述问题提供一种基于多因素影响的驾驶员弯道行驶轨迹分析方法，本发明是用于优秀驾驶员普通弯道行驶轨迹影响因素分析，提出了影响优秀驾驶员在普通弯道行驶轨迹的客观因素和主观因素相结合的分析方法，基于正交试验法对客观因素和主观因素进行显著性分析，对提出影响优秀驾驶员行驶轨迹的影响因素的显著性、及显著程度排序，为普通弯道工况下的智能汽车仿人控制研究奠定基础。

本发明的技术方案是：一种基于多因素影响的驾驶员弯道行驶轨迹分析方法，包括以下步骤：

步骤S1、提出驾驶员弯道行驶轨迹的影响因素和评价指标：所述影响因素包括客观因素和主观因素，所述客观因素包括驾驶员的行车速度和弯道的曲率，所述主观因素包括优秀驾驶员驾驶经验，所述驾驶经验包括驾驶员驾龄、年龄、性格以及试验路段熟悉程度；所述评价指标包括客观评价与主观评价，所述客观评价指标为侧向偏移量，所述主观评价指标为乘客的乘坐舒适性以及安全性；

步骤S2、根据正交试验法，建立正交表：根据所述步骤S1中提出的驾驶员的行车速度、弯道的曲率和驾驶员驾驶经验三个影响因素，选取n个因素水平，建立正交表；

步骤S3、根据所述步骤S2中得到的正交表进行驾驶员弯道行驶轨迹的试验；

步骤S4、对所述步骤S3中得到的试验数据进行方差分析，进行影响因素显著性分析：利用方差分析来区别试验数据的差异是由于因素水平不同引起的还是试验误差引起的，以进一步来确定普通弯道工况下优秀驾驶员行驶轨迹的主要影响因素和次要影响因素；方差分析又称“变异数分析”，用于两个及两个以上样本均数差别的显著性检验。通过方差分析的方法来进行显著性分析可以区别考察因素的试验数据差别是由于不同水平引起的还是由于试验误差引起的；

利用方差分析，得到各影响因素的检验统计量F_比值：

其中f_A表示偏差平方和S_A，f_误表示S_误的自由度；

f_A＝因素A的水平数－1；

f_误＝f_总－f_A；

f_总＝N－1，N为同一水平的总试验次数；

其中为因素A在各水平下的偏差平方和相加；

其中为因素A各水平平均值之间的偏差平方和；

F分布临界值表列出了各种自由度情况下F_比的临界值，查得的临界值记做F_α，这里的α是预先给定的显著性水平，若F_比≥F_α，就有(1－α)的把握说明因素A的水平改变对结果有显著性影响。

上述方案中，所述驾驶员为优秀驾驶员；