[发明专利]一种人机共驾控制系统的个性化驾驶员转向行为辅助方法

说明书

本发明提供一种人机共驾控制系统的个性化驾驶员转向行为辅助方法，首先由数据驱动的方法进行个性化驾驶员转向行为的预测；通过对驾驶员转向行为进行较为准确的预测，同时考虑预测误差的概率分布，将含随机误差项的驾驶员转向行为预测序列输入车辆的动力学模型，得到预测的车辆轨迹的分布；根据预测轨迹的分布情况，对车辆的危险程度进行评估；针对危险程度的不同，采取不同的辅助措施。本发明能够对个性化驾驶员的短期转向行为进行较为准确的预测，且能够随着驾驶员驾驶风格的改变而不断更新，能够有效地减少驾驶任务中控制系统和驾驶员的冲突，提高危险情境下车辆的控制精度。

技术领域

本申请涉及智能驾驶技术领域，具体涉及人机共驾领域，尤其涉及一种人机共驾控制系统的个性化驾驶员转向行为辅助方法。

背景技术

为了提高驾驶安全性，研究人员设计开发了多种高级驾驶辅助系统(AdvancedDriver Assistance Systems,ADAS)以辅助驾驶员决策和减轻驾驶员负担。驾驶员模型作为驾驶辅助系统的基础，其准确性不仅决定了驾驶辅助系统的优劣，更对驾驶安全有着至关重要的影响。而结合驾驶员模型的特点，有助于设计更合理的人机共驾策略、性能更优的人机共驾控制器。

现有的驾驶行为预测方法与随机模型预测控制相关专利主要集中在各个专用领域的子系统实现，相近似的实现方案如下：专利公开号：CN108550279A基于机器学习的车辆驾驶行为预测方法，尽管也对车辆特征、道路特征、车辆行驶环境进行了定义，并利用机器学习技术构建了车辆驾驶行为预测模型，但其“驾驶行为”指车辆直行、左转、右转、调头、原地不动这5种驾驶意图，而本申请转向行为指具体的方向盘转角；专利CN109017799A，通过对车辆运行数据的大数据分析，构建了汽车驾驶行为预测方法，其利用的数据为{车速、档位、时间、天气}，决策的结果为{安全，危险}，且不涉及人机共驾控制策略，与本专利有较大区别；专利CN107697070A，提出了使用机器学习的方法进行驾驶行为的预测，且利用了连续时间段内的场景信息与驾驶行为序列，与本专利出发点较为相似，但其并未提供训练驾驶员行为预测模型所需的具体特征以及所采用的神经网络的具体结构，且未考虑如何利用预测误差；专利CN105711586A，通过采集前向车辆的状态信息，建立前向车辆驾驶人驾驶行为预测模型，继而再设计本车的避碰方案，且偏向于车辆运动规划；专利CN104054119A利用车辆的行驶状态信息对车辆行为进行预测，同时也提出了概率分布的思想，但其解决的是车辆跟随问题，控制量为油门和刹车，且面向的是车辆行为而不是驾驶员行为；专利CN109901598A应用随机模型预测控制解决了模型参数摄动的问题，用于自主水下机器人路径跟踪领域；专利CN109808707A，提供了一种基于随机模型预测控制的汽车转向控制方法，但其是用于模拟不同驾驶风格的转向控制，并非应用于人机共驾环境下人机共驾控制器的设计，不涉及驾驶员驾驶行为预测以及控制器辅助驾驶行为。

总结现有的技术，主要存在以下缺点：

①驾驶员驾驶行为预测方面。当前高级驾驶辅助系统中使用的驾驶员模型通常为基于控制理论的补偿跟踪类模型和预瞄跟踪类模型，用以模拟驾驶员驾驶决策和执行过程。但驾驶行为具有随机性，且不同驾驶员的驾驶风格不同，传统驾驶员模型很难对个性化驾驶员行为进行准确预测。

②人机共驾控制方面。

在现有的通过预测车辆是否发生碰撞危险来确定人机共驾系统的介入时机与介入程度的方案中，多采用传感器测量当前时刻的方向盘转角，通过该值预测车辆的轨迹，这样在对车辆状态进行危险评估时会导致危险误报率高等问题。

发明内容