[发明专利]一种考虑驾驶员输入特征的车辆控制方法及系统

说明书

本发明公开了一种考虑驾驶员输入特征的车辆控制方法及系统，涉及智能车辆领域，包括根据行驶环境信息确定行驶车辆所处环境，并当行驶车辆无危险时，根据车辆交互信息和数据驱动驾驶员模型预测驾驶员行为；计算驾驶员行为的置信度，并当置信度大于设定切换阈值时将驾驶员行为输入到车辆动力学模型，否者将车辆响应状态信息输入到车辆动力学模型，以获取车辆未来状态信息；最后根据车辆未来状态信息和相平面法稳定性判据确定驾驶模式。本发明在传统车辆被动安全的基础上，考虑驾驶员驾驶特性，对车辆状态进行预测并通过采取主动控制、增加切换机制来保障车辆行驶的安全性和稳定性。

技术领域

本发明涉及智能车辆领域，特别是涉及一种考虑驾驶员输入特征的车辆控制方法及系统。

背景技术

为实现失稳车辆的主动控制，目前车辆上广泛安装了电控作动系统。如电子稳定系统可在车辆发生侧滑时通过制动力分配控制车辆稳定性。但电子稳定系统属于触发式安全系统，其主要利用制动系统生成横摆控制力矩，控制过程中车辆速度下降无法避免；同时，驾驶员的方向盘输入会导致纵向轮胎力利用率的降低。因此需要考虑驾驶员输入特征，借助先进控制方法，综合协调转向、制动和驱动等多种作动器，对车辆失稳现象进行主动控制。

车辆稳定性控制方法已得到广泛研究。近年来披露的技术包括利用车辆智能控制单元如雷达、摄像头等对场景进行感知，之后通过规划路径来确定轨迹以干预转向和制动(如CN201710998912.6，CN202010498025.4)；具体控制算法包括模型预测控制(如CN201910280307.4)、滑模控制(如CN201811397352.X)等。但是，此类算法中多忽略驾驶员的驾驶特性，未考虑驾驶员的输入对系统造成的影响，为充分发挥车辆动力学性能，应对驾驶员操纵行为对车辆系统响应进行预测，并确定车接管人操纵的时机。

针对驾驶员操纵特性建模方法的研究多利用机器学习、深度学习算法实现，如对驾驶员行为进行描述并进行意图辨识(如CN201911107281.X，CN201910391169.7)。但以上模型的建立需要大量离线数据进行训练，难以实现驾驶员的操作进行在线学习和更新。一些研究中提出了在线学习方法，包括：利用云端在线学习收集到的驾驶数据，之后下发车辆(如CN201910777721.6)；将驾驶任务分为若干子系统，在不同区间内进行子任务的学习(如CN201910562566.6)；根据驾驶行为聚类进行在线辨识(如CN201710351371.8)等。但是现有研究的在线学习算法训练收敛较慢，且驾驶员大幅度操纵输入会导致较大的预测误差。

针对预测模型的不确定性，现有研究中包括利用次优控制方法，将车辆质量及转动惯量的不确定性考虑到控制模型当中，再对轮胎力进行分配(如CN201810884493.8)；也有针对动力学参数的不确定性进行分析(如CN201811395702.9)。在驾驶员行为预测的基础上结合预测置信度，有望进一步提升预测精度与车辆安全性能，但目前尚未有相对应的切换机制与控制策略。

发明内容

本发明目的在于提供一种考虑驾驶员输入特征的车辆控制方法及系统，在传统车辆被动安全的基础上，进一步考虑驾驶员驾驶特性，对车辆状态进行预测并通过采取主动控制、增加切换机制的方式保障车辆行驶的安全性和稳定性。

为实现上述目的，本发明提供了如下方案：

一种考虑驾驶员输入特征的车辆控制方法，包括：

获取行驶环境信息；

根据所述行驶环境信息，判断行驶车辆是否处于危险环境，得到第一判断结果；

若所述第一判断结果表示所述行驶车辆处于所述危险环境，则将所述行驶车辆的行驶模式确定为无人驾驶模式；