[发明专利]一种自动驾驶系统下的驾驶人接管能力预测方法

说明书

一种自动驾驶系统下的驾驶人接管能力预测方法，本发明属于智能交通领域，它为了解决现有自动驾驶普及率不断提高，而自动驾驶汽车事故频发，现有研究对驾驶人关注不足的技术问题。预测方法：一、建立接管能力预测系统，该系统包括驾驶能力、初始状态和实时状态；二、接管绩效应包含警觉度、灵敏度和操作稳定度，对驾驶人接管绩效评分；三、构建预测模型，首先确定特征指标判别阈值，建立接管能力等级判定模型，通过驾驶特征指标的实际测定值和等级判定阈值，计算在k等级下驾驶人接管能力综合判定值；四、对接管能力等级判定模型进行优化修正。本发明建立一种驾驶人状态识别系统，预测接管能力，实时显示接管能力等级，促进系统智能化。

技术领域

本发明属于智能交通领域，具体涉及一种实时预测突发情况下驾驶人的接管能力的方法。

背景技术

随着驾驶人员非职业化、车辆行驶高速化和交通环境车流密集化等趋势，旨在全面提高汽车行驶安全性能、大幅降低驾驶员操纵负荷的自动驾驶技术成为了国际汽车工程乃至信息科学等相关领域研究的前沿和热点问题。目前的研究主要从自动驾驶接管的影响因素和驾驶人接管绩效展开，并没有相关研究提出以驾驶人状态识别为依据的接管能力评价方法。联合国欧洲经济委员会近期通过的L3级自动驾驶汽车行业标准指出，L3级自动驾驶车辆应配备驾驶人状态识别系统，系统应实时判断驾驶员是否有能力接管驾驶任务。当接管能力较弱时，为保证行车安全，系统应立刻发出特殊警告。

目前，L3及以上级别自动驾驶汽车具备V2X(vehicle to everything)功能，可以采集天气、仪表、道路条件、交通状况表等环境信息，并通过比对驾驶人的认知与实际情况，判断情景感知能力。自动驾驶系统可在紧急情况下给出视觉、听觉、触觉的接管警告，并在人工驾驶时采集方向盘转动数据，加速及制动踏板数据等，用以测试反应时间、评价接管绩效。BrainLink pro脑电波采集装置可以记录疲劳程度与情绪状况。以上是自动驾驶系统下的驾驶人接管能力预测的基础。

发明内容

本发明的目的是为了解决现有自动驾驶普及率不断提高，而自动驾驶汽车事故频发，现有研究对驾驶人关注不足的技术问题，而建立一种驾驶人状态识别系统，预测接管能力，实时显示接管能力等级，促进系统智能化，保障道路交通安全。

本发明自动驾驶系统下的驾驶人接管能力预测方法按照以下步骤实现：

步骤一、建立三阶段驾驶人接管能力预测系统；

该驾驶人接管能力预测系统包括驾驶能力、初始状态和实时状态，其中初始状态通过情景意识测试和驾驶前反应速度测试获得，实时状态包括疲劳指数和情绪状态，并对驾驶能力、初始状态和实时状态进行评分；

步骤二、接管绩效评价方法；

接管绩效包含警觉度、灵敏度和操作稳定度；其中，警觉度用首次注视时间(t_e)表征，首次注视时间是指接管请求发出到驾驶员首次注视道路的时间；灵敏度用接管时间(t_h)表征，接管时间是指接管请求发出到驾驶员将转向盘转动2°或踩下10％的刹车踏板所用时间；操作稳定度用接管后车辆速度标准差(s_v)、加速度标准差(s_a)、方向盘转角标准差(s_θ)、横向偏移标准差(s_x)、逆转率(SSRs)和转向熵(s_e)共同表征，通过对警觉度、灵敏度和操作稳定度评价，得到驾驶人接管绩效评分；

步骤三、构建驾驶人接管能力预测模型；

(1)特征指标判别阈值确定

驾驶人接管能力预测模型是以驾驶能力、驾驶前反应速度、情景意识、疲劳指数和情绪状态作为驾驶特征指标i对驾驶人的接管能力进行预测，首先从数据库中选取各种(不同)接管能力下的驾驶能力、反应速度、情景意识、疲劳指数与情绪状态对分类预测模型进行训练，获取不同驾驶人接管能力等级k的每个驾驶特征指标i的ROC曲线图，计算得到每个驾驶特征指标i在k等级下的判别阈值