[发明专利]一种基于闭环驾驶模型的驾驶员驾驶状态辨识方法

摘要

本发明公开了一种基于闭环驾驶模型的驾驶员驾驶状态辨识方法，包括步骤：一、样本库建立：101、正常驾驶状态下行驶状态信息获取；102、车辆动力学模型参数确定；103、险态驾驶状态下行驶状态信息获取；104、样本库建立：样本库内存储有两类样本，一类样本为正常驾驶状态样本且该类样本中包括正常驾驶状态下多个监测时刻的方向盘转角信号，另一类样本为险态驾驶状态样本且该类样本中包括险态驾驶状态下的多个方向盘转角信号；二、特征提取；三、二分类模型建立与训练；四、行驶状态信息采集及同步分类。本发明方法步骤简单、设计合理且实现简便、使用效果好，能简便、快速对驾驶员的驾驶状态进行准确辨识，并且辨识精度高。

主权项

1.一种基于闭环驾驶模型的驾驶员驾驶状态辨识方法，其特征在于：该方法包括以下步骤：步骤一、样本库建立，过程如下：步骤101、正常驾驶状态下行驶状态信息获取：采用行驶状态信息监测装置(1)且按照预先设计的监测频率，对被监测驾驶员按照预先设计的路线驾驶过程中所驾驶车辆的行驶状态信息进行监测，并将所监测信息同步传送至数据处理器(2)，获得多个监测时刻的行驶状态信息；所述行驶状态信息监测装置(1)包括对所驾驶车辆的方向盘转角进行检测的方向盘转角检测单元(1‑1)和对所驾驶车辆的侧向加速度进行检测的侧向加速度检测单元(1‑2)，所述方向盘转角检测单元(1‑1)和侧向加速度检测单元(1‑2)均与数据处理器(2)连接；每个监测时刻的行驶状态信息均包括该时刻方向盘转角检测单元(1‑1)所检测的方向盘转角和侧向加速度检测单元(1‑2)所检测的侧向加速度；步骤102、车辆动力学模型参数确定：所述数据处理器(2)根据步骤101中所获得的多个监测时刻的行驶状态信息，得出方向盘转角函数δ_sw(t)和侧向加速度函数其中，δ_sw(t)为步骤101中驾驶过程中所驾驶车辆的方向盘转角随时间变化的函数，为步骤101中驾驶过程中所驾驶车辆的侧向加速度随时间变化的函数；所述数据处理器(2)再根据公式并结合步骤101中被监测驾驶员所驾驶车辆的车辆动力学模型的传递函数对车辆动力学模型参数G_ay、T_y1、T_y2、T₁和T₂分别进行确定；公式(1)中，δ_sw(s)为方向盘转角函数δ_sw(t)的拉普拉斯变换，为侧向加速度函数的拉普拉斯变换；步骤103、险态驾驶状态下行驶状态信息获取，过程如下：步骤1031、随机数生成：采用数据处理器(2)且调用随机数生成模块，生成神经反应时间随机数组或动作反应时间随机数组；所述神经反应时间随机数组为调用所述随机数生成模块生成的一组平均数为td0且方差为σd的随机数；其中，td0＝0.25～0.5；当被监测驾驶员为男性驾驶员时，σd＞7.5；当被监测驾驶员为女性驾驶员时，σd＞8；所述动作反应时间随机数组为调用所述随机数生成模块生成的一组平均数为Th0且方差为σh的随机数；其中，Th0＝0.12～0.2；当被监测驾驶员为男性驾驶员时，σh＞2.6；当被监测驾驶员为女性驾驶员时，σd＞1.95；步骤1032、随机数筛选：先根据预先设定的疲劳度判断阈值N_tm，采用数据处理器(2)计算得出神经反应时间判断阈值t_dm或动作反应时间判断阈值T_hm，其中，N_tm＝0.7～0.9；再根据计算得出的t_dm或T_hm，对步骤1031中生成的所述神经反应时间随机数组或所述动作反应时间随机数组进行筛选，获得险态驾驶状态下的神经反应时间数组或动作反应时间随机数组；所述神经反应时间数组中包括险态驾驶状态下神经反应时间的多个随机数，所述动作反应时间随机数组中包括险态驾驶状态下动作反应时间的多个随机数；公式(3)中t_da和t_db分别为预先测试得出的被监测驾驶员神经反应时间的上限值和下限值，公式(4)中T_ha和T_hb分别为预先测试得出的被监测驾驶员动作反应时间的上限值和下限值，t_dm、T_hm、t_da、t_db、T_ha和T_hb的单位均为s；对所述神经反应时间随机数组进行筛选时，根据计算得出的tdm，采用数据处理器(2)对所述神经反应时间随机数组中的各随机数分别进行判断；对所述神经反应时间随机数组中的任一个随机数进行判断时，判断该随机数是否大于tdm，且当该随机数＞tdm时，判断为该随机数为险态驾驶状态下神经反应时间的随机数；对所述动作反应时间随机数组进行筛选时，根据计算得出的Thm，采用数据处理器(2)对所述动作反应时间随机数组中的各随机数分别进行判断；对所述动作反应时间随机数组中的任一个随机数进行判断时，判断该随机数是否大于Thm，且当该随机数＞Thm时，判断为该随机数为险态驾驶状态下动作反应时间的随机数；步骤1033、驾驶员反应时间数组获取：采用数据处理器(2)对步骤1032中所述神经反应时间数组或所述动作反应时间随机数组进行时间数据对计算，获取驾驶员反应时间数组；所述驾驶员反应时间数组中包括险态驾驶状态下的多个驾驶员反应时间数据对，每个所述驾驶员反应时间数据对均包括一个神经反应时间和一个动作反应时间；其中，对所述神经反应时间数组进行时间数据对计算时，采用数据处理器(2)对所述神经反应时间数组中的各随机数分别进行时间数据对计算；对所述神经反应时间数组中的任一个随机数t_di进行时间数据对计算时，先根据公式计算得出神经反应时间t_di对应的疲劳度N_ti；再根据公式计算得出神经反应时间t_di对应的动作反应时间T_hi，所述的t_di和T_hi组成一个驾驶员反应时间数据对；i为正整数且i＝1、2、…、N_d，N_d为所述神经反应时间数组中所包括随机数的总数量；对所述动作反应时间数组进行时间数据对计算时，采用数据处理器(2)对所述动作反应时间数组中的各随机数分别进行时间数据对计算；对所述动作反应时间数组中的任一个随机数t_di进行时间数据对计算时，先根据公式计算得出动作反应时间T_hj对应的疲劳度N_tj；再根据公式计算得出动作反应时间T_hj对应的神经反应时间t_dj，所述的t_dj和T_hj组成一个驾驶员反应时间数据对；j为正整数且j＝1、2、…、N_h，N_h为所述动作反应时间数组中所包括随机数的总数量；步骤1034、行驶状态信息获取：根据预先建立的驾驶员模型，采用数据处理器(2)对步骤1033中所述驾驶员反应时间数组中的多个所述驾驶员反应时间数据对分别进行行驶状态信息计算，获得Nk组险态驾驶状态下的行驶状态信息；其中，Nk为正整数且其为所述驾驶员反应时间数组中所包括驾驶员反应时间数据对的总数量，Nk＝Nd或Nh；步骤101中多个所述监测时刻被监测驾驶员所驾驶车辆所处的位置均为监测位置，每组险态驾驶状态下的行驶状态信息均包括险态驾驶状态下的多个方向盘转角信号，多个所述方向盘转角信号分别为险态驾驶状态下被监测驾驶员所驾驶车辆在多个不同监测位置处的方向盘转角信号；所述驾驶员模型的输入量为步骤102中所述的输出量为险态驾驶状态下被监测驾驶员按照步骤101中预先设计的路线驾驶过程中所驾驶车辆的方向盘转角随时间变化的函数；所述驾驶员模型的传递函数为公式(9)中，T_p、t_d和T_h分别为驾驶过程中同一时刻被监测驾驶员的预瞄时间、神经反应时间和动作反应时间；所述驾驶员模型与步骤102中所述车辆动力学模型组成闭环驾驶模型；采用数据处理器(2)对步骤1033中所述驾驶员反应时间数组中的任一个所述驾驶员反应时间数据对进行行驶状态信息计算时，根据公式(9)，并结合步骤101中所获得的多个监测时刻的侧向加速度以及该驾驶员反应时间数据对中的神经反应时间和动作反应时间，获得与该驾驶员反应时间数据对对应的险态驾驶状态下被监测驾驶员所驾驶车辆在多个不同监测位置处的方向盘转角信号；步骤104、样本库建立：采用数据处理器(2)建立样本库，所建立的样本库内存储有两类样本，一类样本为正常驾驶状态样本且该类样本中包括步骤101中所获得的多个监测时刻的方向盘转角信号，另一类样本为险态驾驶状态样本且该类样本中包括步骤1034中获得的险态驾驶状态下的多个方向盘转角信号；步骤101中所述侧向加速度检测单元(1‑2)布设在所驾驶车辆的质心上；步骤101中获得M个监测时刻的行驶状态信息，其中M为正整数且M≥50，步骤104中所述样本库中存储的所述正常驾驶状态样本的数量为M个，每个所述正常驾驶状态样本均为步骤101中所获得的一个监测时刻的方向盘转角信号；步骤104中所述样本库中存储的所述险态驾驶状态样本的数量不小于M个，每个所述险态驾驶状态样本均为步骤1034中获得的险态驾驶状态下的一个方向盘转角信号；步骤二、特征提取：采用数据处理器(2)从步骤104中所述样本库中的各方向盘转角信号中分别提取出能代表并区别该方向盘转角信号的一组特征参数，且该组特征参数包括W个特征量，并对W个所述特征量进行编号，W个所述特征量组成一个特征向量，其中W≥2；所提取出的每个所述方向盘转角的特征向量均为一个训练样本，步骤104中所述样本库中所有方向盘转角信号的特征向量组成训练样本集；步骤三、二分类模型建立与训练：采用数据处理器(2)建立二分类模型，所述二分类模型为支持向量机模型；再采用数据处理器(2)将步骤二中所述训练样本集中的各训练样本分别输入到所建立的二分类模型进行训练；步骤四、行驶状态信息采集及同步分类：采用步骤一中所述行驶状态信息监测装置(1)且按照预先设定的采样频率对被监测驾驶员驾驶过程中所驾驶车辆的方向盘转角进行采集，并将当前时刻所采集的方向盘转角信号同步输入至步骤三中所建立的二分类模型中，并自动输出被监测驾驶员当前的驾驶状态，所输出的驾驶状态为正常驾驶状态或险态驾驶状态。