一种智能汽车人机协同控制权重分配方法与流程

本发明属于无人驾驶领域，尤其是涉及一种智能汽车人机协同控制权重分配方法。

背景技术：

随着人工智能、互联网技术、通信技术、计算机技术的快速发展，不同层次、不同功能的汽车智能化技术正迅猛发展，但是真正意义上的全工况自动驾驶在短期内很难实现。因此，在未来很长一段时间内，智能汽车必然面对人机协同控制的局面。人机协同控制技术需要驾驶员和控制系统共同参与完成驾驶任务，其目的是通过人机智能的混合增强与协作，在满足驾驶员主观感受的同时，提高车辆的操控性、安全性、经济性和舒适性等性能指标。

智能汽车人机协同控制是一种典型的人在回路中的人机协同混合增强智能系统，人类驾驶员与智能控制系统之间存在很强的互补性，凭借人的智能和机器智能各自的优势，通过人机协调控制实现人机智能的混合增强，形成双向的信息交流与控制，构建“1+1>2”的人机合作混合智能系统，可极大促进汽车智能化的发展。

人机协同控制是指驾驶员与智能控制系统同时在环，协同完成驾驶任务。为了解决人车协同过程中驾驶员和车辆自动驾驶控制器之间驾驶权分配问题，势必需要一种驾驶权重分配协调方案。当前主流的方案为建立车辆动力学与运动学模型、车辆自动驾驶控制器、人车共驾系统模型，随后通过模型预测方法来进行驾驶权分配。然而这一方案还存在一定的局限性。第一：当前驾驶员的特征随机、多样、模糊、个性化且非职业化，上述方案无法满足个性化需要；第二：驾驶员的状态和意图对人机协同控制策略的制定起到非常重要的作用，上述方案无法做到准确及时的监测驾驶员的状态与辨识驾驶员的意图；第三：汽车行驶交通环境复杂，上述方案无法做到适应全天气、全工况下的人机协同控制；第四：智能汽车是一个人-车-环境-任务强耦合系统，其测试场景和任务难以穷尽，评价准则纷繁复杂，仅凭建模难以应对所有情况需要。以上四点不足之处易导致关键时刻协调方案无法满足驾驶员需要，甚至造成难以预料的后果。

技术实现要素：

有鉴于此，本发明旨在提出一种智能汽车人机协同控制权重分配方法，以解决在复杂工况下及驾驶员不同驾驶状态下出现的协调方案不完善的问题。

为达到上述目的，本发明的技术方案是这样实现的：

一种智能汽车人机协同控制权重分配方法，具体包括如下步骤：

s1:选用接管反应时间来综合定量反应驾驶员当前驾驶状态以及车辆当前所处工况；

s2:提出基于智能汽车危险系数ε表征车辆的安全状态；

s3：自动驾驶系统在接管瞬间根据驾驶员所处状态、车辆当前工况、以及危险系数进行综合判断，由协同控制因子动态调整驾驶员与控制器控制转向盘的主权。

进一步的，所述步骤s1中，驾驶状态包括正常驾驶状态、疲劳驾驶状态、分神驾驶状态、接打电话驾驶状态、抽烟驾驶状态、情绪激动(愤怒)驾驶状态以及酒后驾驶状态。

进一步的，所述步骤s1中，接管反应时间越长，代表车辆所处驾驶状态越不安全

进一步的，所述步骤s2中，根据本车距离前方障碍物的安全距离，将智能车辆的安全状态进行划分为极度危险、普通危险和较为安全三种状态。

进一步的，所述步骤s2中，将车辆划分为两个区间：中高速驾驶工况和低速驾驶工况，具体如下：

(1)中高速驾驶工况：极度危险状态区间普通危险状

态区间较为安全状态区间[1，∞]；

(2)低速驾驶工况：极度危险状态区间普通危险状态区间

较为安全状态区间[1，∞]；

式中，v1是自车车速；v2是目标车车速；td是驾驶员反应时间，范围取0.3～1.2s；amax是最大减速度；d1是高速时车辆行驶安全距离；d2是低速时车辆行驶安全距离。

进一步的，所述步骤s3中，由协同控制因子动态调整驾驶员与控制器控制转向盘的主权，协同控制因子α的调整规则如下：

(1)当危险系数ε在1附近时，且驾驶员的接管反应时间tto接近2s时，认为当前驾驶环境安全，自动驾驶控制器并不干预驾驶员的正常接管操纵，此时协同控制因子α＝0，即驾驶员完全掌握接管之后的控制主权；

(2)当危险系数ε在0附近时，且驾驶员的接管反应时间tto接近5s时，认为当前驾驶环境极度危险，驾驶员当前状态完全无法应对接管之后的车辆操控，此时协同控制因子α＝1，即控制器完全掌握车辆控制主权；

(3)当危险系数ε在(0，1)区间时，且驾驶员的接管反应时间tto在(2，5)区间时，认为驾驶员注意力不集中或精神状态较差，但仍有部分控制车辆转向的能力，此时在驾驶员接管瞬间，驾驶员与自动驾驶控制器共同拥有转向控制权。

进一步的，协同控制因子α由危险系数ε和驾驶员的接管反应时间tto两个变量通过编制模糊规则确定，设定ε的论域为[0，1]，tto的论域为[2，5]km/h，各输入变量的模糊子集均为{s，m，l}，表示变量的小、中、大三种状态，输入变量均采用三角形隶属度函数.输出变量为协同控制因子α，其论域为[0，1]，模糊子集为{z，s，m，l，vl}，表示零、小、中、大、较大五种状态，其中

模糊规则的制定原则为：当驾驶员发生接管后，ε越小，驾驶环境越危险，需较大的协同控制因子；tto越大，驾驶员当前的驾驶状态或精神状态越差，需较大的协同控制因子进行转向辅助。

相对于现有技术，本发明所述的一种智能汽车人机协同控制权重分配方法具有以下优势：

(1)本发明可有效监测到驾驶员的精神及心理状态，针对不同状态做出不同权重分配方案，在尽量降低驾驶员操作负担的情况下，有效保证了驾驶员的行车安全，同时提高了驾驶效率；

(2)本发明可有效判断出不同的行车工况，针对复杂的行车路况做出不同权重分配方案，尤其重视人为接管后可能出现的车辆晃动甚至失稳的情况，大大提高了行车安全性。

附图说明

构成本发明的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1为本发明实施例所述的车速为30km/h时的模糊规则曲面示意图。

具体实施方式

需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

下面将参考附图并结合实施例来详细说明本发明。

本发明提供了一种在复杂工况下及驾驶员不同状态下的人机协同控制权重分配方案。通过接管机制实验方法来确定驾驶员的精神及心理状态；提出了危险系数来对驾驶工况进行分析；最后提出协同控制因子决策来进行权重分配。具体通过以下技术方案实现。

通过驾驶模拟器来模拟驾驶员在真实驾驶过程中的各种精神及心理状态，特别是对驾驶接管这一操作会产生影响的驾驶状态进行模拟，其中包括七种驾驶状态，分别是：正常驾驶状态、疲劳驾驶状态、分神驾驶状态、接打电话驾驶状态、抽烟驾驶状态、情绪激动(愤怒)驾驶状态以及酒后驾驶状态。每次试验重复进行10组，并将最终的接管时间进行概率统计分布分析。如表1-7所示。

表1正常驾驶状态下各工况的接管反应时间

表2疲劳驾驶状态下各工况的接管反应时间

表3分神驾驶状态下各工况的接管反应时间

表4接打电话驾驶状态下各工况的接管反应时间

表5抽烟操作驾驶状态下各工况的接管反应时间

表6情绪激动驾驶状态下各工况的接管反应时间

表7酒后驾驶状态下各工况的接管反应时间

通过上述图表可知，接管反应时间与驾驶员当前驾驶状态、车辆当前所处况具有密切相关性，普遍来看，由于危险驾驶状态，如酒驾驾驶状态，对于接管反应时间的影响比车速及工况影响的更为显著，因此，本文认为接管反应时间越长，代表车辆所处驾驶状态越不安全，因此本申请选用接管反应时间来综合定量反应驾驶员当前驾驶状态以及车辆当前所处工况，通过查表的形式建立三者的定量关系，为后面研究协同控制因子做好理论铺垫。

本发明提出一种量化评价指标对智能汽车当前所处安全状态进行区分，这里主要根据最有代表性的指标，即本车距离前方障碍物的安全距离，对智能车辆的安全状态进行划分：极度危险、普通危险和较为安全。本文提出基于智能汽车危险系数ε表征车辆的三种安全状态，具体指实时计算智能汽车危险系数ε，并判断ε在哪个区间内，则代表车辆当前属于某一安全状态。

由于车速的不同对智能汽车安全状态区间的划分有着较大的影响，因此本文将车辆划分为两个区间：中高速驾驶工况和低速驾驶工况，具体如下：

①中高速驾驶工况：极度危险状态区间普通危险状态区间较为安全状态区间[1，∞]；

②低速驾驶工况：极度危险状态区间普通危险状态区间

较为安全状态区间[1，∞]。

式中，v1是自车车速；v2是目标车车速；td是驾驶员反应时间，一般取0.3～1.2s；amax是最大减速度；d1是高速时车辆行驶安全距离；d2是低速时车辆行驶安全距离。

当危险系数ε在中高速驾驶工况下时，且ε小于时，车辆处于极度危险状态；ε在低速驾驶工况下时，且ε小于时，车辆处于极度危险状态，此时自动驾驶系统应在发生驾驶接管时，保留绝大部分的车辆控制权，以保证车辆安全稳定的同时保证车辆控制权的平稳过渡。本文着重研究后两种情况，即一般危险区间和极危险区间。

当危险系数ε小于1且大于一般危险区间左端点时，车辆具有一定的危险性，此时自动驾驶系统应在发生驾驶接管时，保留一部分的车辆控制权，以保证车辆在转向控制器发生转移时不会发生较大的抖动；

当危险系数ε大于等于1时，车辆处于较为安全状态，自动驾驶系统应在发生驾驶接管时，将绝大部分驾驶权交由驾驶员控制。

考虑驾驶员行为的不确定性，以及驾驶员在长期未参与驾驶操作的前提下，突然接管车辆驾驶权而发生的由于人为因素导致车辆的横向晃动，严重情况下致使车辆出现失稳的情况，需要在自动驾驶系统在接管瞬间根据驾驶员所处状态、车辆当前工况，以及危险系数进行综合判断，并根据综合判断结果保留部分驾驶权。为此，由协同控制因子动态调整驾驶员与控制器控制转向盘的主权，协同控制因子α的调整规则如下：

(1)当危险系数ε在1附近时，且驾驶员的接管反应时间tto接近2s时，认为当前驾驶环境完全，自动驾驶控制器并不干预驾驶员的正常接管操纵，此时协同控制因子α＝0，即驾驶员完全掌握接管之后的控制主权。

(2)当危险系数ε在0附近时，且驾驶员的接管反应时间tto接近5s时，此时认为当前驾驶环境极度危险，驾驶员当前状态完全无法应对接管之后的车辆操控，此时协同控制因子α＝1，即控制器完全掌握车辆控制主权。

(3)当危险系数ε在(0，1)区间时，且驾驶员的接管反应时间tto在(2，5)区间时，认为驾驶员注意力不集中或精神状态较差，但仍有部分控制车辆转向的能力。此时在驾驶员接管瞬间，驾驶员与自动驾驶控制器共同拥有转向控制权，协同控制因子α由危险系数ε和驾驶员的接管反应时间tto两个变量通过编制模糊规则确定。

设定ε的论域为[0，1]，tto的论域为[2，5]km/h，各输入变量的模糊子集均为{s，m，l}，表示变量的小、中、大三种状态，输入变量均采用三角形隶属度函数.输出变量为协同控制因子α，其论域为[0，1]，模糊子集为{z，s，m，l，vl}，表示零、小、中、大、较大五种状态。

模糊规则的制定原则为：当驾驶员发生接管后，ε越小，驾驶环境越危险，需较大的协同控制因子；tto越大，驾驶员当前的驾驶状态或精神状态越差，需较大的协同控制因子进行转向辅助。具体的模糊规则库如表8所示。

表8协同控制因子模糊规则推理库

在车速固定为30km/h时，当前工况为直线行驶工况，根据危险系数ε及接管反应时间tto决策协同控制因子α的模糊规则曲面如图1所示。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。