论文部分内容阅读
智能汽车车道保持辅助系统(Lane Keeping Assist,LKA)是一种典型的侧向智能辅助驾驶系统,集成车道偏离预警、车道保持辅助控制等功能,有利于减少交通事故、保障驾驶安全以及缓解驾驶人驾驶负荷,是目前应用较为广泛的汽车高级驾驶辅助系统(Advanced Driver Assistance System,ADAS)之一。然而目前的车道保持辅助系统缺少对驾驶习性多样的驾驶人的综合考虑,所以设计出来的车道保持系统难免会存在系统适应性不佳、驾驶人驾驶体验不良等问题,因此对驾驶人的个性化驾驶行为特性演变规律进行深入研究,以此为基础构建驾驶人差异化驾驶习性表征和辨识方法,进而在设计智能汽车车道保持辅助系统的过程中充分考虑复杂的驾驶人驾驶习性,构建能够满足不同驾驶人差异化需求的车道保持辅助系统,是未来智能汽车车道保持辅助系统的重点研究内容,也是实现个性化高级驾驶辅助和个性化无人驾驶的前提和基础。本文依托国家重点研发计划(编号:2016YFB0100904)、国家自然科学基金(编号:51775235)和吉林省自然科学基金(编号:20170101138JC)等项目,开展了考虑驾驶人驾驶习性的个性化车道保持辅助策略研究。建立基于实车的驾驶数据采集平台以实现对差异化驾驶习性的驾驶人的驾驶行为数据的有效采集;基于模糊聚类和随机森林算法建立驾驶人驾驶习性表征与辨识策略;基于车辆运动模型,设计智能汽车个性化车道偏离预警策略;构建车道保持人机协同控制框架,引入最优曲率预瞄模型求解使车辆位置回正的最优转向盘转角,基于模糊控制输出车道保持辅助系统的共驾系数;最后搭建驾驶人在环平台并设计仿真工况进行试验测试分析。本文主要研究内容包括以下四个部分:(1)驾驶人驾驶习性的表征与辨识利用RT3002&RT-Range高精度组合导航系统、MicroAutoBox 1401、dSPACE ControlDesk、RTMaps等软硬件系统,基于实车搭建驾驶数据采集平台,设计典型试验工况并面向社会招募被测驾驶人,进而实现对被测驾驶人的驾驶行为数据的有效采集。利用模糊聚类算法将驾驶人聚类为保守型、一般型和激进型三种典型驾驶习性,最后采用随机森林算法搭建驾驶人驾驶习性辨识策略。(2)智能汽车个性化车道偏离预警策略基于实车驾驶数据训练驾驶意图辨识模型,在能够准确辨识驾驶人驾驶意图的基础上,构建基于车道偏离时间的车道偏离预警模型,综合考虑不同驾驶人的驾驶习性差异,基于统计学方法,设计个性化的车道偏离预警阈值以提高系统的适用性,从而满足差异化驾驶习性的驾驶人对车道偏离预警系统的个性化需求。(3)智能汽车个性化车道保持辅助策略为了尽可能避免车道保持辅助系统工作过程中的人机冲突,构建个性化车道保持人机协同控制框架,引入最优曲率预瞄模型求解使车辆跟踪理想轨迹的最优转向盘转角,针对三种不同驾驶习性的驾驶人,分别采用模糊控制器计算车道保持辅助系统的人机共驾系数,从而满足驾驶习性各异的驾驶人对车道保持过程中的安全性和舒适性的需求。(4)基于驾驶人在环平台的试验验证与分析搭建驾驶人在环平台,构建虚拟仿真场景并设计测试工况,分别对驾驶人驾驶习性辨识模型、驾驶意图辨识模型、个性化车道偏离预警策略以及个性化车道保持辅助策略进行测试验证,验证了所提出的考虑驾驶人驾驶习性的智能汽车个性化车道保持辅助策略的准确性、适用性和可实现性。