基于驾驶员意图的智能车辆路径跟随研究

摘要

驾驶员人为因素是引发道路交通安全事故的最主要原因。因此，结合各种先进技术研发智能车辆，辅助驾驶员完成驾驶任务，保障车辆行车安全成为目前的研究热点之一。然而，围绕智能车辆研发的先进驾驶辅助系统，对道路交通环境进行态势评估之时，往往忽略了驾驶员本身的驾驶意图，出现频繁误报的状况。根据这一现象，本文提出了基于驾驶员意图的人机协同控制策略，引导智能车辆跟随目标路径。论文主要完成了如下工作：
　　(1)搭建驾驶员在环仿真试验平台。在虚拟道路场景下，驾驶员操作方向盘、油门踏板、制动踏板等机构，执行相应的驾驶意图。驾驶员操作量由角度传感器、加速踏板传感器测量得到，经数据采集卡PCI-6251实时传递给实时终端Ⅵ，然后将时序数据共享给主机Ⅵ并保存，最终建立驾驶员换道意图数据库，为离线训练换道意图模型提供数据支持。
　　(2)建立结合隐马尔可夫模型(Hidden Markov Model，HMM)与支持向量机(Support Vector Machine，SVM)的混合模型。对驾驶员换道意图辨识方法进行归纳总结，分析了HMM、SVM各自的优缺点，提出了具有时序与分类特性的HMM-SVM混合模型。根据离线训练得到的五种换道意图模型参数，在仿真平台上对驾驶员换道意图进行在线辨识。仿真结果表明:相比单独的HMM或SVM，该混合模型能够更准确地辨识驾驶员的换道意图，辨识率高达98％，且耗时仅需0.006S，具有较好的实时性。
　　(3)制定协同控制策略。根据试验需求，基于具有横摆和侧向运动的车辆二自由度模型，根据预瞄理论推导出预测模型的状态空间方程，以车辆的侧向位置偏差、实际路径和目标路径间的航向角偏差作为优化指标，计算出最优的模型预测控制(Model Predictive Control，MPC)方向盘转角输入，并根据代价函数及驾驶员意图对比值，确定协同系数，得出结合驾驶员输入和MPC输入的方向盘转角协同输入量。仿真结果表明:基于驾驶员意图的人机协同控制策略指引智能车辆跟随目标路径取得了较好的跟随效果。

目录

声明

摘要

插图索引

附表索引

第1章 绪论

1．1 课题的研究背景及意义

1．2 国内外研究现状与发展趋势

1．2．1 驾驶员意图辨识研究现状

1．2．2 路径跟随控制研究现状

1．3 本课题研究内容

第2章 驾驶员换道意图数据采集与处理

2．1 换道行为分析

2．2 试验方案设计

2．2．1 试验目的

2．2．2 试验总体方案

2．3 驾驶员在环仿真试验平台简介

2．3．1 实际驾驶操作系统

2．3．2 数据采集硬件系统

2．3．3 数据采集软件系统

2．3．4 驾驶员在环仿真系统

2．4 试验过程

2．4．1 时间窗的确定

2．4．2 试验事项

2．5 数据处理

2．5．1 异常数据剔除

2．5．2 样本集的筛选

2．6 本章小结

第3章 驾驶员换道意图辨识模型的建立及仿真

3．1 驾驶员换道意图辨识流程

3．2 构建HMM-SVM混合模型

3．2．1 HMM基本概念

3．2．2 HMM学习

3．2．3 HMM评估

3．2．4 SVM基本思想

3．2．5 SVM分类

3．2．6 SVM多分类

3．2．7 HMM-SVM基本思想

3．3 驾驶员换道意图仿真试验与结果分析

3．3．1 样本测试

3．3．2 实时性评估

3．3．3 在线辨识

3．4 本章小结

第4章 智能车辆路径跟随控制策略研究与仿真

4．1 路径跟随系统简介

4．2 车辆动力学模型

4．3 模型预测控制

4．3．1 预测模型

4．3．2 优化函数

4．4 协同控制策略

4．4．1 代价函数

4．4．2 意图对比

4．4．3 协同控制

4．5 仿真结果分析

4．6 本章小结

总结与展望

参考文献

致谢

附录A 攻读学位期间所发表的学术论文目录