论文部分内容阅读
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HMMSVM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。