引用本文

田彦涛, 赵彦博, 谢波. 基于驾驶员转向模型的共享控制系统. 自动化学报, 2022, 48(7): 1664−1677 doi: 10.16383/j.aas.c190486

Tian Yan-Tao, Zhao Yan-Bo, Xie Bo. Shared control system based on driver steering model. Acta Automatica Sinica, 2022, 48(7): 1664−1677 doi: 10.16383/j.aas.c190486

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c190486

关键词

神经肌肉系统, 驾驶员模型, 共享控制, 参数辨识 

摘要

针对车辆驾驶对于共享控制系统实用性的需求, 提出了基于驾驶员转向模型的共享控制系统. 基于驾驶员的视觉预瞄特性与神经肌肉特性建立了驾驶员转向模型, 通过遗传算法辨识模型参数并分析其与车速和道路曲率之间的函数关系; 采用模糊权重分配策略合理分配驾驶权重; 本文利用基于所开发的CarMaker驾驶模拟实验平台, 对系统进行在线测试和验证, 结果表明该系统不仅能够更好地提升车辆的轨迹跟踪精度和安全性, 辅助驾驶员转向, 还能够极大地减轻驾驶员负荷.

文章导读

众所周知, 自动驾驶分为5个阶段, 分别是辅助驾驶系统、部分自动驾驶、有条件的自动驾驶、高度自动驾驶、完全自动驾驶. 有一部分专家跳过人机共享控制的过程, 直接对无人驾驶进行研究, 2013年, 姜岩等[1]提出基于微分约束的横纵向协同规划算法, 用高阶多项式模型在预瞄距离内对可行驶曲线进行建模, 横向规划算法提供横向安全性, 纵向规划算法保证了纵向安全性, 最终能够实现封闭环境下速度低于 40 km/h 的无人驾驶. 2017年, 田涛涛等[2]提出了一种基于无模型自适应控制的无人驾驶汽车横向控制方案, 其实际是运用了预瞄偏差角构成横向控制的数据模型, 从而避免了对无人车复杂模型的建模, 进而设计自适应算法, 该方法对复杂的无人驾驶运行有较好的自适应性. 一定环境条件限制下的无人驾驶研究得到了较快的发展, 但是当前驾驶的现实情况下是无法忽略驾驶员的, 则本文着重考虑人机共驾的共享控制过程.

共享控制的应用广泛, 可应用于飞行领域、车辆驾驶领域、智能轮椅领域以及机器人等领域[3-8], 以车辆驾驶为例, 当前无人驾驶存在安全性和可靠性无法保障的问题时, 共享驾驶在目前汽车行业发展过程中能够发挥其积极的作用[9-11]. 因此, 在保证车辆行驶安全性的基础上, 如何合理分配二者的驾驶权重以及优化共享系统的性能是共享控制的核心问题[12-14]. 2004年, Griffiths等[15] 较早地针对人机共享控制问题展开研究并取得了一定的研究成果, 其研究结果表明通过对驾驶员进行触觉辅助能够提高驾驶精度、减轻驾驶员负担, 但是其未考虑当驾驶员与控制器发生控制冲突时, 应该如何有效分配控制权. 2016年, Erlien等[16-17]提出了基于模型预测的避障预测触觉反馈控制方案, 系统引入安全驾驶包络的概念, 使得系统能够包容不同的驾驶风格, 大大降低了人机之间不必要的控制冲突. 2018年, Nguyen等[18]提出了一种新的共享控制方法用于车道保持系统, 该方法能够合理地分配驾驶员与控制器的驾驶权, 并且能够有效降低两者之间的冲突, 但其缺乏对驾驶员不同驾驶状态下的人机共享的讨论. 2019年, Ji等[19]提出了一种基于随机博弈的共享控制框架, 从而有效地模拟驾驶员与智能系统之间的转向力矩, 该框架下博弈的合理性得到了有效的验证. 本文则从驾驶员的角度出发, 在并联方式的间接共享控制的结构下, 建立驾驶员转向操控模型, 并利用遗传算法辨识驾驶员模型参数, 可以得到一个与驾驶员特性相近的模型, 其合理性得到验证, 在辨识出相关参数后, 将其作为共享控制器应用至共享控制系统, 同时对驾驶员不同驾驶状态下的人机共享控制作进一步分析, 从而能够得到该模型能够有效增加驾驶精度, 减轻驾驶员的驾驶负荷. 本文的主要贡献有: 1) 针对驾驶员转向模型的参数辨识问题, 本文采用遗传算法对驾驶员转向模型的视觉预瞄参数、补偿参数与神经肌肉系统参数进行辨识, 获得了很好的拟合效果; 2) 针对车辆与道路曲率变化对驾驶员模型参数的影响, 本文基于上述辨识方法进一步分析不同车速和道路曲率下驾驶员模型参数的变化情况, 并建立了驾驶员神经肌肉系统相关参数与车速之间的函数关系, 以达到增加驾驶员模型参数适用范围的目的; 3) 针对驾驶员不同驾驶状态下的人机共享问题, 本文将已辨识的理想驾驶员模型应用至共享系统, 并基于模拟驾驶实验平台对共享系统进行在线实验, 实验结果说明该系统能够在不同的驾驶员转向操作下保证车辆行驶的安全性与轨迹跟踪的精确性, 同时能够减轻驾驶员的驾驶负荷.

本文结构安排如下: 第 1 节对驾驶员转向行为进行描述并对驾驶员转向行为进行建模; 第 2 节分别对实验场景与驾驶员状态信息进行采集, 并对第 1 节得到的驾驶员转向模型进行参数辨识; 第 3 节给出仿真实验结果, 并对结果进行分析; 第 4 节得出结论.

图 1  间接共享控制结构图

图 2  驾驶员转向结构示意图

图 3  驾驶员两点预瞄示意图

本文首先建立驾驶员转向模型, 然后通过遗传算法辨识模型参数并分析其与车速和道路曲率之间的函数关系, 最后在线验证了共享控制系统的相关性能.

结果表明该系统不仅能够更好地辅助驾驶员实现转向操控行为, 提升车辆的轨迹跟踪精度和安全性, 还能够极大地减轻驾驶员负荷. 但是仍存在一定的缺陷, 比如, 当车辆在高速状态时, 模型参数的辨识误差较大. 因此, 需要对模型的结构和参数进行进一步的优化, 同时也可以对遗传算法进行优化. 另外, 本文的验证与实验中只采用了简单的弯道路况, 今后可以深入研究驾驶员转向模型在复杂工况下的特点. 在仿真实验的环节, 考虑城市路况, 利用低速数据进行分析, 同时讨论路面附着系数的影响; 另外需要考虑一些环境干扰较大的因素, 例如风阻, 道路颠簸等; 同时可以设计鬼探头极限工况; 此外, 共享控制系统也需要不断优化, 例如加入驾驶员状态监测与意图识别模块来提高共享系统的性能. 速度变化的模型参数辨识过程更符合实际情况, 也值得进一步研究.

作者简介

田彦涛

吉林大学通信工程学院教授. 吉林省先进控制与自主系统科技创新中心主任. 1993年获得吉林工业大学博士学位. 主要研究方向为复杂系统建模, 优化与控制, 智能机器人系统控制, 电动汽车主动安全系统与智能辅助驾驶. 本文通信作者.E-mail: tianyt@jlu.edu.cn

赵彦博

吉林大学通信工程学院硕士研究生. 2015年获得吉林大学学士学位. 主要研究方向为智能汽车的建模和控制.E-mail: zhaoyb9080@126.com

谢波

吉林大学通信工程学院硕士研究生. 2018年获得吉林大学学士学位. 主要研究方向为智能汽车的建模和人机协同控制.E-mail: 18227746645@163.com