胡云峰 曲婷 劉俊 施竹清 朱冰 曹東璞 陳虹

汽車在提高人們生活水平的同時,也帶來了能源、環(huán)境、安全、擁堵等日益嚴(yán)重的社會問題.根據(jù)國家安全監(jiān)管總局、交通運輸部發(fā)布的研究報告顯示,2016年我國發(fā)生道路交通事故864.3萬起,造成死亡人數(shù)約6.3萬,同年世界汽車保有量第三的日本交通事故死亡人數(shù)不到0.4萬,我國交通事故死亡人數(shù)是日本的16倍;根據(jù)前瞻產(chǎn)業(yè)研究院發(fā)布的《2015～2020年中國成品油行業(yè)市場調(diào)研與投資預(yù)測分析報告》指出,2015年中國汽車的燃油消耗約占整個石油消費量的1/3,預(yù)計到2020年這個比例將上升到57%、石油對外依賴度將達(dá)到56%至60%;城市交通擁堵日益加劇,據(jù)交通部2014年發(fā)布的數(shù)據(jù)顯示,我國交通擁堵帶來的經(jīng)濟(jì)損失高達(dá)2500億元人民幣,占城市人口可支配收入的20%.為此,各國政府與汽車廠商相繼提出了“零排放(低碳)”、“零死亡”與“零擁堵”等全新概念與終極目標(biāo).

隨著人工智能、互聯(lián)網(wǎng)技術(shù)、通信技術(shù)、計算機技術(shù)的飛速發(fā)展,以電動化、智能化及網(wǎng)聯(lián)化為基礎(chǔ)的智能汽車成為解決上述問題的有效途徑.有數(shù)據(jù)顯示,到2025年,全球智能汽車潛在經(jīng)濟(jì)影響為0.2萬億～1.9萬億美元.國家中長期科技發(fā)展規(guī)劃綱要(2006～2020年)中明確提出將包括汽車智能技術(shù)在內(nèi)的綜合交通運輸信息平臺列為我國中長期科技發(fā)展的國家戰(zhàn)略,這也是我國新一屆政府“互聯(lián)網(wǎng)+”行動計劃的重要組成部分.汽車信息化和智能化技術(shù)關(guān)聯(lián)性廣,商業(yè)化應(yīng)用除車輛本身外,覆蓋道路和交通管理、相關(guān)交通參與者、通信和信息服務(wù)、互聯(lián)網(wǎng)產(chǎn)業(yè)等,涉及制修法,是復(fù)雜的系統(tǒng)工程.

按照汽車智能化、自動化的發(fā)展進(jìn)程,美國汽車工程師協(xié)會將智能汽車的發(fā)展分為手動駕駛、駕駛輔助、部分自動化、有條件自動化、高度自動化和完全自動化6個級別,如圖1所示,按照汽車智能化分級的定義,L0級別的手段駕駛階段車輛完全由駕駛員操控,控制系統(tǒng)只是實現(xiàn)駕駛員的操作行為;L1級別的駕駛輔助階段,控制系統(tǒng)會根據(jù)當(dāng)前的工況、車輛狀態(tài)及駕駛員的意圖對駕駛員的操作進(jìn)行輔助補償,以提高車輛的性能,如車身電子穩(wěn)定系統(tǒng)(Electronic stability program,ESP)可提高車輛轉(zhuǎn)彎過程的安全性和操控性,此時控制系統(tǒng)具有了初步的智能;隨著汽車駕駛智能化程度的不斷提高,智能汽車逐步具有了自適應(yīng)巡航、特定工況自動駕駛等更高級別的智能控制技術(shù).在這個過程中,控制系統(tǒng)的智能化水平不斷提高,其在車輛運動中所起的作用也越來越大,而駕駛員的作用逐漸被弱化.但是,駕駛員作為車輛的購買者和使用者,其對智能汽車操控性、安全性、舒適性及經(jīng)濟(jì)性等性能的主觀感受與評價是衡量智能化技術(shù)好壞的核心標(biāo)準(zhǔn),也是汽車智能化技術(shù)能否被消費者接受的重要因素.因此,需要駕駛員(人)和控制系統(tǒng)(機)共同參與完成駕駛?cè)蝿?wù),其目的是通過人機智能的混合增強與協(xié)作,在滿足駕駛員主觀感受的同時,提高車輛的操控性、安全性、經(jīng)濟(jì)型和舒適性等性能指標(biāo).本文綜述的人機協(xié)同控制涵蓋了從L1級別的駕駛輔助階段到L4級別的部分自動化階段4個不同階段的汽車智能控制技術(shù).

智能汽車人機協(xié)同控制是一種典型的人在回路中的人機協(xié)同混合增強智能系統(tǒng),如圖2所示.人類駕駛員與智能控制系統(tǒng)之間存在很強的互補性,一方面,與智能控制系統(tǒng)的精細(xì)化感知、規(guī)范化決策、精準(zhǔn)化控制相比,駕駛員的感知、決策與操控行為易受心理和生理狀態(tài)等因素的影響,呈現(xiàn)隨機、多樣、模糊、個性化和非職業(yè)性等態(tài)勢,在復(fù)雜工況下極易產(chǎn)生誤操作行為;另一方面,智能控制系統(tǒng)對比人而言,學(xué)習(xí)和自適應(yīng)能力相對較弱,環(huán)境理解的綜合處理能力不夠完善,對于未知復(fù)雜工況的決策能力較差.因此,借助人的智能和機器智能各自的優(yōu)勢,通過人機協(xié)同控制,實現(xiàn)人機智能的混合增強,形成雙向的信息交流與控制,構(gòu)建“1+1>2”的人機合作混合智能系統(tǒng),可極大促進(jìn)汽車智能化的發(fā)展.

圖1 汽車智能化發(fā)展進(jìn)程Fig.1 The development process of intelligent vehicle

智能汽車人機協(xié)同控制由感知、決策和執(zhí)行三個層面構(gòu)成,主要研究內(nèi)容包括環(huán)境感知、傳感器信息融合、高精度地圖與定位、智能決策與規(guī)劃、控制執(zhí)行、信息安全等核心技術(shù)[1].本文主要針對執(zhí)行層的人機協(xié)同控制問題進(jìn)行總結(jié)和歸納,包括駕駛員建模、人機駕駛權(quán)協(xié)同控制及測試與評價.由于從L1到L4級別的智能汽車都要面臨人機協(xié)同控制問題,人機協(xié)同控制又是車輛運動的最終執(zhí)行者,同時環(huán)境感知、傳感器信息融合、高精度地圖與定位等技術(shù)也都服務(wù)于人機協(xié)同控制.因此,人機協(xié)同控制是汽車智能技術(shù)關(guān)鍵核心技術(shù)之一,其研究難點主要體現(xiàn)在一下幾個方面:1)針對駕駛員隨機、多樣、模糊、個性化和非職業(yè)化的特征,研究滿足個性化需求的人機協(xié)同控制方法;2)駕駛員的狀態(tài)和意圖對人機協(xié)同控制策略的制定起到了至關(guān)重要的作用,如何準(zhǔn)確監(jiān)測駕駛員的狀態(tài)和辨識駕駛員的意圖是人機協(xié)同控制的難點之一;3)針對汽車行駛交通環(huán)境復(fù)雜(城市、鄉(xiāng)村、高速)及天氣情況多樣(雨雪、大霧),研究全工況、全天候的人機協(xié)同控制方法;4)智能汽車是一個人–車–環(huán)境–任務(wù)強耦合系統(tǒng),其測試場景和任務(wù)難以窮盡,評價準(zhǔn)則紛繁復(fù)雜,智能汽車的測試與評價問題也是人機協(xié)同控制的難點之一.為了促進(jìn)汽車智能化的發(fā)展,《中國制造2025》重點領(lǐng)域技術(shù)路線圖中明確提出要突破人機交互、人機協(xié)同控制等關(guān)鍵技術(shù),到2025年,實現(xiàn)汽車信息化產(chǎn)品自主份額達(dá)60%以上,有條件自動化及高度自動化整車自主份額達(dá)50%以上的目標(biāo).國務(wù)院2017年7月發(fā)布的《新一代人工智能發(fā)展規(guī)劃》中也明確提出了包含人機協(xié)同的混合增強智能板塊,強調(diào)了人工智能對于人機共駕技術(shù)研發(fā)與測試的重要性.在此背景下,針對人機協(xié)同機理及切換控制提出創(chuàng)新性解決方案,解決駕駛行為建模、駕駛員駕駛狀態(tài)感知和意圖識別、駕駛員在回路的人機協(xié)同感知與認(rèn)知、人機在決策規(guī)劃和控制執(zhí)行中的交互與協(xié)同、個性化人機協(xié)同控制技術(shù),以及人機協(xié)同控制技術(shù)的測試與評價等問題,不僅在解決人機協(xié)同控制共性理論研究方面具有創(chuàng)新意義,同時能夠?qū)ξ覈嚠a(chǎn)業(yè)、人工智能產(chǎn)業(yè)的發(fā)展起到強有力的支撐作用.

1 人機協(xié)同控制的研究現(xiàn)狀

人機協(xié)同控制是指駕駛員和智能控制系統(tǒng)同時在環(huán),協(xié)同完成駕駛?cè)蝿?wù).本文主要針對與控制執(zhí)行層相關(guān)的人機協(xié)同控制問題進(jìn)行總結(jié)和歸納,按照不同的研究思路可將人機協(xié)同控制大致分為三類,即增強駕駛員感知能力的智能駕駛輔助、基于特定場景的人機駕駛權(quán)切換和人機共駕車輛的駕駛權(quán)動態(tài)分配.同時,由于駕駛員的狀態(tài)、意圖和行為對于駕駛過程有著至關(guān)重要的影響,因此,在研究人機協(xié)同控制的過程中,駕駛員的狀態(tài)監(jiān)測、意圖識別和駕駛行為建模也必不可少.下面將從駕駛員建模、人機協(xié)同控制的兩方面詳細(xì)綜述研究現(xiàn)狀,并簡述智能汽車測試與評價的研究現(xiàn)狀.

1.1 駕駛員建模的研究現(xiàn)狀

在智能汽車人機協(xié)同控制中,如何更好地發(fā)揮人類駕駛員和智能控制系統(tǒng)各自的優(yōu)勢,使智能汽車在操縱性、安全性、舒適性、經(jīng)濟(jì)性等方面達(dá)到最優(yōu)的性能,并且能夠被駕乘人員接受和信任是智能汽車人機協(xié)同控制中的關(guān)鍵問題.在整個系統(tǒng)中最重要的就是駕駛員,文獻(xiàn)[2]在國內(nèi)首次較為完整地綜述了駕駛行為智能分析研究的研究現(xiàn)狀,從縱向駕駛行為分析和避撞,橫向駕駛行為分析和道路偏離預(yù)警,復(fù)雜駕駛行為學(xué)習(xí)以及駕駛員狀態(tài)(疲勞、分心等)分析4個方面進(jìn)行了綜述.隨著汽車智能化技術(shù)的發(fā)展,駕駛員成為各子系統(tǒng)間相互協(xié)調(diào)和控制的關(guān)鍵環(huán)節(jié),需要針對近期的研究成果,進(jìn)一步深入的總結(jié)和探討.下面將從駕駛員狀態(tài)監(jiān)測與意圖識別、傳統(tǒng)車輛的駕駛員操縱行為建模和人機共駕系統(tǒng)的駕駛員行為建模三個方面分別進(jìn)行闡述.

圖2 人機協(xié)同控制結(jié)構(gòu)示意圖Fig.2 The structure of human-machine cooperative control

1.1.1 駕駛員狀態(tài)監(jiān)測與意圖識別

1)駕駛員狀態(tài)監(jiān)測

目前關(guān)于駕駛員狀態(tài)監(jiān)測的研究主要是通過傳感器監(jiān)測駕駛員的眼部、頭部、面部、手部和腳部的動作,借助生理、心理、車輛操縱數(shù)據(jù)、車輛狀態(tài)參數(shù)等,利用圖像處理、信號處理技術(shù),采用傳感器信息融合方法進(jìn)行駕駛狀態(tài)的監(jiān)測和駕駛行為分析,如圖3所示.在監(jiān)測駕駛員狀態(tài)方面,主要可以分為疲勞監(jiān)測、注意力不集中、多任務(wù)影響駕駛安全性等方面,下面將詳細(xì)進(jìn)行說明.

在對駕駛員疲勞程度的監(jiān)測方面,研究主要集中在利用視覺手段處理攝像頭采集的圖像來監(jiān)測駕駛員的疲勞程度.文獻(xiàn)[3]通過使用配備主動紅外照明器的遠(yuǎn)程定位照相機獲得視頻圖像,通過眼瞼運動、注視運動、頭部運動、面部表情等視覺線索建立駕駛員疲勞模型,開發(fā)了一種實時非接觸式駕駛員疲勞監(jiān)測實驗系統(tǒng).文獻(xiàn)[4]提出了一種先進(jìn)的計算機視覺監(jiān)測技術(shù),利用智能手機的前端攝像頭捕捉駕駛員的圖像,然后使用先進(jìn)的計算機視覺算法來監(jiān)測和跟蹤駕駛員的面部和眼睛,從而監(jiān)測駕駛員疲勞的視覺指標(biāo),該技術(shù)使駕駛員疲勞監(jiān)測系統(tǒng)的價格更低且更便攜.文獻(xiàn)[5]利用灰度投影函數(shù)精確定位人眼區(qū)域及自適應(yīng)閾值法獲取包含眼睛完整信息的二值圖像,主要包括人臉區(qū)域監(jiān)測、眼瞼閉合判斷、頭部區(qū)域定位和疲勞分析4個模塊.除此之外,文獻(xiàn)[6]通過多傳感器實現(xiàn)對駕駛員眼睛運動的監(jiān)測、駕駛員心率的監(jiān)測和駕駛行為的獲取,通過數(shù)據(jù)集成和動態(tài)貝葉斯網(wǎng)絡(luò)框架對駕駛員的疲勞程度進(jìn)行評價.文獻(xiàn)[7]提出了利用模糊支持向量基的非線性語音處理技術(shù)來監(jiān)測駕駛員疲勞的方法,通過語音信號重建及非線性動力學(xué)語音建模,建立了基于駕駛員語音樣本疲勞識別的多特征融合分類器.

有關(guān)駕駛員注意力不集中,即駕駛員在駕駛過程中存在分心行為的研究方面,文獻(xiàn)[8]利用眼動信息進(jìn)行駕駛員狀態(tài)識別,可有效識別駕駛員當(dāng)前狀態(tài)是否注意力分散.文獻(xiàn)[9]通過采集方向盤轉(zhuǎn)角和油門踏板位置的信號,來監(jiān)測駕駛員的注意力集中程度,該方法雖然不如眼睛跟蹤的準(zhǔn)確,但是利用車輛上現(xiàn)有的傳感器即可實現(xiàn)駕駛員注意力集中程度的監(jiān)測.另外,駕駛員在駕駛過程中使用電話也將導(dǎo)致注意力不集中,具體表現(xiàn)為駕駛過程使用電話會導(dǎo)致車速的標(biāo)準(zhǔn)差要明顯大于正常駕駛情況[10].除此之外還有通過駕駛員的腦電波[11]、心電信號[12]、皮膚電反應(yīng)[13]及肌肉電[14]等生理指標(biāo)進(jìn)行駕駛狀態(tài)監(jiān)測和駕駛行為分析.

圖3 駕駛員狀態(tài)監(jiān)測結(jié)構(gòu)示意圖Fig.3 The structure of driver distraction detection

利用監(jiān)測車輛運行狀態(tài)參數(shù)監(jiān)測駕駛員狀態(tài),具有可連續(xù)測量、價格低、無干擾的優(yōu)點,即使在非常苛刻的環(huán)境條件也具有良好的魯棒性,且不會因駕駛員的不同而變化.文獻(xiàn)[15]討論了通過轉(zhuǎn)向運動估算駕駛員疲勞的方法,應(yīng)用混沌理論解釋了方向盤運動的變化,該方法對轉(zhuǎn)向盤的數(shù)據(jù)進(jìn)行預(yù)處理后,通過快速傅里葉變換與小波變換,計算當(dāng)前駕駛員的疲勞狀態(tài).文獻(xiàn)[16]同樣應(yīng)用轉(zhuǎn)動轉(zhuǎn)向盤的行為來監(jiān)測駕駛員的疲勞程度,通過在駕駛模擬器中收集駕駛員的轉(zhuǎn)向盤轉(zhuǎn)角信號,基于人工神經(jīng)網(wǎng)絡(luò)方法給出了疲勞駕駛和非疲勞駕駛的界定范圍.文獻(xiàn)[17]利用駕駛模擬器測量得到的轉(zhuǎn)向盤轉(zhuǎn)角和車輛軌跡來監(jiān)測駕駛員的疲勞狀態(tài).文獻(xiàn)[18]在道路偏離警告和干預(yù)系統(tǒng)的范圍內(nèi),建立以車輛橫向位置為輸入,方向盤位置為輸出的模型對駕駛員狀態(tài)進(jìn)行評估.除此之外,文獻(xiàn)[19]研究了多任務(wù)駕駛對駕駛行為造成的影響,發(fā)現(xiàn)多任務(wù)會影響駕駛員對車輛的控制能力,表現(xiàn)為緊急制動的次數(shù)增加和方向盤轉(zhuǎn)角的變化增大等.同時,車輛的行駛軌跡、運行速度及加速度等車輛狀態(tài)也會隨著駕駛員執(zhí)行任務(wù)的難易程度發(fā)生變化[20].

2)駕駛員意圖識別

駕駛員的駕駛行為受駕駛意圖的直接影響,但是駕駛意圖不可觀測且難以直接獲取,因此需要依靠駕駛員的動作、姿勢、車輛狀態(tài)及交通環(huán)境信息進(jìn)行推測和估計.文獻(xiàn)[21]利用駕駛員狀態(tài)信息預(yù)測駕駛意圖來改善這一問題,通過提取駕駛員頭部動態(tài)、眼睛、手的位置及腳部等信息,利用稀疏貝葉斯學(xué)習(xí)來辨別駕駛員的換道意圖,提高了輔助駕駛系統(tǒng)的魯棒性能.文獻(xiàn)[22]基于概念模糊集合理論,提出了用于辨識左轉(zhuǎn)向、右轉(zhuǎn)向及直線行駛?cè)齻€簡單的駕駛員駕駛意圖辨識模型.文獻(xiàn)[23]基于模糊推理方法預(yù)測駕駛員的駕駛意圖,該模型能有效地揭示駕駛員意圖和駕駛環(huán)境對縱向最小安全距離的影響,從而提高碰撞預(yù)警的準(zhǔn)確性和可靠性.文獻(xiàn)[24]將駕駛員行為描述為馬爾科夫隨機過程,用于預(yù)測駕駛員的駕駛行為.文獻(xiàn)[25]提出了一種用于駕駛員轉(zhuǎn)向駕駛意圖辨識的智能認(rèn)知方法,利用層次化模型可預(yù)測長期的駕駛模式.文獻(xiàn)[26]應(yīng)用隱馬爾科夫模型建立了駕駛員在十字路口操作的模型,預(yù)測駕駛員在十字路口的駕駛意圖.文獻(xiàn)[27]提出了一種基于高斯混合隱馬爾科夫模型的駕駛員超車行為辨識方法,通過建立三個GM-HMM模型來模擬駕駛員左換道、右換道及車道保持的行為.文獻(xiàn)[28]基于模糊模式識別方法,對駕駛員的加速意圖、減速意圖及超車意圖進(jìn)行辨識,并將辨識結(jié)果應(yīng)用于自動變速器的換擋控制.文獻(xiàn)[8]根據(jù)駕駛意圖的特性及各駕駛操作的界限值在線判斷出駕駛員的駕駛意圖,辨識出的駕駛員駕駛意圖通過避障系統(tǒng)無線傳送給其他臨近車輛,同樣本車也接受其他臨近車輛提供駕駛員意圖及環(huán)境信息,進(jìn)而本車根據(jù)得到的信息及本車的駕駛員的駕駛意圖,預(yù)知事故的發(fā)生以提前采取操作避免碰撞事故.

目前,關(guān)于駕駛員狀態(tài)監(jiān)測和駕駛意圖識別方面的研究成果主要是針對某一特定的駕駛員狀態(tài)進(jìn)行監(jiān)測和意圖識別,并且這些研究大多是基于大量的實測數(shù)據(jù)和統(tǒng)計分析的方法,如何在理論上分析導(dǎo)致駕駛員在駕駛過程中所具有的隨機性、復(fù)雜性和時變性,需要進(jìn)行系統(tǒng)的深入研究.

1.1.2 駕駛員操縱行為建模

在智能汽車人機協(xié)同控制的發(fā)展進(jìn)程中,所面臨的問題之一是如何協(xié)調(diào)駕駛員駕駛能力與智能控制系統(tǒng)的沖突.這是因為,駕駛員對未知環(huán)境的理解和認(rèn)知是目前的智能控制系統(tǒng)所無法匹敵的,而智能控制系統(tǒng)高精度的傳感、控制和執(zhí)行不會像人類駕駛員那樣容易疲勞、分心甚至是退化的.因此如何協(xié)調(diào)兩者的優(yōu)勢,形成優(yōu)勢互補是促進(jìn)智能汽車發(fā)展的有效途徑,而人是關(guān)鍵環(huán)節(jié),下面我們將集中精力分析駕駛員在駕駛過程中是如何感知、決策和執(zhí)行的.

1)傳統(tǒng)車輛的駕駛員操縱行為建模

關(guān)于駕駛員操縱行為建模方面的研究可以追溯到20世紀(jì)70年代,其結(jié)構(gòu)如圖4所示,文獻(xiàn)[29]于1967年開始將飛行員–飛機閉環(huán)控制的研究推廣到汽車上,開啟了駕駛員建模的新篇章.1981年,文獻(xiàn)[30]中提出了一種用于仿真的駕駛員行為模型,該模型通過尋找合適的轉(zhuǎn)向盤轉(zhuǎn)角使得所駕駛車輛的運動軌跡與預(yù)期軌跡在允許的誤差范圍內(nèi),該模型的出現(xiàn)表明利用控制理論對駕駛員行為建模是行之有效的方法.

從模型中是否包含駕駛員的預(yù)瞄環(huán)節(jié),可以分為補償跟蹤模型和預(yù)瞄跟蹤模型.補償跟蹤模型的原理是通過描述駕駛員為消除與預(yù)期軌跡的偏差而進(jìn)行補償校正的行為特征來模擬駕駛員的行為,代表性成果是文獻(xiàn)[31]提出的PID模型和文獻(xiàn)[32]提出的Crossover模型.顯然駕駛員的駕駛行為必然具有前視特征,我國知名學(xué)者郭孔輝院士于1982年提出了預(yù)瞄–跟隨理論,有力地推動了駕駛員建模領(lǐng)域的發(fā)展,該理論不僅可以模擬駕駛員預(yù)瞄、跟蹤及延遲等駕駛員特性,還可以反應(yīng)出駕駛員對車輛動力學(xué)的認(rèn)知和反應(yīng)特性.

圖4 駕駛員操縱行為模型結(jié)構(gòu)示意圖Fig.4 The structure of driver manipulation behavior modelling

若將駕駛員的駕駛行為看成一個伺服性能最優(yōu)的控制器,利用最優(yōu)控制理論對駕駛員行為建模是一個行之有效的方法.文獻(xiàn)[33]率先利用最優(yōu)控制理論對駕駛員行為進(jìn)行建模,該模型通過使目標(biāo)函數(shù)在干擾和約束的作用下達(dá)到最小或最大來模擬駕駛員完成駕駛?cè)蝿?wù)的過程.在如何應(yīng)用最優(yōu)控制理論對駕駛員行為建模上,文獻(xiàn)[34]提出了基于多點預(yù)瞄的線性駕駛員模型,該模型通過求解一系列線性二次型調(diào)節(jié)(Linear quadratic regulator,LQR)問題得到狀態(tài)和預(yù)瞄的控制增益來模擬駕駛員的轉(zhuǎn)向行為.

近年來模型預(yù)測控制(Model predictive control,MPC)方法在汽車控制上得到了廣泛的應(yīng)用,這是因為駕駛員的駕駛過程與模型預(yù)測控制的原理是一致的,文獻(xiàn)[35?36]通過模塊化建模方式,可以分別有效模擬駕駛員的感知、決策和執(zhí)行行為.文獻(xiàn)[37]中基于MPC思想提出了一種非線性駕駛員轉(zhuǎn)向模型,該模型通過將輪胎側(cè)偏力在一系列側(cè)偏角處線性化,得到具有多個分段線性特性的非線性車輛動力學(xué)模型,構(gòu)成多個內(nèi)模來反映駕駛員的不同駕駛經(jīng)驗,通過仿真表明,這種多內(nèi)模框架與MPC相結(jié)合的方法在模擬駕駛員經(jīng)驗方面具有潛在的應(yīng)用價值.在此基礎(chǔ)上,文獻(xiàn)[38]通過對14名專業(yè)駕駛員進(jìn)行雙移線實驗測試,利用實測數(shù)據(jù)辨識轉(zhuǎn)向控制律中的參數(shù),從而獲得專業(yè)駕駛員的轉(zhuǎn)向行為模型.

2)人機協(xié)同控制中駕駛員操縱行為建模

在對智能汽車的人機協(xié)同控制中,駕駛員會對系統(tǒng)的適應(yīng)導(dǎo)致其行為特征發(fā)生變化,因此有必要在對傳統(tǒng)的駕駛行為分析的基礎(chǔ)上,有針對性的研究在人機共駕中駕駛員的操縱行為[39?41].文獻(xiàn)[39]在理論上分析了在間接共享控制中駕駛員的適應(yīng)性和信任度,其中利用集成控制器的輸入轉(zhuǎn)換策略描述駕駛員的適應(yīng)性,通過目標(biāo)函數(shù)的變化表現(xiàn)駕駛員對智能系統(tǒng)信任度的變化.研究表明駕駛員的適應(yīng)性和信任度將直接影響控制效果和舒適度,而駕駛員的舒適度將影響駕駛員的信任度.文獻(xiàn)[42?43]在博弈論的框架下模擬駕駛員的人機交互行為.其中文獻(xiàn)[44]采用非合作納什均衡理論描述了駕駛員與車輛防撞系統(tǒng)之間的沖突,并預(yù)測此時駕駛員的轉(zhuǎn)向行為,研究表明可通過調(diào)整目標(biāo)函數(shù)中路徑誤差的權(quán)重,模擬不同駕駛員的轉(zhuǎn)向行為.文獻(xiàn)[43]利用史坦柏格均衡理論研究駕駛員與主動前輪轉(zhuǎn)向系統(tǒng)的交互行為,并分別采用線性二次動態(tài)優(yōu)化算法和分布式模型預(yù)測控制方法研究駕駛員和主動前輪轉(zhuǎn)向系統(tǒng)的控制策略,仿真結(jié)果表明通過改變駕駛員的路徑偏差權(quán)重值可以反應(yīng)不同駕駛員的駕駛行為.

目前,關(guān)于駕駛員操縱行為建模的研究大多數(shù)是模擬一個智能駕駛控制器,缺乏在人機協(xié)同控制中對人類駕駛員在感知、生理、心理和自學(xué)習(xí)等方面能力變化的分析,同時也缺少人機協(xié)同控制中駕駛員可能表現(xiàn)出的操縱動作對協(xié)同的影響,以及如何與智能控制系統(tǒng)相互協(xié)作等方面的研究.

1.2 人機協(xié)同控制的研究現(xiàn)狀

1.2.1 增強駕駛員感知能力的智能駕駛輔助

增強駕駛員感知能力的智能輔助主要是指車載智能系統(tǒng)經(jīng)由雷達(dá)、攝像頭等探測范圍更廣和獲取信息更豐富的感知設(shè)備,獲得駕駛員不能了解或了解不全面的交通信息,通過智能系統(tǒng)分析并對駕駛員進(jìn)行視聽觸多方位的預(yù)警,達(dá)到機器增強駕駛員感知的初級“人機協(xié)同”模式,其結(jié)構(gòu)如圖5所示.目前增強駕駛員感知能力的智能輔助主要分為車輛行駛外部環(huán)境的增強感知及車輛本身狀態(tài)的增強感知兩個方面.

在車輛行駛外部環(huán)境的增強感知方面,文獻(xiàn)[45]通過兩個簡單的運動學(xué)公式對安全碰撞標(biāo)準(zhǔn)進(jìn)行了說明.文獻(xiàn)[46]給出了安全邊界約束條件和碰撞預(yù)警的標(biāo)準(zhǔn),劃定了安全和危險的區(qū)域.文獻(xiàn)[44]在THASV-II平臺的基礎(chǔ)上提出了基于激光雷達(dá)的防追尾預(yù)警控制系統(tǒng).同時有很多學(xué)者利用簡單攝像機進(jìn)行信息感知,文獻(xiàn)[47]利用簡單攝像機對前方障礙物進(jìn)行探測,通過一維掃描對障礙物的位置和距離信息進(jìn)行處理,相比高維掃描速度更快,在高速條件下仍有很好的應(yīng)用效果.文獻(xiàn)[48]利用差分GPS與卡爾曼濾波,綜合考慮了車輛速度、加速度、位置等狀態(tài)信息,更適合真實的交通場景.文獻(xiàn)[49]中不再單純考慮安全距離,而是通過引入了駕駛員反應(yīng)時間和制動最短時間兩個參數(shù)更好地體現(xiàn)出真實駕駛員的反應(yīng),進(jìn)而輔助駕駛員駕駛車輛.上面研究成果從考慮車輛距離及車輛狀態(tài),逐漸趨近真實駕駛情況,其目的是為了更好地輔助駕駛員的操作,在這個過程中考慮駕駛員的感知特性也是十分必要的,文獻(xiàn)[50]建立出包含駕駛員從發(fā)現(xiàn)障礙到緊急停車再到車輛完全停止中更多細(xì)節(jié)信息的TTC模型,并可以根據(jù)當(dāng)前時刻信息簡單進(jìn)行危險預(yù)測.

圖5 增強駕駛員感知結(jié)構(gòu)示意圖Fig.5 The structure of enhanced perception

防碰撞預(yù)警系統(tǒng)是車與車以及車與交通參與者的預(yù)警,車與道路的預(yù)警主要體現(xiàn)在車道偏離預(yù)警、盲區(qū)監(jiān)測和換道預(yù)警.文獻(xiàn)[51]建立了基于視覺的車道偏離預(yù)警系統(tǒng),可以對未來狀態(tài)進(jìn)行短時間預(yù)測,判斷是否偏離車道.考慮駕駛員自身具有校正車道的能力,文獻(xiàn)[52]在車道偏離預(yù)警機制中將車輛視為一個多凸邊形,并加入了趨向車道邊界的速度信息進(jìn)行預(yù)警判斷,當(dāng)車輛快速偏離車道則進(jìn)行預(yù)警;反之,則不預(yù)警,依靠駕駛員的能力進(jìn)行調(diào)整.文獻(xiàn)[53]則對預(yù)警的條件進(jìn)行了更詳細(xì)的分析,將情況分為駕駛員可以調(diào)整和必須預(yù)警的情況,并用偏離時間作為預(yù)警的標(biāo)準(zhǔn).對于車輛盲區(qū)的監(jiān)測,文獻(xiàn)[54]通過監(jiān)測車輛后方和側(cè)向的盲點區(qū)域,進(jìn)行“人–車–路”的信息交互,對換道條件進(jìn)行提醒預(yù)警,提高駕駛安全性.

在駕駛員對車輛本身狀態(tài)的增強感知方面,文獻(xiàn)[55]通過對道路濕度溫度及路面附著系數(shù)等分析,通過速度反應(yīng)車輛穩(wěn)定安全程度,在將要超過最大安全車速時進(jìn)行預(yù)警.大多數(shù)學(xué)者直接采用側(cè)傾或側(cè)翻作為穩(wěn)定的指標(biāo),文獻(xiàn)[56]提出了基于側(cè)翻時間預(yù)測算法,對側(cè)翻進(jìn)行動態(tài)預(yù)警.由于重型卡車的側(cè)翻幾率更大,文獻(xiàn)[57]針對重型卡車,對側(cè)翻時預(yù)測算法進(jìn)行改進(jìn),設(shè)計了更適合重型車的防側(cè)翻預(yù)警系統(tǒng).文獻(xiàn)[58]針對帶有先進(jìn)駕駛輔助系統(tǒng)的智能汽車,從駕駛員角度和先進(jìn)駕駛輔助系統(tǒng)角度總結(jié)了兩個方向的研究現(xiàn)狀和主要難點,討論如何將兩個方向結(jié)合成一個單一的集成系統(tǒng)提高車輛的安全性和舒適性.綜上,雖然針對車輛外部行駛環(huán)境、車輛狀態(tài)監(jiān)測及防碰撞預(yù)警等先進(jìn)駕駛輔助系統(tǒng)的研究已經(jīng)取得大量成果,但是現(xiàn)有的增強感知系統(tǒng)對于復(fù)雜交通環(huán)境的適用性較差,無法針對駕駛員關(guān)注重點進(jìn)行信息提醒和預(yù)警,同時缺乏駕駛員與感知系統(tǒng)之間增強與協(xié)同感知方面的研究.

1.2.2 基于特定場景的人機駕駛權(quán)切換控制

由于全工況自動駕駛在短期內(nèi)很難實現(xiàn),智能汽車技術(shù)的研究中引入了對于駕駛?cè)撕椭悄芸刂葡到y(tǒng)同時在環(huán)的人機駕駛權(quán)互相切換的控制方式,這方面研究主要集中在特定場景下實現(xiàn)人類駕駛權(quán)和機器駕駛權(quán)的切換,其結(jié)構(gòu)如圖6所示.在某些場景下,車輛控制超出駕駛員能力之外時,智能系統(tǒng)獲取車輛駕駛權(quán);相反,當(dāng)車輛控制超出智能系統(tǒng)能力范圍的工況發(fā)生時,系統(tǒng)需對駕駛員進(jìn)行喚醒并移交控制權(quán),如自動緊急制動系統(tǒng)、自適應(yīng)巡航系統(tǒng)和自動泊車系統(tǒng)等.針對駕駛權(quán)轉(zhuǎn)移這一概念的分類,文獻(xiàn)[59]將控制權(quán)轉(zhuǎn)移分為強制轉(zhuǎn)移和自由轉(zhuǎn)移,強制轉(zhuǎn)移指駕駛員與智能系統(tǒng)一方不能勝任時被迫向另一方移交控制權(quán),自由轉(zhuǎn)移指雙方均能勝任時控制權(quán)自行轉(zhuǎn)移至能力更好的一方.

圖6 人機駕駛權(quán)切換控制結(jié)構(gòu)示意圖Fig.6 The structure of switched authorities

駕駛員和智能控制系統(tǒng)可以通過物理開關(guān)等明確切換控制權(quán)限,在此模式下,由于存在駕駛員與智能系統(tǒng)間的博弈和沖突,就需要對駕駛員、智能系統(tǒng)和道路環(huán)境等信息進(jìn)行綜合分析,判斷人類駕駛員和智能系統(tǒng)何者更適合控制車輛,并在二者之間進(jìn)行切換,實現(xiàn)特定場景下的駕駛權(quán)切換.為此,學(xué)者們針對駕駛權(quán)切換過程中存在的安全問題、切換控制時涉及駕駛員的接管反應(yīng)和情景感知方面的影響、喚醒駕駛員注意力的方法、判斷合適的切換時機以及具體的切換控制方法等方面進(jìn)行了細(xì)致的研究.

由于駕駛權(quán)切換過程中存在諸多人為因素和控制因素導(dǎo)致的安全問題,很可能導(dǎo)致交通事故或臨近交通事故的發(fā)生.文獻(xiàn)[60]認(rèn)為根據(jù)交通狀況的不同,駕駛員會做出不同的監(jiān)測行為,當(dāng)交通流稀疏時,駕駛員傾向于忽視監(jiān)測責(zé)任,而當(dāng)交通流密集時,駕駛員會將注意力更多放在監(jiān)測環(huán)境信息.文獻(xiàn)[61]認(rèn)為高度的自動駕駛中駕駛員在駕駛負(fù)擔(dān)和對情況的理解方面有別于自動巡航控制,高度自動駕駛中駕駛員會更多地將注意力分散在非駕駛?cè)蝿?wù)中.由于駕駛員在接管控制時會產(chǎn)生由于反應(yīng)能力和注意程度不同而導(dǎo)致的安全問題,在人機駕駛權(quán)切換中,就需要研究駕駛員的接管反應(yīng)、情景感知和注意力水平等對于車輛安全性的影響.

在駕駛員對于接管控制的反應(yīng)方面,主要研究內(nèi)容包括駕駛員對于不同情況下的肢體和意識反應(yīng)方式,以及駕駛員駕駛能力隨自動駕駛等級提高的變化情況.其中,針對駕駛員的肢體反應(yīng),文獻(xiàn)[62]利用頭部姿態(tài)和眼動信息來監(jiān)測駕駛員的注視點與道路中央的偏離程度,研究了視覺關(guān)注狀態(tài)與接管控制所需時間特性.文獻(xiàn)[63]研究了部分自動駕駛情況下,駕駛員手部離開方向盤的間隔對自動控制器不能處理工況發(fā)生時的駕駛安全性的影響,通過對交通擁堵時前方車輛緊急停車時手部離開方向盤長短不同的駕駛員的反應(yīng)進(jìn)行分析,發(fā)現(xiàn)兩者在制動時間和情況緊急程度方面都沒有顯著區(qū)別,研究認(rèn)為,駕駛員手部長時間離開方向盤并不會導(dǎo)致駕駛員在接管情況下的性能缺陷.

針對駕駛員的意識反應(yīng)時機,文獻(xiàn)[64]認(rèn)為隨著駕駛員接管時間的縮短,駕駛員決策和反應(yīng)變快,但其質(zhì)量均有下降,并提出將部分自動駕駛作為高度自動駕駛的后備等級.文獻(xiàn)[65]對比了三種模式(手動模式、利用增強現(xiàn)實抬頭顯示和傳統(tǒng)抬頭顯示實現(xiàn)從自動駕駛到手動駕駛切換)下駕駛員在換道請求時的反應(yīng).研究發(fā)現(xiàn),相比于手動模式,傳統(tǒng)抬頭顯示使得切換過程達(dá)到30秒,且最大的制動踏板速度更高,導(dǎo)致加速度增大,但是增強現(xiàn)實抬頭顯示可以減輕兩種影響,因此改善了緩慢交通情況下的駕駛舒適性.文獻(xiàn)[66]研究了在危險交通場景下駕駛員從自動駕駛系統(tǒng)接管并恢復(fù)汽車控制過程中的知覺運動性能,分析了駕駛員避障反應(yīng)的時機、類型和概率以及其受到情況危急程度的影響,認(rèn)為在自動駕駛過程中,駕駛員接收到的可用視覺信息影響了駕駛員恢復(fù)手動控制的速度,但卻不影響駕駛員開始避障策略的時機.研究認(rèn)為接管時間、時機和避障的質(zhì)量在很大程度上是相互獨立的,是運動學(xué)上的滯后而不是長的接管時間能夠預(yù)知碰撞的結(jié)果.

針對自動駕駛等級對于駕駛員駕駛能力的影響,文獻(xiàn)[67]研究了在自動控制失效時,高度自動駕駛和半自動駕駛對駕駛員的影響,認(rèn)為隨著自動駕駛等級的提高,駕駛員的駕駛能力有所降低.文獻(xiàn)[68]提出了一種利用混雜系統(tǒng)方法,在線同步估計駕駛員在環(huán)的信息物理系統(tǒng)的狀態(tài).文獻(xiàn)[69]認(rèn)為自動駕駛模式下駕駛員對于智能駕駛系統(tǒng)過于信任,導(dǎo)致在接管請求發(fā)生時一部分人不能及時做出正確的接管動作.文獻(xiàn)[70]針對自動駕駛汽車中駕駛員無法長時間完成監(jiān)視任務(wù)的問題,研究了部分自動化駕駛是否可以合理擔(dān)任監(jiān)視駕駛狀況的角色.利用特斯拉S型車的自動駕駛模式,收集影像觀測信息作為公路研究的一部分.對影像的主題分析顯示,駕駛員在堅持完成監(jiān)測責(zé)任的過程中,并沒有得到合適的支持,駕駛員表現(xiàn)出對自動控制器過于信任.

在影響駕駛員的情景感知方面,主要研究內(nèi)容包括不同自動駕駛等級對駕駛員情景感知的影響,以及駕駛員在受到非駕駛?cè)蝿?wù)影響時的情景感知能力.文獻(xiàn)[71]提出了中級自動駕駛,以保留駕駛員在復(fù)雜控制系統(tǒng)中的作用,增強駕駛員情景感知能力.文獻(xiàn)[72]研究了4種不同自動駕駛程度(完全自動駕駛、自動轉(zhuǎn)向、自動速度控制和無自動駕駛)對駕駛員情景感知的影響.文獻(xiàn)[73]建立了新的積分模型,用于描述自動駕駛過程中緊急接管情況發(fā)生時的駕駛員行為,認(rèn)為是駕駛員的認(rèn)知而不是行為動作決定了接管時間.文獻(xiàn)[74]研究了與非駕駛?cè)蝿?wù)相關(guān)的不同層次心理負(fù)荷對于接管請求發(fā)生時的影響,認(rèn)為對非駕駛?cè)蝿?wù)的參與會導(dǎo)致情景感知能力的降低.文獻(xiàn)[75]研究了駕駛員對于從自動駕駛到手動控制的過程中,對交通狀況的理解所需的時間,通過多個駕駛員對于三車道車輛信息的反應(yīng),認(rèn)為駕駛員可以很快復(fù)現(xiàn)交通場景,但對于相對速度的估計至少需要20s.

在喚醒駕駛員注意力方面,針對視覺、聽覺和觸覺等不同喚醒方式,主要研究了對于提醒駕駛員接管車輛控制中的效果.文獻(xiàn)[76]對駕駛員喚醒機制做了研究,提出了基于聽覺、視覺和觸覺及將三者進(jìn)行結(jié)合的4種喚醒方式,并對不同緊急情況下喚醒方式的效用進(jìn)行了對比.文獻(xiàn)[77]對比了不同的聲音輸出形式,如通用的提示音和額外的語義語音輸出對提醒駕駛員即將到來的接管請求方面的影響,實驗結(jié)果表明在反映信息處理(如駕駛員結(jié)束非駕駛相關(guān)任務(wù)和將手部放在方向盤上)時間上,上面提出的方法比僅有通用提示音的情況用時更短.文獻(xiàn)[78]研究了潛在危險發(fā)生前4s內(nèi),普通提示和特殊提示對于駕駛員提高情景意識的作用.認(rèn)為即便在很短時間內(nèi),具備提示駕駛員即將到來的危險內(nèi)容的特殊提示比普通提示使駕駛員更能快速意識到情況并緩和碰撞.文獻(xiàn)[79]對比了三種接管請求形式(聽覺、觸覺震動和聽覺與觸覺同時)和左右方向性對于駕駛員轉(zhuǎn)向行為的影響.實驗結(jié)果認(rèn)為,對于轉(zhuǎn)向接觸時間,多模式的接管請求在統(tǒng)計上顯著快于單模式的觸覺震動的接管請求.但在制動時間和換道時間方面,兩者沒有顯著區(qū)別.在三種模式中,多模式方法更佳.

在判斷合適的切換控制時機方面,研究了不同情景下以保證車輛控制的安全性為前提的切換控制時機.文獻(xiàn)[80]研究了駕駛輔助和自動駕駛中基本的人為因素問題,在此基礎(chǔ)上,文獻(xiàn)[81]設(shè)計的人機協(xié)同控制系統(tǒng)在車輛進(jìn)入不可控的區(qū)域時對駕駛員進(jìn)行提醒,但僅通過判斷駕駛員對方向盤的握緊程度進(jìn)行控制權(quán)剛性交接.文獻(xiàn)[82]通過處境分析和危險評估進(jìn)行駕駛員控制、輔助駕駛和自動駕駛等模式的切換.文獻(xiàn)[83]研究了切換控制過程中的參數(shù)和設(shè)置對于切換控制的影響,文獻(xiàn)[84]考慮了汽車控制何時安全地由自動駕駛系統(tǒng)轉(zhuǎn)換到駕駛員的問題,基于描述駕駛員操控汽車能力,定義了車輛狀態(tài)空間的子集,即駕駛員可控子集的概念,通過界定個體駕駛員正常駕駛包絡(luò)的極限,找到駕駛員可控子集的估計邊界.利用車輛模型和可達(dá)性分析,評價當(dāng)車輛控制從自動駕駛到駕駛員時,車輛起始和保持狀態(tài)是否在駕駛員可控子集內(nèi),并通過實車實驗驗證了方法的有效性.

在對切換控制方法的研究方面,文獻(xiàn)[85]提出了一種評價駕駛員和智能駕駛系統(tǒng)間觸覺共享控制合作等級的理論方法.文獻(xiàn)[86]基于模型預(yù)測控制方法,提出了自動駕駛過程中處理駕駛員接管請求的方法,使得車輛在有限的接管時間內(nèi)或遇到潛在的穩(wěn)定障礙和危險工況前安全停車.文獻(xiàn)[87]采用博弈論思想和分布式模型預(yù)測控制方法進(jìn)行理論分析和實驗研究,文獻(xiàn)[88]研究了駕駛?cè)嗽谧詣涌刂岂{駛權(quán)切換時的作用因素,說明了二者對于人機協(xié)同控制的作用.文獻(xiàn)[89]當(dāng)汽車從自動控制切換到手動控制時,針對緊急轉(zhuǎn)向動作和駕駛控制平滑切換的需求,提出了一種從駕駛輔助系統(tǒng)向駕駛員平滑切換轉(zhuǎn)向控制權(quán)的方法,即通過駕駛輔助系統(tǒng),基于觸覺協(xié)同控制技術(shù)調(diào)整轉(zhuǎn)向控制強度,并在微型電動車上進(jìn)行實驗驗證了該方法的有效性.文獻(xiàn)[90]提出了一種貝葉斯網(wǎng)絡(luò)統(tǒng)計危險估計方法,適用于兩種場景下的半自動駕駛車輛,即駕駛員控制和車輛自動控制,這一方法尤其適用于車輛固有技術(shù)產(chǎn)生的遠(yuǎn)程數(shù)據(jù)信息處理.

目前,針對特定場景人機駕駛權(quán)切換控制的研究大部分尚在原理論證階段,其方向主要集中在控制權(quán)切換前后駕駛?cè)说慕庸芊磻?yīng)、情景感知和喚醒效果等方面.缺少對于人機駕駛權(quán)切換控制發(fā)生時特定場景的全面探討,以及關(guān)于喚醒策略和接管控制方法方面的研究.并未徹底解決因控制冗余造成的駕駛?cè)伺c自動控制器間的沖突和負(fù)荷加重等問題.

1.2.3 人機系統(tǒng)動態(tài)協(xié)同控制

隨著汽車智能化水平的不斷提高,駕駛員和智能控制系統(tǒng)之間的關(guān)系不僅僅局限于提醒、警告或者人機之間互相切換,而會形成人機并行控制的復(fù)雜動態(tài)交互關(guān)系.在全工況自動駕駛實現(xiàn)之前,這種關(guān)系將會一直存在.為了實現(xiàn)高性能人機協(xié)同控制,需要對人機交互方式、駕駛權(quán)分配和人機協(xié)同關(guān)系等因素進(jìn)行深入研究.現(xiàn)有的人機協(xié)同控制主要是利用駕駛員的狀態(tài)和操縱動作、車輛狀態(tài)和交通環(huán)境等信息,以安全、舒適等性能指標(biāo)實時協(xié)調(diào)人與機之間的控制權(quán).目前的駕駛權(quán)分配協(xié)同方式可以分為兩類:輸入修正式協(xié)同控制和觸覺交互式協(xié)同控制[91],下面分成兩類詳細(xì)說明.

圖7 輸入修正式人機協(xié)同示意圖Fig.7 The structure of input correction shared control

1)輸入修正式協(xié)同控制

輸入修正式協(xié)同控制(如圖7所示)指智能控制系統(tǒng)不直接參與控制端(方向盤、踏板等)的控制,只對駕駛員的操控輸入與控制器的輸入按照一定比例進(jìn)行疊加或者修正,并將結(jié)果傳遞至車輛操控系統(tǒng),實現(xiàn)人機共同駕駛.最初的研究[92?93]假設(shè)駕駛員與控制器之間駕駛權(quán)重比例是固定的,通過設(shè)計控制器協(xié)同駕駛員駕駛車輛.文獻(xiàn)[94]研究的底盤線控系統(tǒng),前輪的實際轉(zhuǎn)角輸出是智能系統(tǒng)利用計算得到的期望轉(zhuǎn)角將駕駛員的方向盤輸入進(jìn)行修正后的結(jié)果.文獻(xiàn)[95]提出了一種車輛側(cè)向運動協(xié)同控制方法,該控制方法運用模糊控制通過求解線性二次型優(yōu)化問題計算控制器動作,同時將車輛縱向速度變化考慮在內(nèi),最終通過決策算法確定人機駕駛權(quán)分配.文獻(xiàn)[96]研究在車聯(lián)網(wǎng)環(huán)境下通信延遲對車輛轉(zhuǎn)向行為的影響,針對延時問題設(shè)計了系統(tǒng)的協(xié)同轉(zhuǎn)向控制策略,并驗證控制算法的穩(wěn)態(tài)性能和魯棒性.文獻(xiàn)[97]利用駕駛員模型預(yù)測駕駛員未來的駕駛行為,設(shè)計了一種非線性模型預(yù)測控制器,利用轉(zhuǎn)角和制動控制,在最小干預(yù)情況下幫助駕駛員完成避障和車道偏離控制.文獻(xiàn)[98]針對人機共駕過程中駕駛員行為的不確定性,設(shè)計了一種魯棒預(yù)測控制器,通過具有隨機特性的駕駛員模型對駕駛員行為進(jìn)行預(yù)測,在不確定駕駛員行為與系統(tǒng)約束情況下,優(yōu)化求解出保證駕駛員行車安全的最小轉(zhuǎn)角.文獻(xiàn)[99]指出人機之間的駕駛權(quán)重應(yīng)該隨著駕駛員意圖進(jìn)行自適應(yīng)調(diào)整.文獻(xiàn)[100]認(rèn)為在人機共駕的過程中應(yīng)該保證駕駛員的操作自由,在必要時引入控制動作保證車輛安全,通過提出路徑同倫和人機輸入混合的方法,來保證駕駛員操作自由度和駕駛安全.文獻(xiàn)[101]針對后驅(qū)車輛設(shè)計了一種運動學(xué)協(xié)同控制策略,該策略結(jié)合遲滯切換和Lyapunov理論確定控制率,并在靜態(tài)和時變環(huán)境下驗證了控制策略有效性.文獻(xiàn)[102]利用模型預(yù)測控制方法實現(xiàn)人機協(xié)同控制,該控制架構(gòu)通過腦機接口實現(xiàn)駕駛員意圖識別,將跟隨駕駛員意圖和保證車輛安全同時考慮進(jìn)一個優(yōu)化問題中,實現(xiàn)了在安全性前提下駕駛員盡可能擁有對車輛的絕對控制權(quán).文獻(xiàn)[103]將人機協(xié)同分為直接和非直接兩種協(xié)同方式,并在非直接協(xié)同結(jié)構(gòu)下建立滑動探測器監(jiān)控并調(diào)整駕駛員與控制系統(tǒng)駕駛權(quán)重.在此基礎(chǔ)上,文獻(xiàn)[39]建立駕駛員意圖估計模塊,通過估計獲得駕駛員意圖在非直接人機協(xié)同框架下進(jìn)行人機協(xié)同駕駛權(quán)重分配.文獻(xiàn)[40]進(jìn)一步討論了在非直接框架下,駕駛員對協(xié)同控制系統(tǒng)的信任程度對控制器工作性能有顯著影響.

在此種協(xié)同方式中,通過對車輛是否到達(dá)失穩(wěn)邊界或者預(yù)測車輛是否發(fā)生碰撞危險來確定人機共駕系統(tǒng)的介入時機與介入程度也是研究熱點之一.文獻(xiàn)[104]提出協(xié)同控制對道路安全至關(guān)重要的研究部分不是提高日常駕駛?cè)蝿?wù)的表現(xiàn),而是在發(fā)生危險工況時人機發(fā)生沖突或者突然失去力反饋時會出現(xiàn)怎樣的后果,協(xié)助控制不應(yīng)該持續(xù)存在,應(yīng)該只在將要發(fā)生危險時進(jìn)行警告或介入即可.文獻(xiàn)[105]提出了一種基于最優(yōu)控制的主動安全框架的設(shè)計,該框架能夠?qū)崿F(xiàn)在危險規(guī)避場景中執(zhí)行軌道規(guī)劃、危險評估和人機協(xié)同控制,通過對車輛軌跡的預(yù)測實現(xiàn)危險評估,以危險評估為基礎(chǔ)實現(xiàn)不同程度的人機協(xié)同,將車輛運動軌跡保持在可行區(qū)域范圍內(nèi).文獻(xiàn)[106]提出了一種集危險評估、穩(wěn)定性控制和駕駛員行為預(yù)測于一體的人機協(xié)同框架,利用非線性模型預(yù)測控制方法,共同優(yōu)化車輛的制動和轉(zhuǎn)向角來保證駕駛員行車安全.文獻(xiàn)[107]采用考慮輪胎非線性特性的凸優(yōu)化方法實現(xiàn)人機協(xié)同轉(zhuǎn)向控制器的設(shè)計,在車輛軌跡預(yù)測過程中考慮了輪胎非線性動力學(xué)特征,使控制器能夠在發(fā)生危險時適時介入保證車輛和駕駛員的安全,在此基礎(chǔ)上,文獻(xiàn)[108]提出了一種利用兩種安全包絡(luò)實現(xiàn)避障和穩(wěn)定控制的協(xié)同控制框架,一種包絡(luò)定義車輛方向盤轉(zhuǎn)角的可操縱邊界,另外一種描述了車輛空間上的可行區(qū)域,在此種框架下控制器以最小干預(yù)的方式與人類駕駛員共同完成避障和車輛的穩(wěn)定性控制.文獻(xiàn)[109]針對行人可能在道路突然出現(xiàn)的危險工況,設(shè)計了一種基于風(fēng)險分析的車輛橫縱協(xié)同控制策略,并驗證該策略能夠有效幫助駕駛員避險并跟蹤理想速度.

2)觸覺交互式協(xié)同控制

相比輸入修正式協(xié)同控制,觸覺交互式協(xié)同控制(如圖8所示)有兩個優(yōu)點:a)駕駛員通過觸覺交互與系統(tǒng)進(jìn)行持續(xù)反饋,人的在環(huán)程度更深;b)在緊急情況下駕駛員可以覆蓋系統(tǒng)的輸入實現(xiàn)對車輛的完全接管,保留了駕駛員對車輛的最終控制權(quán)[110].文獻(xiàn)[111]最早提出了觸覺交互式協(xié)同控制方法,該研究表明,在協(xié)同控制模式下,車輛跟蹤預(yù)期軌跡的能力以及對危險的反應(yīng)能力都得到了提升.文獻(xiàn)[112]在車輛控制中加入了帶有預(yù)測能力的觸覺引導(dǎo),證明了此情況下車輛完成駕駛?cè)蝿?wù)的能力和駕駛員的工作負(fù)荷能得到進(jìn)一步的改善.文獻(xiàn)[113]將觸覺反饋式協(xié)同控制應(yīng)用在方向盤和踏板的控制中,證明了協(xié)同控制下的車輛在車道保持(包括過彎)和跟車任務(wù)中的表現(xiàn)均能得到提升.文獻(xiàn)[114]利用預(yù)測優(yōu)化控制設(shè)計了一種以駕駛員為核心的車道保持協(xié)同控制方法,控制器通過動態(tài)前饋補償和狀態(tài)反饋相結(jié)合的方式實現(xiàn)人機協(xié)同轉(zhuǎn)向,并利用魯棒比例積分觀測器估計駕駛員力矩輸入,實現(xiàn)精確地人機協(xié)同轉(zhuǎn)向.文獻(xiàn)[115]設(shè)計了一種以車道保持為目的的先進(jìn)輔助駕駛系統(tǒng),該系統(tǒng)在預(yù)測優(yōu)化控制方法基礎(chǔ)上利用人–車–路一體化模型設(shè)計力矩輔助機制,將駕駛員不確定性行為利用駕駛員模型預(yù)測,并分析了駕駛員行為發(fā)生變化時系統(tǒng)的性能和穩(wěn)定性.文獻(xiàn)[116]在研究觸覺協(xié)同控制的時候,提到可以采用改變觸覺協(xié)同控制的強度來平滑地改變自動駕駛的水平,視為從全人工過程過渡到全自動過程.文獻(xiàn)[100]通過對觸覺反饋人機協(xié)同控制系統(tǒng)的分析,得出現(xiàn)存的共駕系統(tǒng)能夠糾正駕駛員的錯誤程度較高的駕駛行為,但是為了提高共駕系統(tǒng)的性能,必須對駕駛員和共駕系統(tǒng)在小偏差范圍內(nèi)的駕駛權(quán)沖突進(jìn)行研究.文獻(xiàn)[117]通過視覺預(yù)瞄機制計算車輛的側(cè)向位置偏差和車輛航向角偏差,同時將側(cè)向位置偏差和航向角偏差作為滑膜切換函數(shù)滑膜面的參數(shù),設(shè)計了以駕駛員駕駛狀態(tài)和車輛位置偏差作為變量的模糊規(guī)則,能夠?qū)崿F(xiàn)控制器和駕駛員的駕駛權(quán)平滑過渡的協(xié)同控制.文獻(xiàn)[118]實現(xiàn)轉(zhuǎn)矩交互式轉(zhuǎn)向共駕系統(tǒng)與直接橫擺力矩的集成控制,提高了路徑跟蹤性能,實現(xiàn)了良好的人機合作特性,并在小型電動車平臺上驗證了集成控制的優(yōu)點.文獻(xiàn)[119]研究提出了一種風(fēng)險預(yù)測的協(xié)同轉(zhuǎn)向控制,基于潛在的風(fēng)險預(yù)測,如在城市道路上騎自行車的人,在駕駛模擬器實驗中,研究了駕駛員對共駕系統(tǒng)的接受度并驗證系統(tǒng)所提供聽覺警報和視覺信息的有效性,同時在具有隱藏的風(fēng)險場景下實現(xiàn)了協(xié)同轉(zhuǎn)向控制.

圖8 觸覺交互式人機共駕示意圖Fig.8 The structure of haptic interaction shared control

觸覺交互式協(xié)同控制的關(guān)鍵因素是確定符合人類神經(jīng)肌肉運動特性的期望輔助力矩,在研究適應(yīng)駕駛員神經(jīng)肌肉特性的觸覺交互式人機協(xié)同控制方面,文獻(xiàn)[120]證明了充分理解人類神經(jīng)肌肉運動與期望力矩的關(guān)系,是改善人機共駕過程中力矩交互效果的關(guān)鍵因素.結(jié)果表明,當(dāng)轉(zhuǎn)矩的調(diào)節(jié)與真正的神經(jīng)肌肉行為不匹配時,指導(dǎo)力矩要么過高,要么過低,會大大降低人機共駕性能.文獻(xiàn)[121]研究了基于轉(zhuǎn)向扭矩輸入的主動轉(zhuǎn)向系統(tǒng)與駕駛員在避障工況下共駕控制特性,并利用駕駛模擬器重構(gòu)危險場景,對駕駛員與主動轉(zhuǎn)向系統(tǒng)之間的協(xié)同控制特性進(jìn)行了研究.文獻(xiàn)[122]指出了非個性化輔助系統(tǒng)在面對不同駕駛員時會由于和駕駛員產(chǎn)生轉(zhuǎn)矩沖突影響輔助系統(tǒng)的控制效果,針對個性化駕駛員調(diào)整控制器參數(shù),實現(xiàn)了針對個性化駕駛員的共駕系統(tǒng)匹配.文獻(xiàn)[123]將觸覺反饋式協(xié)同控制用在了緊急避撞任務(wù),輔助力過大會導(dǎo)致駕駛員出現(xiàn)下意識的反制現(xiàn)象.文獻(xiàn)[124]研究了不同程度觸覺反饋力下的人機協(xié)同情況,發(fā)現(xiàn)反饋力較小時系統(tǒng)性能的提升更為明顯.文獻(xiàn)[125]研究了不同道路和不同速度下駕駛時人類駕駛員神經(jīng)肌肉力學(xué)特性變化,并認(rèn)為觸覺反饋共駕控制器參數(shù)應(yīng)該隨著道路環(huán)境和駕駛員肌肉特性變化進(jìn)行調(diào)整.文獻(xiàn)[126]認(rèn)為人機協(xié)同的關(guān)鍵在于確定駕駛員和控制系統(tǒng)之間的駕駛權(quán),通過對人類手臂生物力學(xué)阻抗建模,設(shè)計了一種觸覺交互式動態(tài)協(xié)同轉(zhuǎn)向控制系統(tǒng),通過調(diào)節(jié)共駕系統(tǒng)阻抗的方式實現(xiàn)力矩對駕駛員反饋,達(dá)到駕駛員肌肉神經(jīng)轉(zhuǎn)向響應(yīng)與共駕系統(tǒng)的融合,并在開發(fā)的實驗平臺進(jìn)行了驗證.文獻(xiàn)[127]開發(fā)一個包括巡航和自動車道保持功能的自動駕駛系統(tǒng),駕駛員被建模為一個帶有神經(jīng)肌肉動力學(xué)控制器.該方法的一個特點是利用混合自動控制的概念來對不同的驅(qū)動模式進(jìn)行建模,利用平均停留時間的概念來評估共駕系統(tǒng)的穩(wěn)定性,并使用度量間隔時間邏輯來對可能影響切換的不同參數(shù)進(jìn)行驗證.

通過駕駛員和智能系統(tǒng)的人機智能混合增強與協(xié)同可以顯著提高汽車的性能,部分學(xué)者圍繞協(xié)調(diào)人機關(guān)系方面進(jìn)行了探索,以達(dá)到增強人機混合系統(tǒng)性能的目的.文獻(xiàn)[128]運用兩點預(yù)瞄駕駛員模型對司機的行為進(jìn)行預(yù)測,并將其集成到控制器的設(shè)計過程中,提出了一種避免人機沖突情況出現(xiàn)的變權(quán)重控制權(quán)決策算法.文獻(xiàn)[129]提出了一種路徑跟蹤駕駛員輔助系統(tǒng),并研究了與兩點預(yù)瞄駕駛員模型的交互作用,以此為基礎(chǔ)設(shè)計了基于線性多變量輸出調(diào)節(jié)器理論和模型預(yù)測控制理論的控制方法.文獻(xiàn)[130]在設(shè)計觸覺反饋式共駕控制器的過程中,考慮了智能系統(tǒng)對駕駛員意圖的預(yù)測和控制權(quán)的移交問題.文獻(xiàn)[131]通過模糊控制方法,將共駕系統(tǒng)的輸入融入到駕駛員意圖和輸入當(dāng)中,運用Lyapumov穩(wěn)定性理論設(shè)計控制器,在不同車速范圍內(nèi)驗證控制方法的有效性,并且僅需要系統(tǒng)輸出信號就可以完成控制方法實現(xiàn),減小了控制器實現(xiàn)的難度.文獻(xiàn)[132]則將轉(zhuǎn)向過程協(xié)同控制看作微分博弈問題,認(rèn)為在駕駛員控制模型已知的情況下,共駕控制器的最優(yōu)輸入應(yīng)該使系統(tǒng)達(dá)到納什均衡.文獻(xiàn)[133]指出作為促進(jìn)合作的主要條件,必須明確地考慮駕駛員的目標(biāo)和轉(zhuǎn)向操作,將駕駛員轉(zhuǎn)向運動描述為一系列運動基本單元形式,以便計算最佳扭矩.文獻(xiàn)[134]利用對比實驗驗證共駕控制一定程度上影響了駕駛員的駕駛習(xí)慣,當(dāng)系統(tǒng)失效時駕駛員在彌補系統(tǒng)失效方面有一定困難,指出協(xié)同控制中對人類駕駛員駕駛行為影響的研究十分匱乏.文獻(xiàn)[135]對現(xiàn)有觸覺反饋式人機共駕系統(tǒng)分析,著重總結(jié)了觸覺系統(tǒng)(包括功能、觸覺信號、通路和支持任務(wù))的實驗測試方法、如何評估這些觸覺系統(tǒng),以及共駕系統(tǒng)對司機表現(xiàn)和行為產(chǎn)生的影響.文獻(xiàn)[136]認(rèn)為輔助駕駛系統(tǒng)濫用會減弱人類駕駛員的駕駛能力,而有效的人機協(xié)同應(yīng)該能夠促進(jìn)人類駕駛員的駕駛能力,以此為出發(fā)點提出了一種觸覺交互式人機共駕控制策略,減輕了駕駛員的駕駛負(fù)擔(dān),同時促進(jìn)了駕駛員駕駛能力的提高.文獻(xiàn)[137]通過虛構(gòu)駕駛員模型建立人–車–路一體化控制模型,并利用模糊控制方法處理駕駛員參數(shù)和車輛速度變化所造成的影響,保障了車輛的安全和舒適性,并在理論上分析了系統(tǒng)狀態(tài)和輸入受限情況下系統(tǒng)的魯棒性.文獻(xiàn)[138]利用在線辨識參數(shù)的方式解決系統(tǒng)控制參數(shù)時變問題,根據(jù)模型的更新確定交互等級,最終計算合適的交互力矩.文獻(xiàn)[139]認(rèn)為高性能的共駕控制實現(xiàn)必須對駕駛員的轉(zhuǎn)向行為進(jìn)行充分認(rèn)識,文中利用兩點預(yù)瞄駕駛員模型在多工況下辨識模型參數(shù),利用卡爾曼濾波估計駕駛員行為,將估計到的駕駛員行為進(jìn)行分析并根據(jù)駕駛員動作平滑程度利用Lipschitz指數(shù)進(jìn)行分類,為共駕控制的高性能實現(xiàn)提供參考.

隨著汽車智能化程度的不斷提高,人機協(xié)同中駕駛員行為的研究是高性能的人機協(xié)同控制系統(tǒng)實現(xiàn)不可越過的難題.目前關(guān)于人機協(xié)同控制中對人的考慮多是利用現(xiàn)存的駕駛員建模方式對駕駛員進(jìn)行預(yù)測和交互,而人機系統(tǒng)的存在會改變傳統(tǒng)駕駛員的認(rèn)知和駕駛習(xí)慣,如何對人機系統(tǒng)影響下駕駛員主觀感受以及駕駛習(xí)慣進(jìn)行建模目前還處于起步階段;同時如何實現(xiàn)人機系統(tǒng)混合增強,而不是造成沖突與非合作模式是提升人機協(xié)同控制系統(tǒng)性能最關(guān)鍵的因素;最后在人機界面實現(xiàn)人機柔性交互也是提升駕駛員對人機共駕系統(tǒng)接受度值得關(guān)注的問題.

1.2.4 人機協(xié)同控制測試與評價的研究現(xiàn)狀

自從車輛誕生之日起,人們就開始對車輛的運動性能進(jìn)行測試和評價,傳統(tǒng)車輛的運動性能主要包含操縱穩(wěn)定性和平順性兩個方面.汽車操縱穩(wěn)定性的測試包括低速行駛轉(zhuǎn)向輕便性測試、穩(wěn)態(tài)轉(zhuǎn)向特性測試、瞬態(tài)橫擺響應(yīng)測試、汽車回正能力測試、轉(zhuǎn)向盤角脈沖測試及轉(zhuǎn)向盤中間位置操縱穩(wěn)定性測試等.汽車平順性,是指汽車在一般行駛速度范圍內(nèi)行駛時,避免因汽車在行駛過程中所產(chǎn)生的振動和沖擊,使人感到不舒服、疲勞,甚至損害健康,或者使貨物損壞的性能.由于平順性主要是根據(jù)乘員的舒適程度來評價,所以又稱為乘坐舒適性,它是現(xiàn)代高速汽車的主要性能之一[140].

不同于傳統(tǒng)汽車的測試與評價,智能汽車測試評價的對象已從傳統(tǒng)人、車二元獨立系統(tǒng)變?yōu)槿栓C車–環(huán)境–任務(wù)強耦合系統(tǒng),測試場景及測試任務(wù)難以窮盡,評價維度紛繁復(fù)雜.因此,測試與評價是目前智能汽車的研究難點和熱點之一.

在智能汽車測試方面,傳統(tǒng)汽車測試主要是人、車二元獨立測試,由于人的智能度較高,對車輛的行駛工況、環(huán)境及任務(wù)等具有很好的學(xué)習(xí)能力,因此,對于人的測試主要是通過典型工況的駕駛員考試進(jìn)行測試;對于車的測試主要通過專業(yè)測試員在典型工況的實驗進(jìn)行測試.智能汽車是一個人–車–環(huán)境–任務(wù)強耦合系統(tǒng),其測試內(nèi)容包括智能汽車環(huán)境感知與定位系統(tǒng)、決策規(guī)劃系統(tǒng)、控制執(zhí)行系統(tǒng)及信息安全等模塊和功能,需要通過復(fù)雜場景及任務(wù)的測試說明上述功能和模塊的有效性及可靠性等性能.如果完全通過道路測試進(jìn)行智能汽車測試,測試場景和測試任務(wù)難以窮盡,且存在道路安全問題,因此目前的智能汽車測試主要通過軟件測試、硬件在環(huán)虛擬仿真測試、封閉場地測試及道路測試逐步完成.測試場景是開展上述測試的重要前提,德國于2016年發(fā)起PEGASUS項目,計劃于2019年底建成用于系統(tǒng)開發(fā)和測實驗證的場景庫[141].我國中汽中心、上海汽車城等也啟動了中國智能駕駛場景數(shù)據(jù)庫建設(shè).在硬件在環(huán)仿真測試方面,Waymo公司開發(fā)了模擬系統(tǒng)Carcraft,國內(nèi)外相關(guān)高校也就硬件在環(huán)實驗測試平臺的開發(fā)展開了相關(guān)研究,并建立了智能汽車虛擬測試平臺[142?145].文獻(xiàn)[142]搭建硬件在環(huán)仿真系統(tǒng),其目的是在實驗室環(huán)境進(jìn)行智能汽車的研發(fā)、測試以及雷達(dá)和攝像頭等傳感器功能及算法的開發(fā).文獻(xiàn)[143]中建立等比例縮小的硬件在環(huán)實驗平臺,該平臺系統(tǒng)包括按比例縮放的自主車輛、道路、監(jiān)控中心、傳輸裝置及定位裝置等,并基于該平臺進(jìn)行了高速U型轉(zhuǎn)彎等實驗.文獻(xiàn)[144]采用硬件在環(huán)測試平臺實現(xiàn)了駕駛員智能輔助系統(tǒng)的測試與驗證.文獻(xiàn)[145]搭建了智能網(wǎng)聯(lián)汽車硬件在環(huán)測試平臺,該平臺由真實發(fā)動機、測試機及虛擬動力學(xué)模型和交通環(huán)境仿真器組成,可實現(xiàn)基于智能交通信息的發(fā)動機油耗的優(yōu)化控制.在封閉測試場建設(shè)方面,Waymo公司建立了測試基地Castle,美國密歇根大學(xué)建立了智能汽車專用實驗場Mcity,并提出了加速測試方法[146?147],與非加速測試相比,可顯著縮短測試時間,瑞典建立了AstaZero智能汽車實驗場,我國在上海、重慶等地也建立了試點示范區(qū).針對測試場景庫的建立和測試平臺雖然已經(jīng)開展了一定的研究,但是現(xiàn)有數(shù)據(jù)庫的測試場景還不夠完備,特別是缺少滿足我國國情需求的典型場景,場景特征要素尚不清晰;硬件在環(huán)測試平臺中虛擬測試場景和真實場景之間的有效映射機制尚不明晰,柔性測試工具鏈和自適應(yīng)加速測試技術(shù)尚不完善.

評價理論是建立智能汽車測試評價體系的基礎(chǔ),除了傳統(tǒng)汽車評價的操縱穩(wěn)定性和平順性外,智能汽車評價還包括環(huán)境復(fù)雜度、任務(wù)復(fù)雜度、人工干預(yù)度及智能度等評價指標(biāo).美國標(biāo)準(zhǔn)與技術(shù)研究院提出了一種包含環(huán)境復(fù)雜度、任務(wù)復(fù)雜度和人工干預(yù)度的無人系統(tǒng)智能分級方法[148].德國亞琛工大研究了涵蓋乘員、技術(shù)、交通和環(huán)境等方面的自動駕駛評價方法[149].文獻(xiàn)[150]建立了兩類評估模型評價自動駕駛汽車完成一個駕駛?cè)蝿?wù)的智能度.但現(xiàn)有研究多針對特定功能或性能,缺乏通用性,主客觀多維度綜合評價理論還有待研究.構(gòu)建系統(tǒng)的標(biāo)準(zhǔn)體系是智能汽車測試評價研究的核心目標(biāo).美國交通部、SAE等均致力于完善智能汽車相關(guān)的標(biāo)準(zhǔn)條例[151?153].我國“智能汽車創(chuàng)新發(fā)展戰(zhàn)略”等均將其列為重要戰(zhàn)略任務(wù),并出臺了國家車聯(lián)網(wǎng)產(chǎn)業(yè)標(biāo)準(zhǔn)體系建設(shè)指南[154].但現(xiàn)有智能汽車相關(guān)規(guī)范多為指南,缺少具體測試數(shù)據(jù)支撐,可執(zhí)行性不高,尚無系統(tǒng)級和整車級測試評價體系.綜上,智能汽車測試評價技術(shù)尚未成熟,相關(guān)問題亟待突破.構(gòu)建適用于我國國情的測試場景數(shù)據(jù)庫,建立虛擬測試平臺和封閉測試場,制定測試評價方法體系和相應(yīng)國家標(biāo)準(zhǔn),是我國智能汽車創(chuàng)新發(fā)展需要掌握的關(guān)鍵核心技術(shù)之一.

2 人機協(xié)同控制的研究展望

在人機共駕系統(tǒng)中,風(fēng)格各異的駕駛員與車輛智能控制系統(tǒng)共同構(gòu)成了對智能汽車的共駕控制,兩者之間動態(tài)交互,形成相互耦合與制約關(guān)系.目前車輛駕駛?cè)蝿?wù)中人機交互方式大多只停留在感知、決策或執(zhí)行等單一層面,交互方式相對簡單,難以應(yīng)對未來人機共駕系統(tǒng)多層次多維度交互與協(xié)同的需求,且缺乏深入研究駕駛員的狀態(tài)、意圖和行為,以及駕駛員對智能控制系統(tǒng)在感知層、決策層和執(zhí)行層等駕駛過程中的影響.因此,深入剖析和理解復(fù)雜車輛智能控制系統(tǒng)和駕駛員的駕駛機理,探索兩者之間的沖突與交互機制,建立人機共駕理論體系,構(gòu)建人性化、個性化的人機合作混合智能系統(tǒng),搭建人機共駕系統(tǒng)測試驗證平臺,可極大促進(jìn)汽車智能化的發(fā)展進(jìn)程.為此,針對駕駛員共性的駕駛特征和個性的駕駛差異,需建立可反映駕駛狀態(tài)、習(xí)性和技能的數(shù)學(xué)模型,辨識駕駛意圖和預(yù)測駕駛行為;針對極限工況下車輛的運動穩(wěn)定性問題,需探索考慮車輛運動的失穩(wěn)機理,研究車輛失穩(wěn)邊界的辨識方法、共駕車輛的主動擴穩(wěn)控制方法,以及車輛碰撞難以避免情況下的碰撞安全性控制;考慮到駕駛員具有較強的環(huán)境理解能力,可與智能系統(tǒng)具有精準(zhǔn)的信息獲取能力形成優(yōu)勢互補的特點,研究駕駛員在回路的人機協(xié)同感知與認(rèn)知方法,增強人機系統(tǒng)對環(huán)境的感知與理解;綜合可預(yù)測的駕駛行為和駕駛意圖、失穩(wěn)邊界及協(xié)同感知信息,研究人機在決策規(guī)劃及控制執(zhí)行中的交互與協(xié)同方法;基于上述理論成果,開發(fā)個性化的人機共駕系統(tǒng);研究人機協(xié)同控制系統(tǒng)的測試與評價方法,建立覆蓋典型場景、評價定量化、主客觀結(jié)合的測評體系,構(gòu)建虛擬和實車測試相結(jié)合的驗證平臺.為提高我國汽車產(chǎn)業(yè)自主創(chuàng)新能力與核心競爭力及實現(xiàn)《中國制造2025》的產(chǎn)業(yè)化目標(biāo)提供基礎(chǔ)理論與關(guān)鍵技術(shù)支撐.具體研究展望包含如下幾個方面:

1)駕駛員駕駛意圖、狀態(tài)及習(xí)性建模與預(yù)測

針對駕駛行為具有可完成駕駛?cè)蝿?wù)的共性特征,研究基于先進(jìn)控制理論、認(rèn)知心理學(xué)與統(tǒng)計分析相結(jié)合的駕駛行為固有屬性表述與建模方法,揭示駕駛員對行駛環(huán)境激勵的響應(yīng)機理、探究影響駕駛員對駕駛?cè)蝿?wù)規(guī)劃與決策的內(nèi)因,建立駕駛員操控不同汽車的學(xué)習(xí)過程模型;針對駕駛員的駕駛狀態(tài)、習(xí)性和技能具有顯著的個性差異的特點,設(shè)計典型工況實驗進(jìn)行不同類型駕駛員的人–車–環(huán)境閉環(huán)系統(tǒng)下駕駛數(shù)據(jù)的采集,研究基于深度數(shù)據(jù)挖掘與自學(xué)習(xí)方法的駕駛狀態(tài)/負(fù)荷的在線監(jiān)測方法,以及不同類型駕駛員的駕駛習(xí)性和技能的表征與辨識方法,實現(xiàn)導(dǎo)致駕駛行為差異性的特征變量提取和定量表述;針對駕駛意圖和駕駛行為顯著影響智能控制系統(tǒng)性能的問題,研究基于高斯隱馬爾科夫模型與混合智能學(xué)習(xí)相結(jié)合的駕駛意圖在線識別方法和駕駛行為預(yù)測方法;探究駕駛負(fù)荷和異常駕駛狀態(tài)、意圖及行為對安全駕駛操控的影響機理,促進(jìn)智能駕駛系統(tǒng)在安全、舒適、人性化及個性化等性能的全面提升.

2)人機協(xié)同控制車輛的運動穩(wěn)定性和碰撞安全性控制

針對極限工況下車輛的穩(wěn)定性控制問題,研究輪胎非線性耦合特性和側(cè)–縱–垂向高維動力學(xué)建模方法,以及車輛的失穩(wěn)機理和失穩(wěn)邊界辨識方法;研究交通環(huán)境瞬變情況下交通參與主體狀態(tài)預(yù)測及汽車動態(tài)安全包絡(luò)預(yù)估方法,實現(xiàn)基于危險程度評估的汽車動態(tài)安全行駛區(qū)域的劃分和快速求解;研究臨界失穩(wěn)狀態(tài)下考慮駕駛員主觀感受的主動擴穩(wěn)控制方法,擴大車輛運動控制的穩(wěn)定域;針對事故難以避免的情況,分析汽車行駛狀態(tài)超出穩(wěn)定性邊界后的動力學(xué)特性,探索車輛漂移控制方法和碰后控制方法,進(jìn)而通過失穩(wěn)情況下的動力學(xué)控制避免交通事故的發(fā)生或避免碰撞后出現(xiàn)二次碰撞.

3)駕駛員在回路的人機協(xié)同感知與認(rèn)知

結(jié)合認(rèn)知心理學(xué)、腦科學(xué)等領(lǐng)域的最新進(jìn)展,研究駕駛員對環(huán)境及交通參與主體行為的感知與認(rèn)知信息的提取方法;結(jié)合交通知識庫及駕駛員行為分析,利用駕駛員感知與認(rèn)知信息的有限數(shù)據(jù),研究基于混合增強智能的人機交互學(xué)習(xí)機理,構(gòu)建具有自動生成類似數(shù)據(jù)功能的生成模型,生成擁有更多駕駛員要素的復(fù)雜工況場景;結(jié)合智能系統(tǒng)在環(huán)境及交通主體感知方面的優(yōu)勢,研究復(fù)雜工況場景下的人機協(xié)同感知方法,提高人機共駕系統(tǒng)對交通環(huán)境的感知能力;在此基礎(chǔ)上,利用駕駛員在交通環(huán)境理解與預(yù)測等認(rèn)知方面的優(yōu)勢,研究非完整、非結(jié)構(gòu)化信息處理的人工智能新方法,提高人機共駕系統(tǒng)對復(fù)雜交通環(huán)境的理解與交通參與主體行為的預(yù)測能力;實現(xiàn)人機協(xié)同共融的環(huán)境、情景理解,為實現(xiàn)人車駕駛控制權(quán)安全分配及切換控制提供理論支撐及啟發(fā)機理.

4)人機在決策規(guī)劃以及控制執(zhí)行中的交互與協(xié)同

針對如車道保持等人機共駕智能汽車駕駛場景,研究人機期望決策規(guī)劃與控制執(zhí)行一致程度的估算分類模型,給出共駕控制權(quán)的分配協(xié)議和柔性轉(zhuǎn)移機制,研究基于微分博弈論的駕駛員操作強度和車輛行駛性能優(yōu)化的協(xié)同控制方法;根據(jù)駕駛員狀態(tài)(正常駕駛或異常)和駕駛場景(車道保持、自由換道或緊急避撞等)對共駕模式進(jìn)行詳細(xì)劃分,確定各模式下駕駛員控制權(quán)限和系統(tǒng)能力邊界,制定相應(yīng)的控制權(quán)分配方案和轉(zhuǎn)移規(guī)則;研究人機共駕過程中控制權(quán)的平順轉(zhuǎn)移機理,建立基于協(xié)同控制器輸出的柔性過渡機制,以操控安全性與駕駛舒適性作為評價指標(biāo),實現(xiàn)共駕車輛駕駛權(quán)的柔性切換;探討非合作博弈模式相較于合作博弈模式的差異性,研究基于微分博弈理論的駕駛員操作強度和車輛行駛性能優(yōu)化的協(xié)同控制方法.

5)個性化人機共駕系統(tǒng)開發(fā)

針對復(fù)雜行駛環(huán)境下人機交互需求,建立駕駛員使用模式特征表征體系,獲得真實交通中人、車、道路環(huán)境三者之間的交互數(shù)據(jù),完善交通流、地理信息、車車通信基礎(chǔ)上的信息應(yīng)用機制;針對適用于智能駕駛系統(tǒng)的駕駛意圖個性化及其參數(shù)化描述的問題,研究在典型工況下車輛運動意圖(加速、制動和轉(zhuǎn)向)的辨識與分析方法,建立基于隱目的地和行為反應(yīng)的混合式駕駛員駕駛意圖評價體系;利用智能交通信息、地理信息及駕駛員行為預(yù)測信息,研究預(yù)測主動安全技術(shù);考慮個性化駕駛員的駕駛習(xí)性對安全、節(jié)能、減排及舒適性性能決策的影響,解析駕駛習(xí)性對不同駕駛?cè)蝿?wù)下的性能需求,基于人機協(xié)同控制理論,研究個性化人機共駕技術(shù),實現(xiàn)車適應(yīng)人的目標(biāo),以及個性化的節(jié)能、減排和舒適.

6)人機協(xié)同控制系統(tǒng)驗證平臺開發(fā)與測試評價方法

針對實際道路上汽車駕駛遇到的工況復(fù)雜,同時考慮到道路測試中存在的場景模型單一、測試耗時長、損耗大、存在環(huán)境干擾因素等問題,研制模擬駕駛和實車駕駛相融合的人機共駕型智能汽車測試平臺,利用機器學(xué)習(xí)方法學(xué)習(xí)已有實際實驗場景數(shù)據(jù)提取特征并擴展測試域,構(gòu)建不同工況下虛擬場景并進(jìn)行實驗,驗證系統(tǒng)的駕駛權(quán)分配、自主及人機共駕決策理論體系及邏輯轉(zhuǎn)換控制策略、人機共駕系統(tǒng)的整體性能以及駕駛員和自動駕駛系統(tǒng)高度融合及融合等級;針對人機共駕評價體系評價標(biāo)準(zhǔn)欠缺、實驗要求范圍廣且主觀評價實驗差異大的特點,利用數(shù)據(jù)建模、插值、回歸等分析手段,基于神經(jīng)網(wǎng)絡(luò)的多維分析方法,通過聚類統(tǒng)計分析得到人機系統(tǒng)的駕駛行為參數(shù)分布,訓(xùn)練得到接近人類評車師主觀評價結(jié)果的類評車師模型,建立起數(shù)字化、便捷化、計算快的類評車師汽車動力學(xué)性能主觀評價體系,實現(xiàn)對環(huán)境復(fù)雜度、任務(wù)復(fù)雜度、人工干預(yù)度及智能度等指標(biāo)的定量評價,進(jìn)而結(jié)合客觀評價方法共同構(gòu)建可評估人機共駕系統(tǒng)全方位性能指標(biāo)的綜合評價理論和體系.