姬曉 李剛

（遼寧工業(yè)大學(xué)汽車(chē)與交通工程學(xué)院）

駕駛員特性是指駕駛員在操縱汽車(chē)時(shí)反映出的駕駛風(fēng)格，是受到駕駛員大腦控制四肢的速度和心理狀態(tài)變化的影響表現(xiàn)出的一種行為趨勢(shì)，主要由駕駛員操縱汽車(chē)的行為和汽車(chē)對(duì)其行為的反饋兩部分共同決定[1]。國(guó)內(nèi)外各研究機(jī)構(gòu)都進(jìn)行了一定的研究，文獻(xiàn)[2]對(duì)駕駛員的個(gè)性化駕駛行為模式進(jìn)行了研究，提出使用小腦模型關(guān)聯(lián)控制器建立駕駛員行為模型，有效辨別了駕駛員的行為特征。文獻(xiàn)[3]依靠從電子穩(wěn)定性程序（ESC）中獲取的車(chē)輛狀態(tài)參數(shù)信息，開(kāi)發(fā)了一款評(píng)估系統(tǒng)，對(duì)操縱危險(xiǎn)系數(shù)做出定義并將駕駛員進(jìn)行分類(lèi)。文獻(xiàn)[4]對(duì)車(chē)輛集成控制算法進(jìn)行人性化設(shè)計(jì)，采用神經(jīng)網(wǎng)絡(luò)方法建立了駕駛員轉(zhuǎn)向特性辨識(shí)系統(tǒng)。文章主要針對(duì)四輪獨(dú)立驅(qū)動(dòng)電動(dòng)汽車(chē)，研究不同工況下的駕駛員加速特性辨識(shí)及驅(qū)動(dòng)力矩增益匹配方法，以滿足不同特性駕駛員的駕駛要求。

1 駕駛員行駛數(shù)據(jù)采集

1.1 試驗(yàn)平臺(tái)簡(jiǎn)介

駕駛模擬器為駕駛員提供一個(gè)動(dòng)態(tài)可靠的駕駛環(huán)境，dSPACE 實(shí)時(shí)仿真系統(tǒng)通過(guò)傳感器采集到的駕駛操縱信息，再與車(chē)輛動(dòng)力學(xué)模型結(jié)合，最后計(jì)算得到的車(chē)輛行駛狀態(tài)信息通過(guò)投影顯示和音響設(shè)備輸出的方式傳送給駕駛員。駕駛員可以根據(jù)信息修正自己的駕駛操作，如釋放加速踏板，由此形成一個(gè)完整的閉環(huán)回路。駕駛模擬器試驗(yàn)平臺(tái)，如圖1 所示。

圖1 駕駛模擬器試驗(yàn)平臺(tái)

1.2 試驗(yàn)工況設(shè)計(jì)

文章以四輪獨(dú)立驅(qū)動(dòng)電動(dòng)汽車(chē)為研究對(duì)象，研究工況選擇 40 ～90 km/h 的加速工況和 90 ～120 km/h 的超車(chē)工況。

應(yīng)用駕駛模擬器中CarSim（汽車(chē)動(dòng)力學(xué)仿真軟件）搭建試驗(yàn)場(chǎng)景。低速加速試驗(yàn)場(chǎng)景為六邊形環(huán)形車(chē)道，邊線車(chē)道長(zhǎng)度為120 m，如圖2 所示。過(guò)彎后開(kāi)始記錄駕駛員的操縱信息。采集的駕駛員操縱數(shù)據(jù)包括：縱向車(chē)速、縱向加速度、踏板開(kāi)度、踏板開(kāi)度變化率以及總驅(qū)動(dòng)力矩。被測(cè)對(duì)象為若干具有駕駛經(jīng)驗(yàn)的人員，采集多組數(shù)據(jù)，并取完整度較好的一組。

圖2 低速加速試驗(yàn)場(chǎng)景

同樣在CarSim 軟件中搭建高速超車(chē)試驗(yàn)場(chǎng)景，該場(chǎng)景為1 200 m 長(zhǎng)的直線雙車(chē)道，如圖3 所示。車(chē)輛前方每隔100 m 放置一輛目標(biāo)車(chē)，目標(biāo)車(chē)車(chē)速為固定值100 km/h。試驗(yàn)操控人員開(kāi)啟數(shù)據(jù)采集開(kāi)關(guān)，采集被測(cè)人員加速超過(guò)每輛目標(biāo)車(chē)時(shí)的操縱數(shù)據(jù)，包括：縱向車(chē)速、縱向加速度、踏板開(kāi)度、踏板開(kāi)度變化率以及轉(zhuǎn)向盤(pán)轉(zhuǎn)角。被測(cè)對(duì)象為若干具有駕駛經(jīng)驗(yàn)的人員，采集多組數(shù)據(jù)并取完整度較好的一組。

圖3 超車(chē)工況試驗(yàn)場(chǎng)景

2 試驗(yàn)數(shù)據(jù)處理

2.1 試驗(yàn)數(shù)據(jù)預(yù)處理

由于駕駛模擬器的限制，采集到的試驗(yàn)數(shù)據(jù)采樣間隔為0.001 s，每一組數(shù)據(jù)長(zhǎng)度大約為60 s，因此處理數(shù)據(jù)的工作量非常巨大。冗余的試驗(yàn)數(shù)據(jù)不但耗費(fèi)時(shí)間，而且會(huì)帶來(lái)MATLAB（矩陣試驗(yàn)室）軟件處理困難等問(wèn)題，所以對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，將采樣時(shí)間重新調(diào)整到0.1 s。

另一方面，駕駛模擬器采集的信號(hào)屬于模擬量電信號(hào)，受車(chē)內(nèi)電磁波及其他機(jī)械設(shè)備等不同程度的干擾，所采數(shù)據(jù)會(huì)夾雜著一些白噪聲[5]。中值濾波可以最大限度地剔除設(shè)備干擾，有效減小白噪聲帶來(lái)的影響，相較于傳統(tǒng)的濾波算法，對(duì)數(shù)據(jù)準(zhǔn)確性的影響更小，因此文章采用中值濾波進(jìn)行數(shù)據(jù)處理，濾波前后對(duì)比，如圖4 所示。

圖4 濾波前和濾波后的對(duì)比圖

2.2 提取特征值

在對(duì)駕駛員加速特性分類(lèi)前首先要提取有效的特征值，該數(shù)據(jù)和原始數(shù)據(jù)具有同樣的意義，所以可用前者替代后者。據(jù)研究，車(chē)輛的加速性能與加速踏板開(kāi)度及其變化率的大小有某種關(guān)聯(lián)，而駕駛員加速特性在很大程度上被數(shù)據(jù)的極大值所影響。應(yīng)用MATLAB 從濾波后的數(shù)據(jù)中提取出加速踏板開(kāi)度極大值所對(duì)應(yīng)的時(shí)間點(diǎn)附近的速度、加速度、驅(qū)動(dòng)力矩以及轉(zhuǎn)向盤(pán)轉(zhuǎn)角最大值。低速加速試驗(yàn)工況的數(shù)據(jù)曲線及其特征值，如圖5 所示。

圖5 車(chē)輛數(shù)據(jù)曲線及其特征值

3 駕駛員加速特性分類(lèi)

所謂聚類(lèi)就是根據(jù)對(duì)象間的相近因素和分類(lèi)標(biāo)準(zhǔn)將數(shù)據(jù)分為幾類(lèi)。聚類(lèi)后的數(shù)據(jù)中同類(lèi)對(duì)象間相似性較大，不同類(lèi)中的數(shù)據(jù)差異性較大[6]。其中應(yīng)用最廣泛的是K-means 聚類(lèi)算法。K-means 算法是基于區(qū)域分化的聚類(lèi)算法，其特點(diǎn)是根據(jù)距離劃分k 類(lèi)有相同特點(diǎn)的簇[7]，具有簡(jiǎn)單、快捷的優(yōu)點(diǎn)，是聚類(lèi)分析中一種被廣泛應(yīng)用的啟發(fā)式劃分方法。

應(yīng)用K-means 聚類(lèi)算法對(duì)特征值進(jìn)行分類(lèi)。文章把駕駛員加速特性分為謹(jǐn)慎型、一般型、激進(jìn)型3 類(lèi)，故設(shè)定聚類(lèi)數(shù)目k 為3，并根據(jù)特征值的種類(lèi)數(shù)確定聚類(lèi)維度為5，最終編寫(xiě)聚類(lèi)程序如下：[Idx,C,sumD,D]=kmeans(Data,3,'dist','sqEuclidean','rep',4)

等號(hào)左邊，Idx 代表聚類(lèi)標(biāo)號(hào)，C 代表聚類(lèi)后的k個(gè)質(zhì)心位置，sumD 代表類(lèi)別中的數(shù)據(jù)點(diǎn)與該類(lèi)質(zhì)心點(diǎn)的距離和，D 代表每個(gè)點(diǎn)與質(zhì)心的距離；等號(hào)右邊，kmeans 表示使用K-均值聚類(lèi)，Data、3 表示將數(shù)據(jù)聚為3 類(lèi)，dist、sqEuclidean 表示計(jì)算距離為歐式距離，rep、4 表示聚類(lèi)重復(fù)次數(shù)為4。高速超車(chē)工況的特征點(diǎn)聚類(lèi)中心，如表1 所示。

表1 高速超車(chē)工況的特征點(diǎn)聚類(lèi)中心

對(duì)于激進(jìn)型駕駛員，操縱車(chē)輛時(shí)多存在以下行為趨勢(shì)：目標(biāo)車(chē)速相同時(shí)，加速踏板開(kāi)度較大或縱向加速度較高；目標(biāo)踏板開(kāi)度相同時(shí)，加速踏板開(kāi)度變化率較大或車(chē)速明顯較快。因此，結(jié)合客觀評(píng)價(jià)，可將A 類(lèi)駕駛員歸為謹(jǐn)慎型，將B 類(lèi)駕駛員歸為一般型，將C 類(lèi)駕駛員歸為激進(jìn)型。最終駕駛員加速特性的分類(lèi)結(jié)果為：謹(jǐn)慎型駕駛員為19 人，一般型駕駛員為17 人，激進(jìn)型駕駛員為14 人。和專(zhuān)業(yè)主觀評(píng)價(jià)師的評(píng)價(jià)作對(duì)比發(fā)現(xiàn)，該分類(lèi)結(jié)果也具有較好的主客觀一致性。

4 駕駛員加速特性辨識(shí)方法研究

4.1 辨識(shí)模型建立

根據(jù)低速加速工況和高速超車(chē)工況2 種試驗(yàn)工況的不同要求，分別訓(xùn)練2 種辨識(shí)模型。人工神經(jīng)網(wǎng)絡(luò)模式是21 世紀(jì)最受關(guān)注的模式識(shí)別方法[8-10]。神經(jīng)網(wǎng)絡(luò)的參數(shù)設(shè)置如下：最高迭代次數(shù)為1 000、訓(xùn)練預(yù)期精度為0.001，隱含層傳遞函數(shù)為S 型函數(shù)tan-sigmoid，輸出層傳遞函數(shù)為purlin 函數(shù)，應(yīng)用MATLAB 軟件中的工具箱完成對(duì)神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練，結(jié)果如圖6 所示。

圖6 加速特性辨識(shí)模型訓(xùn)練結(jié)果

4.2 離線驗(yàn)證

用50 組測(cè)試集驗(yàn)證建立好的辨識(shí)模型。輸入五維特征值數(shù)據(jù)，輸出表示駕駛員加速特性的一維數(shù)值，范圍在 0.5～3.5 之間。輸出在 0.5～1.5 之間的數(shù)值時(shí)，判定輸出結(jié)果為1，即辨識(shí)結(jié)果為謹(jǐn)慎型駕駛員；1.5～2.5 之間的數(shù)值判定輸出結(jié)果為2，視為一般型駕駛員；2.5～3.5 之間的數(shù)值判定為3，視為激進(jìn)型駕駛員。將模型輸出和測(cè)試集原有的分類(lèi)結(jié)果進(jìn)行對(duì)比，如圖7 所示?？梢钥闯觯A(yù)測(cè)輸出和已知特性類(lèi)別基本吻合，表明辨識(shí)模型在離線仿真階段表現(xiàn)較好。

圖7 特性類(lèi)別識(shí)別結(jié)果與已知結(jié)果對(duì)比圖

4.3 在線驗(yàn)證

根據(jù)車(chē)輛當(dāng)前速度將在線辨識(shí)模型分為2 類(lèi)：高速超車(chē)和低速加速。速度大于門(mén)限值時(shí)選用前者；小于門(mén)限值則選取后者。采集駕駛員的操作數(shù)據(jù)積累達(dá)一定值后，駕駛員加速特性辨識(shí)系統(tǒng)開(kāi)始工作并輸出辨識(shí)結(jié)果。

從分類(lèi)完成的3 種類(lèi)型的駕駛員中，隨機(jī)挑選6 名駕駛員進(jìn)行在線辨識(shí)，比對(duì)結(jié)果，如表2 所示?？梢钥闯觯{駛員加速特性辨識(shí)模型顯示結(jié)果與已知分類(lèi)結(jié)果基本一致。

表2 駕駛員加速特性辨識(shí)結(jié)果對(duì)比

5 驅(qū)動(dòng)力矩增益匹配

駕駛員操縱車(chē)輛加速過(guò)程中，駕駛員踩踏板的頻率、踩踏板的深淺程度及其他駕駛操作可以反映駕駛員的加速行為特性。合理反推，可以得出：不同加速特性的駕駛員，達(dá)到目標(biāo)車(chē)速狀態(tài)過(guò)程中所需的加速踏板到電機(jī)的驅(qū)動(dòng)力矩之間的聯(lián)系也不盡相同。由此引入一個(gè)驅(qū)動(dòng)力矩增益，將該增益定義為加速特性增益因子，用車(chē)輛模型下的驅(qū)動(dòng)力矩乘以該因子，即可得到不同增益下的等效驅(qū)動(dòng)力矩。

上文將駕駛員加速特性分成了3 類(lèi)，在此基礎(chǔ)上，從每一類(lèi)駕駛員中各選出5 個(gè)代表在駕駛模擬器上進(jìn)行試驗(yàn)。通過(guò)對(duì)駕駛模擬器車(chē)輛模型中的驅(qū)動(dòng)力矩增益不斷進(jìn)行調(diào)整，直到車(chē)輛運(yùn)動(dòng)狀態(tài)滿足駕駛員的需求喜好為止再停止調(diào)試，由此得到不同類(lèi)駕駛員的加速特性增益因子。表3 示出不同加速特性駕駛員對(duì)應(yīng)的最匹配的驅(qū)動(dòng)力矩增益因子以及最終得到的平均值。

表3 不同類(lèi)型駕駛員加速特性增益因子

由表3 可以看出，激進(jìn)型駕駛員傾向使用偏大的加速特性增益因子，對(duì)這類(lèi)駕駛員而言，他們期望的車(chē)輛反應(yīng)比真實(shí)車(chē)輛反饋的偏大；一般型駕駛員喜歡當(dāng)前的加速特性增益因子，對(duì)這類(lèi)駕駛員，他們的期望大多已經(jīng)與車(chē)輛反饋相一致；謹(jǐn)慎型駕駛員則偏愛(ài)較小的加速特性增益，這類(lèi)駕駛員駕駛風(fēng)格較為保守，這也符合我們生活中的實(shí)際情況。對(duì)于激進(jìn)型駕駛員，其踏板開(kāi)度總是接近全開(kāi)狀態(tài)，說(shuō)明當(dāng)前驅(qū)動(dòng)力矩太小而不能滿足其激進(jìn)特性，選擇較大的增益因子可以降低踏板工作負(fù)荷；對(duì)于謹(jǐn)慎型駕駛員，其踏板開(kāi)度常處于較小狀態(tài)，說(shuō)明當(dāng)前的驅(qū)動(dòng)力矩較大，選擇適當(dāng)小的增益因子可以降低駕駛員的精神壓力；對(duì)于一般型駕駛員，其踏板開(kāi)度使用頻率及其位置都是正常的，說(shuō)明當(dāng)前驅(qū)動(dòng)力矩已經(jīng)滿足其駕駛需求，故驅(qū)動(dòng)力矩可保持當(dāng)前狀態(tài)不變而增益因子為1。

在車(chē)輛行進(jìn)過(guò)程中，為不同加速特性的駕駛員配備了不同的驅(qū)動(dòng)力矩增益，踏板開(kāi)度與驅(qū)動(dòng)力矩的對(duì)應(yīng)關(guān)系，如圖8 所示。相同加速踏板開(kāi)度下，謹(jǐn)慎型駕駛員的驅(qū)動(dòng)力矩值最??；激進(jìn)型駕駛員的驅(qū)動(dòng)力矩值最大；而一般型駕駛員的驅(qū)動(dòng)力矩值介于上述二者之間。

圖8 驅(qū)動(dòng)力矩增益

6 結(jié)論

通過(guò)設(shè)計(jì)不同的城市道路工況，分別研究了高速超車(chē)工況和低速加速工況下的駕駛員加速特性分類(lèi)，利用K-means 聚類(lèi)算法將駕駛員分為謹(jǐn)慎型、一般型和激進(jìn)型。應(yīng)用分類(lèi)結(jié)果，分別訓(xùn)練了高速超車(chē)工況和低速加速工況的神經(jīng)網(wǎng)絡(luò)辨識(shí)模型并進(jìn)行了試驗(yàn)臺(tái)驗(yàn)證。通過(guò)試驗(yàn)不斷地調(diào)整驅(qū)動(dòng)力矩增益，直到車(chē)輛運(yùn)動(dòng)狀態(tài)符合駕駛員的喜好加速特性，實(shí)現(xiàn)了不同類(lèi)型駕駛員與驅(qū)動(dòng)力矩增益的匹配。試驗(yàn)結(jié)果表明，研究方法能夠?qū)︸{駛員加速特性進(jìn)行合理分類(lèi)，準(zhǔn)確辨別駕駛員的加速特性并匹配合適的加速增益因子。