[發明專利]一種駕駛員制動行為及狀態實時辨識方法

有效

• 申請號: 201710082107.9
• 申請日: 2017-02-15
• 公開（公告）號: CN106828503B
• 公開（公告）日: 2018-11-30
• 發明（設計）人: 裴曉飛;潘浩;過學迅;孫道遠;余奎;董興智
• 申請（專利權）人: 武漢理工大學
• 主分類號: B60W40/09
• 分類號: B60W40/09
• 代理公司: 湖北武漢永嘉專利代理有限公司 42102
• 代理人: 王丹;李丹

本發明公開了一種駕駛員制動行為及狀態實時辨識方法，該方法包括以下步驟：1）通過實車測試平臺獲取駕駛員實車原始試驗數據；2）對試驗數據進行預處理；所述預處理包括降噪預處理和異常數據處理；3）利用主成分分析法對預處理后數據進行特征抽取和數據降維；4）對制動踏板力、制動踏板行程和制動踏板行程變化率數據進行聚類；5）基于統計模式識別模型完成不同制動行為及狀態的離線學習，獲得對應量化表征值的行為訓練庫和狀態訓練庫；6）實時辨識不同駕駛員在不同行駛工況下的制動行為及狀態。本發明方法可用于線控制動系統、制動能量回收策略、車輛行駛狀態監測等技術領域，亦為實現基于駕駛員行為的自動駕駛決策控制創造條件。

技術領域

本發明涉及車輛智能輔助駕駛技術，尤其涉及一種駕駛員制動行為及狀態實時辨識方法。

背景技術

隨著車輛技術朝智能化和共享化方向不斷推進，一系列圍繞車輛制動系統展開的智能輔助駕駛系統被提出，對傳統制動系統的控制決策提出更高要求。在中國汽車工程學會發布的《節能與新能源汽車技術路線圖》中，針對智能網聯汽車的控制決策提出基于駕駛員行為的自動駕駛控制功能開發要求，強調基于駕駛行為對環境、車輛特性、動態運動機制適應學習的必要性。

制動狀態辨識可視為是一個融合數據挖掘、智能計算和機器學習的模式識別過程，劃分為信號采集、特征提取、行為聚類、適應學習和實時辨識五個過程。目前關于制動狀態的專利和研究由于沒有完全從駕駛員操作習慣和制動行為特性角度出發，選定的特征參數和聚類依據很難全面描述駕駛過程中可能出現的所有制動狀態，辨識周期選取與駕駛員實際制動行為一致性不高，辨識過程過于依賴離線訓練的模型庫，很難保證辨識結果的實時性和準確性。

發明內容

本發明要解決的技術問題在于針對現有技術中的缺陷，提供一種駕駛員制動行為及狀態實時辨識方法。

本發明解決其技術問題所采用的技術方案是：一種駕駛員制動行為及狀態實時辨識方法，包括以下步驟：

1)通過實車測試平臺獲取與駕駛員制動行為及狀態有關的實車原始試驗數據，所述原始試驗數據包括車輛車速、車輛輪速、管路壓力、制動踏板行程、制動踏板力5種數據；對制動踏板行程、制動踏板力數據進行差分，獲得制動踏板行程變化率和制動踏板力變化率；

2)對試驗數據進行預處理；所述預處理包括降噪預處理和異常數據處理；

3)利用主成分分析法對預處理后數據進行特征抽取和數據降維，通過數據貢獻度大小提取出最能表征制動行為及狀態的參數，即制動踏板行程、制動踏板力和制動踏板行程變化率；

4)采用ISODATA算法對制動踏板力、制動踏板行程和制動踏板行程變化率數據進行聚類，將制動行為分為重度踩制動踏板、輕度踩制動踏板、中度踩制動踏板、制動踏板保持行為、制動踏板零行為、快速釋放制動踏板、慢速釋放制動踏板7種，制動狀態分為緊急制動、持續制動、調節制動和目標制動4種；

5)基于統計模式識別模型完成不同制動行為及狀態的離線學習，獲得對應量化表征值的行為訓練庫和狀態訓練庫；

6)將采集到的制動踏板數據信號實時傳送到各行為訓練庫，基于極大似然參數估計方法實時辨識不同駕駛員在不同行駛工況下的制動行為及狀態。

按上述方案，所述步驟4)采用格拉布斯(Grubbs)準則對原始數據進行篩選，剔除由駕駛員誤操作或測試環境干擾產生的異常數據。

按上述方案，所述步驟4)中制動踏板力、制動踏板行程、制動踏板行程變化率數據在完成預處理后，需按照辨識周期進行時序分段；試驗數據采集周期為設定周期，制動行為辨識周期為16個試驗數據采集周期，制動狀態辨識周期為102個試驗數據采集周期；即短時序的制動行為有16個數據點，長時序的制動狀態有102個數據點。

按上述方案，所述試驗數據采集周期的設定周期為0.005s。