[發明專利]一種基于多因素影響的駕駛員彎道行駛軌跡分析方法

在審

• 申請號: 201710729261.0
• 申請日: 2017-08-23
• 公開（公告）號: CN107742177A
• 公開（公告）日: 2018-02-27
• 發明（設計）人: 江浩斌;周婕;李傲雪;蔡駿宇;馬世典;耿國慶;周新宸
• 申請（專利權）人: 江蘇大學
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06F17/18;B60W40/09
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明屬于智能汽車仿人控制領域，具體涉及一種基于多因素影響的駕駛員彎道行駛軌跡分析方法。

背景技術

智能汽車具有環境感知，規則決策，多等級輔助駕駛等功能，融合了計算機，通訊，人工智能及自動控制等技術。目前，智能汽車研究重點為提高汽車的安全性以及舒適性并提供優良的人車交互界面。優秀的駕駛員具有豐富的駕駛經驗和技巧，若智能汽車能學習或模仿人類駕駛員對汽車轉向系統進行控制，則會使智能汽車更容易被人類接受。

現有的智能汽車路線規劃方法中，中國專利申請：基于威脅估計的智能車輛路徑規劃方法(申請號：CN201610050880.2)中僅以提高智能駕駛的安全性及高效性為目的進行路徑規劃，未考慮智能汽車的乘坐舒適性。中國專利申請：一種基于經驗路線的車輛路徑規劃方法(申請號：CN201610417918.5)中經驗路線優選時，僅考慮起點距離經驗路線的直線距離，以及重點距離經驗路線的直線距離等客觀因素，忽略了經驗路徑中的主觀因素以及經驗路徑其余環境因素。現行汽車行駛理論的道路設計方法，均是在無外界干擾且嚴格按照中心線行駛的理想狀態。仿人控制則為智能控制的核心，它主要通過模仿人的經驗和技巧來進行控制。此種方法顯然和實際行駛軌跡有差別，且無法滿足仿人智能駕駛的要求。

正交試驗法是研究多因素多水平的一種設計方法，它是根據正交性從全面試驗中挑選出部分有代表性的點進行試驗，是一種高效率、快速、經濟的實驗設計方法。在優秀駕駛員普通彎道行駛路徑的影響因素分析方法中，應用正交試驗法，達到高效，全面分析影響因素的目的。

發明內容

本發明的目的是針對上述問題提供一種基于多因素影響的駕駛員彎道行駛軌跡分析方法，本發明是用于優秀駕駛員普通彎道行駛軌跡影響因素分析，提出了影響優秀駕駛員在普通彎道行駛軌跡的客觀因素和主觀因素相結合的分析方法，基于正交試驗法對客觀因素和主觀因素進行顯著性分析，對提出影響優秀駕駛員行駛軌跡的影響因素的顯著性、及顯著程度排序，為普通彎道工況下的智能汽車仿人控制研究奠定基礎。

本發明的技術方案是：一種基于多因素影響的駕駛員彎道行駛軌跡分析方法，包括以下步驟：

步驟S1、提出駕駛員彎道行駛軌跡的影響因素和評價指標：所述影響因素包括客觀因素和主觀因素，所述客觀因素包括駕駛員的行車速度和彎道的曲率，所述主觀因素包括優秀駕駛員駕駛經驗，所述駕駛經驗包括駕駛員駕齡、年齡、性格以及試驗路段熟悉程度；所述評價指標包括客觀評價與主觀評價，所述客觀評價指標為側向偏移量，所述主觀評價指標為乘客的乘坐舒適性以及安全性；

步驟S2、根據正交試驗法，建立正交表：根據所述步驟S1中提出的駕駛員的行車速度、彎道的曲率和駕駛員駕駛經驗三個影響因素，選取n個因素水平，建立正交表；

步驟S3、根據所述步驟S2中得到的正交表進行駕駛員彎道行駛軌跡的試驗；

步驟S4、對所述步驟S3中得到的試驗數據進行方差分析，進行影響因素顯著性分析：利用方差分析來區別試驗數據的差異是由于因素水平不同引起的還是試驗誤差引起的，以進一步來確定普通彎道工況下優秀駕駛員行駛軌跡的主要影響因素和次要影響因素；方差分析又稱“變異數分析”，用于兩個及兩個以上樣本均數差別的顯著性檢驗。通過方差分析的方法來進行顯著性分析可以區別考察因素的試驗數據差別是由于不同水平引起的還是由于試驗誤差引起的；

利用方差分析，得到各影響因素的檢驗統計量F_比值：

其中f_A表示偏差平方和S_A，f_誤表示S_誤的自由度；

f_A＝因素A的水平數－1；

f_誤＝f_總－f_A；

f_總＝N－1，N為同一水平的總試驗次數；

其中為因素A在各水平下的偏差平方和相加；

其中為因素A各水平平均值之間的偏差平方和；

F分布臨界值表列出了各種自由度情況下F_比的臨界值，查得的臨界值記做F_α，這里的α是預先給定的顯著性水平，若F_比≥F_α，就有(1－α)的把握說明因素A的水平改變對結果有顯著性影響。

上述方案中，所述駕駛員為優秀駕駛員；