[發明專利]基于駕駛員意圖識別的轉向力矩引導分配曲線設計方法

有效

• 申請號: 201910617952.0
• 申請日: 2019-07-10
• 公開（公告）號: CN110525433B
• 公開（公告）日: 2020-07-28
• 發明（設計）人: 武健;馮吉偉;包春江;尹成強;孫群
• 申請（專利權）人: 聊城大學
• 主分類號: B60W30/12
• 分類號: B60W30/12;B60W50/00
• 代理公司: 山東舜天律師事務所 37226
• 代理人: 李新海

1.基于駕駛員意圖識別的轉向力矩引導分配曲線設計方法，所述的駕駛員意圖情況分為車道保持、左/右變道、緊急避障，其特征在于包含以下步驟：

(1)針對不同駕駛員意圖的情況確定力矩引導的大小；

(2)首先確定力矩引導公式為：

其中τ_guide為轉向力矩引導，Δθ為真實方向盤轉角θ_real與目標方向盤轉角θ_target的差值，根據車輛的需求，轉向力矩引導將隨轉角差值的增大分為三個階段：輕微引導階段、線性增加力矩引導階段及力矩引導飽和階段；

故，可將f(Δθ)應用下面函數表示：

其中：K為引導力矩峰值系數，a為轉角線性差值曲率，b為轉角差值線性補償；

(3)針對不同的駕駛員意圖情況選取不同的K、a、b分段確定轉向力矩引導的大小；對駕駛員意圖為車道保持的情況對應的力矩引導為輕微介入階段，對曲線進行加權移動平均法平滑處理，改善曲線型力矩引導曲線的變化率，從而更好地保證手感；當駕駛員意圖為左/右變道時，對應的力矩引導為線性增加階段直至到達力矩飽和階段，對力矩引導曲線進行簡單移動平均法進行平滑處理；當駕駛員意圖為緊急避障時，對應力矩引導為飽和階段，規定力矩引導正向引導為正值，反向修正為負值，首先對車輛的穩定性應用穩定安全包絡以及環境安全包絡進行判定，當車輛處于穩定空間內對車輛正向引導，完成緊急避障；當未處于安全空間內時，需要對手力矩反向引導，保證車輛穩定性；

(4)對利用方向盤轉角差值計算目標轉向力矩：

其中：對比例關系進行變化處理，λ為變換系數，確定一定車速下的引導力矩曲線；

(5)對于不同階段不同車速下，通過關于速度的相關項得到不同車速下完整的轉向力矩引導曲線：

其中u為車速，τ_gv為各車速下的目標轉向力矩引導，e^-au為包含車速的矯正系數。

2.根據權利要求1所述的基于駕駛員意圖識別的轉向力矩引導分配曲線設計方法，其特征在于：所述的不同駕駛員意圖的情況確定包含以下步驟：

步驟1)劃分駕駛員意圖，將駕駛員意圖按照需要劃分為車道保持、左/右變道、緊急避障四類，并分別標記為1、2、3、4；

步驟2)試驗數據采集，應用車載傳感器，針對駕駛員的不同駕駛意圖，即車道保持、左/右變道、緊急避障；采集試驗數據，包括加速踏板行程、制動踏板行程、方向盤轉角、方向盤轉速、橫擺角、橫擺角速度、車道中心線距離、車速；對每個駕駛行為進行多次數據采集，一部分進行用于離線訓練，剩余的數據用于離線驗證；

步驟3)試驗數據處理，將每類實驗數據按照對應數字1-8進行編號，選取訓練集，將數據篩選后的駕駛員意圖導入第一層HMM模型中進行參數θ優化，主要應用Baum-Welch算法獲得HMM參數θ的重估公式：

P₀＝P(Q_j(1))＝α_j(1)β_j(1)/P(v|θ) (5)

其中，P₀為初始概率條件，Q_j為隱藏的駕駛員意圖，α表示意圖轉換矩陣，β表示從駕駛員意圖產生駕駛行為的產生矩陣，v表示可觀察的駕駛員行為序列；通過優化得到車道保持、左/右變道、緊急避障意圖HMM的描述參數θ_b,θ_z,θ_y,θ_j；

以換道行為序列為條件，駕駛員行為由Q_i(t-1)轉移到Q_j(t)的概率為：

同時，將已經對應好的每類實驗數進行初步處理，并將處理后的數據通過RBF函數映射到高維空間如下：

R(v_i,v_j)＝exp(-||v_i-v_j||/2σ²) (7)

其中，v_i,v_j為采集到的駕駛員行為數據，σ為v_i,v_j的協方差矩陣；

步驟4)運用HMM與SVM算法對駕駛員意圖識別的訓練與驗證

4.1運用HMM與SVM聯立算法對駕駛員意圖進行訓練，選取部分數據作為訓練數據，首先應用HMM理論對駕駛員意圖初步識別，主要采用Viterbi算法求出模型的參數θ_i對輸出駕駛員行為序列v的輸出概率P(v|θ_i)選出模型中概率最大的作為未知意圖的辨識結果，即：

對經HMM理論進行識別的易混淆駕駛員意圖進行確定，同時將這N種易混淆的駕駛員意圖兩兩組合，構建個分類器，將易混淆的駕駛員意圖對應的訓練集訓練SVM模型，求解駕駛員意圖的最優決策函數：

其中：

4.2運用HMM與SVM聯立算法對駕駛員意圖進行驗證

將處理后的另一部分未用于離線訓練的數據進行離線驗證，分別通過HMM算法計算出每類數據參數θ_i對輸出駕駛員行為序列v的輸出概率，選取最大值即為駕駛員意圖，篩選出易混淆的駕駛員意圖，應用SVM算法，通過網格尋優算法獲取最優參數C、σ，求應用上述駕駛員意圖的最優決策函數識別易混淆的駕駛員意圖，將第一層HMM中識別率較低的易混淆的意圖作為與待辨識意圖較為相似的類別，形成候選集，再由第二層SVM在候選模式中對待辨識意圖作最后決策。