[發(fā)明專利]一種多因素融合的人機共駕駕駛權(quán)分配方法

在審

• 申請?zhí)枺?/td>: 202010690235.3
• 申請日: 2020-07-17
• 公開（公告）號: CN111857340A
• 公開（公告）日: 2020-10-30
• 發(fā)明（設(shè)計）人: 張自宇;王春燕;劉利鋒;趙萬忠;秦亞娟;王展;劉曉強
• 申請（專利權(quán)）人: 南京航空航天大學(xué)
• 主分類號: G06F3/01
• 分類號: G06F3/01;G06F17/10;G05D1/00
• 代理公司: 江蘇圣典律師事務(wù)所 32237
• 代理人: 賀翔

1.一種多因素融合的人機共駕駕駛權(quán)分配方法，其特征在于，包括以下步驟：

(1)采集駕駛員相關(guān)信息、車輛狀態(tài)信息以及環(huán)境信息；

(2)根據(jù)所述步驟(1)中所采集的信息，計算駕駛員的認知負荷，并輸出當前認知負荷所對應(yīng)的應(yīng)分配的駕駛權(quán)值；

(3)根據(jù)所述步驟(1)中所采集的信息，計算駕駛員肌肉駕駛能力的恢復(fù)程度，并輸出當前時刻的肌肉駕駛能力所對應(yīng)的應(yīng)分配的駕駛權(quán)值；

(4)根據(jù)所述步驟(1)中所采集的信息，建立行車安全場模型，輸出當前汽車所處位置的安全場場力值所對應(yīng)的應(yīng)分配的駕駛權(quán)值；

(5)根據(jù)步驟(1)、(2)、(3)中所計算得出的駕駛權(quán)值，進行加權(quán)得到當前時刻的駕駛權(quán)分配值。

2.根據(jù)權(quán)利要求1所述的多因素融合的人機共駕駕駛權(quán)分配方法，其特征在于，所述步驟(1)中的駕駛員相關(guān)信息為駕駛員注意力集中程度和駕駛員駕駛過程左、右手臂的上下臂的夾角；車輛狀態(tài)信息為駕駛員實際輸出轉(zhuǎn)矩、方向盤轉(zhuǎn)角、方向盤角速度和車速；環(huán)境信息為周圍車輛位置信息、周圍車輛車速信息和自車位置信息。

3.根據(jù)權(quán)利要求2所述的多因素融合的人機共駕駕駛權(quán)分配方法，其特征在于，所述步驟(2)的具體步驟如下：

(21)計算駕駛員的認知負荷：

式中，k為認知負荷；e為自然常數(shù)；λ₁和λ₂和λ₃為調(diào)整參數(shù)；τ為加權(quán)因子；AS為駕駛員注意力集中程度；為歸一化轉(zhuǎn)矩參數(shù)；T_real為當前駕駛員實際輸入的轉(zhuǎn)向力矩，T_need為正常駕駛時駕駛員在車輛當前運動狀態(tài)下需要輸入的轉(zhuǎn)向力矩；

(22)根據(jù)當前的駕駛員認知負荷，計算對應(yīng)的所應(yīng)該分配的駕駛權(quán)值：

Q_k＝Q_max-ξ₁(k-ξ₂)² (2)

式中，Q_k為由駕駛員認知負荷決定的駕駛員駕駛權(quán)值；Q_max為駕駛權(quán)控制權(quán)限最大值；ξ₁和ξ₂表示調(diào)整因子；k為認知負荷值。

4.根據(jù)權(quán)利要求3所述的多因素融合的人機共駕駕駛權(quán)分配方法，其特征在于，所述步驟(3)的具體步驟如下：

(31)選取用于邏輯遞歸的輸入變量；

(32)駕駛員駕駛過程左、右手臂的上下臂的夾角估計：

駕駛員進行轉(zhuǎn)向時的左、右手臂的上下臂的夾角：

式中，l_s為上臂長；l_x為下臂長；l_sx為上臂上端點距下臂下端點距離；d為半肩寬；b為轉(zhuǎn)向盤半徑；e為轉(zhuǎn)向盤與駕駛員距離；θ_cl為左臂上下臂夾角；θ_cr為右臂上下臂夾角；θ_w為方向盤轉(zhuǎn)角；

(33)采用邏輯遞歸方法，估計肌肉活化度：

式中，為輸入變量；β為回歸系數(shù)；T為轉(zhuǎn)置符號；α為肌肉活化度；

(34)計算駕駛員肌肉駕駛能力的恢復(fù)程度：

式中，m_d為駕駛員肌肉駕駛能力的恢復(fù)程度；α_real為肌肉的實際活化度；α_need為正常操作時所需的肌肉活化度；

(35)根據(jù)當前的駕駛員肌肉駕駛能力的恢復(fù)程度，計算所對應(yīng)的應(yīng)該分配的駕駛權(quán)值：

式中，Q_md為由駕駛員肌肉恢復(fù)程度決定的駕駛員駕駛權(quán)值；a和b分別為調(diào)整參數(shù)。