[發明專利]人機共駕的意圖融合控制方法、裝置、設備及存儲介質

在審

• 申請號: 202111451350.6
• 申請日: 2021-12-01
• 公開（公告）號: CN116198534A
• 公開（公告）日: 2023-06-02
• 發明（設計）人: 沈晨
• 申請（專利權）人: 北京羅克維爾斯科技有限公司
• 主分類號: B60W60/00
• 分類號: B60W60/00;B60W40/00
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 單冠飛

1.一種人機共駕的意圖融合控制方法，其特征在于，包括：

獲取車輛的當前行駛場景信息；

基于所述當前行駛場景信息，從非自動駕駛控制策略信息源中，獲取駕駛者控制策略，其中，所述非自動駕駛控制策略信息源是符合駕駛者在不同場景下的駕駛控制策略習慣的信息源；

基于所述駕駛者控制策略，調整自動駕駛模式下的控制決策的相關參數，得到目標控制決策；

基于所述目標控制決策和當前駕駛模式，控制所述車輛行駛。

2.根據權利要求1所述的方法，其特征在于，所述非自動駕駛控制策略信息源為非自動駕駛控制決策庫，其中，所述非自動駕駛控制決策庫中存儲有在非自動駕駛模式下不同行駛場景對應的駕駛者的駕駛控制策略；或者，

所述非自動駕駛控制策略信息源為非自動駕駛控制策略預測模型，其中，所述非自動駕駛控制策略預測模型基于輸入的行駛場景信息輸出非自動駕駛模式下對應該行駛場景信息的駕駛者的駕駛控制策略。

3.根據權利要求1所述的方法，其特征在于，所述基于所述目標控制決策和當前駕駛模式，控制所述車輛行駛，包括：

判斷所述當前駕駛模式是否為自動駕駛模式；

響應于當前駕駛模式為自動駕駛模式，基于所述目標控制決策，控制所述車輛行駛；和/或，

響應于當前駕駛模式為非自動駕駛模式，根據所述目標控制決策，對所述車輛的駕駛行為進行提醒。

4.根據權利要求1所述的方法，其特征在于，所述基于所述目標控制決策和當前駕駛模式，控制所述車輛行駛，包括：

判斷所述當前駕駛模式是否為自動駕駛模式；

響應于所述當前駕駛模式為自動駕駛模式，判斷駕駛員當前是否介入；

響應于所述駕駛員處于介入狀態，判斷所述目標控制決策與駕駛員的駕駛控制意圖是否發生沖突；

響應于所述目標控制決策與駕駛員的駕駛控制行為發生沖突，通過納什博弈算法，對輸入所述車輛的車輛控制信號進行修正；

通過修正后的所述車輛控制信號，控制所述車輛行駛。

5.根據權利要求4所述的方法，其特征在于，所述判斷駕駛員當前是否介入的方法，包括：

獲取方向盤力信號，并基于所述方向盤力信號，獲取駕駛員手力值；

基于所述駕駛員手力值，判斷駕駛員當前是否介入。

6.根據權利要求1所述的方法，其特征在于，所述基于所述駕駛者控制策略，調整自動駕駛模式下的控制決策的相關參數，得到目標控制決策，包括：

基于所述駕駛者控制策略，通過調整自動駕駛模式下的控制決策中的參數權重系數來調整軌跡規劃中的曲率，得到目標控制決策。

7.根據權利要求1所述的方法，其特征在于，獲取車輛的當前行駛場景信息前，所述方法還包括構建所述非自動駕駛控制策略庫，

所述構建非自動駕駛控制策略庫，包括：

獲取車輛非自動駕駛模式下的歷史行車數據；

按照預設行駛場景分類規則，對所述目標歷史行車數據中的行車場景進行分類，并從所述目標歷史行車數據中確定每個所述行車場景分類對應的駕駛者的駕駛控制策略；

基于所述行車場景分類和對應的駕駛者的駕駛控制策略，構建非自動駕駛控制策略庫。

8.根據權利要求1所述的方法，其特征在于，獲取車輛的當前行駛場景信息前，所述方法還包括訓練所述駛控制策略預測模型，

所述訓練駛控制策略預測模型，包括：

從車輛非自動駕駛模式下的歷史行車數據中獲取訓練樣本，所述訓練樣本包括行車場景以及該行車場景下的駕駛者的駕駛控制策略；

通過所述行車場景以及該行車場景下的駕駛者的駕駛控制策略對機器學習模型進行訓練，得到非自動駕駛控制策略預測模型。