详情

原文传递汽车驾驶性能的评估方法研究

论文题名：	汽车驾驶性能的评估方法研究
关键词：	自动驾驶汽车;驾驶跟随性;运动舒适性;评估体系
摘要：	自动驾驶汽车已经成为了汽车工业发展的重要方向之一，近年来，自动驾驶相关技术快速成长。高阶自动驾驶系统应当像熟练的人类驾驶员一样，能够安全、高质量地完成驾驶任务。如何评估驾驶性能，即人类驾驶员或自动驾驶系统完成驾驶任务的好坏程度，是各大汽车厂商和研究机构尝试攻克的重点问题。驾驶性能的评估方法对自动驾驶系统全流程的开发，包括决策规划算法优化、自动驾驶整体评价等方面都具有重要意义。　　通过文献调研发现，当前基于驾驶历程的驾驶性能的研究较少，现有的研究大多仅使用少数物理量直接表征驾驶性能。驾驶任务的执行过程涉及车辆位置、方向、速度等多方面因素，导致上述方法在准确评估驾驶性能方面存在困难。针对该问题，本课题提出从驾驶跟随性和运动舒适性两方面，通过驾驶员完成某一个驾驶任务的驾驶历程，分析驾驶性能评价指标，进行评估方法研究。研究包括以下内容：　　第一，探索了驾驶性能的驾驶跟随性的关键因素。本文从移位跟随性能和速度跟随性能两方面对驾驶跟随性展开研究，其中移位跟随性能包括位置跟随性能和方向跟随性能，分别表征驾驶员对目标轨迹的跟随能力和对行驶方向的跟随能力。针对结构化道路上车辆行驶的约束进行了分析，提出了移位跟随特征指标和速度跟随特征指标。　　第二，探索了驾驶性能的运动舒适性的关键因素。本文阐述了运动舒适性的内涵，通过分析运动舒适性的评价机理，提出速度变化特性是运动舒适性的主要评估要素，初步提出了运动舒适性的特征指标。本研究结合NGSIM自然行驶数据集，筛选出沿道行驶轨迹，计算驾驶性能特征指标并进行相关性分析，对初步选取的运动舒适性特征指标进行了优化。本文根据 NGSIM 沿道行驶数据进行了 K-means聚类分析，发现可以根据运动舒适性特征指标将行驶轨迹分为优秀、良好、一般三种，对运动舒适性特征指标进行了验证。　　第三，研究了基于随机森林的驾驶性能评估方法。以本文分析得到的驾驶性能特征指标为输入，以驾驶性能的优秀、良好、一般的分类结果作为输出，建立了基于随机森林的驾驶性能评估模型。通过超参数选取，限制决策树过度生长，避免了随机森林模型的过拟合倾向。本研究计算了不同驾驶性能特征指标对不同驾驶性能评估结果的贡献率，分析了驾驶性能特征贡献趋势。　　本研究依托 VTD 和 ASCL 驾驶模拟器搭建了仿真试验平台，制定了试验流程，对40名不同驾驶经验的驾驶员进行了驾驶模拟器试验，通过驾驶经验将参与试验的驾驶员分为生疏组、典型组、熟练组，并相应标记驾驶历程。获得的试验数据集被应用于本文建立的基于随机森林的驾驶性能评估方法。结果发现，根据本文的驾驶性能评估方法，可以实现对不同驾驶性能的准确评估，验证了驾驶性能评估方法的有效性。
作者：	徐福来
专业：	车辆工程
导师：	管欣
授予学位：	硕士
授予学位单位：	吉林大学
学位年度：	2023