详情

原文传递考虑驾驶工况的驾驶习性辨识策略研究

论文题名：	考虑驾驶工况的驾驶习性辨识策略研究
关键词：	智能汽车;先进驾驶辅助系统;驾驶习性;辨识策略;驾驶工况
摘要：	先进驾驶辅助系统（Advanced Driving Assistance System, ADAS），能够帮助驾驶人减轻驾驶负荷，预防交通事故，在智能汽车上得到广泛的应用。对于ADAS来说，驾驶人的体验是重中之重。不同驾驶人因其性别、年龄、职业、性格等因素的不同，他们的驾驶习性也是不同的，对ADAS的体验感也不同。为提升ADAS的舒适性与安全性，驾驶习性的研究成为近年来的热点。在目前的研究中，多数的研究者主要聚焦于特定工况下的驾驶习性聚类与识别。在得到驾驶习性标签后根据每类驾驶人的特点实现特定工况下的个性化 ADAS 功能。多工况个性化驾驶辅助的实现仍需对不同工况之间驾驶习性的一致性及驾驶习性辨识方法的选择等问题进行深入研究。　　本文依托国家自然科学基金项目（编号：52172386，51775235），开展了考虑驾驶工况的驾驶习性辨识策略研究。搭建了以实车为基础的驾驶数据采集平台，设计典型的驾驶工况并招募驾驶人进行了驾驶行为数据采集；基于横摆角速度平均能量以及动态时间规整算法提出了一种驾驶工况识别规则；使用因子分析法实现了多工况驾驶行为特征参数的提取；采用遗传算法优化的 K-means 算法完成了驾驶人驾驶习性的聚类表征并探索多工况下驾驶习性的一致性；基于麻雀算法优化的 XGBoost 算法完成了多工况下驾驶习性辨识模型训练；最后综合驾驶工况识别规则、特征参数提取方法以及驾驶习性辨识模型得到了考虑驾驶工况的驾驶习性辨识策略并使用实车数据进行了测试验证。　　本文的研究内容主要包括以下四部分：　　（1）驾驶数据采集　　本文以 RT3002amp;RT Range 高精度定位导航系统、dSPACE MicroAutoBox 1401、RTMaps、毫米波雷达、摄像头等软硬件为基础搭建了驾驶数据实车采集平台，设计了跟车、换道以及超车三类典型工况并进行驾驶数据采集，最后对驾驶数据进行预处理。　　（2）驾驶工况识别　　为了能准确的从驾驶数据中识别出跟车、换道和超车三类典型工况，首先建立了跟车、换道、超车、转弯以及掉头五类基本驾驶工况基准序列库，通过车速阈值对掉头工况进行剔除。结合横摆角速度平均能量以及跟车距离完成跟车工况的识别。基于动态时间规整算法实现换道、超车和转弯工况的识别并引入下界函数和提前终止思想减少算法的复杂度，最后以采集的工况数据对工况识别规则进行验证。　　（3）驾驶人驾驶习性聚类表征　　根据不同工况的特性选取驾驶特征参数，使用因子分析法对特征参数进行降维，得到不同工况的驾驶因子。基于遗传算法优化的K-means算法完成驾驶人驾驶习性聚类表征，得到不同工况下的驾驶人驾驶习性标签。对不同工况的驾驶习性表现进行相关性分析，证明了多工况驾驶人的驾驶习性聚类结果没有内在的相关性。　　（4）考虑驾驶工况的驾驶习性辨识策略　　考虑到不同驾驶工况的特性，基于麻雀算法优化的 XGBoost 算法训练三种工况的驾驶习性辨识模型。采用准确率、精确率以及召回率作为辨识模型的评价指标。结合多工况的驾驶习性辨识模型、驾驶工况识别规则以及驾驶特征因子提取方法得到了考虑驾驶工况的驾驶习性辨识策略，以实车采集的数据进行验证，证明了本文所提出的考虑驾驶工况的驾驶习性辨识策略的有效性。
作者：	王常态
专业：	车辆工程
导师：	何睿
授予学位：	硕士
授予学位单位：	吉林大学
学位年度：	2023