详情

原文传递智能汽车个性化驾驶行为决策与运动控制方法研究

论文题名：	智能汽车个性化驾驶行为决策与运动控制方法研究
关键词：	智能汽车;自动驾驶;行为决策;运动控制;交通安全
摘要：	车辆自动驾驶系统始终要为人类提供服务，需考虑人类的个性化驾驶需求。在实际的道路交通环境中，不同驾驶员的驾驶行为特性具有显著差异性，单一行为模式的自动驾驶决策与控制方式无法适应不同驾驶员的驾乘需求。特别地，对于高级别自动驾驶而言，若自动驾驶行为与人类预期不相符，会降低其对自动驾驶系统的接受度，并在紧急情况下引发人类驾驶员的恐慌，进而造成安全事故。然而，当前的自动驾驶车辆决策、规划与控制，未考虑不同人类驾驶员之间的行为差异性。　　本文针对自动驾驶车辆的个性化决策、规划与控制方法展开研究，建立自动驾驶车辆的决策框架，利用自然驾驶实验分析的结果标定模型参数，提出体现人类驾驶行为的自动驾驶方法，在此基础上研究考虑环境车行为特征的自动驾驶系统，使车辆的自动驾驶能够体现人类驾驶员的个性特征。具体地，本文开展的研究工作如下：　　（1）利用高速公路自然驾驶数据，提取典型驾驶场景下的个性化驾驶操作特征。通过开展自然驾驶实验，基于时序模糊C均值聚类算法，将换道、跟驰数据划分为不同的阶段，分析不同驾驶员在跟驰、换道场景下的车头时距、车道偏移、速度、航向角、加速度、横摆角速度及横摆角加速度差异。根据所需标定的参数数量以及不同驾驶员自然驾驶特征变量差异的显著程度，选取车头时距、加速度以及横摆角加速度变量作为体现驾驶员差异性的指标。　　（2）基于混成自动机方法，提出个性化自动驾驶行为决策框架。针对体现人类驾驶行为的自动驾驶和考虑环境车行为特征的自动驾驶，分别设计混成自动机决策框架。基于改进的人工势场方法，提出自动驾驶车辆的个性化轨迹规划方法。建立障碍物势场（如路面散落物）、道路势场、环境车辆势场等，结合自然驾驶状态下典型驾驶场景的个性化操作特征，对人工势场模型的主要参数进行标定，生成个性化轨迹。　　（3）基于改进的模型预测控制（ModelPredictiveControl，MPC）方法，设计能适应多种典型驾驶场景的个性化轨迹跟踪控制器。为了消除传统MPC控制器内部模型失真造成的稳态误差，在传统MPC算法中加入一个PID反向通道。同时，为解决MPC控制器消耗过多计算资源的问题，对其进行显式化，将优化求解的过程离线处理，实现MPC的实时控制。然后，基于混成自动机，实现在不同驾驶场景下多控制器的模式切换。最后，基于机会约束模型将不同驾驶员的操作特性引入到MPC控制算法之中。　　（4）研究考虑环境车行为特征的决策、规划与控制方法。提出驾驶行为相容性的评价指标，针对不同的驾驶行为相容性程度，自动驾驶车辆与环境车辆之间采取不同的协同策略，并设计基于分布式MPC算法结构的自动驾驶控制器，避免出现未考虑环境车行为特征的“误判”的情况，使控制结果更加符合驾驶员的个性化需求。　　本文通过软件在环仿真、硬件在环仿真和实车实验三种实验方式，对决策、规划与控制方法进行了验证。实验结果表明：本文提出的个性化决策、规划与控制算法，能够控制车辆较为平稳地完成跟驰、换道等典型的驾驶场景，并体现出一定的驾驶行为个性。该研究不仅能改善驾驶员/乘员对自动驾驶的接受度，还能够提高道路交通安全水平，促进自动驾驶车辆的应用与推广。
作者：	李浩然
专业：	车辆工程
导师：	吴超仲
授予学位：	博士
授予学位单位：	武汉理工大学
学位年度：	2021