CN120207383A 智能網聯環境下基于道路阻抗的自動駕駛接管方法及系統

(72)發明人曹陽趙家偉賈洪飛標代理有限公司22204B60W智能網聯環境下基于道路阻抗的自動駕駛(57)摘要種智能網聯環境下基于道路阻抗的自動駕駛接算模型、接管區間確定模塊、人機交互模塊；跟馳模型用于確定不同道路環境下車輛的運動方式；阻抗值計算模型用于量化道路環境對自動駕駛系統可以根據道路環境實時更新人工接管的速操作，提高了駕駛員的用戶體驗和自動駕駛車輛計算平臺計算平臺阻抗值計算模型接管區間確定模塊人機交互模塊跟馳模型21.智能網聯環境下基于道路阻抗的自動駕駛接管方法，其特征在于，包括以下步驟：步驟1.構建跟馳模型，通過跟馳模型確定不同道路環境下人工駕駛車輛和自動駕駛車輛的運動方式；跟馳模型包括人工駕駛車輛的跟馳模型和自動駕駛車輛的跟馳模型；人工駕駛車輛的跟馳模型用于表示人工駕駛車輛的運動方式，表達式為：an(t)=λvn(t)"{vn-1(t)-vn(t)+δ[xn-1(t式中，an(t)為后車在當前時刻的加速度，λ為敏感系數，vn(t)為后車在當前時刻的速定系數；自動駕駛車輛的跟馳模型用于表示自動駕駛車輛的運動方式；步驟2.根據當前道路環境確定道路上車輛的平均速度，并基于人工駕駛車輛的跟馳模型和自動駕駛車輛的跟馳模型確定道路的車輛密度；m為人工駕駛車輛的比例，n為自動駕駛車輛的比例，m+n=1,V為道路上車輛的平均速步驟3.基于道路上車輛的平均速度和當前道路的車輛密度計算道路的阻抗值，表達式式中，I為阻抗值，α和β為權重系數，α+β=1,V為道路上車輛的平均速度，Vmax為道路上車輛的最大平均速度，K為當前道路的車輛密度，Kmax為當前道路的最大車輛密度；步驟4.分析阻抗值隨道路上車輛的平均速度的變化率，從而確定自動駕駛車輛進行人工接管的速度區間；步驟5.當道路上車輛的平均速度達到人工接管的速度區間的閾值時，通過人機交互模塊提醒駕駛員進行接管。2.根據權利要求1所述的智能網聯環境下基于道路阻抗的自動駕駛接管方法，其特征在于，所述自動駕駛車輛的跟馳模型用于表示自動駕駛車輛的運動方式，表達式為：Vn(t+△t)=Vn(t)+kpen(t)+ka自動駕駛車輛在當前時刻的速度，kp為間距誤差控制參數，en(t)為自動駕駛車輛當前時刻實際車頭間距與期望車頭間距之間的誤差，ka為待定系數，en(t)為en(t)對時間t的導數，自動駕駛車輛的期望車頭時距。3.根據權利要求2所述的智能網聯環境下基于道路阻抗的自動駕駛接管方法，其特征3在于，所述人工駕駛車輛的跟馳模型和自動駕駛車輛的跟馳模型中的動態變化系數由數據庫中存儲的歷史數據和實時獲取的車輛數據進行參數擬合獲得，從而得到不同道路環境下人工駕駛車輛的跟馳模型和自動駕駛車輛的跟馳模型，人工駕駛車輛的跟馳模型中的動態變化系數包括敏感系數λ、待定系數m、待定系數k和b、距離項的權重系數δ;自動駕駛車輛的跟馳模型中的動態變化系數包括間距誤差控制參數kp、待定系數ka、自動駕駛車輛的期望車頭時距ta。4.根據權利要求2所述的智能網聯環境下基于道路阻抗的自動駕駛接管方法，其特征在于，阻抗值計算時的權重系數α和β為動態變化系數，為了能讓計算的阻抗值在當前道路步驟a.先固定α和自動駕駛車輛與人工駕駛車輛比例的取值，得到第一種道路環境下的最小阻抗值；步驟b.改變自動駕駛車輛與人工駕駛車輛比例的取值，得到第二種道路環境下的最小阻抗值；步驟c.重復步驟b的操作，得到在當前α值下所有道路環境下的最小阻抗值；步驟d.根據當前α值下所有道路環境下的最小阻抗值，得到在α固定不變、自動駕駛車輛與人工駕駛車輛比例改變時的最小阻抗值的平均值；步驟e.改變α的取值，重復步驟a至d的操作，得到新的最小阻抗值的平均值；步驟f.以最小阻抗值的平均值最大為目標函數，以此來保證阻抗值計算的穩定性，最5.根據權利要求2所述的智能網聯環境下基于道路阻抗的自動駕駛接管方法，其特征在于，步驟4分析阻抗值隨道路上車輛的平均速度的變化率時，若變化率<0.5%,則認為自動駕駛車輛在變化率<0.5%的速度區間內的行駛效率比較穩定，反之變化率≥0.5%,則認為自動駕駛車輛在變化率≥0.5%的速度區間內的行駛效率較低，讓駕駛員在變化率≥0.5%的速度區間內進行駕駛接管。6.智能網聯環境下基于道路阻抗的自動駕駛接管系統，其特征在于，包括跟馳模型、阻其中，所述跟馳模型，用于確定不同道路環境下人工駕駛車輛和自動駕駛車輛的運動方式；跟馳模型包括人工駕駛車輛的跟馳模型和自動駕駛車輛的跟馳模型；所述人工駕駛車輛的跟馳模型用于表示人工駕駛車輛的運動方式，表達式為：an(t)=λvn(t)"{vn-1(t)-vn(t)+δ[xn-1(t式中，an(t)為后車在當前時刻的加速度，λ為敏感系數，vn(t)為后車在當前時刻的速車在當前時刻的位置，xn(t)為后車在當前時刻的位置，X為后車的期望跟馳距離，k和b為待定系數；所述自動駕駛車輛的跟馳模型用于表示自動駕駛車輛的運動方式；所述阻抗值計算模型，用于量化道路環境對自動駕駛車輛的干擾，將復雜道路環境轉4當前道路的車輛密度K是基于人工駕駛車輛的跟馳模型和自動駕駛車輛的跟馳模型確所述接管區間確定模塊，通過分析阻抗值隨道路上車輛的平均速度的變化率，得到自動駕駛車輛在不同平均速度下的運行效率，從而確定自動駕駛車輛進行人工接管的速度區所述人機交互模塊，用于在當道路上車輛的平均速度達到人工接管的速度區間的閾值7.根據權利要求6所述的智能網聯環境下基于道路阻抗的自動駕駛接管系統，其特征8.根據權利要求6所述的智能網聯環境下基于道路阻抗的自動駕駛接管系統，其特征5智能網聯環境下基于道路阻抗的自動駕駛接管方法及系統技術領域[0001]本發明屬于道路車輛控制系統領域，涉及自動駕駛車輛接管，具體涉及一種智能網聯環境下基于道路阻抗的自動駕駛接管方法及系統。背景技術[0002]自動駕駛技術還處于L3級(條件自動駕駛),在L3級的自動駕駛中還需要駕駛員進行接管。接管指車輛遇到無法處理的道路環境時，需要由人類駕駛員暫時接管車輛控制權的過程。為了提高自動駕駛車輛的可靠性和駕駛員的用戶體驗，需要一種接管系統來確定駕駛員進行接管的速度區間。[0003]傳統的接管系統根據不同道路環境來設置所對應方向盤的力矩或者判斷接管績效以保證自動駕駛車輛的穩定運行，此種方式存在以下缺點和不足：(1)缺乏實時性，當交通狀況突然變化時，不能提前調整力矩；(2)反應滯后，通過接管績效來判斷駕駛員狀態可能會錯過最佳的接管時機；(3)缺少實時反饋，在確定人工接管之后由于缺少人機交互硬件(觸覺反饋、視覺警示和聲音提示),會影響接管效率。[0004]在智能網聯環境下，自動駕駛車輛可以實時監測道路環境，獲得周圍車輛的運行狀況，不僅提高了感知與決策能力，同時為車輛的駕駛策略提供了基礎。因此，有必要提供一種能夠實時接收道路信息數據的自動駕駛接管系統。發明內容[0005]鑒于上述技術問題和缺陷，本發明的目的在于提供一種智能網聯環境下基于道路阻抗的自動駕駛接管方法，該接管方法通過實時獲取的道路環境數據，計算道路的阻抗值，根據阻抗值確定不同道路環境下自動駕駛車輛的運行效率，從而確定人工接管速度區間，提高自動駕駛接管的可靠性和駕駛員的用戶體驗，為智能交通系統的發展提供技術支持。[0006]為實現上述目的，本發明采用如下技術方案：一種智能網聯環境下基于道路阻抗的自動駕駛接管方法，該方法包括以下步驟：步驟1.構建跟馳模型，通過跟馳模型確定不同道路環境下人工駕駛車輛和自動駕駛車輛的運動方式；所述跟馳模型包括人工駕駛車輛的跟馳模型和自動駕駛車輛的跟馳模型；所述人工駕駛車輛的跟馳模型用于表示人工駕駛車輛的運動方式，表達式為：an(t)=λvn(t)"{vn-1(t)-vn(t)+δ[xn-1(t前車在當前時刻的位置，xn(t)為后車在當待定系數；所述自動駕駛車輛的跟馳模型用于表示自動駕駛車輛的運動方式；步驟2.根據當前道路環境確定道路上車輛的平均速度，并基于人工駕駛車輛的跟6步驟3.基于道路上車輛的平均速度和當前道路的Vn(t+△t)=Vn(t)+kpen(t)+k7最小阻抗值；步驟c.重復步驟b的操作，得到在當前α值下所有道路環境下的最小阻抗值；步驟d.根據當前α值下所有道路環境下的最小阻抗值，得到在α固定不變、自動駕駛車輛與人工駕駛車輛比例改變時的最小阻抗值的平均值；步驟f.以最小阻抗值的平均值最大為目標函數，以此來保證阻抗值計算的穩定[0010]作為本發明的優選，步驟4分析阻抗值隨道路上車輛的平均速度的變化率時，若變化率<0.5%,則認為自動駕駛車輛在變化率<0.5%的速度區間內的行駛效率比較穩定，反之變化率≥0.5%,則認為自動駕駛車輛在變化率≥0.5%的速度區間內的行駛效率較低，讓駕駛員在變化率≥0.5%的速度區間內進行駕駛接管。[0011]本發明還提供一種智能網聯環境下基于道路阻抗的自動駕駛接管系統，該系統包其中，所述跟馳模型，用于確定不同道路環境下人工駕駛車輛和自動駕駛車輛的運動方式；跟馳模型包括人工駕駛車輛的跟馳模型和自動駕駛車輛的跟馳模型；所述人工駕駛車輛的跟馳模型用于表示人工駕駛車輛的運動方式，表達式為：an(t)=λvn(t)"{vn-1(t)-vn(t)+δ[xn-1速度，m為待定系數，Vn-1(t)為前車前車在當前時刻的位置，xn(t)為后車在當前待定系數；所述自動駕駛車輛的跟馳模型用于表示自動駕駛車輛的運動方式；所述阻抗值計算模型，用于量化道路環境對自動駕駛車輛的干擾，將復雜道路環境轉換為可計算的阻抗值，表達式為：為道路上車輛的最大平均速度，K為當前道路的車輛密度，Kmax為當前道路的最大車輛密所述當前道路的車輛密度K是基于人工駕駛車輛的跟馳模型和自動駕駛車輛的跟式中，ta為自動駕駛車輛的期望車頭時距，L為自動駕均速度；所述接管區間確定模塊，通過分析阻抗值隨道路上車輛的平均速度的變化率，得8到自動駕駛車輛在不同平均速度下的運行效率，從而確定自動駕駛車輛進行人工接管的速度區間；所述人機交互模塊，用于在當道路上車輛的平均速度達到人工接管的速度區間的閾值時，提醒駕駛員進行接管，以保證自動駕駛車輛的可靠性。[0012]作為本發明的優選，所述系統還包括計算平臺，所述計算平臺用于根據歷史數據和實時獲取的數據計算各個模型中的動態變化系數，從而確定跟馳模型、阻抗值計算模型。[0013]作為本發明的優選，所述人機交互模塊包括觸覺反饋模塊、視覺警示模塊和聲音提示模塊，所述觸覺反饋模塊通過振動的方式提醒駕駛員進行人工接管；所述視覺警示模塊通過顯示器提醒駕駛員人工接管的速度區間以及當前道路上車輛的平均速度，便于駕駛員掌握接管需求的緊急程度；所述聲音提示模塊通過語音播報方式提醒駕駛員進行人工接[0014]本發明的優點和有益效果是：(1)本發明考慮了在智能網聯環境下，道路環境的數據都是可以實時獲取的，提出了一種智能網聯環境下基于道路阻抗的自動駕駛接管系統，該系統可以根據道路環境實時更新人工接管的速度區間，并在接管節點及時提醒駕駛員進行接管操作，提高了駕駛員的用戶體驗和自動駕駛車輛的可靠性。[0015](2)本發明提供的接管系統能借助于高性能計算平臺，實時的對自動駕駛過程中的各種數據進行高效處理，從而精準判斷自動駕駛車輛在當前道路環境下是否需要進行接管，以避免錯過最佳的接管時機，同時也便于實現更高層次的自動駕駛功能。[0016](3)本發明提供的接管系統基于人機交互硬件，通過多模態交互通道實現駕駛狀態的實時反饋，并且在確認要接管時能夠及時通過觸覺反饋、視覺警示和聲音提示提醒駕駛員進行接管操作，提升了自動駕駛系統的容錯能力，使車輛在系統極限工況下仍能保持可靠運行。[0017](4)本發明提供的接管系統可以界定人工接管的速度范圍，在不同道路環境下，該系統還能夠對速度范圍進行實時調整；現有的接管系統并未對人工接管的觸發條件進行量化，本發明提供的接管系統規定了各種道路環境下自動駕駛車輛應該進行人工接管的節[0018](5)本發明提供的人工駕駛車輛的跟馳模型由GM跟馳模型改進得到，原始GM跟馳模型的刺激項只有速度，這樣就會導致兩車距離過大或者過小，不利于計算阻抗值；因此，本發明對GM跟馳模型的刺激項和表達式進行調整，改進后的GM跟馳模型不考慮時間延遲，并且刺激由速度和間距共同決定，其中由間距產生的刺激還考慮了期望車頭間距，此種設計有利于計算道路的阻抗值，通過阻抗值表示自動駕駛車輛的行駛受道路環境的干擾程附圖說明[0019]圖1是智能網聯環境下基于道路阻抗的自動駕駛接管系統的邏輯框圖；圖2是自動駕駛車輛和人工駕駛車輛在所有比例組合下的道路阻抗值圖；圖3是道路阻抗值的變化率圖；9[0021]圖1為本發明提供的一種智能網聯環境下基于道路阻抗的自動駕駛接管系統的邏其中，所述跟馳模型，用于確定不同道路環境下人工本實施例中，所述人工駕駛車輛的跟馳模型用于表示人工駕駛車輛的運動方式，an(t)=λvn(t)"{vn-1(t)-vn(t)+δ[xn-1道路的車輛密度表示單位長度內的車輛數，由于人工駕駛人工駕駛車輛)的平均速度，Vmax為道路上車輛的最大平均速度，K為當前道路的車輛密本實施例中，當前道路的車輛密度K是基于人工駕駛車輛的跟馳模型和自動駕駛式中，ta為自動駕駛車輛的期望車頭時距，L為自動駕駛車輛長度，S?為最小安全均速度；所述接管區間確定模塊，通過分析阻抗值隨道路上車輛的平均速度的變化率，得到自動駕駛車輛在不同平均速度下的運行效率，從而確定自動駕駛車輛進行人工接管的速度區間，該速度區間為合適的接管區間；所述人機交互模塊，用于在當道路上車輛的平均速度達到人工接管的速度區間的閾值時，提醒駕駛員進行接管，以保證自動駕駛車輛的可靠性。[0022]本實例中，所述人工駕駛車輛的跟馳模型和自動駕駛車輛的跟馳模型中的動態變化系數由數據庫中存儲的歷史數據和實時獲取的車輛數據進行參數擬合獲得，從而得到不同道路下人工駕駛車輛的跟馳模型和自動駕駛車輛的跟馳模型，人工駕駛車輛的跟馳模型中的動態變化系數包括敏感系數λ、待定系數m、待定系數k和b、距離項的權重系數δ;自動駕駛車輛的跟馳模型中的動態變化系數包括間距誤差控制參數kp、待定系數ka、自動駕駛車輛的期望車頭時距ta;此外，阻抗值計算時的權重系數α和β也為動態變化系數。[0023]進一步，本實例中，所述系統還包括高性能計算平臺，所述高性能計算平臺用于根據歷史數據和實時獲取的數據計算各個模型中的動態變化系數，從而確定跟馳模型、阻抗值計算模型。[0024]本實例中，所述人機交互模塊包括觸覺反饋模塊、視覺警示模塊和聲音提示模塊，所述觸覺反饋模塊通過振動的方式提醒駕駛員進行人工接管；所述視覺警示模塊通過顯示器提醒駕駛員人工接管的速度區間以及當前道路上車輛的平均速度，便于駕駛員掌握接管需求的緊急程度；所述聲音提示模塊通過語音播報方式提醒駕駛員進行人工接管，保證自動駕駛車輛實時與駕駛員進行交互。[0025]本實例中，自動駕駛車輛儲存著不同道路環境下人工駕駛車輛和自動駕駛車輛的軌跡數據，同時自動駕駛車輛還可以在智能網聯環境下實時監測獲得周圍車輛的軌跡數據，通過這些軌跡數據實時的對跟馳模型的參數進行擬合，從而得到不同道路環境下人工駕駛車輛的跟馳模型和自動駕駛車輛的跟馳模型。[0026]具體地，以數據集為NGSIM(Next境：美國加利福尼亞州洛杉磯的101號高速公路上的車輛數據，人工駕駛車輛的跟馳模型的動態變化參數的取值計算時，采用高性能計算平臺對該數據集進行擬合，確定動態變化參數的取值為：λ=0.6,m=0.1,δ[0027]本實施例中，所述自動駕駛車輛的跟馳模型的參數取值可以通過高性能計算平臺進行擬合確定，當然也可以直接采用現有公開報道的模型；例如，取kp=045,ka=0.25,[0028]本實施例中，所述阻抗值計算模型中的參數Vmax根據實際道路的最大速度而定，11例如高速限速120km/h,則理論上車輛的平均速度在0到120之間，最大平均速度則為120km/h;當然不同道路限速不同，也可以為26.27m/s(NGSIM數據集中的最大車輛速度為26.27m/s),即道路的最大車輛平均速度為26.27m/s。[0029]Kmax可以由理論推導獲得，本實施例中，道路車輛穩定運行時，所有車輛的加速度都為0m/s2,此時人工駕駛車輛的期望車頭間距(跟馳距離)為1.27V+7.78,自動駕駛車輛的期望車頭間距為0.6V+7;道路的車輛密度K表示單位長度內的車輛數，計算公式如下：道路上車輛的平均速度。[0030]由K的計算公式可得，當V取0m/s,n取1時(道路上全部為自動駕駛車輛時),K取最[0031]本實施例中，道路上自動駕駛車輛和人工駕駛車輛的比例是不確定的，在不同比例下，道路的車輛密度會發生變化；為了能讓阻抗值計算模型在當前道路所有環境下都能步驟a.先固定α和自動駕駛車輛與人工駕駛車輛比例的取值，得到第一種道路環境下的最小阻抗值；步驟b.改變自動駕駛車輛與人工駕駛車輛比例的取值，得到第二種道路環境下的最小阻抗值；步驟c.重復步驟b的操作，得到在當前α值下所有道路環境下的最小阻抗值；步驟d.根據當前α值下所有道路環境下的最小阻抗值，得到在α固定不變、自動駕駛車輛與人工駕駛車輛比例改變時的最小阻抗值的平均值；步驟f.以最小阻抗值的平均值最大為目標函數，以此來保證阻抗值計算模塊的穩[0032]本實施例中，最后得到α的取值為0.33,因為α+β=1,所以β的取值為0.67;其[0033]本實施例中，所述接管區間確定模塊通過阻抗函數計算自動駕駛車輛在各個速度(道路上車輛的平均速度)下阻抗值的變化率，若變化率較小(小于0.5%),則認為自動駕駛車輛在該速度區間內的行駛效率比較穩定；若變化率較大，則認為自動駕駛車輛在該速度區間內行駛效率較低，并讓駕駛員在該速度區間內進行駕駛接管；圖2示意了自動駕駛車輛和人工駕駛車輛在所有比例組合下的阻抗值，通過圖2可以看出，自動駕駛車輛在速度(道路上車輛的平均速度)過大或者過小時的運行效率較差；其中，圖2陰影部分表示自動駕駛車輛和人工駕駛車輛不同比例時的阻抗值，陰影部分的下限曲線對應了運行效率最低的情況；通過分析圖2陰影部分下限曲線的阻抗值變化率可以得到阻抗值的變化率圖(如圖3所示),通過圖3可以看出，在4.88m/s到15.81m/s的速度(道路上車輛的平均速度區間內，阻抗值的變化率較低，變化幅度小于0.5%;因此，自動駕駛車輛的人工駕駛區間為0m/s到4.88m/s和15.81m/s到26.27m/s。[0034]本實例中，所述接管區間確定模塊在不同道路環境下有著相對應的數據庫，高性能計算平臺通過數據庫和實時獲取的車輛數據對人工駕駛車輛和自動駕駛車輛的跟馳模型進行參數擬合，然后利用跟馳模型(不同的跟馳模型有不同的α和最大密度)得到不同道路環境下的阻抗函數，從而確定所對應的人工接管速度區間；人機交互模塊根據人工接管