基于驾驶人驾驶习性的个性化自适应巡航控制系统研究

发布时间：2020-09-07 09:10

　　自适应巡航控制系统(Adaptive Cruise Control,ACC)具备定速巡航与安全跟车的功能,可有效缓解驾驶疲劳、降低交通事故、并改善交通流量,是先进驾驶辅助系统(ADAS)中相对成熟且应用较为广泛的技术之一。但是目前的ACC系统设计模式较为单一,对所有驾驶人“一视同仁”,忽略了驾驶人的个性化需求及其对系统的干涉和影响。在实际跟车过程中,不同类型驾驶人的驾驶行为具有显著差异。激进型驾驶人往往跟随目标较为迅速,且跟车间距保持较小;保守型驾驶人倾向于采取较为平缓的加速和制动操作,同时保持较大的跟车间距。间距策略较大、控制策略较平稳的ACC系统会使激进型驾驶人心情烦躁,而间距策略较小、控制策略响应迅速的ACC系统又会使保守型驾驶人心情紧张,这些不习惯和不舒适都会降低驾驶人对ACC系统的满意度和接受度。因此,明晰驾驶人个性行为特征,实现ACC个性化控制是未来ACC系统的重要研究方向,也是未来智能汽车的关键共性技术。本文依托国家自然基金等项目,开展了基于驾驶人驾驶习性的个性化自适应巡航控制系统研究,设计并搭建了驾驶人驾驶行为特征数据采集系统,分别进行了驾驶模拟器试验和实车道路试验,对驾驶人驾驶行为特征数据进行采集;通过因子分析、聚类分析、主观评价等方法对驾驶数据进行分析和筛选,并建立三层BP神经网络模型对驾驶数据进行了离线辨识和在线辨识;在驾驶习性特征分析和辨识的基础上,设计个性化自适应巡航系统;最后,选取典型试验工况分别进行了离线仿真验证、驾驶模拟器试验验证,和实车试验验证。本文的主要研究内容包括:(1)驾驶人驾驶行为特征数据采集驾驶人驾驶行为特征数据采集系统包括硬件在环驾驶模拟器和实车驾驶数据采集系统两部分。利用所搭建的系统进行ACC典型工况驾驶行为数据采集试验,其中驾驶模拟器主要用于进行70km/h以上的高速驾驶行为数据采集试验;实车驾驶数据采集系统主要用于进行70km/h以下的城市道路驾驶行为数据采集试验。(2)驾驶人驾驶习性分析与辨识利用因子分析法对驾驶行为数据进行分析和筛选,提取可描述驾驶行为的特征数据,作为驾驶人驾驶习性辨识模型的输入数据;通过聚类分析为试验人员贴上激进、一般、保守等驾驶习性“标签”,在此基础上,建立3层BP神经网络对驾驶行为进行离线训练和辨识,将训练好的模型模块化,建立有效工况下的驾驶人驾驶习性在线辨识策略。(3)个性化自适应巡航系统控制策略研究分析不同类型驾驶人在ACC典型工况(巡航、接近前车、稳定跟随、换道驶离)下的行为数据,找出反应不同类型驾驶人驾驶习性的特征参数:跟车时距、各阶段切换时机、速度跟随历程、距离跟随历程以及加速度历程。根据驾驶人驾驶习性在线辨识结果在线调节个性行为特征参数,进而实现个性化控制。(4)系统测试与分析搭建MATLAB/Simulink和Pano Sim联合仿真平台,在ACC典型工况下对个性化ACC系统进行仿真测试;利用驾驶模拟器,对驾驶人驾驶习性辨识策略和个性化ACC系统进行测试和验证;在实车驾驶数据采集系统上进行驾驶人驾驶习性在线辨识实车测试验证。试验结果表明驾驶人驾驶习性在线辨识策略具有较高的精度,且能保证实时性,设计的个性化ACC系统在保证安全性和跟踪性的前提下,能较好地适应不同类型驾驶人,提高驾驶人的舒适度和满意度。
【学位单位】：吉林大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：U463.6
【部分图文】：

示意图,数据采集系统,驾驶模拟器,逻辑

驾驶模拟器数据采集系统逻辑示意图

驾驶模拟器,数据采集系统,实物,车辆动力学

驾驶模拟器数据采集系统实物图

操纵系统,软件界面,感受力,驾驶模拟器

图 2.3 PanoSim 软件界面及功能介绍（2）驾驶人操纵系统为了提供更加真实的驾驶体验，本文搭建的驾驶模拟器硬件布置及操纵感受力争与实车一致。图 2.4 为模拟器的操纵机构，主要由力矩方向盘、离合、油门和制动踏板

【参考文献】