一种驾驶员技能分类方法及驾驶辅助系统技术方案

本发明专利技术涉及一种驾驶员技能分类方法及驾驶辅助系统，所述方法包括：实时获取当前车辆状态和当前驾驶员状态；基于所述当前车辆状态计算获得车辆稳定裕度；将所述车辆稳定裕度和当前驾驶员状态共同作为一经训练的分类模型的输入，获取对应的驾驶员技能分类结果；其中，所述车辆稳定裕度用于映射驾驶员的情景感知能力和车辆控制能力，根据离线确定的车辆稳定边界计算获得，所述当前驾驶员状态用于映射驾驶负担。与现有技术相比，本发明专利技术具有分类准确性高、可降低事故发生概率等优点。可降低事故发生概率等优点。可降低事故发生概率等优点。

【技术实现步骤摘要】
一种驾驶员技能分类方法及驾驶辅助系统


[0001]本专利技术技术主要涉及是辅助驾驶领域，尤其是涉及一种驾驶员技能分类方法及驾驶辅助系统。

技术介绍

[0002]智能汽车因其在交通安全和机动性方面具有革命性的潜力而引起了人们的极大关注。在《A survey of personalization for advanced driver assistance systems》中指出标准化的辅助驾驶会引起驾驶员的不适，这使得驾驶员不愿意开启驾驶辅助系统。这种现象在有经验的驾驶员中更为突出。这将大幅度降低驾驶辅助系统在行驶过程中的使用率，也使得辅助系统无法起到降低交通事故的作用。因此个性化的驾驶辅助系统的设计方法是迫切需要的。
[0003]在《Changes in collision rates among novice drivers during the first months of driving》指出，新手女性驾驶员和富有经验的年轻男性驾驶员是交通事故的主要引发交通参与者类型。在《Research on Classification and Recognition of Driving Styles Based on Feature Engineering》中通过车辆的速度、加速度、节气门开度进行驾驶员分类。这类方法可以针对驾驶员驾驶风格进行分类，但无法表征驾驶员技能，而驾驶员技能是个性化辅助驾驶设计主要依据指标之一。在《A Pattern
‑
Recognition Approach for Driving Skill Characterization》中通过双移线试验过程中的方向盘信息进行分类，文中指出有经验驾驶员能更细致的感知车辆状态，他们相比新手驾驶员在极限工况下有更高频的修正行为。因此，在日常行驶工况中，该方法的精度受到了严重影响。通过日常行驶工况分类出驾驶技能的方法需要进一步研究。
[0004]驾驶技能表现为对驾驶场景的理解和对车辆的控制以及驾驶负担三个方面。其中对驾驶场景的理解通过情景意识体现的驾驶行为的决策，比如进入弯道时的速度和减速点等，这是导致驾驶事故发生的主要原因。但是在开放环境下，穷举所有的交通场景(包括车速、弯道弧度、路面情况等)是不可能的。因此，需要一种可以映射各类驾驶情景的综合指标。除此之外，驾驶员所能承受的驾驶负担和对车辆的控制精度也是驾驶员在突发情况中避险的主要因数。因此，本领域亟需一种可以综合评价驾驶员技能的评价系统。

技术实现思路

[0005]本专利技术的目的之一是为了克服上述现有技术存在的缺陷而提供一种分类准确性高的驾驶员技能分类方法。
[0006]本专利技术的目的之二是为了克服上述现有技术存在的缺陷而提供一种使用率高、降低事故发生概率的个性化驾驶辅助系统。
[0007]本专利技术的目的可以通过以下技术方案来实现：
[0008]一种驾驶员技能分类方法，该方法包括：
[0009]实时获取当前车辆状态和当前驾驶员状态；
[0010]基于所述当前车辆状态计算获得车辆稳定裕度；
[0011]将所述车辆稳定裕度和当前驾驶员状态共同作为一经训练的分类模型的输入，获取对应的驾驶员技能分类结果；
[0012]其中，所述车辆稳定裕度用于映射驾驶员的情景感知能力和车辆控制能力，根据离线确定的车辆稳定边界计算获得，所述当前驾驶员状态用于映射驾驶负担。
[0013]进一步地，所述车辆稳定裕度通过计算当前车辆状态与当前状态下的车辆稳定边界的最小欧几里得距离获得。
[0014]进一步地，当所述当前车辆状态包括车身质心侧偏角β和横摆角速度时，车辆稳定裕度的计算公式为：
[0015][0016]式中，D
s
为当前状态下的车辆稳定裕度，β为当前车身质心侧偏角；为当前横摆角速度；D
i
为当前状态到车辆稳定边界上第i点的欧几里得距离，为车辆稳定边界上的一点。
[0017]进一步地，所述车辆稳定边界的确定过程具体包括：
[0018]构建车辆动力学模型；
[0019]基于所述车辆动力学模型，获取车辆状态变化的根轨迹图；
[0020]通过支持向量机对所述根轨迹图中的状态点进行分类训练，获得分类超平面，以该分类超平面作为车辆稳定边界。
[0021]进一步地，所述车辆动力学模型采用二自由度车辆模型和Dugoff轮胎模型。
[0022]进一步地，对每一组状态进行3阶龙格库塔公式迭代获得所述根轨迹图。
[0023]进一步地，不同状态的所述车辆稳定边界采用查询数据表形式保存。
[0024]进一步地，所述分类模型为高斯混合
‑
隐马尔可夫分类模型、神经网络模型或深度神经网络模型。
[0025]进一步地，所述当前驾驶员状态为次级任务准确度或生理采集信号。
[0026]本专利技术还提供一种个性化驾驶辅助系统，包括：
[0027]驾驶员技能分类模块，基于如权利要求1所述的驾驶员技能分类方法获得对应的驾驶员技能分类结果，在线识别驾驶员技能等级；
[0028]辅助强度确定模块，基于所述驾驶员技能等级确定对应的辅助强度，实现个性化辅助驾驶。
[0029]与现有技术相比，本专利技术具有以下有益效果：
[0030]1、本专利技术通过因果分析确定以车辆稳定裕度和当前驾驶员状态作为驾驶技能特征，实现驾驶技能的分类，其中，车辆稳定裕度用于映射驾驶员的情景感知能力和车辆控制能力，由于驾驶员都有希望快速完成驾驶任务的目标，在不同复杂程度的驾驶情景中同类驾驶员会有相同的车辆稳定裕度分布，当前驾驶员状态(如次级任务准确度、生理采集信息等)也有相同原理。因此，本专利技术分类方法可以通过较少的日常行驶的驾驶场景实现准确驾驶技能分类，分类模型训练方便，可靠性高。
[0031]2、本专利技术采用机器学习方法获取车辆稳定裕度，具有精度更高，人为工作量更少
的优点。
[0032]3、本专利技术基于驾驶技能分类结果实现辅助驾驶功能，可以个性化地根据驾驶员状态确定相应的辅助强度，提高辅助系统使用率高，降低事故发生概率。
附图说明
[0033]图1为本专利技术的原理示意图；
[0034]图2为基于驾驶行为与车辆姿态的技能分类原理图；
[0035]图3为基于因果分析的驾驶员技能分类原理图；
[0036]图4为基于支持向量机的车辆稳定边界获取原理图；
[0037]图5为前轮转角为0
°
和v纵向车速为20kmph时根轨迹图；
[0038]图6为测试道路俯瞰图。
具体实施方式
[0039]下面结合附图和具体实施例对本专利技术进行详细说明。本实施例以本专利技术技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本专利技术的保护范围不限于下述的实施例。
[0040]实施例1
[0041]由于在开放环境下行驶的车辆面临的驾驶场景是复杂多变的，通过穷举的方本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种驾驶员技能分类方法，其特征在于，该方法包括：实时获取当前车辆状态和当前驾驶员状态；基于所述当前车辆状态计算获得车辆稳定裕度；将所述车辆稳定裕度和当前驾驶员状态共同作为一经训练的分类模型的输入，获取对应的驾驶员技能分类结果；其中，所述车辆稳定裕度用于映射驾驶员的情景感知能力和车辆控制能力，根据离线确定的车辆稳定边界计算获得，所述当前驾驶员状态用于映射驾驶负担。2.根据权利要求1所述的驾驶员技能分类方法，其特征在于，所述车辆稳定裕度通过计算当前车辆状态与当前状态下的车辆稳定边界的最小欧几里得距离获得。3.根据权利要求2所述的驾驶员技能分类方法，其特征在于，当所述当前车辆状态包括车身质心侧偏角β和横摆角速度时，车辆稳定裕度的计算公式为：式中，D
s
为当前状态下的车辆稳定裕度，β为当前车身质心侧偏角；为当前横摆角速度；D
i
为当前状态到车辆稳定边界上第i点的欧几里得距离，为车辆稳定边界上的一点。4.根据权利要求1所述的驾驶员技能分类方法，其特征在于，所述车辆稳定边界的确定过程具体包括：构建车辆动力学模型；基于所述车辆动力学...

【专利技术属性】
技术研发人员：陈虹，孟强，张琳，
申请(专利权)人：同济大学，
类型：发明
国别省市：