1.一种考虑驾驶意图和状态的共驾系统权限分配及规划控制方法,其特征在于,包括以下步骤:步骤1.驾驶人意图识别模型构建,通过多模态数据采集,结合CNN模型与LSTM模型提取空间与时间特征,融合后实时识别驾驶意图;
步骤2.轨迹规划决策设计,根据识别的驾驶意图判断换道可行性,生成安全的轨迹簇,并采用多目标评分法选取最优换道轨迹,实现轨迹规划;
步骤3.人机最优权重实时求解,依据驾驶人意图与方向盘转角波动情况,动态调整人机权重分配,实现驾驶人和共驾系统之间的平滑协作与安全切换;
步骤3.1.驾驶人意图识别结果为保持直行时,驾驶人权重设置为1,共驾系统权重设置为0;
步骤3.2.驾驶人意图识别结果为左换道或者右换道时,且不满足换道可行性条件时,驾驶人权重设置0,共驾系统权重设置为1;
步骤3.3.驾驶人意图识别结果为左换道或者右换道时,且满足换道可行性条件时,首先以0.5s为滚动时间窗口,求解驾驶员在每一个窗口下的方向盘转角δf的标准差,并基于方向盘转角的标准差的对数值的统计结果构建对数正态分布,其概率密度函数f(x;μ,δ)为:式中,x为方向盘转角的标准差,μ和δ为方向盘转角标准差对数的均值和标准差,其累积分布函数的表达式为:人机共驾下的驾驶员和共驾系统在当前时间窗口i下的驾驶员实时权重ah(i)和共驾系统实时权重as(i)定义如下:式中,ah(i)为时间窗口i-1下的驾驶人权重,分配时要求换道初始时刻驾驶人的权重为1,相邻时间窗口下驾驶人的权重值变化量不大于0.2,其余情况下,驾驶人的权重值as(i)为1减去对应窗口下方向盘转角标准差下的累积分布函数值;
步骤4.运动控制量求解,基于最优换道轨迹,采用自适应模型预测控制方法,结合车速动态调整预测与控制时域,实现车辆对期望轨迹的高精度跟踪控制。
2.根据权利要求1所述的一种考虑驾驶意图和状态的共驾系统权限分配及规划控制方法,其特征在于,在步骤1中还包括以下步骤:步骤1.1.实时多模态数据采集,在车辆运行中,利用传感器实时采集数据:(1)时间序列数据:从车辆的CAN总线获取实时状态,包括位置、速度、加速度、方向盘转角、以及灯光信号,(2)空间特征数据:通过环境感知设备获取实时图像、车道线、周围车辆的相对位置,将时间序列数据按照固定的时间窗口切片,形成滑动时间窗口;同时,对空间特征数据按帧动态更新,以配合时间序列数据,其中环境感知设备包括摄像头、雷达或激光雷达;
步骤1.2.构建CNN模型处理空间特征;将输入的图像数据经过尺寸缩放、归一化的预处理,以适配CNN模型的输入格式,使用卷积层提取局部空间特征,包括车道线形状、前方车辆或侧方车辆的相对位置,使用池化层降低维度,保留预设的关键特征,同时减少计算量以适应实时性需求,最终获得空间特征向量;
步骤1.3.构建LSTM模型处理时间序列特征,按照滑动时间窗口,将预设的一段最近时间的时间序列数据输入LSTM模型,使用LSTM模型的多个LSTM模块依次处理时间序列,捕获驾驶行为的动态变化趋势,输出时间序列特征向量,表示车辆的连续动态特征;
步骤1.4.实时特征融合,在每一个时间窗口结束时,将LSTM模型和CNN模型提取的特征进行融合,将CNN模型输出的时间序列特征向量和CNN模型输出的空间特征向量通过特征拼接结合,将融合后的特征向量输入全连接层,进一步处理和压缩,以形成高层语义特征;
步骤1.5.识别结果分类输出,基于融合的高层语义特征,实时预测驾驶意图,使用全连接层将高层语义特征映射到分类空间,通过Softmax激活函数计算每种驾驶意图类别的概率,输出的驾驶意图类别包括:左换道、右换道、以及保持直行。
3.根据权利要求1所述的一种考虑驾驶意图和状态的共驾系统权限分配及规划控制方法,其特征在于,在步骤2中还包括以下步骤:步骤2.1.意图识别结果输入,将驾驶人意图识别模型输出的驾驶意图类别输入到轨迹规划决策模块,其中驾驶意图类别包括左换道、右换道、以及保持直行;
步骤2.2.换道可行性判定,保持直行的意图识别结果下共驾系统不输出横向控制量,左换道和右换道的意图识别结果下,首先进行换道可行性判定,在大地坐标系下将车辆假设为矩形,自车以最大侧向加速度换道过程与其他矩形之间无交点则满足换道可行性条件,满足换道可行性时,共驾系统生成换道轨迹进行换道辅助,不满足换道可行性的情况如下:情况1:驾驶员没有有效判断目标车道后方车辆状态而过早采取换道行为,此时自车与目标车道后方车辆纵向间距过小有碰撞风险;
情况2:当前车道前方车辆紧急制动,而自车未采取及时有效地换道避障行为,与原车道前车或者目标车道前车纵向间距过小有碰撞风险。
4.根据权利要求3所述的一种考虑驾驶意图和状态的共驾系统权限分配及规划控制方法,其特征在于,在步骤2中还包括以下步骤:步骤2.3.针对步骤2.2中不满足换道可行性的情况1,共驾系统此时生成直行的期望轨迹并及时接管车辆控制权保证安全;
步骤2.4.针对步骤2.2中不满足换道可行性的情况2,共驾系统则及时接管车辆控制权保证安全,控制车辆制动减速为后续进行换道动作腾出空间,使得再次识别到驾驶员有换道意图时,能满足换道可行性判定,生成安全的期望换道轨迹。
5.根据权利要求4所述的一种考虑驾驶意图和状态的共驾系统权限分配及规划控制方法,其特征在于,在步骤2中还包括以下步骤:步骤2.5.轨迹簇构建;满足换道可行性时,以纵向匀速,横向五次多项式设计期望轨迹,首先在当前车道前车最高车速15m/s、20m/s、25m/s、30m/s,最大制动减速度为-4m/s2这四种换道场景下进行多次重复试验,每种场景统计的换道时间Tlc的均值特征和标准差特征以为下界,以为上界,0.2s为步长,生成的一系列换道时间最终构建各换道场景下的二维轨迹簇。
6.根据权利要求5所述的一种考虑驾驶意图和状态的共驾系统权限分配及规划控制方法,其特征在于,在步骤2中还包括以下步骤:步骤2.6.最优换道轨迹求解;设定多目标评分法选取评分最高的轨迹为当前场景下的最优换道轨迹,多目标评分中考虑以下四个子目标:稳定性目标、效率目标、舒适性目标及拟人化目标,构建结果如下:score=k1scores+k2scoree+k3scorec+k4scoreh;
式中,score为计算比较的轨迹最终得分,scores、scoree、scorec、scoreh;分别为稳定性目标、效率目标、舒适性目标及拟人化目标评分结果,k1、k2、k3、k4为各子目标评分对应权重,各指标评分的计算方法如下:式中,ay_max为每条规划轨迹下的最大侧向加速度,g为重力加速度,Tlc为被评价轨迹所需的换道时间,即每种场景统计的换道时间,为规划轨迹下的最长换道时间,即为jy_max为规划轨迹下的最大侧向加加速度,jy_ref为侧向加加速度的参考值,为每种场景统计的换道时间Tlc的均值特征,为每种场景统计的换道时间Tlc的标准差特征。
7.根据权利要求1所述的一种考虑驾驶意图和状态的共驾系统权限分配及规划控制方法,其特征在于,在步骤4中还包括以下步骤:步骤4.1.基于求解得到的最优换道轨迹,应用自适应模型预测控制方法对期望轨迹进行跟踪控制,定义模型状态空间d(ξ)/d(t)=f(ξ,u),其中状态量ξ定义如下:其中,vy,vx为侧向速度和纵向速度,和为车辆横摆角和横摆角速度,Y和X为大地坐标系下的车辆侧向位置和纵向位置,控制量输入u及输出η定义如下:u=[σf],
8.根据权利要求7所述的一种考虑驾驶意图和状态的共驾系统权限分配及规划控制方法,其特征在于,在步骤4中还包括以下步骤:步骤4.2.共驾系统基于步骤4.1所建立的自适应模型预测控制方法,构建以控制增量和输出偏差为目标的二次规划优化问题,该问题的目标函数综合考虑车辆的轨迹跟踪精度与控制平顺性,定义如下:以预测时域内的期望轨迹与实际输出之间的偏差平方和、以及控制输入增量平方和的加权和为最小化目标函数,在满足车辆动力学约束、控制量约束及控制增量约束的条件下,求解控制序列;
二次规划问题表述为:
其中,Yref,i为预测时域内的期望输出,Yi为模型预测输出,ΔUj为第j步控制增量,Q与R分别为输出误差与控制增量的加权矩阵,Np为预测时域长度,Nc为控制时域长度;
共驾系统利用有效集法实时求解该二次规划问题,得到控制时域内的一系列控制输入增量及松弛因子,共驾系统将控制序列中的首个控制量作为当前时刻的实际控制输入作用于车辆,实现对期望换道轨迹的动态跟踪;随后进入下一时刻滚动优化,直至完成整个轨迹的跟踪控制过程。
9.根据权利要7所述的一种考虑驾驶意图和状态的共驾系统权限分配及规划控制方法,其特征在于,在步骤4中还包括以下步骤:步骤4.3.自适应模型预测控制方法的自适应性用于在控制时域Nc和预测时域Np随纵向车速的变化关系设置上,如下所示:Nc=0.3Np,
式中,k为比例系数,vxmin,vxmax分别为纵向低速阈值和纵向高速阈值,Npmax为预测时域上限。