基于驾驶员特性自学习方法的车辆纵向驾驶辅助系统

车辆纵向驾驶辅助系统能够有效减轻驾驶员操作负荷和避免追尾危险,对提高交通安全具有重要意义。由于驾驶员本身存在着较大的个体差异和状态波动,采用固定参数的传统辅助系统难以保证对不同驾驶员的适用性。针对此问题,本文基于驾驶员跟车行为和异常驾驶行为分析,设计了车辆纵向驾驶辅助系统的上位控制策略,提出了针对驾驶员特性的自学习方法,并应用该策略及方法开发了具有自适应巡航控制和追尾报警/避撞功能的车辆纵向驾驶辅助系统原理样机,实现了系统对驾驶员特性的自动适应。 论文首先提出了一种驾驶员跟车行为特性以及异常行为特性的分析方法。该方法通过真实道路实验和异常驾驶行为量表获取驾驶员特性数据,根据对实验数据的统计分析以及量表信息的因子量化和聚类分析,得到对应自适应巡航功能的驾驶员稳态跟车行为特性、对应追尾报警/避撞功能的驾驶员接近前车行为特性以及异常行为倾向因子,为辅助系统上位控制策略设计提供了基本依据。 然后,设计了车辆纵向驾驶辅助系统的上位控制策略,并提出了针对驾驶员特性的自学习方法。控制策略包括驾驶员跟车模型和追尾报警/避撞算法两部分。该自学习方法采用带遗忘因子的最小二乘参数估计递推算法实时处理驾驶员人工操作过程数据,实现对驾驶员跟车模型参数的在线辨识;采用神经网络分类器处理驾驶行为量表数据,基于驾驶员异常行为模式和实验数据统计实现对追尾报警/避撞算法的参数匹配。 为验证所提出方法的有效性和正确性,建立了模块化结构的驾驶辅助系统实验平台。针对电子液压制动系统、雷达信息处理算法、控制器硬件、人机交互界面、CAN网络等底层关键技术进行了设计开发,使实验平台具备了良好的可靠性和扩展性。 最后,在真实道路环境下,应用实验平台开展了系统自学习方法和驾驶辅助功能的验证实验。结果表明,基于本文方法开发的车辆纵向驾驶辅助系统能够有效实现对驾驶员操作过程特性的自学习,系统性能与驾驶员相符并对驾驶员具有良好的适应性。