[发明专利]基于驾驶员意图识别的转向力矩引导分配曲线设计方法

权利要求书

1.基于驾驶员意图识别的转向力矩引导分配曲线设计方法，所述的驾驶员意图情况分为车道保持、左/右变道、紧急避障，其特征在于包含以下步骤：

(1)针对不同驾驶员意图的情况确定力矩引导的大小；

(2)首先确定力矩引导公式为：

其中τ_guide为转向力矩引导，Δθ为真实方向盘转角θ_real与目标方向盘转角θ_target的差值，根据车辆的需求，转向力矩引导将随转角差值的增大分为三个阶段：轻微引导阶段、线性增加力矩引导阶段及力矩引导饱和阶段；

故，可将f(Δθ)应用下面函数表示：

其中：K为引导力矩峰值系数，a为转角线性差值曲率，b为转角差值线性补偿；

(3)针对不同的驾驶员意图情况选取不同的K、a、b分段确定转向力矩引导的大小；对驾驶员意图为车道保持的情况对应的力矩引导为轻微介入阶段，对曲线进行加权移动平均法平滑处理，改善曲线型力矩引导曲线的变化率，从而更好地保证手感；当驾驶员意图为左/右变道时，对应的力矩引导为线性增加阶段直至到达力矩饱和阶段，对力矩引导曲线进行简单移动平均法进行平滑处理；当驾驶员意图为紧急避障时，对应力矩引导为饱和阶段，规定力矩引导正向引导为正值，反向修正为负值，首先对车辆的稳定性应用稳定安全包络以及环境安全包络进行判定，当车辆处于稳定空间内对车辆正向引导，完成紧急避障；当未处于安全空间内时，需要对手力矩反向引导，保证车辆稳定性；

(4)对利用方向盘转角差值计算目标转向力矩：

其中：对比例关系进行变化处理，λ为变换系数，确定一定车速下的引导力矩曲线；

(5)对于不同阶段不同车速下，通过关于速度的相关项得到不同车速下完整的转向力矩引导曲线：

其中u为车速，τ_gv为各车速下的目标转向力矩引导，e^-au为包含车速的矫正系数。

2.根据权利要求1所述的基于驾驶员意图识别的转向力矩引导分配曲线设计方法，其特征在于：所述的不同驾驶员意图的情况确定包含以下步骤：

步骤1)划分驾驶员意图，将驾驶员意图按照需要划分为车道保持、左/右变道、紧急避障四类，并分别标记为1、2、3、4；

步骤2)试验数据采集，应用车载传感器，针对驾驶员的不同驾驶意图，即车道保持、左/右变道、紧急避障；采集试验数据，包括加速踏板行程、制动踏板行程、方向盘转角、方向盘转速、横摆角、横摆角速度、车道中心线距离、车速；对每个驾驶行为进行多次数据采集，一部分进行用于离线训练，剩余的数据用于离线验证；

步骤3)试验数据处理，将每类实验数据按照对应数字1-8进行编号，选取训练集，将数据筛选后的驾驶员意图导入第一层HMM模型中进行参数θ优化，主要应用Baum-Welch算法获得HMM参数θ的重估公式：

P₀＝P(Q_j(1))＝α_j(1)β_j(1)/P(v|θ) (5)

其中，P₀为初始概率条件，Q_j为隐藏的驾驶员意图，α表示意图转换矩阵，β表示从驾驶员意图产生驾驶行为的产生矩阵，v表示可观察的驾驶员行为序列；通过优化得到车道保持、左/右变道、紧急避障意图HMM的描述参数θ_b,θ_z,θ_y,θ_j；

以换道行为序列为条件，驾驶员行为由Q_i(t-1)转移到Q_j(t)的概率为：

同时，将已经对应好的每类实验数进行初步处理，并将处理后的数据通过RBF函数映射到高维空间如下：

R(v_i,v_j)＝exp(-||v_i-v_j||/2σ²) (7)

其中，v_i,v_j为采集到的驾驶员行为数据，σ为v_i,v_j的协方差矩阵；

步骤4)运用HMM与SVM算法对驾驶员意图识别的训练与验证

4.1运用HMM与SVM联立算法对驾驶员意图进行训练，选取部分数据作为训练数据，首先应用HMM理论对驾驶员意图初步识别，主要采用Viterbi算法求出模型的参数θ_i对输出驾驶员行为序列v的输出概率P(v|θ_i)选出模型中概率最大的作为未知意图的辨识结果，即：

对经HMM理论进行识别的易混淆驾驶员意图进行确定，同时将这N种易混淆的驾驶员意图两两组合，构建个分类器，将易混淆的驾驶员意图对应的训练集训练SVM模型，求解驾驶员意图的最优决策函数：

其中：

4.2运用HMM与SVM联立算法对驾驶员意图进行验证

将处理后的另一部分未用于离线训练的数据进行离线验证，分别通过HMM算法计算出每类数据参数θ_i对输出驾驶员行为序列v的输出概率，选取最大值即为驾驶员意图，筛选出易混淆的驾驶员意图，应用SVM算法，通过网格寻优算法获取最优参数C、σ，求应用上述驾驶员意图的最优决策函数识别易混淆的驾驶员意图，将第一层HMM中识别率较低的易混淆的意图作为与待辨识意图较为相似的类别，形成候选集，再由第二层SVM在候选模式中对待辨识意图作最后决策。