人车路协同环境下的驾驶人工作负荷变化规律与控制权智能交互机理研究

The development and application of human-vehicle-road cooperative system is a long and gradual process. Intelligent vehicle is the center of this system. Before the generalization of fully automated vehicle in everyday traffic, a joint-control of the vehicle between driver and car intelligent system will exist for a fairly long term. In this case, the control of vehicle is alternately switched between the driver and car intelligence, as well as the role of driver also switches back and forth between an operator and a supervisor. In terms of promoting drivers’ use of car intelligence, it is critical to guide vehicles’ intelligence control within drivers’ expectation and then encourage drivers’ acceptance of car intelligence. Aiming to enhance drivers’ experience and adaptability during the transition process of vehicle control between human and car intelligence, this study focuses on designing the transition model of vehicle control as well as its online learning method of behavioral features bases on three theoretical perspectives, drivers’ workload change under different V2X levels, quantification of drivers’ subjective perception of dangers and its migration along with workload change, plus the analysis of driver capacity boundaries under varied V2X levels. Key scientific questions of this study include exploring mechanisms of how V2X environment impact driver workload, drivers’ subjective perception of dangers and driver capacity boundaries, modeling vehicle control transitions and designing self-learning method of driving behavior features. Theory and models above will also be tested by on-road and driving simulation experiments. Results of this study will provide valued reference to the mid to long development of V2X.

以智能汽车为主体的人车路协同系统的发展与应用，是一个长期而渐进的过程。在实现泛交通系统的完全自动驾驶之前，驾驶人和汽车智能控制系统共同控制车辆的局面将长期存在，即控制权在驾驶人与车辆间交替切换，驾驶人的角色也在操作者和监管者之间往复变化。让汽车智能控制系统的控制过程更加符合驾驶人的预期，是提升驾驶人对汽车智能控制接受程度的关键。本项目以提升智能汽车控制权移交过程中的安全性、驾驶体验和驾驶适应性为主要目标，研究不同人车路协同水平下的工作负荷变化规律、主观危险感的量化及其随工作负荷变化的迁移规律、不同人车路协同水平下驾驶人的能力边界；建立控制权移交模型及其行为特征参数的在线学习方法，并通过实车和驾驶仿真实验进行测试验证；重点解决人车路协同环境对驾驶人工作负荷、主观危险感和能力边界的影响机理，及其对控制权移交条件的作用机制等关键科学问题。本项目研究成果将为人车路协同技术的深度应用提供有力支撑。

以智能汽车为主体的人车路协同系统的发展与应用，是一个长期而渐进的过程。在实现泛交通系统的完全自动驾驶之前，驾驶人和汽车智能控制系统共同控制车辆的局面将长期存在，即控制权在驾驶人与车辆间交替切换，驾驶人的角色也在操作者和监管者之间往复变化。让汽车智能控制系统的控制过程更加符合驾驶人的预期，是提升驾驶人对汽车智能控制接受程度的关键。本项目以提升智能汽车控制权移交过程中的安全性、驾驶体验和驾驶适应性为主要目标，在不同人车路协同水平下的工作负荷变化规律、主观危险感的量化及其随工作负荷变化的迁移规律、不同人车路协同水平下驾驶人的能力边界、控制权移交模型及其行为特征参数的在线学习方法五个方面开展研究，重点解决人车路协同环境对驾驶人工作负荷、主观危险感和能力边界的影响机理，及其对控制权移交条件的作用机制等关键科学问题。本项目相应地搭建了基于智能网联环境的车辆运动控制和人机交互实验平台，提出了驾驶过程中连续工作负荷量化模型、主观危险感量化指标安全裕度和可描述能力边界的新可控集合，探究了典型人车路协同驾驶场景下驾驶人的工作负荷、主观危险感和能力边界的变化规律；针对控制权由车到人切换，解析了驾驶人特性、系统特性和环境特性对接管行为的复杂影响机制，建立了自适应驾驶人驾驶习惯与接管条件的接管时间预算模型；针对控制权由人到车切换，提出了一种适应驾驶人心理需求的跟驰预警时刻确定方法，构建了跟车追尾碰撞概率模型和基于车车通信的切入碰撞风险预警模型，提出了一种驾驶行为特征参数在线自学习算法。项目研究成果可为人车路协同技术的深度应用提供有力支撑。