汽车横向辅助驾驶系统深度感知与人机协同控制研究

Considering the influence of complicated road traffic environment on vehicle’s lateral movement and the trade-off between the overall safety of driver-vehicle-environment system and driver’s autonomy, both deep environment perception and man-machine cooperative control in vehicle’s lateral driver assistance system will be studied. Based on the big data of road environment, an end-to-end environment perception architecture which can fuse multi-sensor information will be established. Extracting advanced features from driving behavior data to perform probabilistic inference for multi-target driving intention, then the prediction model with regard to future security situation will be built. After designing characteristic quantities to represent the evolution of vehicle’s safe state and researching the strategy of driving authority allocation by dividing security situation regions, the decision of vehicle’s lateral control mode is made in a situation-adaptive manner. The mechanism of human-machine conflict should be analyzed, and then the haptic shared control strategy that takes driver’s intention and ability into consideration need to be designed. Also, the dynamic coupling characteristics between the steering and braking systems of the chassis should be analyzed so as to study the coordination control method of multiple actuators in the automatic control mode. The hybrid system theory will be introduced to describe the multi-mode switching control system and analyze the global stability of system . To achieve an intelligent, safe and user-friendly driver assistance system, the theoretic analysis and software simulation, hardware-in-loop simulation and experimental tests will be implemented in the proposed project.

针对复杂道路交通环境对汽车横向运动的影响，权衡“驾驶员-自车-环境”系统的整体安全性和驾驶员自主权，研究汽车横向辅助驾驶系统的深度环境感知与人机协同控制。通过构建道路环境大数据，建立融合多源传感器信息的端到端环境感知体系结构；挖掘驾驶行为数据中的高级特征，对多目标驾驶意图进行概率推理，构建面向未来的汽车安全态势预测模型；设计反映安全状态演变的特征量，划分安全态势区域并研究相应的驾驶权分配策略，自适应决策汽车横向控制模式；分析人机冲突产生机理，设计考虑驾驶员意图及其操控能力的触觉反馈共享控制策略；分析汽车底盘转向与制动系统的动力学耦合特征，研究自动控制模式下多个执行机构的协调控制方法；引入混杂系统理论对多模式切换控制进行建模，分析系统整体稳定性。项目采用系统建模、理论分析、软件仿真、硬件在环实时仿真及实车验证相结合的研究方法，以实现智能、安全且人机友好的辅助驾驶系统。

本项目综合考虑了“驾驶员-车辆-环境”系统的整体安全性，在智能汽车辅助驾驶系统(ADAS)的深度环境感知、安全态势决策、人机协同控制等方面，进行了深入研究。主要研究成果包括：（1）设计了车道线边缘点曲率投票的弯曲车道识别和基于深度神经网络学习的车道偏离预警算法；给出了基于安全边界的换道决策方法,提出了依据动态安全域来设计可拓决策和基于模型预测控制的动态路径规划方法。（2）提出了多模式切换策略，给出了基于哈密顿能量函数的理想纵向力和侧向力分配策略，并设计了一种新颖的基于衍生状态格的轨迹规划算法，将寻求避障轨迹转化为避障车辆和状态格之间的轨迹规划问题。（3）提出了适用于分布式驱动汽车的分层式控制系统，上层为基于横摆角速度、质心侧偏角的模糊控制器和可拓联合控制器，下层为驱动力分配控制器，采用稳定性控制、最小能耗控制和联合控制模式；基于伪逆优化算法对各车轮转矩进行优化分配，有效保障了汽车行驶稳定性，降低了整车驱动能耗。（4）提出了基于变参数道路势场和人机协同的车道保持辅助控制方法，设计了基于鲁棒增益调度的能量有界控制策略；提出了一种基于转向盘转角安全边界的人机协同控制和减小驾驶员与ADAS控制权限冲突的人机权值分配策略，可使汽车在有效跟踪期望路径的同时及时纠正驾驶员误操作行为。（5）提出了一种新颖的考虑驾驶员误操作的基于人机协同的车道偏离控制方法，设计了基于辅助转向和差动制动的可使人机冲突最小化的多模式人机协同策略，有效降低了控制器对驾驶员操纵的干预，提高了行驶安全性及驾驶舒适性。（6）自行搭建了智能驾驶硬件在环实验台、分布式驱动电动实验车、智能实验汽车等，开展了大量的硬件在环仿真和实车实验研究。理论分析、计算机仿真、硬件在环仿真及实车实验等结果均表明，所提出的智能汽车横向辅助驾驶系统深度感知与人机协同控制研究结果的有效性，可全面提升智能汽车的安全性、稳定性和舒适性等。