电子学报

• •    

基于高斯隐马尔可夫模型的人机共享控制区域化决策算法

刘芳1, 朱天贺1, 苏卫星1(), 刘阳2   

  1. 1.天津工业大学天津市自主智能技术与系统重点实验室,天津 300387
    2.华晨宝马汽车有限公司整车开发部,辽宁 沈阳 110098
  • 收稿日期:2021-10-20 修回日期:2022-03-31 出版日期:2022-05-19
  • 通讯作者: 苏卫星
  • 作者简介:刘 芳 女,1983年3月出生于辽宁沈阳,工学博士,副教授,现任职于天津工业大学计算机科学与技术学院,主要研究方向智能辅助驾驶,复杂系统的建模,辨识与优化. Email: lf@tiangong.edu.cn
    朱天贺 女,1998年3月出生于吉林松原.现为天津工业大学计算机科学与技术学院硕士研究生,主要研究方向智能辅助驾驶,人机共驾.Email: zhutianhe980318@163.com
    苏卫星(通讯作者) 男,1980年5月出生于辽宁盘锦,工学博士,教授.现任职于天津工业大学计算机科学与技术学院,主要研究方向无人驾驶,智能辅助驾驶,智能制造技术. Email:suweixing@tiangong.edu.cn
    刘 阳 男,1979年12月出生于辽宁沈阳,工学博士,工程师,现就职于华晨宝马汽车有限公司,整车开发部,主要研究方向新能源汽车电控系统开发,智能辅助驾驶技术. Email: 95118748@qq.com
  • 基金资助:
    国家重点研发计划(2021YFB2501800);天津市研究生科研创新项目(2021YJSO2S17);国家自然基金(61802280);天津市技术创新引导专项(基金)(21YDTPJC00130)

Regionalized Decision Algorithm for Human-Machine Shared Control Based on Gaussian Hidden Markov Model

LIU Fang1, ZHU Tian-he1, SU Wei-xing1(), LIU Yang2   

  1. 1.Tianjin Key Laboratory of Autonomous Intelligence Technology and Systems,Tiangong University,Tianjin 300387,China
    2.BBT-E-6 Complete Vehicle,BMW Brilliance Automotive Ltd. ,Shenyang,Liaoning 110098,China
  • Received:2021-10-20 Revised:2022-03-31 Online:2022-05-19
  • Contact: SU Wei-xing

摘要:

针对伺服级共享控制决策中权衡安全性、干预度与驾驶体验的问题,提出基于高斯隐马尔可夫模型(Gaussian Hidden Markov Model,GHMM)的人机共享控制区域化决策算法.此算法利用高斯分布函数表征驾驶人的实时相对驾驶能力;利用区域化的高斯矢量环境风险场量化模型表征不同环境区域的环境风险值以及其模糊风险等级;最后综合驾驶人绝对能力、驾驶状态以及环境风险实现人机共享控制中控制权的高可靠、合理分配.实验表明,本文提出的人机共享区域化决策模型能够在考虑驾驶人相对能力及环境风险源所在方位的基础上给予较为合理的控制权柔性分配方案,有效降低风险至智能驾驶模型可控范围内.

关键词: 人机共驾, 柔性驾驶控制权分配, 行车风险场, 驾驶人能力评价, 隐马尔可夫模型, 矢量风险场

Abstract:

To address the problem of trade-off between safety, intervention and driving experience in servo-level shared control decision-making, a regionalized human-machine shared control decision algorithm based on Gaussian hidden Markov model(GHMM) is proposed. In this algorithm, Gaussian distribution function was applied to characterize the real-time relative driving ability of the driver and regionalized Gaussian vector risk field quantification model was applied to characterize the environmental risk and fuzzy risk levels in different regions. Finally the human-machine shared control decision integrated driver's absolute ability, driving state and environmental risk to achieve a highly reliable and reasonable allocation of control right. The experiments show that regionalized human-machine shared control decision algorithm proposed in this paper can give a more reasonable flexible allocation scheme of control right based on the relative ability of drivers and the orientation of risk sources, and effectively reduce the risk within the controllable range of the intelligent driving model.

Key words: man-machine shared driving, flexible driving control distribution, driving risk field, driving ability evaluation, hidden Markov model, vector risk field

中图分类号: