东南大学殷国栋教授团队：共驾型智能汽车控制权限转移算法研究丨JME文章推荐|一流学科|东南大学|共驾型智能汽车控制权限转移算法研究|工程学院|殷国栋|驾驶员

引用论文

严永俊, 林中盛, 王金湘, 方振伍, 汪䶮, 殷国栋.共驾型智能汽车控制权限转移算法研究[J]. 机械工程学报, 2023, 59(16): 275-287.

YAN Yongjun, LIN Zhongsheng, WANG Jinxiang, FANG Zhenwu, WANG Yan, YIN Guodong. Research on Control Authority Transfer Algorithm for the Intelligent Vehicle with Human-machine Cooperative Driving[J]. Journal of Mechanical Engineering, 2023, 59(16): 275-287.

(戳链接，下载全文)

不同层次、不同功能的汽车智能驾驶技术正迅猛发展，但是，复杂的驾驶场景、动态的交通状况以及各种法律和伦理问题，导致全工况自动驾驶车辆的商业化在短期内难以实现。驾驶员和智能控制系统共同协作完成驾驶任务的共驾型智能汽车，成为现阶段的研究热点。在车辆行驶过程中，当控制难度超出驾驶员能力之外时，如驾驶员状态不佳或者在大曲率U-turn等危险道路上，智能控制系统将获取车辆的控制权；相反，当车辆控制难度超出智能控制系统能力之外时，如在人流较大或者未知复杂的环境下，控制系统需唤醒驾驶员并将控制权移交给驾驶员。如何安全、平顺地实现两者的控制权限转移是需要关注的问题。基于此，东南大学殷国栋教授团队提出了一种考虑驾驶员个性化操纵偏好的权限转移控制策略。他们的研究成果以题为《共驾型智能汽车控制权限转移算法研究》发表在《机械工程学报》2023年第16期。

关键技术

本文研究大曲率道路工况下驾驶员和自动驾驶控制器之间的操纵权限转移策略。人机协同控制整体框架如图 1 所示。驾驶员和自动控制器根据实际工况共同享有车辆的控制权，并根据道路环境、行驶工况和驾驶员的操纵能力设计驾驶员和自动控制器之间的控制权限转移策略，有效提高车辆的行驶安全性、稳定性和对目标轨迹的跟踪精度，以及驾驶员在自动控制器操控车辆时的满意度。

图1 人机协同控制整体框架

1. 车辆-道路模型

为了更好地描述车辆在变曲率道路中的位置，本文采用曲线坐标系来替代常用的直角坐标系，如图2所示。以右车道中心线(目标轨迹)为坐标系的横轴σ-axis，距离右车道中心线的横向偏差为坐标系的纵轴ey-axis。那么，右车道中心线上的点和其余车道标志线上的点可以简单地表示为0或者常数。PCG,0为主车初始时刻的位置，PCG,k为主车k时刻的位置，期间行驶过的距离为σ。

图2 曲线坐标系示意图

2.双点预瞄驾驶员模型

采用适用于任意曲率道路的双点预瞄驾驶员模型，假设驾驶员仅通过视觉预瞄的方法来确定前方道路信息，且车辆的质心位置与参考路径相关，如图3所示。驾驶员采用一个近点和一个远点来获取弯曲道路的信息，并以此操纵车辆进行转向。近点在目标轨迹上，用来确定车辆与目标轨迹的横向偏差，远点为驾驶员视线与道路边界的相切点，用来获取即将到来的道路曲率，分别描述了驾驶员的前馈意图和反馈补偿转向控制。

图3 双点预瞄驾驶员模型

仿真结果

为验证所设计权限转移策略的实际应用效果，我们在如图4所示的驾驶模拟器平台上进行了驾驶员在环的验证实验。

图4 驾驶模拟器实验平台

在驾驶模拟器试验过程中，为了确保权限转移触发提示能够准确的传达给驾驶员，新手驾驶员与熟练驾驶员都将通过视觉和听觉两方面获得权限转移的提示。由于驾驶员的行车速度保持一定，通过行驶距离在道路两侧设定权限转移开始和结束的提示标志，同时当驾驶员经过提示标志时，触发电子提示音，提示驾驶员即将进行权限转移操作。为保证数据的可靠性，单次道路行驶结束后，驾驶员会进行5 min的娱乐放松，重复测试4次，并记录数据，纯驾驶员操作和三种权限转移方式的对比效果如图5~6所示。

图5 新手驾驶员不同权限转移策略下车辆横向偏差

图4 熟练驾驶员不同权限转移策略下车辆横向偏差

当高速通过大曲率U-turn道路时，新手驾驶员和熟练驾驶员的操纵轨迹都出现了振荡，尤其是新手驾驶员操纵时的轨迹最大横向偏差接近3m。而转移驾驶权限后，由车辆控制器执行弯道行驶任务，实现了大曲率道路的安全平稳行驶。在驶出弯道时，阶跃和渐进的权限转移策略会导致车辆轨迹的轻微振荡，且横向偏差较大。尤其是阶跃转移策略，由于驾驶员突然接管驾驶权限，难以适应，车辆的操纵效果很差。而所提出的个性化柔性转移策略，为驾驶员提供了平缓的过渡过程，使得驾驶员在权限转移过程中能够平稳的将权限释放和收回，有效提高了行驶安全性和路径跟踪精度。个性化柔性转移策略在权限转移过程中的性能指标绝对误差的积分（IAE）和绝对误差与时间乘积的积分（ITAE）均为最小。相比较于阶跃转移和渐进转移策略，新手驾驶员的跟踪精度分别提高33.8%和32.4%，权限转移过程中的驾驶舒适性（瞬时振荡）分别提高50.6%和45.8%；熟练驾驶员的跟踪精度分别提高42%和33.3%，权限转移过程中的驾驶舒适性分别提高57.8%和48%。因此，本文提出的个性化柔性权限转移策略能够有效提高人机权限转移过程中车辆的安全性、稳定性、舒适性和轨迹跟踪精度。

结论

驾驶员在环实验结果表明，所提出的考虑驾驶员操纵特性的拟人化车辆控制器与个性化柔性转移策略能够在大曲率U-turn道路的权限转移过程中提高车辆的行驶稳定性、驾驶舒适性和跟踪精度，从而保证车辆的行驶安全性。同时，所提出的个性化柔性转移策略也能根据驾驶员的操纵特征，提供符合驾驶员偏好的个性化权限过渡方案和拟人化操纵方案，有效改善了驾驶员的驾驶体验。

前景应用

不同层次、不同功能的汽车智能化技术正迅猛发展,全自动驾驶车辆呼之欲出。但是，现阶段完全自动驾驶尚未形成一个统一的框架，关于无人驾驶的交通法规难以界定，实现无人驾驶需要重构道路等基础设施，无人驾驶特定芯片仍处于研发阶段。综合考虑技术、社会和经济等各方面的因素，真正意义上第五个级别的完全自动驾驶在短期内很难实现。特别是在各种复杂交通环境下自动驾驶系统完全替代人仍然是人工智能技术需要解决的难题，因此，在未来很长一段时间内，人机共驾将仍然是智能驾驶汽车最可行的实现方式。人类驾驶员和自动控制器各有其优缺点，此时，如何安全、平顺地实现人机两者的控制权限转移是必须要解决的关键问题。

主创简介

殷国栋，东南大学首席教授，江苏特聘教授，博士生导师，国家杰出青年科学基金获得者，教务处处长，机械工程学院教授，网络空间安全学院智能网联汽车信息安全研究中心主任，江苏省智能电动运载装备工程研究中心主任。现兼任教育部高等学校工程训练教学指导委员会委员、江苏省智能网联汽车标准化技术委员会副主任委员、江苏省汽车工程学会副理事长等。

主创简介

王金湘，东南大学副教授，博士生导师，东南大学机械工程学院院长助理，江苏省智能电动运载装备工程研究中心副主任。主要研究方向为车辆动力学及控制，智能网联汽车路径规划与控制，个性化辅助驾驶等。主持国家自然科学基金项目4项，获教育部科技进步一等奖1项，江苏省科学技术奖一等奖1项，在IEEE Trans.、《机械工程学报》等核心期刊发表学术论文30余篇。

主创简介

严永俊，东南大学机械工程学院博士生，主要研究方向为车辆动力学与控制、个性化决策规划、混驾环境博弈交互等。近三年，以第一作者在IEEE TITS，IEEE TIV，IEEE/ASME TMECH，IEEE TVT，《机械工程学报》、《中国公路学报》等行业顶级期刊发表学术论文7篇，受理/公开国家发明专利20余项，授权10项，参加海内外国际学术会议10余次，做大会分论坛学术报告5次。

近两年团队发表文章

[1]YAN Y, WANG J, ZHANG K, et al. Driver’s Individual Risk Perception-Based Trajectory Planning: A Human-Like Method[J]. IEEE Transactions on Intelligent Transportation Systems, 2022, 23(11)：20413-20428.

[2]YAN Y, PENG L, SHEN T, et al. A Multi-Vehicle Game-Theoretic Framework for Decision Making and Planning of Autonomous Vehicles in Mixed Traffic[J]. IEEE Transactions on Intelligent Vehicles, 2023, 8(11): 4572-4587.

[3] YAN Y, WANG J, WANG Y, et al. A Cooperative Trajectory Planning System Based on the Passengers' Individual Preferences of Aggressiveness[J]. IEEE Transactions on Vehicular Technology, 2023, 72(1): 395-406 .

[4]YAN Y, PENG L, WANG J, et al. A Hierarchical Motion Planning System for Driving in Changing Environments: Framework, Algorithms, and Verifications[J]. IEEE/ASME Transactions on Mechatronics, 2023, 28(3): 1303-1314.

[5]WANG J, YAN Y, ZHANG K, et al. Path planning on large curvature roads using driver-vehicle-road system based on the kinematic vehicle model[J]. IEEE Transactions on Vehicular Technology, 2022, 71(1): 311-325.

作者：严永俊

责任编辑：杜蔚杰

责任校对：张强

审核：张强

JME学院简介

JME学院是由《机械工程学报》编辑部2018年创建，以关注、陪伴青年学者成长为宗旨，努力探索学术传播服务新模式。首任院长是中国机械工程学会监事会监事长、《机械工程学报》中英文两刊主编宋天虎。

欢迎各位老师扫码添加小助理-暖暖为好友，由小助理拉入JME学院官方群！

欢迎关注JME学院视频号~

寻觅合作伙伴

有一种合作叫做真诚，有一种发展可以无限，有一种伙伴可以互利共赢，愿我们合作起来流连忘返，发展起来前景可观。关于论文推荐、团队介绍、图书出版、学术直播、招聘信息、会议推广等，请与我们联系。

感谢关注我们！《机械工程学报》编辑部将努力为您打造一个有态度、有深度、有温度的学术媒体！

本文为《机械工程学报》编辑部原创内容，欢迎转载，请联系授权！