高級(jí)駕駛輔助系統(tǒng)對(duì)駕駛員表現(xiàn)的影響研究

1 前言

隨著道路上車輛和駕駛員數(shù)量的不斷增加，由于更頻繁和更嚴(yán)重的交通事故，社會(huì)面臨著重大挑戰(zhàn)。行駛時(shí)保持安全的車距和保持在車道上被認(rèn)為是安全行駛預(yù)防事故發(fā)生的關(guān)鍵因素。為了提高駕駛員的警惕性和感知能力，研發(fā)人員開發(fā)了各種先進(jìn)的駕駛員輔助系統(tǒng)（Advanced Driver Assistance Systems，ADAS）。

利用ADAS可以糾正駕駛行為。已經(jīng)發(fā)現(xiàn)，如果正確及時(shí)地提供ADAS干擾功能，則可以有效地避免或減輕高風(fēng)險(xiǎn)情況。本文通過高級(jí)駕駛輔助系統(tǒng)對(duì)駕駛員表現(xiàn)的影響研究，介紹了不同情況下駕駛員行為的特點(diǎn)，為基于駕駛員表現(xiàn)的ADAS研發(fā)提供基礎(chǔ)與參考。

2 ADAS與駕駛員表現(xiàn)

高級(jí)駕駛輔助系統(tǒng)采用車載傳感器，收集車內(nèi)、車外的環(huán)境參數(shù)，通過識(shí)別與傳輸、顯示技術(shù)，提示駕駛?cè)藛T可能遇到的危險(xiǎn)。攝像頭、雷達(dá)、激光和超聲波等傳感器已經(jīng)大量應(yīng)用在ADAS中。

ADAS作為一種為駕駛員提供輔助和支持的智能系統(tǒng)，與駕駛員有著密切的關(guān)系。除安全要求外，ADAS還應(yīng)適應(yīng)駕駛員的駕駛習(xí)慣。如果可以正確、及時(shí)地提供ADAS干擾功能，則能夠有效地提高行車安全。例如前端碰撞預(yù)警（FCW）系統(tǒng)可以警告駕駛員避免或減輕與主車輛前方障礙物即將發(fā)生的碰撞。車道偏離預(yù)警（LDW）幫助駕駛員避免車道偏離，以減少相關(guān)事故。ADAS智能手機(jī)應(yīng)用程序能夠估計(jì)駕駛員的行為是否安全，可以通過仔細(xì)監(jiān)測(cè)駕駛員的面部特征來估計(jì)駕駛員的疲勞程度，尤其是通過分析眨眼頻率。通過使用雙攝像頭智能手機(jī)，可以監(jiān)控駕駛員的注視和坐在車前的移動(dòng)障礙物?；谥悄苁謾C(jī)的ADAS可用于檢測(cè)駕駛員是否分散注意力，同時(shí)拍攝自拍照并將他們的注意力吸引到道路上[1]，圖1是Transilvania University of Brasov大學(xué)的Dumitru用模擬器研究ADAS與駕駛員表現(xiàn)。

圖1 駕駛模擬器(ECA-Faros EF-X)[1]

3 研究現(xiàn)狀及目前存在的問題

由于ADAS與駕駛員有著密切的關(guān)系，因此，大量的研究者致力于開展與ADAS相關(guān)的驅(qū)動(dòng)模型的研究。Alireza Khodayari建立了基于神經(jīng)網(wǎng)絡(luò)的車輛跟蹤模型，并利用駕駛數(shù)據(jù)對(duì)模型進(jìn)行訓(xùn)練[2]（圖2）。

圖2 ANN跟車行為模型[2]

在分析了車輛行駛數(shù)據(jù)后，王建強(qiáng)提出了一種基于特定行駛條件下的時(shí)間間隔和碰撞時(shí)間的自適應(yīng)縱向駕駛輔助系統(tǒng)[3]。但由于目前研究人員缺乏對(duì)正常駕駛條件下駕駛行為的分析，這可能無法解釋駕駛員行為的決策依據(jù)。

以往的研究發(fā)現(xiàn)，駕駛特征，如經(jīng)驗(yàn)、性別和風(fēng)格、以及道路環(huán)境都會(huì)顯著影響駕駛行為。此外，道路環(huán)境和個(gè)體駕駛員的個(gè)人感受和特征會(huì)影響ADAS的接受度[4]。接受度是一個(gè)多方面的概念，研究人員在他們的研究中關(guān)注它的不同方面。有不同的方法用于建模和測(cè)試ADAS的駕駛員接受度。一種方法是基于理論框架，而在其他方法中，模擬駕駛[5]和現(xiàn)場(chǎng)操作測(cè)試（FOT）[4]也被用于現(xiàn)有研究。在駕駛員行為學(xué)習(xí)和適應(yīng)方面，ADAS表現(xiàn)仍有改進(jìn)的空間。雖然許多研究人員正在努力改善ADAS的性能和可接受性，但仍然存在適應(yīng)個(gè)體駕駛員行為的挑戰(zhàn)。最大限度地降低負(fù)面行為適應(yīng)的可能性并最大化系統(tǒng)可用性和用戶接受度被認(rèn)為越來越重要。

車輛性能和安全性與駕駛員采取的控制動(dòng)作直接相關(guān)，駕駛員充當(dāng)車輛的自適應(yīng)最佳決策控制器。該人體控制器在車輛運(yùn)動(dòng)控制、穩(wěn)定性、駕駛安全性以及能量消耗和排放方面起著重要作用。ADAS的成功取決于系統(tǒng)與每個(gè)駕駛員合作的能力，并以與駕駛員駕駛風(fēng)格相輔相成的方式與駕駛員共享控制。駕駛員模型提供了一種數(shù)學(xué)方法來定義駕駛員的駕駛風(fēng)格/行為，并可以與ADAS進(jìn)行交互。大多數(shù)現(xiàn)有的駕駛員模型已經(jīng)被設(shè)計(jì)和評(píng)估用于標(biāo)準(zhǔn)的非緊急車道變換（LC）操作，這些操作有利于獲得駕駛員模型的一組基線參數(shù)。然而，ADAS的主要優(yōu)點(diǎn)是在高速、動(dòng)態(tài)和具有挑戰(zhàn)性的操作期間提供支持，其中駕駛員無法提供必要的控制輸入以維持安全的車輛軌跡。為了使ADAS在這些緊急操作期間將控制干預(yù)與駕駛員無縫集成，需要越來越精確的駕駛員模型。

4 擬解決的關(guān)鍵技術(shù)

根據(jù)對(duì)研究現(xiàn)狀及目前存在問題的分析，下面列舉了當(dāng)今在解決駕駛員行為分析及駕駛員建模方面的關(guān)鍵技術(shù)。

4.1 縱向駕駛輔助系統(tǒng)駕駛員行為分析[6]

為了理解駕駛員行為的原理，建立一個(gè)考慮駕駛員駕駛習(xí)慣的縱向駕駛輔助系統(tǒng)，文獻(xiàn)[6]分析了駕駛員的響應(yīng)延遲以及影響普通駕駛條件下駕駛行為的主要因素。為了分析駕駛員行為，作者選擇了由NG?SIM提供的車輛軌跡數(shù)據(jù)。利用斯皮爾曼相關(guān)系數(shù)對(duì)影響駕駛員行為的主要因素進(jìn)行了統(tǒng)計(jì)分析，并對(duì)篩選后的非平穩(wěn)狀態(tài)數(shù)據(jù)進(jìn)行了分析。此外，文章還討論了駕駛員反應(yīng)延遲的特性。

文章基于指定駕駛狀況中的115組車輛數(shù)據(jù)計(jì)算了與vf（跟車速度）-af（跟車加速度）相關(guān)的相關(guān)系數(shù)，并顯示了顯著的重要性。根據(jù)統(tǒng)計(jì)結(jié)果，作者認(rèn)為駕駛員首先根據(jù)vl（前車速度）和D（距離）控制vf（跟車速度）的趨勢(shì)，然后基于vr（相對(duì)速度）和TTCi（碰撞時(shí)間的倒數(shù)）實(shí)現(xiàn)特定的踏板操作。這意味著可以根據(jù)vl（前車速度）和其他參數(shù)的變化直接控制車輛的縱向運(yùn)動(dòng)，即認(rèn)為vl和D是影響vf的主要因素，并且驅(qū)動(dòng)器根據(jù)vr和TTCi的變化控制af。文章基于車輛軌跡數(shù)據(jù)分析了駕駛員的響應(yīng)延遲，發(fā)現(xiàn)駕駛員的響應(yīng)延遲與D正相關(guān)，并且駕駛員可能對(duì)D的變化比對(duì)vl更敏感。此外，不同駕駛員的響應(yīng)延遲也不同。

4.2 駕駛員輔助系統(tǒng)對(duì)駕駛性能和制動(dòng)行為的影響[7]

文獻(xiàn)[7]評(píng)估了ADAS對(duì)中國(guó)駕駛員的有效性以及道路類型、性別和經(jīng)驗(yàn)對(duì)駕駛性能的任何可能影響，這可以通過幾個(gè)變量來測(cè)量，包括縱向、橫向和制動(dòng)行為。研究中使用的ADAS是具有前端碰撞預(yù)警（FCW）和車道偏離預(yù)警（LDW）功能的Mobileye M630，實(shí)驗(yàn)裝置如圖3所示。結(jié)果表明，ADAS顯著影響制動(dòng)行為。當(dāng)駕駛員暴露于ADAS時(shí)，制動(dòng)時(shí)間增加，相對(duì)速度降低。ADAS顯著影響幾種縱向行為，包括縱向減速和時(shí)間間隔（THW）。實(shí)驗(yàn)中發(fā)生了極低的THW。然而，對(duì)側(cè)向行為沒有顯著影響。此外，駕駛員對(duì)FCW功能的接受程度遠(yuǎn)遠(yuǎn)高于LDW功能，高速公路的接受程度遠(yuǎn)高于城市道路。結(jié)果還揭示了道路類型和經(jīng)驗(yàn)對(duì)駕駛行為的重大影響。

圖3 ADAS實(shí)驗(yàn)裝置[7]

4.3 用于高級(jí)駕駛員輔助系統(tǒng)的前饋與反饋集成橫向和縱向駕駛員模型[8]

汽車駕駛員建模可分為兩大類：縱向和橫向控制建模。文獻(xiàn)[8]提出了一種基于人體駕駛模擬器實(shí)驗(yàn)開發(fā)的橫向和縱向駕駛員組合模型，該模型能夠通過駕駛員模型參數(shù)識(shí)別出不同的駕駛員行為，見圖4。橫向駕駛員模型由補(bǔ)償傳遞函數(shù)和預(yù)期組件組成，并與單個(gè)駕駛員所需路徑的設(shè)計(jì)相結(jié)合?？v向駕駛員模型通過使用相同的期望路徑參數(shù)與側(cè)向駕駛員模型一起工作，以基于相對(duì)速度和到前車的相對(duì)距離來對(duì)駕駛員的速度控制進(jìn)行建模。通過考慮駕駛員基于駕駛期望路徑的曲率來調(diào)節(jié)駕駛員駕駛速度的能力，將前饋分量添加到反饋縱向駕駛員模型。縱向和橫向駕駛員模型之間的這種互連允許更少的駕駛員模型參數(shù)和增加建模精度。經(jīng)驗(yàn)證表明，所提出的駕駛員模型可以復(fù)制各個(gè)駕駛員的方向盤角度和速度以用于各種高速公路機(jī)動(dòng)。

5 結(jié)束語

圖4 前饋與反饋集成橫向和縱向駕駛員綜合模型[8]

在駕駛員-車輛-道路閉環(huán)駕駛系統(tǒng)中，人為因素造成的交通事故占90%以上，駕駛員疏忽造成的交通事故占70%以上[6]。通過提高駕駛員的駕駛能力，降低駕駛負(fù)荷，是減少交通事故的有效途徑。先進(jìn)的駕駛員輔助系統(tǒng)是實(shí)現(xiàn)這一目標(biāo)的有力工具。本文通過高級(jí)駕駛輔助系統(tǒng)對(duì)駕駛員表現(xiàn)的影響研究，明確駕駛員行為的特點(diǎn)，從而使高級(jí)駕駛輔助系統(tǒng)更好地服務(wù)于駕駛員行車安全，提供理論基礎(chǔ)與研究方向。