论文部分内容阅读
随着汽车自动化等级越来越高，驾驶自动化系统对车辆的控制能力越来越强，驾驶员正逐渐从一个操作者变成一个监督者或使用者。然而受交通问题复杂性、感知设备可靠性和价格成本制约性的影响，真正意义的全工况自动驾驶短期内还很难实现，未来很长一段时间，智能汽车将处于人机共驾阶段。人机共驾模式下，由于人机在感知手段、决策机制和控制执行方式上存在本质差异，人机协同不佳必然会带来人机交互失调、控制作用冲突、车辆失稳失控等问题。从信息物理融合的视角看，此时车辆信息系统和物理系统的交织与融合更为复杂，前后车信息物理融合特性对车辆安全稳定行驶的影响更加明显。
另一方面，对比驾驶员和驾驶自动化系统的特点可以发现，驾驶员在场景学习、趋势判断等方面具有独特的优势，驾驶自动化系统相比与人类驾驶员，虽然学习能力弱、场景自适应性差，但却具有反应快速、控制精准、行为一致性好等优势，人类驾驶员和驾驶自动化系统之间具有很强的互补性。因此，充分发挥人类智能和机器智能各自优势，构建人机协同控制系统，优化人机协同策略，不仅可以有效解决自动驾驶面临的驾驶员不在环问题和安全接管挑战，而且可为人机混合增强智能理论的发展和应用提供一定程度的参考和借鉴。
为此，本文结合人机共驾发展前沿，以典型纵向跟车过程为对象，从信息物理系统的视角出发，考虑车辆惯性、通信条件、传感器数据采集特性等信息物理因素及感知不敏感、响应时延、决策模糊等驾驶员人因素的影响，在分别构建面向人机共驾的驾驶员跟车模型和自动驾驶跟车模型基础上，基于人机分时协同、分工协同和分层协同的思想对人机协同跟车建模与控制进行系统研究，以期充分发挥人机各自优势，提高智能汽车行驶的安全性、稳定性和舒适性。
具体而言，论文的研究工作主要包括以下几个方面：
①以典型纵向跟车过程为对象，深入分析人类驾驶员和驾驶自动化系统在感知、决策和执行方式上的特点和差异，考虑驾驶员对距离感知的不敏感性，结合驾驶员反应时延的统计分布，在智能驾驶员模型的基础上构建了一个改进的驾驶员跟车模型，通过基于描述函数法的非线性稳定性分析，获得了具有死区和死区继电并联非线性特性的模型稳定性条件；考虑自动驾驶传感器数据采集快速精准的特性，基于前车运动短时预测，在全速度差模型的基础上，构建了一个面向自动驾驶的跟车模型，通过局部稳定性分析、线性稳定性分析和非线性稳定性分析，获得了模型的稳定条件和预测误差对跟车性能的影响规律。
②针对自动驾驶导致驾驶员不在环的问题，在建立的驾驶员纵向跟车模型和自动驾驶纵向跟车模型的基础上，基于人机分时协同的思想，提出了一种基于模型预测控制的人机协同切换驾驶控制方案，构建了人机协同切换驾驶跟车模型。基于Laypunov稳定性分析和线性矩阵不等式方法，得到了保证切换系统稳定的充分条件。通过最小化由接管风险、驾驶负荷、跟车误差和舒适性构成的总体指标，实现了驾驶权切换信号的整体优化。仿真结果表明，人机协同切换驾驶控制方案的总体性能指标比单纯人工跟车行驶和单纯自动驾驶跟车行驶都要小，同时优化算法耗时较短，能够满足工程实际要求。
③针对人机协同切换驾驶控制方案无法完全避免驾驶员不在环和不定时切换影响驾驶体验的问题，基于人机分工协同的思想，提出了一种人机混合智能分工协同控制方案，驾驶自动化系统控制车速跟随前车车速，驾驶员根据车速对车间距进行调节，人机分工协同完成跟车任务。针对自动车速跟随控制，提出了一种前馈-反馈控制策略，实现了基于H?次优控制的控制器参数设计，并给出了基于仿人智能控制的控制器精细化调节方法。针对驾驶员间距调节任务，基于李雅普诺夫函数的分析方法，证明了驾驶员基于合适的变增益反馈控制，可以保证人机混合智能协同系统的稳定性。基于驾驶模拟器的车辆跟随实验结果表明，纵向跟车的人机混合智能分工协同控制方案可以在降低车间距误差的同时，使驾驶员以较小的操作负荷保持在控制回路中。
④针对人机混合智能分工协同控制方案会出现人机作用冲突的问题，基于人机分层协同的思想，提出了一种人机双闭环协同跟车控制策略。外环驾驶员根据车速对车间距进行调节，控制作用与前车车速综合生成内环期望速度，内环驾驶自动化系统控制车速实现对期望速度的快速跟踪。内环考虑车辆动力学参数的不确定性，实现了基于H?状态反馈控制的控制器参数设计。外环考虑驾驶员对车间距误差感知和反应的模糊特性，实现了基于反馈控制思想的间距调节策略设计和相应的稳定性证明。仿真实验结果表明，该策略可综合提升智能汽车跟车行驶的稳定性、安全性和舒适性，同时因人机处于不同的控制层，可有效避免人机作用冲突问题。
综上所述，本文基于信息物理系统的视角，在分别建立驾驶员纵向跟车模型和自动驾驶纵向跟车模型的基础上，基于人机分时协同、分工协同和分层协同的思想，深入地研究了人机协同纵向跟车建模与控制方法，研究成果既可为优化人机协同策略，提升智能汽车整体性能提供理论指导，又可为缓解交通拥堵问题、促进CPS的理论发展和应用提供参考和借鉴。
另一方面，对比驾驶员和驾驶自动化系统的特点可以发现，驾驶员在场景学习、趋势判断等方面具有独特的优势，驾驶自动化系统相比与人类驾驶员，虽然学习能力弱、场景自适应性差，但却具有反应快速、控制精准、行为一致性好等优势，人类驾驶员和驾驶自动化系统之间具有很强的互补性。因此，充分发挥人类智能和机器智能各自优势，构建人机协同控制系统，优化人机协同策略，不仅可以有效解决自动驾驶面临的驾驶员不在环问题和安全接管挑战，而且可为人机混合增强智能理论的发展和应用提供一定程度的参考和借鉴。
为此，本文结合人机共驾发展前沿，以典型纵向跟车过程为对象，从信息物理系统的视角出发，考虑车辆惯性、通信条件、传感器数据采集特性等信息物理因素及感知不敏感、响应时延、决策模糊等驾驶员人因素的影响，在分别构建面向人机共驾的驾驶员跟车模型和自动驾驶跟车模型基础上，基于人机分时协同、分工协同和分层协同的思想对人机协同跟车建模与控制进行系统研究，以期充分发挥人机各自优势，提高智能汽车行驶的安全性、稳定性和舒适性。
具体而言，论文的研究工作主要包括以下几个方面：
①以典型纵向跟车过程为对象，深入分析人类驾驶员和驾驶自动化系统在感知、决策和执行方式上的特点和差异，考虑驾驶员对距离感知的不敏感性，结合驾驶员反应时延的统计分布，在智能驾驶员模型的基础上构建了一个改进的驾驶员跟车模型，通过基于描述函数法的非线性稳定性分析，获得了具有死区和死区继电并联非线性特性的模型稳定性条件；考虑自动驾驶传感器数据采集快速精准的特性，基于前车运动短时预测，在全速度差模型的基础上，构建了一个面向自动驾驶的跟车模型，通过局部稳定性分析、线性稳定性分析和非线性稳定性分析，获得了模型的稳定条件和预测误差对跟车性能的影响规律。
②针对自动驾驶导致驾驶员不在环的问题，在建立的驾驶员纵向跟车模型和自动驾驶纵向跟车模型的基础上，基于人机分时协同的思想，提出了一种基于模型预测控制的人机协同切换驾驶控制方案，构建了人机协同切换驾驶跟车模型。基于Laypunov稳定性分析和线性矩阵不等式方法，得到了保证切换系统稳定的充分条件。通过最小化由接管风险、驾驶负荷、跟车误差和舒适性构成的总体指标，实现了驾驶权切换信号的整体优化。仿真结果表明，人机协同切换驾驶控制方案的总体性能指标比单纯人工跟车行驶和单纯自动驾驶跟车行驶都要小，同时优化算法耗时较短，能够满足工程实际要求。
③针对人机协同切换驾驶控制方案无法完全避免驾驶员不在环和不定时切换影响驾驶体验的问题，基于人机分工协同的思想，提出了一种人机混合智能分工协同控制方案，驾驶自动化系统控制车速跟随前车车速，驾驶员根据车速对车间距进行调节，人机分工协同完成跟车任务。针对自动车速跟随控制，提出了一种前馈-反馈控制策略，实现了基于H?次优控制的控制器参数设计，并给出了基于仿人智能控制的控制器精细化调节方法。针对驾驶员间距调节任务，基于李雅普诺夫函数的分析方法，证明了驾驶员基于合适的变增益反馈控制，可以保证人机混合智能协同系统的稳定性。基于驾驶模拟器的车辆跟随实验结果表明，纵向跟车的人机混合智能分工协同控制方案可以在降低车间距误差的同时，使驾驶员以较小的操作负荷保持在控制回路中。
④针对人机混合智能分工协同控制方案会出现人机作用冲突的问题，基于人机分层协同的思想，提出了一种人机双闭环协同跟车控制策略。外环驾驶员根据车速对车间距进行调节，控制作用与前车车速综合生成内环期望速度，内环驾驶自动化系统控制车速实现对期望速度的快速跟踪。内环考虑车辆动力学参数的不确定性，实现了基于H?状态反馈控制的控制器参数设计。外环考虑驾驶员对车间距误差感知和反应的模糊特性，实现了基于反馈控制思想的间距调节策略设计和相应的稳定性证明。仿真实验结果表明，该策略可综合提升智能汽车跟车行驶的稳定性、安全性和舒适性，同时因人机处于不同的控制层，可有效避免人机作用冲突问题。
综上所述，本文基于信息物理系统的视角，在分别建立驾驶员纵向跟车模型和自动驾驶纵向跟车模型的基础上，基于人机分时协同、分工协同和分层协同的思想，深入地研究了人机协同纵向跟车建模与控制方法，研究成果既可为优化人机协同策略，提升智能汽车整体性能提供理论指导，又可为缓解交通拥堵问题、促进CPS的理论发展和应用提供参考和借鉴。