1.本发明属于车辆变道领域，具体涉及一种基于驾驶员习惯的自学习变道决策控制系统。
背景技术：2.智能化是如今汽车行业发展的重要趋势之一，预计在未来十年，智能驾驶技术与系统将在世界范围内快速发展。智能驾驶不仅可以大大降低人工驾驶的疲劳，还能有效减少交通事故的发生，已经广受青睐。
3.智能驾驶系统主要包含三个部分：感知、决策和控制。其中，环境感知系统是实现智能驾驶的基础，而多传感器融合是实现智能驾驶环境感知的必然趋势。目前，部分车辆已经搭载自动变道系统，车辆通过感知系统监管周围车辆状态，决策控制系统判断是否能够进行变道，这在一定程度上受限于决策控制系统的完善性，影响自车变道决策的及时性、稳定性和准确性。
4.同时不同驾驶员的驾驶习惯不同，自动变道系统难以适应不同驾驶员的驾驶习惯。
技术实现要素：5.本发明的目的在于，提供一种基于驾驶员习惯的自学习变道决策控制系统，使变道决策控制系统的变道操作符合自车驾驶员驾驶习惯。
6.本发明所采用的技术方案如下：
7.根据周围车辆信息与系统预先设置的参数进行对比，获取变道信息；
8.根据变道信息执行相应的变道操作；
9.感知系统采集自车前方、右侧、右后侧方车辆的相对位置、纵向速度、横向速度、横摆角速度及变化率等，并将信息输送给决策系统；
10.决策系统根据车辆与自车相对位置、纵向速度、横向速度、横摆角速度及变化率、自车的行驶状态以及数据库中优秀驾驶员驾驶数据，做出变道决策；
11.决策系统会时时根据自车驾驶员的驾驶习惯，与系统内预置的优秀驾驶员操作数据做对比，不断更新决策系统的算法，得到最接近自车驾驶员驾驶习惯的决策算法，并运用到自车的变道决策系统中。
12.本发明与现有技术相比，具有以下优点及有益效果：
13.本发明能够根据自车周围车辆不同的行驶状态和自车驾驶员的驾驶习惯，实现更加符合自车驾驶员驾驶习惯的变道操作，可以提高自动变道系统的智能化程度和舒适性。
附图说明
14.图1是基于驾驶员习惯的自学习变道决策控制系统框图；
15.图2是人-车系统认知模块数据采集流程图；
16.图3是车辆变道应用场景示意图。
具体实施方式
17.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
18.本发明提出了一种基于驾驶员习惯的自学习变道决策、控制方法和系统，使自车控制系统预先通过对优秀驾驶员驾驶习惯的学习，将相关参数加入到变道决策、控制系统模型中，同时可以在后续的驾驶中，系统在后台不断进行自学习，以对算法进行优化完善。
19.本发明通过车载感知系统(包括但不限于摄像头、激光雷达、毫米波雷达)获取周围车辆信息；
20.根据周围车辆信息与系统预先设置的参数进行对比，获取变道信息；
21.根据变道信息执行相应的变道操作；
22.感知系统采集自车前方、右侧、右后侧方车辆的相对位置、纵向速度、横向速度、横摆角速度及变化率等，并将信息输送给决策系统；
23.决策系统根据车辆与自车相对位置、纵向速度、横向速度、横摆角速度及变化率、自车的行驶状态以及数据库中优秀驾驶员驾驶数据，做出变道决策；
24.决策系统会时时根据自车驾驶员的驾驶习惯，与系统内预置的优秀驾驶员操作数据做对比，不断更新决策系统的算法，得到最接近自车驾驶员驾驶习惯的决策算法，并运用到自车的变道决策系统中。
25.实施例一：
26.图1是本发明实施例公开的一种车辆自动变道决策、控制系统框图，该自动变道系统，主要包含感知模块、人-车系统认知模块、信号处理模块、自动变道执行模块。
27.感知模块分别为安装在自车前部的摄像头、激光雷达，车辆四个角的角激光雷达、毫米波雷达、超声波雷达等传感器中的至少一种，自动变道系统可以通过上述的传感器获取当前车辆所处的道路信息以及行驶在当前路段自车周围的车辆信息；上述信息主要包含单不限于：车道信息、车辆位置、车辆纵向速度、加速度、目标车辆数量、横摆角速度、角速度变化率、纵向加速度等。
28.信号处理模块的输入端与感知模块、人-车系统认知模块相连、输出端与自动变道执行模块的输入端相连。信号处理模块接收人-车系统认知模块和感知模块的信息，根据周围车辆的与自车的横向、纵向距离、纵向加速度、横向加速度及变化率等信息，结合驾驶员的驾驶习惯、系统预置的优秀驾驶员的驾驶习惯做出变道策略。感知系统将周围车辆的运动学信息传输给信号处理模块；内置优秀驾驶员数据以及采集的自车驾驶员驾驶数据传输给人车系统认知模块，通过数据对比，提取在满足自车驾驶员喜好且接近优秀驾驶员驾驶习惯的数据给信号处理模块，结合周围环境，信号处理模块传输信号给相关执行器执行变道，这样可以同时兼顾驾驶员的驾驶习惯和变道需求。
29.自动变道执行模块根据信号处理模块的指令，控制相关执行器包含但不限于eps、esc、ems等控制单元完成自车变道。
30.实施例二：
31.图2是本发明实施例公开的一种人-车系统认知模块数据采集的流程示意图。该模块主要包括：
32.驾驶数据采集单元，用于获取驾驶员驾驶信息；
33.其中，作为一种可选的实施方式，驾驶数据采集单元至少可以通过以下控制单元、执行器获取当前驾驶员的驾驶数据：油门踏板开度，发动机ecu、制动踏板开度、esc、方向盘扭矩、方向盘角度、eps等；
34.认知控制单元获取当前驾驶员驾驶数据以及感知模块的数据，感知模块可以通过自车传感器获取当前车辆所处的道路信息以及行驶在当前路段自车周围的车辆行驶信息；上述信息主要包含但不限于：车道信息、车辆位置、车辆纵向速度、加速度、目标车辆数量、横摆角速度、角速度变化率、纵向加速度等。
35.采集不同优秀驾驶员的驾驶数据预置于系统中，如表1所示，主要包含但不限于如下场景：
36.表1场景表
37.序号场景1高速公路(白天/夜晚/雨/雾/雪)2城市道路(白天/夜晚/雨/雾/雪)3封闭区域(白天/夜晚/雨/雾/雪)
…………
38.目前信息场景可以包括：根据目标种类可以将场景分类为单目标场景，两目标场景，三目标场景和多目标场景；按照类别可分为行人场景，车辆场景和动物场景；按照目标行为可以分类目标加速场景，目标减速场景，目标切入场景，目标切出场景，目标均加速行驶场景，目标停车场景等，其他气象和光照场景也在本实施例保护范围内。
39.系统根据驾驶员的驾驶记录采集当前驾驶员的驾驶数据，包含在以上场景中，驾驶员变道的时机，变道的优先级等。
40.认知控制单元结合感知模块输入的当前场景，对比当前驾驶员与系统优秀驾驶员数据。
41.基于预置驾驶场景的分类条件和驾驶员模型对驾驶场景数据进行分类，其中，驾驶员模型基于不同的预置驾驶场景下的驾驶行为数据生成。在本实施例中，所称预置驾驶场景可以为多个，每个预置驾驶场景均具有对应的分类条件。进行预先分类，该驾驶员模型通过驾驶员的行为数据建立与预置驾驶场景对应的驾驶模型，该模型通过驾驶员的行为数据反映当前的驾驶场景数据具体属于何种驾驶场景。当基于预置驾驶场景的分类条件无法确认当前获取的驾驶场景属于哪个驾驶场景时，可以在另一维度，再基于驾驶员模型对驾驶场景进行分类。预置驾驶场景的分类已在上述表格中阐述。
42.预置驾驶场景分为，若干第一主场景和若干子场景。其中，第一主场景依据道路条件，气象，光照以及目标信息等。子场景依据自车的运动状态和其他车辆与自车的关系进行划分。包含但不限于行人场景，车辆场景、动物场景、加速场景、切入切出场景等。
43.人-车系统认知模块，根据自车驾驶员的驾驶数据，以及预置优秀驾驶员的数据进行对比，可以先基于若干第一场景的条件进行对比，再在划分的第一主场景下进行若干子
场景对比。在拟合度大于预设值时，则认为驾驶场景与预置场景较为近似。当存在时，选择拟合度最高的第一主场景和子场景进行匹配，直接输出给信号处理模块。并将当前匹配的场景模型不断迭代，以完善驾驶员模型。认知控制单元对比当前驾驶员与系统预置优秀驾驶数据，结合当前感知模块的数据，完成驾驶员习性在线辨识工作，完成驾驶员个性化习惯的数据输出，保存于数据存储单元。
44.当不存在时，感知模块数据直接输出给信号处理模块，由系统直接判断当前场景，输出执行信息。
45.实施例三：
46.图3是本发明实施例公开的一种车辆变道应用场景示意图。如图3所示，该自动变道系统变道主要包含如下步骤：
47.感知系统获取周围车辆行驶信息；
48.1)当障碍车在自车正前方时：
49.根据障碍车的纵向速度v1、加速度a1、纵向距离d1；本车纵向速度v0、加速度a0、可以得到当前车辆撞上前方障碍车辆所需的时间t1
50.经过信号处理模块对比认知控制单元的数据得到安全阈值，当t1大于安全阈值时，自动变道执行模块可执行变道操作；
51.2)当障碍车在自车右侧时：
52.根据障碍车的纵向速度v2、纵向加速度a2、横摆角速度w2、横摆角速度变化率ζ2、纵向距离d2、横向距离h2；本车纵向速度v0、加速度a0以及车道线等信息；
53.自动变道系统判断是否满足
△
v≥v*；
54.△
v＝v2-v0，v2为右侧障碍车速度，v0为自车当前车速；v*为速度阈值；
55.如果
△
v≥v*，可进一步判断是否满足
△
a≥a*；
56.△
a＝a2-a0，a2为右侧障碍车加速度，a0为自车当前加速度；a*为加速度阈值；
57.如果
△
a≥a*，可进一步判断是否满足
△
w≥w*；
58.△
w＝w2-w0，w2为右侧障碍车横摆角速度，a0为自车当前横摆角速度；a*为横摆角速度阈值；
59.如果
△
w≥w*，可进一步判断是否满足
△
ζ≥ζ*；
60.△
ζ＝ζ2-ζ0，ζ2为右侧障碍车横摆角速度变化率，ζ0为自车当前横摆角速度变化率；ζ*为横摆角速度变化率阈值；
61.如果
△
ζ≥ζ*，可进一步判断自车撞上障碍车辆所需时间t2；
62.经过信号处理模块对比认知控制单元收集的驾驶员驾驶数据，得到最适合当前驾驶员操作的安全阈值t*，当t2≥t*时，自动变道执行模块可执行变道操作。
63.综上所述，本发明完成了优秀驾驶员数据与自车驾驶员行为数据的对比，并不断迭代，完善驾驶员模型库；结合算法，可以输出最符合当前驾驶员习惯的驾驶策略，提高系统的智能化程度和舒适性。
64.本领域的技术人员容易理解，以上仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
技术特征：1.一种基于驾驶员习惯的自学习变道决策控制系统，其特征在于，该系统包括信号处理模块以及与信号处理模块相连的感知模块、人-车系统认知模块和自动变道执行模块；感知模块，用于获取当前车辆所处的道路信息以及周围的车辆信息；人-车系统认知模块，用于采集自车驾驶员的驾驶数据，并与预置不同优秀驾驶员的驾驶数据进行比较，以提取满足自车驾驶员喜好且接近优秀驾驶员驾驶习惯的驾驶数据；信号处理模块，用于根据提取的驾驶数据、道路信息以及周围的车辆信息做出变道指令；自动变道执行模块，用于根据信号处理模块的变道指令，控制相关执行器完成变道，兼顾驾驶员的驾驶习惯和变道需求。2.根据权利要求1所述的基于驾驶员习惯的自学习变道决策控制系统，其特征在于，人-车系统认知模块包括驾驶数据采集单元、认知控制单元和数据存储单元；驾驶数据采集单元，用于采集自车驾驶员的驾驶数据；认知控制单元，用于预置不同优秀驾驶员的驾驶数据；数据存储单元，用于存储自车以及不同优秀驾驶员的驾驶数据；自车以及不同优秀驾驶员的驾驶数据包括障碍车位置、障碍车的纵向速度v1、加速度a1、纵向距离d1、本车纵向速度v0、加速度a0及驾驶员采取变道的时间t0；在存储驾驶数据时，以数组的方式将以上驾驶数据进行存储；在满足驾驶场景条件时，将自车驾驶员的驾驶数据与预置不同优秀驾驶员的驾驶数据进行比较，判断采取变道的时机，即驾驶员自行驾驶时的变道时间t0。3.根据权利要求1所述的基于驾驶员习惯的自学习变道决策控制系统，其特征在于，做出变道指令包括：1)当障碍车在自车正前方时：根据障碍车的纵向速度v1、纵向距离d1以及本车纵向速度v0，得到当前车辆撞上前方障碍车辆所需的时间t1：当t1大于安全阈值，自动变道执行模块执行变道操作；2)当障碍车在自车右侧时：根据障碍车的横向速度v2、加速度a2、横摆角速度w2、横摆角速度变化率ζ2、横向距离h2以及车道线信息；信号处理模块判断是否满足
△
v≥v*；
△
v＝v2-v，v2为右侧障碍车横向速度，v为自车横向速度，v*为速度阈值；如果
△
v≥v*，进一步判断是否满足
△
a≥a*；
△
a＝a2-a0，a2为右侧障碍车加速度，a0为自车当前加速度，a*为加速度阈值；如果
△
a≥a*，进一步判断是否满足
△
w≥w*；
△
w＝w2-w0，w2为右侧障碍车横摆角速度，w0为自车当前横摆角速度，a*为横摆角速度阈值；如果
△
w≥w*，进一步判断是否满足
△
ζ≥ζ*；
△
ζ＝ζ2-ζ0，ζ2为右侧障碍车横摆角速度变化率，ζ0为自车当前横摆角速度变化率，ζ*
为横摆角速度变化率阈值；如果
△
ζ≥ζ*，进一步判断自车撞上障碍车辆所需时间t2：当t2≥t*时，自动变道执行模块执行变道操作；其中t*表示预设时间阈值。4.根据权利要求1所述的基于驾驶员习惯的自学习变道决策控制系统，其特征在于，感知模块包括安装在自车前部的摄像头、激光雷达以及安装在车辆四个角的角激光雷达、毫米波雷达和超声波雷达中的至少一种。5.根据权利要求1所述的基于驾驶员习惯的自学习变道决策控制系统，其特征在于，道路信息以及周围的车辆信息包括车道信息、车辆位置、车辆纵向速度、加速度、目标车辆数量、横摆角速度、角速度变化率和纵向加速度。6.根据权利要求1所述的基于驾驶员习惯的自学习变道决策控制系统，其特征在于，驾驶数据包括油门踏板开度、发动机ecu数据、制动踏板开度、esc数据、方向盘扭矩、方向盘角度和eps数据。
技术总结本发明公开了一种基于驾驶员习惯的自学习变道决策控制系统，该系统包括：感知模块，用于获取当前车辆所处的道路信息以及周围的车辆信息；人-车系统认知模块，用于采集自车驾驶员的驾驶数据，并与预置不同优秀驾驶员的驾驶数据进行比较，以提取满足自车驾驶员喜好且接近优秀驾驶员驾驶习惯的驾驶数据；信号处理模块，用于根据提取的驾驶数据、道路信息以及周围的车辆信息做出变道指令；自动变道执行模块，用于根据变道指令控制相关执行器完成变道，兼顾驾驶员的驾驶习惯和变道需求。本发明能够根据自车周围车辆不同的行驶状态和自车驾驶员的驾驶习惯，实现更加符合自车驾驶员驾驶习惯的变道操作，可以提高自动变道系统的智能化程度和舒适性。能化程度和舒适性。能化程度和舒适性。
技术研发人员：周伟光 边宁 谢金晶
受保护的技术使用者：东风汽车集团股份有限公司
技术研发日：2022.06.29
技术公布日：2022/11/1
