本發(fā)明涉及智能車輛控制技術(shù)領(lǐng)域，尤其涉及一種基于駕駛員經(jīng)驗?zāi)Ｐ偷闹悄荞{駛控制系統(tǒng)和方法、車輛。

背景技術(shù)：

無人駕駛技術(shù)作為當(dāng)今車輛的前沿技術(shù)受到了各國學(xué)者的廣泛關(guān)注，路徑跟蹤控制技術(shù)作為無人駕駛車輛的關(guān)鍵技術(shù)之一，已成為了無人駕駛技術(shù)研究的核心內(nèi)容。然而，目前大多數(shù)的車輛控制技術(shù)都是基于車輛自身的特性，從車輛的運動學(xué)和動力學(xué)模型出發(fā)對車輛進行自主控制，而忽略了駕駛員在各種路況下基于駕駛經(jīng)驗對于車輛的控制作用，尤其是不同工況下的車輛橫向與縱向的配合操作。這使得自主駕駛車輛難以實現(xiàn)類人駕駛，更不能滿足車輛自主行駛過程中的舒適性和安全性。

實際行駛的車輛系統(tǒng)是一個復(fù)雜的非線性、變參數(shù)耦合系統(tǒng)，在不同的行駛工況和地面條件下，系統(tǒng)內(nèi)部參數(shù)存在很大的不確定性，特別是在車輛行駛過程中橫向與縱向運動具有很強的耦合關(guān)系。例如，當(dāng)駕駛員在彎道行駛的情況下，車輛行駛速度不能過高，否則可能造成車輛側(cè)傾的危險；當(dāng)駕駛員實現(xiàn)加減速和升降擋的過程中，需考慮到車輛是否存在轉(zhuǎn)向行為。因此，智能車輛在實現(xiàn)自主控制時需要綜合考慮橫向和縱向的耦合關(guān)系，結(jié)合車輛行駛狀態(tài)對控制量進行實時補償，以此來提高控制精度和效果，改善車輛系統(tǒng)的路徑跟蹤性能。

雖然，目前的車輛控制方法可以根據(jù)車輛的實時狀態(tài)，實現(xiàn)控制量的自適應(yīng)修正，提供車輛的通過性，但是不能根據(jù)駕駛員的駕駛經(jīng)驗配合轉(zhuǎn)向控制機構(gòu)和油門量的協(xié)調(diào)關(guān)系，因此存在無法滿足車輛控制的精確性和穩(wěn)定性，并且忽略了不同路況下的駕駛需求的問題。

技術(shù)實現(xiàn)要素：

鑒于上述的分析，本發(fā)明旨在提供一種基于駕駛員經(jīng)驗?zāi)Ｐ偷闹悄荞{駛控制系統(tǒng)和方法，用以解決現(xiàn)有技術(shù)中不能根據(jù)駕駛員的駕駛經(jīng)驗配合轉(zhuǎn)向控制機構(gòu)和油門量的協(xié)調(diào)關(guān)系的問題，達(dá)到能夠根據(jù)駕駛員的駕駛經(jīng)驗糾正控制變量，調(diào)節(jié)車輛的行駛性能的目的。

本發(fā)明的目的主要是通過以下技術(shù)方案實現(xiàn)的：

提供了一種智能駕駛控制系統(tǒng)，包括：駕駛員模型模塊、預(yù)瞄控制模型模塊、路徑跟蹤控制模塊和整車系統(tǒng)模塊。

其中，駕駛員模型模塊，用于收集駕駛員操作信息和期望路徑信息，結(jié)合車輛運動信息預(yù)測車輛未來時刻的行駛狀態(tài)參量；

預(yù)瞄控制模型模塊，用于計算橫向校正角度并判斷車輛下一時刻的正確行駛模式；

路徑跟蹤控制模塊，用于將駕駛員模型模塊和預(yù)瞄控制模型模塊分別輸出的參量轉(zhuǎn)化成整車系統(tǒng)模塊可執(zhí)行的控制量；

整車系統(tǒng)模塊，用于響應(yīng)從跟蹤控制模塊得到的控制量，以控制車輛運動，并反饋車輛運動參數(shù)至駕駛員模型模塊、預(yù)瞄控制模型模塊和路徑跟蹤控制模塊。

具體的，所述駕駛員模型模塊中的駕駛員操作信息包括車輛轉(zhuǎn)向系統(tǒng)參數(shù)和油門增量；期望路徑信息包括目標(biāo)路徑點信息；行駛狀態(tài)參量包括轉(zhuǎn)向機構(gòu)位置的期望值范圍和油門增量期望值。

進一步的，所述駕駛員模型模塊中的駕駛員模型是經(jīng)過學(xué)習(xí)駕駛員真實經(jīng)驗數(shù)據(jù)訓(xùn)練得到的，具體采用高斯混合隱馬爾可夫算法對駕駛員模型進行訓(xùn)練。

具體的，駕駛員模型具體通過以下方法獲得：

獲取各工況下真實駕駛數(shù)據(jù)；

對真實駕駛數(shù)據(jù)進行濾波和異常值剔除處理；

針對不同擋位和不同車速下的片段，對真實駕駛數(shù)據(jù)進行分割；

利用混合高斯模型算法對經(jīng)過處理后的數(shù)據(jù)進行聚類，得到車速的gmm聚類模型、車輛航向偏差的gmm聚類模型、轉(zhuǎn)向機構(gòu)位移的gmm聚類模型和油門踏板位移的gmm聚類模型；

將轉(zhuǎn)向機構(gòu)位移的聚類結(jié)果和油門踏板位移的聚類結(jié)果作為隱藏狀態(tài)參量，將車速的聚類結(jié)果、車輛航向偏差的聚類結(jié)果和擋位信息作為觀測狀態(tài)參量，根據(jù)真實駕駛數(shù)據(jù)，基于隱馬爾可夫算法對駕駛行為模型進行訓(xùn)練，最終得到轉(zhuǎn)向機構(gòu)位置選擇的駕駛員模型和油門增量選擇的駕駛員模型，駕駛員模型模塊包括這兩個駕駛員模型。

具體的，所述預(yù)瞄控制模型模塊具體用于：

計算預(yù)瞄路徑點與無人車實際位置的橫向距離x和航向變化偏差

預(yù)瞄路徑點上的期望車速為v，通過公式計算期望的橫向校正角度；其中k是增益參數(shù)；

計算得到的橫向校正角度用于判斷車輛的行駛模式m：當(dāng)|δ|＜0.08時，m輸出直線行駛模式；當(dāng)0.08≤|δ|＜0.3時，m輸出小幅度轉(zhuǎn)向模式；當(dāng)|δ|≥0.3時，m輸出大幅度轉(zhuǎn)向模式。

進一步的，所述路徑跟蹤控制模塊制定了車輛不同行駛模式下各輸出控制量的控制規(guī)則，并對智能駕駛控制系統(tǒng)的參數(shù)做實時計算和修改，同時為控制量的自適應(yīng)控制提供約束。

本發(fā)明還提供了一種智能駕駛控制方法，包括：

s1.駕駛員模型模塊獲取駕駛員操作信息和期望路徑信息，根據(jù)駕駛員操作信息和期望路徑信息，計算并輸出行駛狀態(tài)參量；

s2.預(yù)瞄控制模型模塊根據(jù)獲取的車輛信息和路徑信息，計算并輸出橫向校正角度δ和車輛行駛模式m；

s3.路徑跟蹤控制模塊將駕駛員模型模塊和預(yù)瞄控制模型模塊得到的控制參量，以及期望擋位轉(zhuǎn)化成車輛底層控制系統(tǒng)可執(zhí)行的控制量；

s4.整車系統(tǒng)模塊根據(jù)路徑跟蹤控制模塊輸出的控制量，輸出車輛的運動控制參數(shù)給各控制系統(tǒng)，同時將獲取的車輛運動信息反饋給駕駛員模型模塊、預(yù)瞄控制模型模塊和跟蹤控制模塊。

其中，步驟s3中所述路徑跟蹤控制模塊在車輛不同行駛模式下的期望發(fā)動機轉(zhuǎn)速這一控制量的轉(zhuǎn)化方式為：

當(dāng)預(yù)瞄控制模型模塊輸出的車輛行駛模式m為直線行駛模式時，將轉(zhuǎn)向機構(gòu)的期望位置賦值為固定值，根據(jù)車速和檔位求解期望發(fā)動機轉(zhuǎn)速；

當(dāng)車輛行駛模式m的結(jié)果為大幅度轉(zhuǎn)向行駛模式時，根據(jù)預(yù)瞄控制模型模塊輸出的橫向校正角度δ的符號判斷轉(zhuǎn)向方向，然后將轉(zhuǎn)向機構(gòu)的期望位置賦值為固定值，然后根據(jù)駕駛員模塊輸出的預(yù)測油門增量和當(dāng)前的實際發(fā)動機轉(zhuǎn)速，求解期望發(fā)動機轉(zhuǎn)速；

當(dāng)車輛行駛模式m的結(jié)果為小幅度轉(zhuǎn)向行駛模式時，根據(jù)橫向校正角度δ符號判斷轉(zhuǎn)向方向，再求解轉(zhuǎn)向機構(gòu)的期望位置，根據(jù)駕駛員模塊輸出的預(yù)測油門增量和當(dāng)前的實際發(fā)動機轉(zhuǎn)速，求解期望發(fā)動機轉(zhuǎn)速。

進一步的，當(dāng)車輛行駛模式m的結(jié)果為小幅度轉(zhuǎn)向行駛模式時，還包括按照轉(zhuǎn)向機構(gòu)的自適應(yīng)控制邏輯，結(jié)合實際的轉(zhuǎn)向需求實時地修改轉(zhuǎn)向機構(gòu)位置的期望值；

其中，轉(zhuǎn)向機構(gòu)位置的期望值sexp的求解方法為：

檢測當(dāng)前t時刻駕駛員模型輸出的轉(zhuǎn)向機構(gòu)位置的預(yù)測區(qū)間(smin，smax)；

獲取當(dāng)前t時刻的車輛橫擺角速度；

將橫擺角速度作為轉(zhuǎn)向機構(gòu)自適應(yīng)控制的評價標(biāo)準(zhǔn)，若|ω-ωe|＞δω，增大轉(zhuǎn)向機構(gòu)的位移，且控制轉(zhuǎn)向機構(gòu)位置的期望值sexp在smin≤sexp≤smax范圍內(nèi)；若|ω-ωe|≤δω，則轉(zhuǎn)向機構(gòu)位置的期望值維持不變，直到此次轉(zhuǎn)向結(jié)束；

其中，δω為設(shè)定閾值，ωe是車輛橫擺角速度的一個固定值。

本發(fā)明還提供了一種智能駕駛車輛，所述車輛采用上述智能駕駛控制系統(tǒng)，并采用上述智能駕駛控制方法進行車輛的駕駛控制。

本發(fā)明有益效果如下：

本發(fā)明針對現(xiàn)有的速差轉(zhuǎn)向車輛控制系統(tǒng)的不足，即現(xiàn)有車輛控制系統(tǒng)不能有效協(xié)調(diào)轉(zhuǎn)向控制機構(gòu)和縱向控制系統(tǒng)的關(guān)系，無法滿足車輛控制的準(zhǔn)確性和平穩(wěn)性的問題，提出了一種基于駕駛員真實經(jīng)驗數(shù)據(jù)的具有預(yù)測和自適應(yīng)能力的智能駕駛控制系統(tǒng)和方法。智能駕駛控制系統(tǒng)和方法基于駕駛員經(jīng)驗?zāi)Ｐ?，該模型通過大量的駕駛員真實數(shù)據(jù)學(xué)習(xí)經(jīng)驗駕駛員在行駛過程中橫向和縱向操縱的配合關(guān)系，不僅能夠預(yù)測車輛未來一段時間的一系列行駛狀態(tài)，而且可以根據(jù)真實的駕駛環(huán)境基于車輛行駛效果自適應(yīng)地調(diào)節(jié)轉(zhuǎn)向控制量，進而提高車輛行駛的安全性和準(zhǔn)確性，改善車輛在自主跟蹤路徑過程中的控制精度和穩(wěn)定性。

本發(fā)明的其他特征和優(yōu)點將在隨后的說明書中闡述，并且，部分的從說明書中變得顯而易見，或者通過實施本發(fā)明而了解。本發(fā)明的目的和其他優(yōu)點可通過在所寫的說明書、權(quán)利要求書、以及附圖中所特別指出的結(jié)構(gòu)來實現(xiàn)和獲得。

附圖說明

附圖僅用于示出具體實施例的目的，而并不認(rèn)為是對本發(fā)明的限制，在整個附圖中，相同的參考符號表示相同的部件。

圖1為智能駕駛控制系統(tǒng)的示意圖；

圖2為駕駛員模型的訓(xùn)練方法示意圖；

圖3為車輛行駛模式的判斷示意圖；

圖4為智能駕駛控制方法的示意圖；

圖5為小幅度轉(zhuǎn)向模式中，轉(zhuǎn)向機構(gòu)位置的期望值的求解方法。

具體實施方式

下面結(jié)合附圖來具體描述本發(fā)明的優(yōu)選實施例，其中，附圖構(gòu)成本申請一部分，并與本發(fā)明的實施例一起用于闡釋本發(fā)明的原理。

本發(fā)明的一個具體實施例，公開了一種基于駕駛員經(jīng)驗?zāi)Ｐ偷闹悄荞{駛控制系統(tǒng)，能夠根據(jù)駕駛員的駕駛經(jīng)驗糾正控制變量，調(diào)節(jié)車輛的行駛性能。如圖1所示，系統(tǒng)包括：駕駛員模型模塊、預(yù)瞄控制模型模塊、路徑跟蹤控制模塊和整車系統(tǒng)模塊。

其中，駕駛員模型模塊，用于收集駕駛員操作信息和期望路徑信息，結(jié)合車輛運動信息預(yù)測車輛未來時刻的行駛狀態(tài)參量。

其中，所述駕駛員操作信息包括車輛轉(zhuǎn)向系統(tǒng)參數(shù)和油門增量，所述期望路徑信息是指車輛跟蹤的目標(biāo)路徑點信息，包括車速和行駛航向等。

所述行駛狀態(tài)參量包括轉(zhuǎn)向機構(gòu)位置的期望值范圍和油門增量期望值，以離散的序列表示今后的每個時刻車輛以預(yù)測狀態(tài)行駛時各參量的期望值。因車輛系統(tǒng)在轉(zhuǎn)向行駛過程中的參數(shù)選取具有不確定性，轉(zhuǎn)向機構(gòu)的位置需結(jié)合當(dāng)前地面條件實時進行修改以達(dá)到穩(wěn)定的行駛效果，所以轉(zhuǎn)向機構(gòu)位置的期望參量以區(qū)間的形式表達(dá)，表示預(yù)測的轉(zhuǎn)向機構(gòu)位置在(smin，smax)之間波動。油門增量期望值是駕駛員模型模塊相對于每個時刻的實際發(fā)動機轉(zhuǎn)速輸出的期望參量，該期望參量值為正表示加油門，反之則表示減油門。

所述駕駛員模型是通過學(xué)習(xí)駕駛員真實經(jīng)驗數(shù)據(jù)得到的，駕駛員模型能夠根據(jù)駕駛員的駕駛特征、期望道路信息和車輛實際運動信息預(yù)測車輛未來時刻的行駛狀態(tài)。其中，駕駛員的駕駛特征包括駕駛員操作車輛有關(guān)的數(shù)據(jù)，包括轉(zhuǎn)向機構(gòu)的位移值和油門踏板的位移值；期望道路信息包括期望路徑點的航向；車輛實際運動信息包括車輛當(dāng)前的航向、擋位和車速。將上述所有數(shù)據(jù)以機器學(xué)習(xí)(高斯混合隱馬爾可夫算法)的方法進行訓(xùn)練，得到駕駛員模型。

訓(xùn)練方法如圖2所示，包括如下步驟：

獲取各工況下真實駕駛數(shù)據(jù)，所述真實駕駛數(shù)據(jù)包括航向變化偏差、車速、擋位、油門踏板位移和轉(zhuǎn)向機構(gòu)位移等；

利用真實駕駛數(shù)據(jù)來訓(xùn)練模型時，針對由車輛上的各傳感器采集得到的數(shù)據(jù)中存在的不可避免的噪聲和異常值，進行濾波和異常值剔除處理；

為了使訓(xùn)練所得的駕駛員模型能夠盡可能地反映車輛大多數(shù)的行駛狀態(tài)，用于訓(xùn)練模型的數(shù)據(jù)應(yīng)當(dāng)包含盡可能多的車輛動作，實現(xiàn)對所有參量取值范圍內(nèi)數(shù)據(jù)的全覆蓋，因此采集駕駛員和車輛數(shù)據(jù)時，確定了不同擋位和不同車速下的片段，具體包括直駛糾偏駕駛片段、雙移線駕駛片段、直角彎及掉頭駕駛片段和定曲率彎道駕駛片段；

對這些實驗場景中的數(shù)據(jù)段進行分割；

利用混合高斯模型(gmm)算法對處理后的實驗數(shù)據(jù)進行聚類，從而得到4個主要參量的gmm聚類結(jié)果，分別為：車速的gmm聚類模型、車輛航向偏差的gmm聚類模型、轉(zhuǎn)向機構(gòu)位移的gmm聚類模型和油門踏板位移的gmm聚類模型；

將轉(zhuǎn)向機構(gòu)位移的聚類結(jié)果和油門踏板位移的聚類結(jié)果作為隱藏狀態(tài)參量，將車速的聚類結(jié)果、車輛航向偏差的聚類結(jié)果和擋位信息作為觀測狀態(tài)參量，基于前述各工況下的真實駕駛數(shù)據(jù)，基于隱馬爾可夫模型(hmm)算法對駕駛行為模型進行訓(xùn)練，最終得到兩個駕駛員模型，分別為轉(zhuǎn)向機構(gòu)位置選擇的駕駛員模型和油門增量選擇的駕駛員模型。兩個駕駛員模型組成了駕駛員模型模塊。

當(dāng)車輛處于自主行駛過程中，上述兩個經(jīng)過訓(xùn)練后的駕駛員模型參與車輛的實時控制，對車輛未來時刻的橫向和縱向控狀態(tài)量進行預(yù)測，為控制量的自適應(yīng)修正提供有效依據(jù)，從而實現(xiàn)車輛精確地跟蹤期望路徑的行駛?cè)蝿?wù)。

駕駛員模型根據(jù)系統(tǒng)輸入的一系列期望路點信息和車輛當(dāng)前的實際運動情況，預(yù)測未來一系列的車輛運動狀態(tài)，車輛的運動情況不僅要滿足當(dāng)前的路況條件，同時還要考慮車輛整個路徑跟蹤過程中的每個時刻運動狀態(tài)的平穩(wěn)過渡。從整個車輛行駛軌跡的角度，分析可能產(chǎn)生的車輛運動狀態(tài)之間的跳轉(zhuǎn)概率，輸出適合實際車輛運動狀況且滿足一系列期望行駛軌跡條件的最佳狀態(tài)量。其中，駕駛員模型輸出的行駛狀態(tài)參量包括轉(zhuǎn)向機構(gòu)位置的期望值范圍和油門增量期望值，這些預(yù)測狀態(tài)參量將用于車輛的實時控制系統(tǒng)，作為參考量和約束值對車輛實時控制參數(shù)進行修正和調(diào)節(jié)。

駕駛員模型在學(xué)習(xí)了大量在真實行車環(huán)境中的經(jīng)驗駕駛員的操作數(shù)據(jù)后，得到了車輛行駛過程中的一系列控制量對應(yīng)關(guān)系和各種行車狀態(tài)的跳轉(zhuǎn)概率分布，一方面為車輛控制中具體參數(shù)提供了有效依據(jù)，另一方面用來識別預(yù)測車輛未來時刻的最佳行駛狀態(tài)，得到關(guān)鍵控制量的狀態(tài)參數(shù)。模型能應(yīng)用于發(fā)動機、變速器以及轉(zhuǎn)向執(zhí)行機構(gòu)等系統(tǒng)參數(shù)的實時修正，實現(xiàn)“類人”的路徑跟蹤控制目的。

預(yù)瞄控制模型模塊，用于獲取當(dāng)前車輛與預(yù)瞄路徑點的偏差，并判斷車輛下一時刻的正確行駛模式。以車輛真實行駛情景為例，在t時刻，該預(yù)瞄控制模型模塊利用車輛當(dāng)前的實際位置和期望軌跡計算搜尋得到在預(yù)瞄距離l以外距車輛最近的期望路徑點作為預(yù)瞄路徑點，計算預(yù)瞄路徑點與無人車實際位置的橫向距離x和航向變化偏差ψ，預(yù)瞄路徑點上的期望車速為v。通過模塊計算出期望的橫向校正角度為

其中，k是一個增益參數(shù)，使輸出角度正比于橫向距離x，距離越大，輸出角度越大。橫向校正角度并非直接對應(yīng)車輛的轉(zhuǎn)向執(zhí)行機構(gòu)參量，橫向校正角度可用于判斷車輛的行駛模式m。

為了能夠簡化車輛在不同車速不同轉(zhuǎn)向程度下的橫縱向配合關(guān)系，將車輛行駛模式劃分為：直線行駛模式、大幅度轉(zhuǎn)向模式和小幅度轉(zhuǎn)向模式。

車輛的行駛模式m的判斷方式如圖3所示，當(dāng)|δ|＜0.08時，m輸出直線行駛模式；當(dāng)0.08≤|δ|＜0.3時，m輸出小幅度轉(zhuǎn)向模式；當(dāng)|δ|≥0.3時，m輸出大幅度轉(zhuǎn)向模式。

路徑跟蹤控制模塊，用于將駕駛員模型模塊和預(yù)瞄控制模型模塊分別輸出的預(yù)測參量和期望參量(δ)轉(zhuǎn)化成車輛底層控制系統(tǒng)(整車系統(tǒng)模塊)可執(zhí)行的控制量，其控制量包括轉(zhuǎn)向機構(gòu)的期望位置、期望擋位和發(fā)動機轉(zhuǎn)速。鑒于實際車輛以不同的行駛模式來滿足不同工況的通過性，車輛在不同的行駛模式下，轉(zhuǎn)向機構(gòu)位置和油門的控制方法有很大的差異，因此跟蹤控制模塊制定了車輛不同行駛模式下各輸出控制量的控制規(guī)則，并引入預(yù)測狀態(tài)參量，對駕駛控制系統(tǒng)的相應(yīng)參數(shù)(轉(zhuǎn)向機構(gòu)的期望位置和發(fā)動機期望轉(zhuǎn)速)做合理地實時計算和修改，同時為控制量的自適應(yīng)控制提供約束，從而調(diào)整車輛的性能，改善路徑跟蹤的效果。

整車系統(tǒng)模塊包含車輛底層的所有控制系統(tǒng)，用于響應(yīng)跟蹤控制模塊輸出的控制量或駕駛員的操作(如換擋、制動、加速、轉(zhuǎn)向等)，以控制車輛的運動，并輸出車輛運動參數(shù)(如發(fā)動機轉(zhuǎn)速、轉(zhuǎn)向機構(gòu)位置、橫擺角速度等)至駕駛員模型模塊、預(yù)瞄控制模型模塊和跟蹤控制模塊。整車系統(tǒng)包括發(fā)動機、傳動系統(tǒng)、行駛系統(tǒng)、轉(zhuǎn)向系統(tǒng)、制動系統(tǒng)以及傳感器，該整車系統(tǒng)中的傳感器主要包括主動輪轉(zhuǎn)速傳感器、轉(zhuǎn)向機構(gòu)位移傳感器、慣性導(dǎo)航、油門踏板位移傳感器和32線激光雷達(dá)傳感器。整車系統(tǒng)接受跟蹤控制模塊下發(fā)的控制量，執(zhí)行相應(yīng)的操作，以控制車輛的行駛。

實施例中公開的智能駕駛系統(tǒng)包含具有預(yù)測未來車輛運動狀態(tài)的駕駛員模型模塊，該駕駛員模型是以機器學(xué)習(xí)的方法為基礎(chǔ)，通過大量的真實經(jīng)驗駕駛員數(shù)據(jù)訓(xùn)練得到的。這使得駕駛員模型能夠識別和預(yù)測未來時刻的車輛運動需求和行駛方式，進而對車輛控制系統(tǒng)的參數(shù)進行實時地修正和約束，使得車輛控制系統(tǒng)在進行自適應(yīng)調(diào)節(jié)時能夠讓車輛狀態(tài)更快地達(dá)到預(yù)期效果，提高車輛自主跟蹤期望路徑的準(zhǔn)確性，滿足智能車輛在無人駕駛過程中的通過性和安全性。

本發(fā)明的另一個具體實施例，提供了一種智能駕駛控制方法，如圖4所示，包括如下步驟：

1.駕駛員模型獲取駕駛員操作信息和期望路徑信息，駕駛員模型模塊根據(jù)駕駛員操作信息和期望路徑信息，計算并輸出行駛狀態(tài)參量，該行駛狀態(tài)參量包括轉(zhuǎn)向機構(gòu)位置的期望值范圍和油門增量期望值。

2.預(yù)瞄控制模型根據(jù)獲取的車輛信息和路徑信息，計算并輸出橫向校正角度δ和車輛行駛模式m；

3.路徑跟蹤控制模塊將駕駛員模型模塊和預(yù)瞄控制模型模塊輸出的參量，以及期望擋位轉(zhuǎn)化成車輛底層控制系統(tǒng)可執(zhí)行的控制量，該控制量包括車輛轉(zhuǎn)向機構(gòu)的期望位置、期望擋位和期望發(fā)動機轉(zhuǎn)速。

其中，期望擋位是由期望道路信息得到的，每個期望路徑點都包含期望擋位和期望車速信息，期望檔位的確定方法為：檢測當(dāng)前t時刻預(yù)瞄路徑點上的期望車速v，將車速按照5個等級劃分，得到當(dāng)前擋位。

具體的，跟蹤控制模塊制定了車輛不同行駛模式下各輸出控制量的控制規(guī)則：

●當(dāng)預(yù)瞄控制模型模塊輸出的車輛行駛模式m為直線行駛模式時，此時車輛沒有轉(zhuǎn)向動作，轉(zhuǎn)向機構(gòu)的位置應(yīng)該維持在初始狀態(tài)的位置上，將轉(zhuǎn)向機構(gòu)的期望位置賦值為固定值，而后根據(jù)車速和檔位按照下式求解期望發(fā)動機轉(zhuǎn)速。

式中，n為期望發(fā)動機轉(zhuǎn)速；v是期望車速；ie為車輛傳動比，不同擋位下車輛傳動比不同，需根據(jù)當(dāng)前擋位查詢具體的ie值；r是車輪半徑。

●當(dāng)車輛行駛模式m的結(jié)果為大幅度轉(zhuǎn)向行駛模式時，先根據(jù)預(yù)瞄控制模型模塊輸出的橫向校正角度δ的符號判斷轉(zhuǎn)向方向，δ為正表示右轉(zhuǎn)，δ為負(fù)表示左轉(zhuǎn)。當(dāng)車輛向右大幅度轉(zhuǎn)向時，轉(zhuǎn)向機構(gòu)的位置應(yīng)該保持在右側(cè)最大行程的位置上；當(dāng)車輛向左大幅度轉(zhuǎn)向時，轉(zhuǎn)向機構(gòu)的位置應(yīng)該保持在左側(cè)最大行程的位置上。根據(jù)當(dāng)前的橫向校正角度δ符號判斷得到轉(zhuǎn)向方向后，將轉(zhuǎn)向機構(gòu)的期望位置賦值為固定值；然后根據(jù)駕駛員模塊輸出的預(yù)測油門增量和當(dāng)前的實際發(fā)動機轉(zhuǎn)速，求解期望發(fā)動機轉(zhuǎn)速。其中，期望發(fā)動機轉(zhuǎn)速＝當(dāng)前實際發(fā)動機轉(zhuǎn)速+預(yù)測油門增量。

●當(dāng)車輛行駛模式m的結(jié)果為小幅度轉(zhuǎn)向行駛模式時，其基本步驟與大幅度轉(zhuǎn)向模式大體一致，首先根據(jù)橫向校正角度δ符號判斷轉(zhuǎn)向方向，而后求解轉(zhuǎn)向機構(gòu)的期望位置，最后根據(jù)駕駛員模塊輸出的預(yù)測油門增量和當(dāng)前的實際發(fā)動機轉(zhuǎn)速，求解期望發(fā)動機轉(zhuǎn)速。車輛在進行小幅度轉(zhuǎn)向時，轉(zhuǎn)向機構(gòu)的位置不確定，此時需按照轉(zhuǎn)向機構(gòu)的自適應(yīng)控制邏輯，結(jié)合實際的轉(zhuǎn)向需求實時地修改轉(zhuǎn)向機構(gòu)位置的期望值。

其中，車輛進入小幅度轉(zhuǎn)向模式后，所述轉(zhuǎn)向機構(gòu)的期望位置，即轉(zhuǎn)向機構(gòu)位置的期望值sexp求解方法隨實際的轉(zhuǎn)向效果具有自適應(yīng)性。如圖5所示，檢測當(dāng)前t時刻駕駛員模型輸出的轉(zhuǎn)向機構(gòu)位置的預(yù)測區(qū)間(smin，smax)，從慣性導(dǎo)航傳感器獲取當(dāng)前t時刻的車輛橫擺角速度；將該橫擺角速度作為操轉(zhuǎn)向機構(gòu)自適應(yīng)控制的評價標(biāo)準(zhǔn)，若|ω-ωe|＞δω，說明此時車輛的轉(zhuǎn)向程度不能滿足轉(zhuǎn)向需求，增大轉(zhuǎn)向機構(gòu)的位移，但轉(zhuǎn)向機構(gòu)位置的期望值sexp需限制在smin≤sexp≤smax范圍內(nèi)；若|ω-ωe|≤δω，說明此時車輛的轉(zhuǎn)向程度可以滿足轉(zhuǎn)向需求，則轉(zhuǎn)向機構(gòu)位置的期望值維持不變，直到此次轉(zhuǎn)向結(jié)束。其中，δω為設(shè)定的閾值，優(yōu)選取±0.3rad/s，ωe是一個車輛橫擺角速度的一個固定值，該車輛橫擺角速度的固定值是通過大量反復(fù)實驗得到的參數(shù)，ωe的值與車速和轉(zhuǎn)向需求相關(guān)。

4.整車系統(tǒng)模塊包含車輛底層的所有控制系統(tǒng)，根據(jù)路徑跟蹤控制模塊輸出的控制量，輸出車輛的運動控制參數(shù)給各個控制系統(tǒng)；同時整車系統(tǒng)模塊還將獲取的車輛運動信息(車輛運動參數(shù)，如發(fā)動機轉(zhuǎn)速、轉(zhuǎn)向機構(gòu)位置、橫擺角速度等)反饋給駕駛員模型、預(yù)瞄控制模型模塊和跟蹤控制模塊。

本實施例公開的智能駕駛控制方法，在智能車輛自主駕駛的過程當(dāng)中，能夠?qū)Ⅰ{駛員的操控方法考慮在內(nèi)，融入經(jīng)驗駕駛員的參考數(shù)據(jù)，建立駕駛員模型，并通過駕駛員模型識別預(yù)測車輛期望道路行駛條件下的駕駛意圖和運動需求，對車輛控制系統(tǒng)的相應(yīng)參數(shù)提供有效的依據(jù)和實時的調(diào)整，使得車輛控制符合經(jīng)驗駕駛員的操作習(xí)慣，讓車輛的行駛性能滿足期望效果和安全需求，克服智能車輛在自主轉(zhuǎn)向過程中的多種不確定性，結(jié)合車輛實際的行駛工況和路面條件對車輛控制量進行實時的修正，達(dá)到最大可能地“類人”的控制目的，使得車輛控制系統(tǒng)兼具“預(yù)測”和“自適應(yīng)”的特征。

本發(fā)明的第三具體實施例，公開了一種智能駕駛車輛，所述車輛包括上述智能駕駛控制系統(tǒng)，并采用上述智能駕駛控制方法進行車輛的駕駛控制。

綜上所述，本發(fā)明實施例提供了一種基于駕駛員經(jīng)驗?zāi)Ｐ偷闹悄荞{駛控制系統(tǒng)和方法，以及使用上述控制系統(tǒng)和方法的車輛，通過應(yīng)用該系統(tǒng)和方法，在駕駛車輛的過程當(dāng)中，能夠?qū)Ⅰ{駛員的駕駛經(jīng)驗和操作習(xí)慣考慮在內(nèi)，通過建立駕駛員模型，一方面為車輛控制中具體參數(shù)提供有效依據(jù)，另一方面用來識別預(yù)測車輛未來時刻的行駛狀態(tài)，并根據(jù)該識別和預(yù)測結(jié)果，對路徑跟蹤控制系統(tǒng)的相應(yīng)參數(shù)做合理地實時修改，同時為控制量的自適應(yīng)控制提供約束，從而調(diào)整車輛的性能，使車輛實際行駛效果滿足目標(biāo)精度以及安全需求，達(dá)到了改善智能車輛路徑跟蹤控制精度的目的。

本領(lǐng)域技術(shù)人員可以理解，實現(xiàn)上述實施例方法的全部或部分流程，可以通過計算機程序來指令相關(guān)的硬件來完成，所述的程序可存儲于計算機可讀存儲介質(zhì)中。其中，所述計算機可讀存儲介質(zhì)為磁盤、光盤、只讀存儲記憶體或隨機存儲記憶體等。

以上所述，僅為本發(fā)明較佳的具體實施方式，但本發(fā)明的保護范圍并不局限于此，任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，可輕易想到的變化或替換，都應(yīng)涵蓋在本發(fā)明的保護范圍之內(nèi)。