考虑驾驶员特性的自学习换道轨迹规划系统

作者：高振海; 朱乃宣; 高菲^*; 梅兴泰; 张进; 何磊

来源：汽车工程, 2020, 42(12): 1710-1717.

DOI：10.19562/j.chinasae.qcgc.2020.12.014

• 驾驶员
• 特性辨识
• 长短期记忆网络
• 自学习
• 换道轨迹规划

为更好地实现个性化驾驶,本文中提出了一种集成驾驶员特性辨识的自学习换道轨迹规划系统。首先,在高斯分布中引入驾驶员特性系数Jc和驾驶员反应与操作时间td,建立了个性化换道轨迹规划模型,并通过DTW算法对实际轨迹和拟合轨迹进行匹配。之后,基于采集的驾驶员换道轨迹进行AP聚类,离线标定Jc和td共性化值,同时获得30名驾驶员的标签,将其驾驶特性分为舒适、一般和运动型。然后,将自由驾驶数据进行特征工况的提取,并基于长短期记忆网络(LSTM)搭建驾驶员特性在线辨识模型进行训练。最后,选取15名驾驶员进行实车验证,系统实时提取特征工况,然后基于辨识结果在线调整Jc和td,并不断更新拟合轨迹。实验结束后,其中14名驾驶员的实际轨迹与拟合轨迹平方欧氏距离小于1,拟合正确率达93.3%。因此,该系统能够良好地复现真人换道轨迹。

• 单位
  汽车仿真与控制国家重点实验室; 吉林大学; 广州汽车集团股份有限公司汽车工程研究院