考虑驾驶员特性的自学习换道轨迹规划系统

• 作者: 何磊 张进 朱乃宣 梅兴泰 高振海 高菲
• 来源期刊: 汽车工程
• 关键词: 驾驶员 特性辨识 长短期记忆网络 自学习 换道轨迹规划
• 年，卷（期）: 2020,（12）
• 页码范围: 1710-1717
• 页数: 8页
• 语种: 中文
• DOI: 10.19562/j.chinasae.qcgc.2020.12.014

摘要

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.