程 敏，吳光強(qiáng)，2，祝 勝

（1.同濟(jì)大學(xué)汽車學(xué)院上海 201804；2.東京大學(xué)生產(chǎn)技術(shù)研究所，日本東京 153－8505）

基于駕駛員意圖識(shí)別的液力機(jī)械式自動(dòng)變速器換擋規(guī)律優(yōu)化

程 敏1，吳光強(qiáng)1，2，祝 勝1

（1.同濟(jì)大學(xué)汽車學(xué)院上海 201804；2.東京大學(xué)生產(chǎn)技術(shù)研究所，日本東京 153－8505）

0 引言

換檔規(guī)律是指擋位隨控制參數(shù)變化的規(guī)律。它關(guān)系到動(dòng)力傳動(dòng)系統(tǒng)各總成與整車最優(yōu)性能的發(fā)揮，直接影響換擋品質(zhì)乃至車輛的動(dòng)力性、燃油經(jīng)濟(jì)性、通過(guò)性及環(huán)境適應(yīng)能力等［1］。換擋規(guī)律應(yīng)結(jié)合駕駛員意圖以及道路狀況進(jìn)行合理的修正［2］，有助于消除頻繁升降擋現(xiàn)象，提高燃油經(jīng)濟(jì)性。因此，只有準(zhǔn)確辨識(shí)出駕駛員的當(dāng)前意圖，才能選擇合適的換擋規(guī)律進(jìn)行切換。

目前，國(guó)內(nèi)外學(xué)者提出很多駕駛員意圖識(shí)別的方法，參考文獻(xiàn)［3］采用模糊控制和神經(jīng)網(wǎng)絡(luò)的方法，在優(yōu)秀駕駛員操作辨識(shí)基礎(chǔ)上建立基于經(jīng)驗(yàn)的換擋規(guī)律，改善了車輛的性能；基于Bayes決策論的隱式馬爾可夫模型（Hmm）具有處理時(shí)間序列數(shù)據(jù)的特性，且可以產(chǎn)生優(yōu)異的分類性能［4］，目前廣泛應(yīng)用于駕駛員意圖識(shí)別［5-7］。

1 駕駛員意圖分析

根據(jù)駕駛員的駕駛經(jīng)驗(yàn)和實(shí)驗(yàn)數(shù)據(jù)，在平直路面上駕駛員意圖可以分為急加速、加速、保持、減速、急減速5類，簡(jiǎn)寫(xiě)為HA，A，M，D，RD，每一類對(duì)應(yīng)著不同的駕駛員操作，主要通過(guò)油門(mén)踏板開(kāi)度、油門(mén)踏板變化趨勢(shì)和制動(dòng)踏板開(kāi)度來(lái)體現(xiàn)。設(shè)平直路面上的駕駛意圖類型為Sn（n＝1，2，3，4，5），相鄰采樣時(shí)間內(nèi)駕駛意圖狀態(tài)會(huì)發(fā)生概率性轉(zhuǎn)移或保持不變，駕駛觀測(cè)值類型為om（m＝1，2，3），Sn和om之間的映射關(guān)系以概率值表征，根據(jù)駕駛意圖和駕駛觀測(cè)值之間的關(guān)系，以節(jié)點(diǎn)和網(wǎng)絡(luò)關(guān)聯(lián)模式構(gòu)成的模型如圖1，圖中a，b表示發(fā)生的概率，i，j（i，j＝n，i≠j）表示駕駛員意圖類型。

圖1 駕駛意圖與駕駛觀測(cè)值關(guān)系模型

2 隱馬爾可夫建模與驗(yàn)證

2.1 隱馬爾可夫基本模型

隱馬爾可夫模型Hmm（hidden Markov model）是一個(gè)雙重隨機(jī)過(guò)程［7］，由此可見(jiàn)駕駛員意圖和動(dòng)作之間的聯(lián)系與Hmm結(jié)構(gòu)十分吻合。因此，采用Hmm構(gòu)建駕駛員模型是可行的。

基于駕駛員每個(gè)動(dòng)作即觀測(cè)值采樣的連續(xù)性，建立連續(xù)型隱馬爾可夫模型，此處采用的Hmm模型參數(shù)可以描述為λ＝［A，π，c，μ，U］，設(shè)狀態(tài)集合S＝｛s1，s2，……，sn｝，則狀態(tài)轉(zhuǎn)移概率矩陣A＝｛aij｝，aij＝P（qi＝Sj｜qt-1＝Si），初始狀態(tài)概率分布π＝｛πi｝，πi＝P（q1＝Si），觀測(cè)值集合，o（t）＝｛o1（t），o2（t），o3（t）｝，o1（t），o2（t），o3（t）分別表示油門(mén)踏板開(kāi)度、油門(mén)踏板開(kāi)度變化率、制動(dòng)踏板開(kāi)度，這里描述隨機(jī)過(guò)程的高斯混合模型采用3個(gè)單高斯模型混合而成。觀測(cè)值概率密度采用混合三維高斯概率密度函數(shù)，可以表示為：

cjk為狀態(tài)sj的第k個(gè)單高斯模型加權(quán)系數(shù)，且；M為單高斯模型個(gè)數(shù)；N0（μjk，Ujk）為高斯密度函數(shù)；o為連續(xù)觀測(cè)值向量；μjk和Ujk為第k個(gè)單高斯模型在狀態(tài)sj下的期望向量和協(xié)方差矩陣，可由樣本均值向量和協(xié)方差矩陣替代。

隱馬爾可夫模型有3個(gè)基本問(wèn)題：①評(píng)估問(wèn)題；②解碼問(wèn)題；③學(xué)習(xí)問(wèn)題。其中學(xué)習(xí)問(wèn)題，即一個(gè)模型的訓(xùn)練過(guò)程，是首要解決的任務(wù)。通常采用Baum - Welch算法，對(duì)連續(xù)Hmm模型進(jìn)行訓(xùn)練［8］。以下訓(xùn)練過(guò)程針對(duì)每一個(gè)駕駛員意圖隱狀態(tài)。

前向概率為：

對(duì)不同駕駛員意圖進(jìn)行學(xué)習(xí)與訓(xùn)練，直至式（4）的值收斂，得到由參數(shù)λ′＝［A′，π′，c′，μ′，U′］確定的駕駛員意圖模型。

2.3 模型驗(yàn)證

圖2所示為Hmm模型辨識(shí)駕駛員意圖的過(guò)程，按照指定步長(zhǎng)依次將處理后的油門(mén)踏板開(kāi)度α、油門(mén)踏板開(kāi)度變化率˙α以及制動(dòng)踏板開(kāi)度β信號(hào)數(shù)據(jù)，輸入到訓(xùn)練好的Hmm模型組λ′j＝［A′j，π′j，c′j，μ′j，U′j］，圖中Sj表示某一駕駛意圖的Hmm子模型，根據(jù)式（4）分別計(jì)算子模型的極大似然對(duì)數(shù)值，比較后選擇最大者作為駕駛員當(dāng)前的意圖。

圖2 Hmm辨識(shí)過(guò)程

為了驗(yàn)證連續(xù)型Hmm模型的準(zhǔn)確性，采用一長(zhǎng)段觀測(cè)值數(shù)據(jù)如圖3進(jìn)行辨識(shí)，將數(shù)據(jù)分別導(dǎo)入訓(xùn)練好的5種Hmm子模型，計(jì)算其極大似然概率的對(duì)數(shù)值并比較，辨識(shí)的結(jié)果如圖4所示。

圖3 駕駛員操作數(shù)據(jù)

圖4 辨識(shí)結(jié)果

由圖4可得駕駛員意圖是保持—急加速—保持—減速—保持。經(jīng)過(guò)比較，按0.1 s截取駕駛員的操作數(shù)據(jù)可以提高辨識(shí)精度。對(duì)應(yīng)單個(gè)駕駛員意圖的多個(gè)樣本連續(xù)測(cè)試，統(tǒng)計(jì)表明其測(cè)試精度。通過(guò)多次辨識(shí)的結(jié)果分析，辨識(shí)精度可達(dá)99.74。

隨著我國(guó)國(guó)民經(jīng)濟(jì)的快速發(fā)展，城市人口的急劇增多，城市化的發(fā)展進(jìn)程大大加快，為建筑行業(yè)的發(fā)展提供了前所未有的發(fā)展機(jī)會(huì)。建筑企業(yè)要重視建筑工程施工質(zhì)量，做好建筑工程的結(jié)構(gòu)設(shè)計(jì)，以提高自身的市場(chǎng)競(jìng)爭(zhēng)力，增加建筑企業(yè)的經(jīng)濟(jì)效益與社會(huì)影響力。結(jié)構(gòu)設(shè)計(jì)屬于建筑工程極為關(guān)鍵的一個(gè)環(huán)節(jié)，嚴(yán)重影響建筑工程的整體質(zhì)量，因此需以結(jié)構(gòu)安全性、穩(wěn)定性出發(fā)進(jìn)行合理設(shè)計(jì)，并科學(xué)評(píng)估建筑工程的結(jié)構(gòu)設(shè)計(jì)，以保障建筑工程的使用安全性與使用壽命。

3 基于駕駛員意圖的換擋規(guī)律優(yōu)化

3.1 基本換擋規(guī)律

基本換擋規(guī)律是在車輛處于平直良好路面上，發(fā)動(dòng)機(jī)穩(wěn)態(tài)運(yùn)轉(zhuǎn)的情況下進(jìn)行的，包括最佳動(dòng)力性換擋規(guī)律和最佳經(jīng)濟(jì)性換擋規(guī)律，以某5擋實(shí)驗(yàn)車輛參數(shù)為依據(jù)，通過(guò)換擋規(guī)律計(jì)算［11］以及車輛的實(shí)驗(yàn)得出換擋規(guī)律對(duì)比后采用組合型降擋規(guī)律，得到換擋規(guī)律如圖5、圖6所示。

圖5 最佳動(dòng)力性換擋規(guī)律

圖6 最佳經(jīng)濟(jì)性換擋規(guī)律

3.2 駕駛員意圖與換擋規(guī)律的關(guān)系

在實(shí)際行駛過(guò)程中，駕駛員的期望加速特性是不斷變化的，不可能依靠一種不變的換擋策略來(lái)滿足所有的駕駛意圖，換擋規(guī)律需要根據(jù)駕駛員的意圖變化而變化，不同意圖下的擋位操作如表1所示

表1 不同意圖下的擋位操作_

在加速意圖和急加速意圖應(yīng)依照最佳動(dòng)力性換擋規(guī)律進(jìn)行優(yōu)化，減速意圖和急減速意圖應(yīng)依照最佳經(jīng)濟(jì)性換擋規(guī)律進(jìn)行優(yōu)化。這里以急加速意圖與急減速意圖換擋規(guī)律優(yōu)化為例。

3.3 急加速意圖換擋規(guī)律優(yōu)化

急加速意圖下油門(mén)踏板開(kāi)度突然增至大油門(mén)，有前述可知應(yīng)提前降擋，延遲升擋，故需對(duì)最佳動(dòng)力性換擋規(guī)律進(jìn)行優(yōu)化，提高升擋車速，降低降擋車速。這里采用收斂型降擋規(guī)律，在快速增大油門(mén)開(kāi)度時(shí)，滿足提前降擋，延遲升擋的要求，優(yōu)化后的換擋策略如圖7所示。

圖7 急加速意圖下?lián)Q擋規(guī)律

3.4 急減速意圖換擋規(guī)律優(yōu)化

急減速意圖下油門(mén)踏板突然減至小油門(mén)或油門(mén)踏板突然松開(kāi)，有前述可知應(yīng)適時(shí)降擋，禁止升擋，故需對(duì)最佳經(jīng)濟(jì)性換擋規(guī)律進(jìn)行優(yōu)化。如圖8所示，a- b- c過(guò)程代表了突然急減速的駕駛員意圖過(guò)程。

圖8 急減速頻繁換擋示意

由圖8可知，a處突然急劇減小油門(mén)開(kāi)度變化至b點(diǎn)，車輛從3擋升至4擋，顯然與駕駛員減速意圖相違背，于此同時(shí)車速繼續(xù)降低，降低至c點(diǎn)時(shí)車輛從4擋降回3擋。故車輛產(chǎn)生了意外換擋現(xiàn)象，其直接原因是車輛慣性較大，車速不能立刻響應(yīng)油門(mén)的突變，使得在急減速時(shí)產(chǎn)生于駕駛員截然相反的換擋過(guò)程。

針對(duì)車輛意外換擋現(xiàn)象的消除，大致分為3種：①通過(guò)設(shè)置換擋延遲時(shí)間來(lái)屏蔽換擋指令，等待車速的上升或下降［11］；②采用油門(mén)鈍化方法，即用步進(jìn)的方式對(duì)油門(mén)信號(hào)進(jìn)行處理，屏蔽短時(shí)間內(nèi)油門(mén)的劇烈變換［12］；③根據(jù)不同油門(mén)開(kāi)度變化使用不同升擋和降擋規(guī)律修正因子，對(duì)升降擋臨界車速進(jìn)行修正［1314］。

減速意圖屬于平緩踩下制動(dòng)踏板情況，故在此只考慮急減速意圖下產(chǎn)生的意外換擋情況。由前述可知，駕駛員意圖可由連續(xù)型隱馬爾可夫模型得出，故采用第1種方法消除頻繁換擋現(xiàn)象最為高效。

4 仿真分析

根據(jù)搭建的Matlab／Simulink車輛模型，對(duì)2種駕駛意圖進(jìn)行辨識(shí)后，通過(guò)換擋邏輯進(jìn)行切換相應(yīng)優(yōu)化后換擋規(guī)律，得出優(yōu)化前后車輛換擋仿真結(jié)果。

4.1 急加速意圖下的仿真分析

采用如圖9a所示的油門(mén)開(kāi)度，汽車先以14%的油門(mén)開(kāi)度緩慢加速，10～11 s時(shí)間內(nèi)，加速到90%油門(mén)開(kāi)度，11～30 s內(nèi)保持其開(kāi)度。在Hmm模型辨識(shí)出駕駛員意圖為急加速后，如圖9b，系統(tǒng)自動(dòng)切換到急加速意圖下的換擋策略，由于急加速意圖時(shí)間較短，故在實(shí)際中若無(wú)減速意圖，則采用急加速意圖下的換擋規(guī)律直至升到最大擋位。仿真結(jié)果如圖10所示，當(dāng)油門(mén)突然增大時(shí)，優(yōu)化后的換擋規(guī)律使車輛提前0.88 s降到2擋，延遲0.44 s升至3擋，延遲0.68 s升至4擋，延遲0.6 s升至5擋，符合該意圖下的換擋要求，優(yōu)化后的車速要高于優(yōu)化前的車速。

圖9 急加速時(shí)駕駛數(shù)據(jù)以及辨識(shí)結(jié)果

圖10 急加速意圖下仿真結(jié)果

4.2 急減速意圖下的仿真分析

采用如圖11a所示的油門(mén)開(kāi)度和制動(dòng)開(kāi)度，汽車先以60%的油門(mén)開(kāi)度加速，10～11 s時(shí)間內(nèi)，油門(mén)快速松開(kāi)，12～30 s內(nèi)踩下制動(dòng)踏板并保持。Hmm模型辨識(shí)結(jié)果如圖11 b所示，駕駛員意圖在10 s后為急減速，系統(tǒng)自動(dòng)切換到急減速意圖下的換擋策略，換擋延遲3 s，防止其升擋。仿真結(jié)果如圖12所示，當(dāng)油門(mén)突然減小時(shí)，優(yōu)化后的換擋規(guī)律使車輛保持原有擋位即4擋直至降擋，符合該意圖下的換擋要求，優(yōu)化后比優(yōu)化前減速較快。

圖11 急減速時(shí)駕駛數(shù)據(jù)以及辨識(shí)結(jié)果

圖12 急減速意圖下的仿真結(jié)果

5 結(jié)束語(yǔ)

建立連續(xù)型隱馬爾可夫駕駛員模型，應(yīng)用從實(shí)車采集的數(shù)據(jù)。對(duì)模型進(jìn)行訓(xùn)練與學(xué)習(xí)。通過(guò)對(duì)駕駛員操作行為的辨識(shí)，實(shí)現(xiàn)辨識(shí)駕駛員意圖的目的，由結(jié)果可知，該方法有良好的準(zhǔn)確性。

基于辨識(shí)出的駕駛員意圖，對(duì)換擋規(guī)律進(jìn)行優(yōu)化。主要列出急加速與急減速意圖下?lián)Q擋規(guī)律的優(yōu)化。由仿真結(jié)果可知，優(yōu)化后的換擋規(guī)律滿足擋位變換的要求，急加速意圖下能夠提前降擋，延遲升擋，急減速意圖下能夠消除意外升擋的現(xiàn)象。

［1］ 吳光強(qiáng)，孫賢安.汽車自動(dòng)變速器發(fā)展綜述.同濟(jì)大學(xué)學(xué)報(bào)（自然科學(xué)版），2010，38（10）：1478- 1483.

［2］ 孫賢安，吳光強(qiáng)，姜超，等.人 車 路閉環(huán)系統(tǒng)中的雙離合器式自動(dòng)變速器車輛換擋規(guī)律［J］.汽車技術(shù)，2014（7）：18- 23.

［3］ Hayashi K，Shimizu Y，Dote Y，et al.Neuro fuzzy transmission control for automobile with variable loads［J］.Control Systems Technology，IEEE Transactions on Control Systems Technology，1995，3（1）：49- 53.

［4］ 劉成林，譚鐵牛.模式識(shí)別研究進(jìn)展［J］.中國(guó)計(jì)算機(jī)學(xué)會(huì)通訊，2007.3（12）：38- 46

［5］ Gadepally V，Krishnamurthy A，Ozguner U.A Framework for Estimating Driver Decisions Near Intersections［J］.IEEE Transactions on Control Systems Technology，2014.15（2）：637- 647.

［6］ He L，Zong C，Wang C.Driving intention recognition and behaviour prediction based on a double- layer hidden Markov model［J］.Journal of Zhejiang University SCIENCE C，2012，13（3）：208- 217.

［7］ 王志堂，蔡淋波.隱馬爾可夫模型（Hmm）及其應(yīng)用［J］.湖南科技學(xué)院學(xué)報(bào)，2009，30（4）：42- 44.

［8］ Baum L E，Petrie T.Statistical inference for probabilistic functions of finite state Markov chains［J］.The annals of mathematical statistics，1966，37（6）：1554 -1563.

［9］ 萬(wàn)建偉，楊俊嶺.基于CHmm的雷達(dá)海面回波建模與分析方法［J］.電子與信息學(xué)報(bào)，2007，29：2715 -2719.

［10］ 黃英，石獻(xiàn)磊，徐世利，等.基于動(dòng)力性和經(jīng)濟(jì)性的轎車換擋規(guī)律設(shè)計(jì)與試驗(yàn)研究［J］.汽車技術(shù)，2005（11）：28- 33.

［11］ 何忠波，白鴻柏，楊建春.AMT車輛頻繁換擋的消除策略［J］.農(nóng)業(yè)機(jī)械學(xué)報(bào)，2006，37（7）：9- 13.

［12］ 王洪亮，劉海鷗，張威，等.越野車輛AMT消除意外換擋及頻繁換擋策略研究［J］.北京理工大學(xué)學(xué)報(bào)，2009（8）：681- 685.

［13］ 肖文穎.基于模型的自動(dòng)變速器換擋策略優(yōu)化方法［J］.汽車技術(shù)，2014（5）：30- 34.

［14］ 楊偉斌，陳全世，吳光強(qiáng)，等.智能修正型換擋規(guī)律的設(shè)計(jì)及在雙離合器式自動(dòng)變速器中的應(yīng)用［J］.機(jī)械工程學(xué)報(bào)，2009，45（1）：205- 210.

Optimization of Shift Schedule for Automatic Transmission Based on Driver Intention Recognition

CHENG Min1，WU Guangqiang1，2，ZHU Sheng1
（1.Automotive School，Tongji University，Shanghai 201804，China；2.Institute of Industrial Science，University of Tokyo，Tokyo 153- 8505，Japan）

構(gòu)建了基于隱馬爾可夫模型的駕駛員意圖模型，用于辨識(shí)不同的駕駛意圖。以油門(mén)踏板開(kāi)度以及制動(dòng)踏板開(kāi)度等作為輸入數(shù)據(jù)，結(jié)合Baum-Welch算法訓(xùn)練駕駛員意圖模型，以計(jì)算所得新數(shù)據(jù)的極大似然值作為辨識(shí)結(jié)果，驗(yàn)證了駕駛員意圖模型的準(zhǔn)確性。根據(jù)識(shí)別出的駕駛員意圖模型參數(shù)，基于基本換擋規(guī)律，對(duì)不同意圖下的換擋規(guī)律進(jìn)行優(yōu)化。仿真結(jié)果表明，優(yōu)化后的換擋規(guī)律更符合駕駛員期望的擋位操作，且有助于消除意外換擋的現(xiàn)象，驗(yàn)證了意圖模型優(yōu)化的有效性。

駕駛員意圖；換擋規(guī)律；隱馬爾可夫模型；高斯混合模型

A driver intention model is described based on the hidden Markov model，which is used to identify a driver’s intentions.The model is trained with Baum- Welch algorithm and data on the degree of opening of accelerator pedal and the brake pedal is inputted；thereafter the maximum likelihood value is calculated as recognition results，which verify the accuracy of the model.On the basis of basic shift schedule and the identified driver intention，the shift schedule was optimized under different intentions.The simulation results show that the optimized shift schedule is more in accordance with the driver’s intended action，and helps eliminate accidental shift phenomenon，which verifies the effectiveness of the optimization.

driver Intention；shift schedule；hidden Markov model；Gaussian mixture model

U463.22

A

1001- 2257（2015）08- 0059- 05

程 敏，（1991－）女，安徽黃山人，碩士研究生。研究方向?yàn)槿?車-路智能控制；吳光強(qiáng) （1965－），男，河北秦皇島人，教授，博士研究生導(dǎo)師，研究方向?yàn)樽詣?dòng)變速傳動(dòng)控制系統(tǒng)與仿真等，汽車多體系統(tǒng)動(dòng)力學(xué)與非線性控制等；祝 勝（1990－），男，浙江衢州人，碩士研究生，研究方向?yàn)槠嚀Q擋過(guò)程控制。

2015- 03- 20