趙斌 陳慧 冉巍 西村要介 王建鎮(zhèn)

（1.同濟(jì)大學(xué)，上海 201804；2.株式會(huì)社捷太格特，日本奈良6 348555；3.捷太格特科技研發(fā)中心（無錫）有限公司，無錫 214161）

主題詞：車道對(duì)中控制系統(tǒng) 駕駛員自適應(yīng) 需求驗(yàn)證 主觀評(píng)價(jià)

1 前言

車道對(duì)中控制系統(tǒng)（Lane Centering Control System，LCCS）是一種常見的高級(jí)駕駛輔助系統(tǒng)（Advanced Driving Assistance System，ADAS），系統(tǒng)通過控制轉(zhuǎn)向盤轉(zhuǎn)角將車輛保持在車道中心線行駛[1]，而大多數(shù)駕駛員在正常駕駛過程中并不會(huì)如此[2-3]。車輛在LCCS 控制下的行駛路徑與駕駛員駕駛路徑的差異可能會(huì)引起駕駛員的不適，而這會(huì)降低駕駛員使用LCCS的意愿[4]。

為了研究是否需要設(shè)計(jì)能夠針對(duì)不同駕駛員調(diào)整車輛行駛路徑的自適應(yīng)LCCS 以提高駕駛員使用LCCS的體驗(yàn)，可以先設(shè)計(jì)一個(gè)自適應(yīng)LCCS，如果能夠提高駕駛員體驗(yàn)，則可以證明設(shè)計(jì)自適應(yīng)LCCS 的必要性?，F(xiàn)有的關(guān)于設(shè)計(jì)自適應(yīng)系統(tǒng)的研究均存在理論上的缺陷，相關(guān)研究可以分為3種：一是將駕駛員按照駕駛風(fēng)格分類，為不同風(fēng)格的駕駛員設(shè)計(jì)ADAS 的參數(shù)[5-6]，然而駕駛風(fēng)格相近的駕駛員不一定會(huì)喜歡相同的ADAS參數(shù)；二是使ADAS 在控制車輛時(shí)直接模仿每名駕駛員的駕駛風(fēng)格[7-8]，然而駕駛員并不都希望ADAS模仿自己的駕駛風(fēng)格[9]；三是通過主觀評(píng)價(jià)試驗(yàn)得到駕駛員喜歡的系統(tǒng)參數(shù)規(guī)律，設(shè)計(jì)自適應(yīng)系統(tǒng)使得ADAS可以根據(jù)駕駛員的駕駛數(shù)據(jù)自動(dòng)調(diào)整至其喜好的參數(shù)[10-11]，該方法非常依賴主觀問卷設(shè)計(jì)的科學(xué)性，由于缺乏對(duì)LCCS 主觀評(píng)價(jià)的相關(guān)研究，很難設(shè)計(jì)出可以真實(shí)反映駕駛員對(duì)LCCS體驗(yàn)的主觀問卷。

上述方案無法有效證明自適應(yīng)LCCS 設(shè)計(jì)的必要性，本文設(shè)計(jì)基于相對(duì)評(píng)價(jià)的主觀評(píng)價(jià)試驗(yàn)流程，通過卡方假設(shè)檢驗(yàn)問題驗(yàn)證駕駛員對(duì)車輛在LCCS控制下的行駛路徑是否存在明確喜好。

2 駕駛員駕駛數(shù)據(jù)采集

為了研究駕駛員是否會(huì)對(duì)自適應(yīng)LCCS控制下的行駛路徑表現(xiàn)出明顯的喜好，需要采集一些駕駛員在道路中的駕駛數(shù)據(jù)作為設(shè)計(jì)參考。

2.1 試驗(yàn)場(chǎng)景設(shè)計(jì)

選擇高速公路匝道作為研究場(chǎng)景，高速公路匝道半徑一般較小，在這樣的道路中，駕駛員會(huì)有很明顯的切彎傾向[2]，可能會(huì)對(duì)嚴(yán)格按照道路中心線行駛的LCCS更容易感到不適，因此將該場(chǎng)景設(shè)為研究場(chǎng)景。

本文的試驗(yàn)均在固定機(jī)座駕駛模擬器上完成。在搭建道路時(shí)，從開源地圖OpenStreetMap[12]中下載上海市環(huán)城高速公路的一段匝道數(shù)據(jù)，如圖1a 所示。將該段道路導(dǎo)入PreScan 中，得到3 個(gè)完全相同的研究路段（Road Sections of Interest，RSOI），如圖1b所示。除了該研究路段，在搭建的場(chǎng)景中還有其他的連接路段，由于RSOI 為高速公路匝道內(nèi)的彎道，因此連接路段被設(shè)計(jì)為高速公路，以及匝道進(jìn)、出口部分的直線道路。

圖1 數(shù)據(jù)采集試驗(yàn)道路

在道路路面設(shè)計(jì)時(shí)也參考了現(xiàn)實(shí)環(huán)境中該段單車道匝道的路面狀況，設(shè)置車道寬度為3.5 m，并在車道右側(cè)保留寬度為2.5 m 的應(yīng)急車道，在左側(cè)車道線與護(hù)欄之間余留0.75 m 空隙。搭建好的場(chǎng)景在模擬器上的顯示效果與真實(shí)道路場(chǎng)景高度相似，如圖2所示。

圖2 單車道匝道道路場(chǎng)景

2.2 數(shù)據(jù)采集試驗(yàn)過程

共有11 名駕駛員參與數(shù)據(jù)采集試驗(yàn)，駕齡分布在2～6年之間，其中包含2名女性駕駛員。

在試驗(yàn)過程中，要求駕駛員在固定基座駕駛模擬器上通過控制轉(zhuǎn)向盤將車輛保持在車道內(nèi)行駛。車輛的縱向車速由程序自動(dòng)控制，在高速場(chǎng)景中，車速保持100 km/h 恒速行駛，在匝道場(chǎng)景中，按照該段道路在真實(shí)場(chǎng)景的限速，車速保持40 km/h恒速行駛，在高速公路與匝道的連接部分，車速隨時(shí)間線性變化。

對(duì)于每名試驗(yàn)參與者，在正式數(shù)據(jù)采集試驗(yàn)前，需要先在模擬器上沿搭建的環(huán)形道路場(chǎng)景中駕駛15 min，以熟悉該模擬器的顯示效果以及車輛在各段道路上的車速變化。進(jìn)行正式試驗(yàn)時(shí)，要求每名駕駛員在設(shè)計(jì)的道路中按照自己的日常駕駛習(xí)慣駕駛4圈，并記錄駕駛員每次通過RSOI時(shí)的行駛路徑。這些路徑將作為后續(xù)評(píng)價(jià)試驗(yàn)中設(shè)計(jì)LCCS模仿駕駛員在該段道路內(nèi)行駛路徑的參考。

3 駕駛數(shù)據(jù)處理

在自然駕駛數(shù)據(jù)采集試驗(yàn)中采集到的駕駛員的駕駛路徑過多，因此需要對(duì)這些數(shù)據(jù)進(jìn)一步處理和篩選，以確定LCCS模仿的駕駛員路徑。

3.1 駕駛員駕駛路徑表示

本文參考文獻(xiàn)[13]中的方法，使用Frenet 坐標(biāo)系下的點(diǎn)集表示采集到的駕駛員在RSOI內(nèi)的自然駕駛路徑與道路形狀的拓?fù)潢P(guān)系，過程如圖3所示。從起始截面A1開始，沿車道中心線每隔固定距離s設(shè)置一個(gè)截面得到A2、A3，車輛的實(shí)際行駛路徑與各截面的交點(diǎn)分別為R1、R2、R3，3 個(gè)交點(diǎn)與車道中心線的距離分別為d1、d2、d3。其中R1、R2位于車道中心線沿車輛行駛方向的左側(cè)，R3位于車道中心線沿車輛行駛方向的右側(cè)，這3 點(diǎn)在Frenet 坐標(biāo)系下的坐標(biāo)分別為(0,-d1)、(s,-d2)、(2s,d3)。本文按照上述方法可以將駕駛員的每條路徑用點(diǎn)集R={R1,R2,R3,…,Rn}表示，取s=1 m。

圖3 駕駛員行駛路徑表示原理

3.2 路徑聚類算法

本文采用聚類算法將駕駛員分類，從而提取出幾條路徑代表不同駕駛員路徑類型。選用K 中心點(diǎn)（KMedoids）算法對(duì)駕駛員駕駛數(shù)據(jù)進(jìn)行聚類，該算法是一種與K 均值（K-Means）算法十分相似的原型聚類算法。相較于K-Means算法，K-Medoids 算法的聚類中心為每一簇內(nèi)與簇內(nèi)所有樣本距離之和最小的某個(gè)樣本，而K-Means算法的聚類中心是簇內(nèi)樣本的均值向量，在本文中，聚類中心所表示的路徑將作為設(shè)計(jì)模仿駕駛員行駛LCCS 的參考路徑，因此有必要保證聚類中心為駕駛員的駕駛路徑，故K-Means算法并不符合要求。

對(duì)駕駛員路徑數(shù)據(jù)進(jìn)行K-Medoids聚類的流程如圖4所示[14]。其中衡量2個(gè)路徑樣本與差異性時(shí)用到的歐式距離[15]為：

使用K-Medoids算法對(duì)數(shù)據(jù)聚類時(shí)，首先要確定類別數(shù)量k，選擇k時(shí)應(yīng)考慮在該取值下是否可以得到較好的聚類效果。輪廓值[16]是一種用于評(píng)價(jià)聚類效果優(yōu)劣的指標(biāo)，可綜合描述一個(gè)樣本與其所在簇內(nèi)樣本的相似度和該樣本與其他簇樣本相似度的差異。對(duì)于聚類后某個(gè)屬于簇Ci的樣本，其輪廓值計(jì)算公式為：

圖4 K-Medoids算法原理

對(duì)單個(gè)樣本計(jì)算出的輪廓值在-1～1 范圍內(nèi)，聚類后該樣本劃入的簇越合理，其輪廓值越高，反之，當(dāng)該值越低時(shí)，說明聚類算法未能將樣本劃入正確的簇。計(jì)算數(shù)據(jù)集中所有樣本輪廓值的平均值，作為數(shù)據(jù)集整體聚類效果的評(píng)價(jià)指標(biāo)。圖5所示為k取2～6個(gè)時(shí)數(shù)據(jù)聚類后得到的輪廓值，由圖5可知，當(dāng)取k=4個(gè)時(shí)，可以取得最大輪廓值，即此時(shí)聚類效果最好。

圖5 不同k取值下輪廓值比較

3.3 路徑聚類結(jié)果

圖6 所示為采集到的所有駕駛員駕駛路徑可視化結(jié)果。經(jīng)過聚類，這些路徑被分為4個(gè)簇，如圖7所示。在評(píng)價(jià)試驗(yàn)中，通過使車輛在RSOI 中跟隨4 條聚類中心表示的路徑，即可認(rèn)為車輛的過彎方式代表了幾種駕駛員的駕駛風(fēng)格。

分別用路徑A～路徑D表示上述4條路徑，如圖8所示，4 條路徑在圖中的形狀相似，側(cè)向偏移量都隨縱向距離的增大先減小后增大，線條趨勢(shì)代表這些聚類中心表示的路徑均在入彎過程中向彎道內(nèi)側(cè)偏移，出彎過程中向彎道外側(cè)偏移，即駕駛員在過彎時(shí)均有明顯的切彎傾向。4條路徑的主要差異為橫向位置的分布范圍。

圖6 駕駛員在RSOI內(nèi)行駛路徑可視化

圖7 聚類結(jié)果

圖8 評(píng)價(jià)試驗(yàn)中LCCS跟隨路徑

在圖8中，路徑E～路徑G分別表示車道中心線及其向左、右偏移0.2 m的路徑。將偏移量設(shè)為0.2 m是由于駕駛員在該段彎道行駛中偏移量在此范圍內(nèi)分布最密集。在評(píng)價(jià)試驗(yàn)中，如果相較于與道路中心線有固定偏移量的路徑，LCCS 模仿駕駛員的駕駛路徑未能得到較多駕駛員更高的認(rèn)可，在設(shè)計(jì)個(gè)性化LCCS時(shí)，只需要考慮使LCCS根據(jù)不同駕駛員調(diào)整車輛相對(duì)車道線的側(cè)向偏移量即可，反之，在設(shè)計(jì)個(gè)性化LCCS 時(shí)，就需要考慮如何根據(jù)不同駕駛員的特性調(diào)整車輛按照某種風(fēng)格的駕駛員駕駛路徑行駛。

4 主觀評(píng)價(jià)試驗(yàn)

4.1 試驗(yàn)過程

主觀評(píng)價(jià)試驗(yàn)的目的是研究車輛在RSOI中按不同路徑行駛時(shí)，駕駛員是否會(huì)對(duì)某種行駛路徑的喜好程度高于其他行駛路徑，并研究駕駛員間是否存在差別。

共有20 名駕駛員參與試驗(yàn)，包括9 名在校學(xué)生和11名職業(yè)駕駛員，駕齡分布在3～20年之間，平均駕齡為7.2年。

試驗(yàn)場(chǎng)景與數(shù)據(jù)采集試驗(yàn)中的場(chǎng)景相同，縱向車速的控制策略與數(shù)據(jù)采集試驗(yàn)中相同，橫向控制策略為：在場(chǎng)景中的RSOI 之外的路段時(shí)，車輛按照車道中心線行駛，當(dāng)行駛至RSOI 時(shí)，車輛按照?qǐng)D8 中的7 種路徑之一通過RSOI。

車輛沿著設(shè)計(jì)的場(chǎng)景行駛1 圈，會(huì)3 次通過RSOI，每次通過RSOI時(shí)的行駛路徑由試驗(yàn)指導(dǎo)人員按照試驗(yàn)流程切換。車輛行駛1圈后，駕駛員評(píng)價(jià)出一個(gè)最喜歡的路徑。

試驗(yàn)過程分為2個(gè)階段，如圖9所示，分別為喜好探索階段和喜好驗(yàn)證階段。在第1 個(gè)階段，需要按照?qǐng)D9中的過程完成3 次評(píng)價(jià)試驗(yàn)。如果駕駛員清楚地知道自己喜歡什么樣的路徑，則路徑Z即為駕駛員在7條路徑中最喜歡的路徑。如果LCCS控制車輛在彎道上如何行駛并不影響駕駛員對(duì)LCCS 的感受，則路徑Z 是駕駛員隨機(jī)評(píng)價(jià)出的一條路徑，并不能代表駕駛員真實(shí)喜歡的路徑。

圖9 評(píng)價(jià)試驗(yàn)流程

喜好驗(yàn)證試驗(yàn)階段，每名駕駛員需要進(jìn)行10 次評(píng)價(jià)試驗(yàn)，每次試驗(yàn)的3 種行駛路徑組合情況見圖9，其中，Z為在第1個(gè)階段試驗(yàn)中得到的駕駛員喜好的路徑，路徑A～G對(duì)應(yīng)數(shù)字序號(hào)1～7，根據(jù)路徑Z所代表的數(shù)字序號(hào)可以通過表格計(jì)算出其他路徑的序號(hào)，當(dāng)計(jì)算出的路徑序號(hào)大于7 時(shí)，取其與7 的商的余數(shù)所代表的路徑。若駕駛員在某次評(píng)價(jià)試驗(yàn)中選出了路徑Z，則記一次正確選擇，反之，記一次錯(cuò)誤選擇。

4.2 試驗(yàn)結(jié)果

圖10所示為20名駕駛員在喜好驗(yàn)證試驗(yàn)過程中得到的正確選擇的次數(shù)，從圖10中可以看出，大多數(shù)駕駛員在驗(yàn)證試驗(yàn)中可以多次選到其在第1 個(gè)階段選中的喜好路徑，平均每名駕駛員可以給出8次正確選擇。

圖10 各駕駛員喜好驗(yàn)證試驗(yàn)結(jié)果

本文構(gòu)建卡方檢驗(yàn)以更充分地驗(yàn)證駕駛員能否準(zhǔn)確辨別其喜好的路徑。首先提出原假設(shè)，即駕駛員對(duì)于LCCS 行駛的路徑不存在明顯偏好，則每次選擇喜好路徑時(shí)，都只能從3 種不同路徑中隨機(jī)選擇一種路徑，因此按照喜好驗(yàn)證試驗(yàn)的規(guī)則，駕駛員有1/3的概率給出正確選擇。本研究中共有20 名駕駛員參與試驗(yàn)，且每名駕駛員在驗(yàn)證試驗(yàn)中均需要進(jìn)行10 次評(píng)價(jià)，按照上述假設(shè)，在驗(yàn)證試驗(yàn)中理論上可以得到67 次正確選擇與133 次錯(cuò)誤選擇。通過卡方檢驗(yàn)比較實(shí)際駕駛員表現(xiàn)與預(yù)設(shè)駕駛員是否差異顯著。表1 所示為卡方檢驗(yàn)表，定義原假設(shè)和備擇假設(shè)如下：

H0：實(shí)際駕駛員與預(yù)設(shè)駕駛員沒有區(qū)別，其喜好路徑為隨機(jī)選擇結(jié)果。

H1：實(shí)際駕駛員與預(yù)設(shè)駕駛員存在顯著差別，其喜好的路徑并非隨機(jī)選擇結(jié)果，駕駛員可以將自己最喜愛的路徑與其他路徑區(qū)分出來。

表1 四格卡方檢驗(yàn)表 次

根據(jù)試驗(yàn)中得到的評(píng)價(jià)數(shù)據(jù)，可以按照顯著度a=0.05的檢驗(yàn)標(biāo)準(zhǔn)拒絕原假設(shè)。

圖11 所示為評(píng)價(jià)試驗(yàn)中選擇7 種不同行駛路徑作為最喜好路徑的駕駛員數(shù)量的統(tǒng)計(jì)結(jié)果，從圖11 中可以看出，在7種路徑中沒有可被大多數(shù)駕駛員選擇為最喜愛的路徑，其中，路徑G 得到最多的駕駛員的喜愛，但也只有6名駕駛員，有8名駕駛員選擇了可以代表駕駛員過彎風(fēng)格的行駛路徑，這表明僅通過設(shè)置行駛路徑距離車道中心線的橫向偏移量無法滿足所有駕駛員的喜好。

圖11 LCCS行駛路徑喜好人數(shù)比較

通過評(píng)價(jià)試驗(yàn)發(fā)現(xiàn)，駕駛員對(duì)車輛在RSOI 內(nèi)的行駛路徑有明確的喜好，并且不同的駕駛員喜好的行駛方式不相同，很多駕駛員對(duì)于能夠模仿駕駛員風(fēng)格的LCCS 有明確的要求。因此，需要針對(duì)不同駕駛員選擇合適的行駛路徑，即設(shè)計(jì)駕駛員自適應(yīng)LCCS。

5 結(jié)束語

本文在駕駛模擬器中采集11 名駕駛員在RSOI 上的駕駛路徑，使用K-Medoids 算法提取4種代表路徑作為評(píng)價(jià)試驗(yàn)中的樣本，使駕駛員評(píng)價(jià)不同行駛路徑中最喜歡的路徑，并設(shè)計(jì)試驗(yàn)驗(yàn)證駕駛員評(píng)價(jià)數(shù)據(jù)的有效性，證明了需要根據(jù)不同駕駛員的喜好調(diào)整LCCS 的行駛路徑。

在研究過程中發(fā)現(xiàn)，盡管很多駕駛員的自然駕駛路徑被歸類為A 和B，但是在評(píng)價(jià)試驗(yàn)中，選擇路徑A、B作為其喜愛路徑的駕駛員卻很少，這與文獻(xiàn)[9]中得到的駕駛員喜好特性與其自然駕駛特性存在差異這一結(jié)論相符。根據(jù)分析，駕駛員的駕駛路徑受到駕駛員的期望路徑及其本身的駕駛水平和駕駛狀態(tài)的綜合影響，因此駕駛員自然駕駛路徑無法完全反映其真實(shí)喜好。

本文的研究均在固定機(jī)座駕駛模擬器上完成，駕駛員無法完整感知到車輛的加速度等信息，采用實(shí)車完成主觀評(píng)價(jià)試驗(yàn)會(huì)對(duì)驗(yàn)證結(jié)果有更大的支撐性。在構(gòu)建本文的驗(yàn)證試驗(yàn)樣本組時(shí)，未考慮控制不同路徑的出現(xiàn)頻次相同，這可能會(huì)對(duì)試驗(yàn)結(jié)果造成一定影響，在之后的類似研究中，需要關(guān)注該問題。

致 謝

本研究得到了JTEKT公司提供的資金和設(shè)備支持，并且該公司相關(guān)人員在論文相關(guān)項(xiàng)目中提供了重要幫助，在此表示衷心的感謝。另外，誠摯感激同濟(jì)大學(xué)-JTEKT 聯(lián)合實(shí)驗(yàn)室中為課題開展提供過重要幫助的陳佳琛博士和夏韜鍇博士。