秦增科，郭 烈，馬 躍，岳 明

大連理工大學(xué)汽車工程學(xué)院，大連 116024

道路交通安全問題已經(jīng)引起人們的普遍關(guān)注，而人為失誤是交通事故的主要成因[1]. 美國國家公路交通安全管理局統(tǒng)計結(jié)果表明，約20%的交通事故是車輛偏離本車道造成的[2]. 全自動駕駛作為智能汽車的最終階段，能夠有效地減少交通事故. 但全自動駕駛無論是技術(shù)還是法規(guī)都不成熟[3]. 而作為高級輔助駕駛系統(tǒng)重要成分之一的車道保持輔助系統(tǒng)，可以有效地防止疲勞駕駛或者駕駛員注意力不集中造成的車輛偏離本車道.

通過車載傳感器車道偏離預(yù)警系統(tǒng)能夠檢測出本車相對于車道邊界的橫向距離，在決策模型判斷滿足警告條件的情況下，將通過多種感官系統(tǒng)（視覺、聽覺或觸覺）警告來警示駕駛員，輔助駕駛員減少或避免車道偏離造成的安全事故[4]. 車道偏離預(yù)警系統(tǒng)是車道保持輔助系統(tǒng)的基礎(chǔ)[5]，能夠進(jìn)一步對車輛進(jìn)行主動控制，防止車輛意外偏離本車道. 傳統(tǒng)的車道保持輔助控制系統(tǒng)多將駕駛員輸入作為干擾[6]，并利用控制算法建立車路模型. 由于這種控制系統(tǒng)沒能更好的適應(yīng)駕駛員，駕駛員容易與系統(tǒng)發(fā)生沖突，降低駕駛員對系統(tǒng)的接受程度. Flemisch等[7]認(rèn)為騎手可以通過韁繩控制馬匹，而馬匹也可以獨自馳騁，這種協(xié)作控制的特征同駕駛員與自動控制器之間的合作方式類似. 為了兼顧駕駛員和自動控制器各自的優(yōu)勢，提出了人機(jī)共駕的概念. 駕駛員與自動控制器之間有明確的開關(guān)切換控制是實現(xiàn)人機(jī)共駕的方式之一. 目前與駕駛權(quán)切換相關(guān)的部分原理仍然存在爭議，另外由于控制冗余的存在，人機(jī)沖突及駕駛員負(fù)荷增加等問題并沒有被完全解決[8]. 由于人機(jī)切換存在上述問題，實現(xiàn)人機(jī)共駕的另一種方式是人機(jī)動態(tài)協(xié)同控制，這種控制方式得到越來越多的關(guān)注. 基于人機(jī)動態(tài)協(xié)同控制的車道保持輔助系統(tǒng)利用車輛狀態(tài)、駕駛員狀態(tài)及外部環(huán)境等信息，平滑地改變駕駛員與自動控制器之間的控制權(quán)，將車輛保持在本車道的同時符合駕駛員意圖，從而保證行駛車輛的安全性與駕駛員舒適性.

基于人機(jī)動態(tài)協(xié)同控制的車道保持輔助系統(tǒng)作為具有科研前景的智能汽車技術(shù)，目前存在以下研究難點：（1）車道偏離預(yù)警系統(tǒng)需要為控制系統(tǒng)提供警告信息，決策模型作為車道偏離預(yù)警系統(tǒng)的關(guān)鍵部分，目前在降低系統(tǒng)漏警率和誤警率方面存在局限性. （2）目前駕駛員和自動控制器之間的駕駛權(quán)動態(tài)分配方式多種多樣，駕駛權(quán)動態(tài)分配方式值得深入研究. （3）現(xiàn)有的車道保持輔助系統(tǒng)的測試評估標(biāo)準(zhǔn)不能完整評估人-車-路耦合的動態(tài)協(xié)同控制型系統(tǒng)，選取合適且完整的評估指標(biāo)是建立相關(guān)測試標(biāo)準(zhǔn)的難點. 因此，圍繞上述難點，對基于人機(jī)動態(tài)協(xié)同控制的車道保持輔助系統(tǒng)展開研究具有現(xiàn)實意義.

本文以基于人機(jī)動態(tài)協(xié)同控制的車道保持輔助系統(tǒng)為中心展開綜述，對車道偏離決策模型、駕駛權(quán)動態(tài)分配方式及性能評估指標(biāo)等內(nèi)容進(jìn)行了分析，并指出其未來研究方向，為我國智能汽車領(lǐng)域的研究與發(fā)展提供理論支撐.

1 車道偏離決策模型

決策模型根據(jù)收集到的外部環(huán)境、駕駛員及車輛信息，判斷是否應(yīng)進(jìn)行告警，因此在車道偏離預(yù)警系統(tǒng)中有重要作用[9]. 根據(jù)ISO 17361[10]中的規(guī)定：當(dāng)滿足警告條件時，車道偏離預(yù)警系統(tǒng)應(yīng)警告駕駛員;系統(tǒng)應(yīng)將虛假警報減至最少；系統(tǒng)最晚的警告線位于乘用車車道邊界外0.3 m，卡車和公共汽車車道邊界外1 m.

預(yù)警時間不合理，會降低系統(tǒng)被接受與信任程度，因此設(shè)計決策模型時需要確定合理的預(yù)警時間. 如果預(yù)警時間大于合理時間，駕駛員會被系統(tǒng)干擾；如果預(yù)警時間小于合理時間，留給駕駛員操作的時間會被縮短，導(dǎo)致駕駛員不必要的恐慌.

如果預(yù)警系統(tǒng)不能正確識別駕駛員的意圖或行為習(xí)慣，容易導(dǎo)致較高的虛假警報率. 虛假警報會對駕駛員的正常駕駛產(chǎn)生干擾，減少駕駛員對系統(tǒng)的接受程度. 值得注意的是，設(shè)計者不能只追求更少的虛假報警，而放寬預(yù)警閾值，造成正確的預(yù)警信號被遺漏.

1.1 經(jīng)典的車道偏離決策模型

學(xué)者們圍繞車輛偏離決策模型展開了很多研究，現(xiàn)存在5種經(jīng)典的車道偏離決策模型：基于車輛橫越車道線的時間(Time to lane crossing,TLC)[11-13]、基于車輛在車道中的當(dāng)前位置(Car’s current position, CCP)[14-15]、基于將來偏離量的不同(Future offset difference, FOD)[16-17]、基于知識的道路場景感知(Knowledge-based interpretation of road scenes, KBIRS)[18-19]和虛擬停車振動帶的預(yù)警算法(Virtual rumble strip, VRBS)[20-21].

基于TLC的決策模型由Godthelp等[22]提出，該模型需要對車輛的運動模型進(jìn)行假設(shè)，預(yù)測本車的行駛軌跡，得到本車由當(dāng)前位置到車輪與車道邊緣接觸所用的時間. 基于CCP的決策模型在車道偏離模型中的復(fù)雜程度最低[23]，該決策模型計算車輛與檢測到的車道之間的相對距離，并決定是否對駕駛員發(fā)出警告. 基于FOD的決策方法設(shè)置了一條位置可變化的虛擬車道線，用于考慮駕駛員的個人駕駛習(xí)慣[24]. 如果車輛偏離了設(shè)定的虛擬車道，則算法開啟警告模式. KBIRS是一種理論決策模型，當(dāng)系統(tǒng)檢測到車輛將要偏離本車道時，行駛環(huán)境場景的感知產(chǎn)生大幅度變化，這種情況會啟動車道偏離預(yù)警系統(tǒng). 在歐美國家道路普遍應(yīng)用的路邊停車振動帶(Roadside rumble strips, RRS)的基礎(chǔ)上[25]，研究人員提出了VRBS算法. 該算法設(shè)定了橫向距離，當(dāng)車輛目前所在的位置超出預(yù)定的距離時，系統(tǒng)將開啟預(yù)警機(jī)制.

通過上述5種車道偏離決策模型的比較，表1總結(jié)了各種車道偏離決策模型的優(yōu)缺點.

表1 車道偏離決策模型的對比Table 1 Comparison of lane-departure decision models

1.2 改進(jìn)的車道偏離決策模型

由于上述單一的決策模型具有各自的局限性，學(xué)者提出了結(jié)合多種模型優(yōu)點的改進(jìn)方案. 吳乙萬[31]提出了基于動態(tài)TLC閾值的車道偏離決策模型，該模型可以主動調(diào)整系統(tǒng)發(fā)出警告的時間，防止系統(tǒng)過早或過晚警告，從而提高駕駛員對系統(tǒng)的信任程度. Angkititrakul等[32]將道路形狀與駕駛員操作信息作為模糊規(guī)則的設(shè)計基礎(chǔ)，通過模糊規(guī)則動態(tài)調(diào)節(jié)虛擬道路的寬度，再聯(lián)合TLC與虛擬道路邊界，最終達(dá)到減小誤警率的目的. 由于TLC決策模型有局限性，郭烈等[33]提出了聯(lián)合最晚預(yù)警邊界與安全行駛區(qū)域的車道偏離決策模型，該模型在TLC決策模型的基礎(chǔ)上加入一個比車道邊界更寬的最晚預(yù)警邊界. 即使TLC決策模型計算出的偏離時間達(dá)不到開啟警告的閾值，只要車輛的左前輪或右前輪接觸到最晚預(yù)警邊界，系統(tǒng)就會啟動警告以降低漏警率.

由于駕駛員之間的駕駛行為存在差異，車道偏離決策模型需要允許駕駛員根據(jù)個人偏好、當(dāng)前駕駛狀態(tài)以及外部駕駛條件來進(jìn)行調(diào)整[34]. 丁潔云[35]設(shè)計了基于動態(tài)期望駕駛區(qū)間的決策模型，能夠根據(jù)駕駛員駕駛時偏離車道的程度不同，動態(tài)調(diào)整決策模型的閾值. 為降低系統(tǒng)的誤警率，Wang等[36]首先通過結(jié)合高斯混合模型和隱馬爾可夫模型，建立了針對車道偏離和車道保持行為的個性化駕駛員模型. 其次，基于該駕駛員模型，開發(fā)了一種結(jié)合駕駛員行為與車輛偏離狀況的車道偏離警告策略，該方法可以降低虛假警報率.Albousefi等[37]在駕駛模擬器上利用非線性二進(jìn)制支持向量機(jī)模型來估測駕駛員是否無意識駛離本車道. 實驗證明橫向位置和橫向速度作為模型輸入變量效果最好，能夠明顯降低系統(tǒng)的誤警次數(shù)，需要車輛具備運行支持向量機(jī)模型的計算能力.

綜上所述，車道偏離決策模型作為車道保持輔助控制系統(tǒng)的基礎(chǔ)，應(yīng)保證系統(tǒng)在恰當(dāng)?shù)臅r刻警告駕駛員，既要避免對駕駛員造成干擾，又不造成駕駛員的驚慌. 目前橫越車道線的時間被各預(yù)警模型廣泛采用[38]，但這種模型的預(yù)警機(jī)制在降低系統(tǒng)漏警率和誤警率方面有較多待改進(jìn)之處.隨著車道偏離決策模型的不斷發(fā)展，進(jìn)一步降低車道偏離預(yù)警系統(tǒng)的漏警率和誤警率仍是決策模型的重要研究方向. 如何設(shè)計更為完善的駕駛員認(rèn)知機(jī)制，以設(shè)計符合駕駛員意圖的車道保持輔助系統(tǒng)，是改進(jìn)決策模型過程中值得關(guān)注的問題.考慮到駕駛員之間復(fù)雜的差異，根據(jù)駕駛員特性設(shè)計不同的決策模型，進(jìn)行個性化預(yù)警是值得關(guān)注的研究方向.

2 駕駛權(quán)動態(tài)分配方式

駕駛員和控制器之間的駕駛權(quán)動態(tài)分配值得深入研究，以更好的完成車道保持任務(wù)并提高駕駛員的乘坐舒適性. 基于人機(jī)動態(tài)協(xié)同控制的車道保持輔助系統(tǒng)，駕駛員與控制器的駕駛權(quán)動態(tài)分配方式可以分為3類：加權(quán)求和、帶權(quán)重系數(shù)的加權(quán)求和與優(yōu)化問題中的權(quán)重分配.

2.1 加權(quán)求和

加權(quán)求和的駕駛權(quán)動態(tài)分配方式是將駕駛員與控制器的輸入相加，其協(xié)同控制結(jié)構(gòu)如圖1所示. 圖中 δd為駕駛員目標(biāo)轉(zhuǎn)角；δa為控制器目標(biāo)轉(zhuǎn)角；δ為實際轉(zhuǎn)角；Td為駕駛員輸入力矩；Ta為控制系統(tǒng)輸入力矩；rd為駕駛員目標(biāo)路徑；ra為控制器目標(biāo)路徑.

圖1 加權(quán)求和型動態(tài)協(xié)同控制系統(tǒng)框圖Fig.1 Block diagram of the weighted sum dynamic cooperative control system

Mulder等[39]設(shè)置了2個控制系統(tǒng)，一個是駕駛員，另一個是輔助控制系統(tǒng). 駕駛員與輔助控制系統(tǒng)各自有預(yù)期路徑. 而輔助控制系統(tǒng)的扭矩為將實際的方向盤轉(zhuǎn)角移至控制器目標(biāo)轉(zhuǎn)向角的扭矩. Saito等[40]提出，當(dāng)老年駕駛員的方向盤角度與專家駕駛員模型提供的參考方向盤角度不對應(yīng)時，控制系統(tǒng)將轉(zhuǎn)向引導(dǎo)扭矩作為來自方向盤的觸覺扭矩提供給駕駛員，以指示駕駛員在沿著期望路徑行駛時應(yīng)施加的轉(zhuǎn)向方向. 在此基礎(chǔ)上，Inoue等[41]在控制系統(tǒng)中增加了直接偏航力矩控制，以降低扭矩干擾的程度.

與無輔助系統(tǒng)相比，加權(quán)求和的共駕系統(tǒng)可以降低橫向偏差，顯示出良好的車道保持性能[42].但這種協(xié)作方式仍有改進(jìn)之處. 加權(quán)求和的控制方案只考慮方向盤轉(zhuǎn)角偏差，而沒有充分考慮車輛的其他狀態(tài)以及駕駛員狀態(tài). 當(dāng)控制器的軌跡規(guī)劃路徑與駕駛員的預(yù)期路徑不同時，控制器的力矩容易與駕駛員力矩方向相反，引起人機(jī)沖突.

2.2 帶權(quán)重系數(shù)的加權(quán)求和

帶權(quán)重系數(shù)的加權(quán)求和，可以利用權(quán)重系數(shù)，靈活地考慮車輛、駕駛員及行駛環(huán)境等多種因素，從而提高車輛行駛安全性，保證良好的人機(jī)合作性能. 根據(jù)權(quán)重系數(shù)的來源進(jìn)行劃分，該駕駛權(quán)分配方式可以分為考慮車輛信息和考慮駕駛員特性信息的兩種方式.

（1）考慮車輛信息.

Sentouh等[43]提出，駕駛員力矩與控制器的權(quán)重系數(shù)由高斯分布函數(shù)描述，其大小由車輛橫向偏離誤差決定. 車輛距車道的中心線越遠(yuǎn)，權(quán)重系數(shù)越小，則轉(zhuǎn)向控制器提供輔助力矩越大. 在Soualmi等[44]與 Anderson等[45]的研究中，前輪的側(cè)滑角被用于進(jìn)行威脅評估，駕駛員與控制器構(gòu)成的主動安全系統(tǒng)框架如圖2所示，圖中K為權(quán)重系數(shù). Falcone等[46]的研究中表明，限制輪胎滑移角來避免輪胎力曲線的強烈的非線性區(qū)域可以顯著增強車輛的穩(wěn)定性和性能. 較低的威脅程度會使得駕駛員輸入為主導(dǎo)，隨著威脅程度的增加，控制權(quán)可以從駕駛員到控制器進(jìn)行平穩(wěn)過渡.Iwano等[47]設(shè)計的系統(tǒng)中，權(quán)重系數(shù)是定值. 相對沒有轉(zhuǎn)向輔助的情況，具有轉(zhuǎn)向輔助的系統(tǒng)有效地減小了車輛的相對橫向位移. 但當(dāng)加權(quán)系數(shù)的值為1時，轉(zhuǎn)向輔助力矩的方向會多次與駕駛員轉(zhuǎn)向轉(zhuǎn)矩方向相反，導(dǎo)致駕駛員與轉(zhuǎn)向輔助之間存在沖突. 作者認(rèn)為權(quán)重系數(shù)取0.5時可以綜合考慮車輛穩(wěn)定性和操縱質(zhì)量.

圖2 考慮車輛信息的動態(tài)協(xié)同控制系統(tǒng)框圖Fig.2 Block diagram of dynamic cooperative control system considering vehicle information

（2）考慮駕駛員特性信息.

駕駛員的特性信息對于減輕駕駛員的工作量、改善車輛主動安全系統(tǒng)的可靠性和舒適性是至關(guān)重要的[48-49]. 因此，更多的研究人員將駕駛員特性信息應(yīng)用在動態(tài)協(xié)同控制系統(tǒng)的構(gòu)建中.Benloucif等[50]在軌跡規(guī)劃級別考慮駕駛員的轉(zhuǎn)向扭矩，以便以更適合駕駛員意圖的方式調(diào)整系統(tǒng)的期望軌跡. 通過這樣做，系統(tǒng)可以幫助駕駛員以更少的扭矩在車道內(nèi)轉(zhuǎn)向. Nguyen等[51]認(rèn)為輔助水平應(yīng)設(shè)計為在駕駛員過負(fù)荷和欠負(fù)荷情況下減輕駕駛員的負(fù)擔(dān)，因此權(quán)重系數(shù)曲線被設(shè)計成隨駕駛員活動變量變化的鐘形函數(shù). 駕駛員扭矩或駕駛員狀態(tài)保持較小時，意味著駕駛員活動不明顯，因此需要高水平的輔助. 而在駕駛員高負(fù)荷時，控制系統(tǒng)也需要通過較高的輔助幫助駕駛員減輕駕駛負(fù)擔(dān). Sentouh等[52]設(shè)計的系統(tǒng)中，權(quán)重系數(shù)用以促進(jìn)兩個控制器的協(xié)作. 第一個控制器的目標(biāo)是使車道跟隨路徑的誤差最小，將車輛保持在車道中心. 第二個控制器的目標(biāo)是將控制器提供的扭矩與駕駛員的扭矩差最小化，從而使駕駛員更輕松，更省力. 作者設(shè)計的系統(tǒng)能夠?qū)崟r監(jiān)控駕駛員疲勞和分心情況，將駕駛員狀態(tài)量化，并作為駕駛員轉(zhuǎn)矩與控制器轉(zhuǎn)矩之間的分配系數(shù)，駕駛員與控制器的協(xié)同控制架構(gòu)如圖3所示，圖中Ta1為自動車道保持控制器的力矩；Ta2為駕駛助力控制器的力矩. 次要駕駛?cè)蝿?wù)的實驗結(jié)果表明，系統(tǒng)權(quán)限級別的自動調(diào)整有助于提高車輛行駛性能，且駕駛舒適性顯著改善.

圖3 考慮駕駛員特性信息的動態(tài)協(xié)同控制系統(tǒng)框圖Fig.3 Block diagram of the dynamic cooperative control system considering driver characteristic information

Jiang和Astolfi[53]提出的系統(tǒng)中，利用兩個車輛與道路中心的偏離距離作為閾值，劃分出了3個危險等級，表明駕駛員的行為的危險程度. 根據(jù)危險等級的不同選取對應(yīng)的共駕系數(shù)，通過開發(fā)的控制器與駕駛員協(xié)同駕駛. 實驗證明即使駕駛員不能正確駕駛，車輛也可保持在給定的車道內(nèi)行駛. 高振剛等[54]的研究中，當(dāng)觸發(fā)車道偏離預(yù)警時，如果駕駛員力矩超出閾值，系統(tǒng)判定駕駛員為誤操作. 駕駛員力矩和預(yù)瞄處車輛橫向偏差被用于設(shè)計模糊規(guī)則曲面，從而進(jìn)一步確定共駕系數(shù). 如果系統(tǒng)檢測到駕駛員力矩小于預(yù)定值，則系統(tǒng)判定駕駛員疲勞，并在控制過程中將輔助控制器置于主導(dǎo)地位. Ma等[55]通過納什博弈策略對駕駛員-自動化交互式路徑跟隨任務(wù)進(jìn)行建模，并使用橫向位移的權(quán)限權(quán)重來平衡駕駛員和自動化的控制目標(biāo). Li等[56]設(shè)計了帶權(quán)重系數(shù)加權(quán)求和來平衡駕駛員的輸入和控制器的期望輸入，并提出了一個預(yù)測模型來捕獲駕駛員對系統(tǒng)的適應(yīng)和信任.

2.3 優(yōu)化問題中的權(quán)重分配

上述的2種加權(quán)求和動態(tài)駕駛權(quán)重分配方案都將駕駛員和控制器視為相對獨立的智能體，路徑的規(guī)劃方案相對獨立，系統(tǒng)的輸出來自于駕駛員與控制器各自輸出的結(jié)合. 然而駕駛員與控制器獨立決策之后將兩者的輸出相加，會造成駕駛員對車輛的反饋感受不佳[57]. 而與之不同的思路是將駕駛員輸入直接加入控制系統(tǒng)中，經(jīng)優(yōu)化后直接獲得最終的控制量.

Gray等[58]設(shè)計了一種新穎的主動安全系統(tǒng)，以防止人為干預(yù)導(dǎo)致意外的道路偏離. 與其單獨解決威脅評估，決策和干預(yù)問題，作者將它們重新表述為組合的優(yōu)化問題. 該問題利用非線性車輛動力學(xué)與駕駛員模型閉環(huán)控制進(jìn)行優(yōu)化，保證駕駛員安全所需的轉(zhuǎn)向和制動行為. 所提出的控制器始終處于活動狀態(tài)，從而避免了開關(guān)邏輯的設(shè)計或偏離邊界的調(diào)整. 另外，由于所提出的控制器被設(shè)計成僅施加避免約束違背所必需的校正控制動作，所以安全應(yīng)用的侵入性最小. 文中詳細(xì)介紹了提出的框架，并通過乘用車上的實驗結(jié)果成功展示了其有效性. Zafeiropoulos和Tsiotras[59]已經(jīng)使用和比較了兩種車道保持系統(tǒng)設(shè)計方法. 一種控制系統(tǒng)基于加權(quán)求和的輸出反饋調(diào)節(jié)，由于模型預(yù)測控制(Model predictive control, MPC)可以有效進(jìn)行路徑跟蹤[60]，另一種則是基于MPC模型.Beal和Gerdes[61]已經(jīng)將MPC模型應(yīng)用于車輛穩(wěn)定性控制. 參照實驗結(jié)果可知，將駕駛員模型包含在系統(tǒng)循環(huán)中時，車輛的車道保持效果是最好的.Erlien等[62]提出的方法不是將駕駛員和控制器的命令混合在一起，而是將駕駛員的轉(zhuǎn)向命令直接納入問題表述中. 這樣，匹配駕駛員當(dāng)前的轉(zhuǎn)向命令就成為一個控制目標(biāo)，該目標(biāo)是根據(jù)避免碰撞和車輛穩(wěn)定性的其他目標(biāo)進(jìn)行評估的. 控制器一直居于控制狀態(tài)，但在安全的狀況下偏向于完全匹配駕駛員的命令.

表2 駕駛權(quán)動態(tài)分配方式特點比較Table 2 Comparison of characteristics of driving rights dynamic-allocation methods

綜上所述，本部分介紹了駕駛員與控制器的3種駕駛權(quán)動態(tài)分配方式，表2總結(jié)了這幾種協(xié)同方式的特點. 如何在保證良好的路徑跟蹤性能與車輛穩(wěn)定性的前提下，減少人機(jī)沖突，提升駕駛員乘坐舒適性，是目前的研究熱點. 目前動態(tài)協(xié)同控制系統(tǒng)中對駕駛員特性的檢測多基于車輛本身信息，但車輛信息的檢測精度低. 如何將駕駛員生理信息、視覺信息與車輛信息整合，提升駕駛員特性的檢測準(zhǔn)確性進(jìn)而應(yīng)用于動態(tài)協(xié)同控制，是控制系統(tǒng)中值得關(guān)注的問題. 目前大部分的動態(tài)協(xié)同控制不能滿足系統(tǒng)對實時性的要求，而隨著第5代移動通信（5G）的快速發(fā)展，5G通信技術(shù)可以應(yīng)用于低時延、高移動性的交通場景中[63]. 如何保證動態(tài)協(xié)同控制系統(tǒng)的實時性，是將研究成果應(yīng)用于實踐的重要保障.

3 性能評估指標(biāo)

車道保持輔助系統(tǒng)的性能評估能夠衡量所設(shè)計系統(tǒng)的專業(yè)程度，對系統(tǒng)的設(shè)計和改進(jìn)具有重要意義. 基于人機(jī)動態(tài)協(xié)同控制的車道保持輔助系統(tǒng)，駕駛員與控制器共同控制車輛完成駕駛?cè)蝿?wù)，形成了駕駛員-車輛-環(huán)境-任務(wù)強耦合的系統(tǒng). 該系統(tǒng)與傳統(tǒng)的車道保持輔助系統(tǒng)相比，性能評估中的測試環(huán)境、測試路線及車輛狀況基本一致. 由于基于人機(jī)動態(tài)協(xié)同控制的車道保持輔助系統(tǒng)中更多地考慮了人的因素，需要相比傳統(tǒng)系統(tǒng)更加復(fù)雜與完善的評價指標(biāo)，從而保證對系統(tǒng)性能進(jìn)行全面評估.

傳統(tǒng)的車道保持輔助系統(tǒng)需要符合車輛操縱穩(wěn)定性以及路徑跟蹤的設(shè)計要求. ISO 11270中規(guī)定了車道保持輔助系統(tǒng)性能評估的標(biāo)準(zhǔn)，橫向加速度、車速、橫向偏移速度和橫向偏移距離被用于評估車輛操縱穩(wěn)定性以及系統(tǒng)執(zhí)行路徑跟蹤的能力. Marino等[64]設(shè)計了基于視覺的嵌套比例積分微分車道保持控制，并進(jìn)行了實驗測試，利用橫擺角速度評估車輛在曲率不確定的道路上的穩(wěn)定性.

基于人機(jī)動態(tài)協(xié)同控制的車道保持輔助系統(tǒng)除了需要滿足車輛操縱穩(wěn)定性以及路徑跟蹤要求之外，有的系統(tǒng)被期望減少駕駛員的控制活動.Mulder等[39]的研究中，駕駛員需要掌控駕駛模擬器的轉(zhuǎn)向盤，將車輛保持在虛擬車道內(nèi). 通過對比觸覺共享控制與手動控制實驗中采集的方向盤反轉(zhuǎn)率與方向盤角度標(biāo)準(zhǔn)偏差，證明了觸覺共享控制比手動控制需要更少的控制活動. Benloucif等[65]在動態(tài)駕駛模擬器的基礎(chǔ)上設(shè)計了自適應(yīng)車道保持輔助系統(tǒng). 駕駛員的轉(zhuǎn)向力度被計算為感興趣的時間窗口內(nèi)駕駛員扭矩平方的積分，該度量標(biāo)準(zhǔn)已用于評估駕駛員控制其車輛所花費的總力.Li等[56]建立一種間接共享控制的車道保持方法，通過分析仿真結(jié)果中的方向盤轉(zhuǎn)角可以看出，與手動駕駛相比，間接共享控制可以顯著減少駕駛員的轉(zhuǎn)向控制工作量. 如果駕駛員可以很好地適應(yīng)控制器，則可以進(jìn)一步減少其控制工作量，因為駕駛員將利用控制器的優(yōu)勢來承擔(dān)其部分路徑跟蹤任務(wù). 還有車道保持輔助系統(tǒng)被期望降低人機(jī)沖突. Inoue等[41]設(shè)計的車道保持系統(tǒng)將觸覺轉(zhuǎn)向引導(dǎo)轉(zhuǎn)矩與直接偏航力矩控制結(jié)合在一起，通過對比實車實驗結(jié)果中的輔助力矩與駕駛員力矩，可以證明該系統(tǒng)相比常規(guī)轉(zhuǎn)向輔助系統(tǒng)降低了輔助扭矩的干擾程度. 高振剛等[54]在MPC的基礎(chǔ)上建立了輔助控制系統(tǒng)，對比硬件在環(huán)試驗結(jié)果中的輔助力矩與駕駛員力矩，可以發(fā)現(xiàn)人機(jī)動態(tài)協(xié)同控制比無協(xié)同控制產(chǎn)生的對駕駛員的干擾明顯減少. Sentouh等[66]為了避免在避障期間的復(fù)雜沖突情況，提出并實現(xiàn)了用于控制權(quán)轉(zhuǎn)移的決策算法，并將駕駛員扭矩和輔助扭矩的乘積用作人機(jī)沖突的性能評估指標(biāo).

上述車道保持輔助系統(tǒng)的性能評估指標(biāo)均為客觀標(biāo)準(zhǔn). 雖然目前的研究領(lǐng)域還沒有對車道保持輔助系統(tǒng)固定的主觀評估標(biāo)準(zhǔn)，但為了完善評估車道保持輔助系統(tǒng)，還應(yīng)對系統(tǒng)進(jìn)行主觀評估.Benloucif等[65]提出，主觀評價要求參與者根據(jù)他們的舒適感，安全性，控制質(zhì)量和工作量來評估系統(tǒng)，并以0（最差）至100（最佳）的等級進(jìn)行打分.

通過分析傳統(tǒng)與基于人機(jī)動態(tài)協(xié)同控制的車道保持輔助系統(tǒng)，表3總結(jié)了系統(tǒng)的性能評估方式、評估指標(biāo)及評估內(nèi)容.

表3 車道保持輔助系統(tǒng)的性能評估Table 3 Performance evaluation of lane-keeping assist system

現(xiàn)有車道保持輔助系統(tǒng)的性能評估測試，尤其是性能評估指標(biāo)尚未成熟. 2020年4月，工信部發(fā)布了《2020年智能網(wǎng)聯(lián)汽車標(biāo)準(zhǔn)化工作要點》，要求加快完善智能網(wǎng)聯(lián)汽車標(biāo)準(zhǔn)體系建設(shè)，形成可以支持駕駛輔助及低等級自動駕駛的智能網(wǎng)聯(lián)汽車標(biāo)準(zhǔn)體系. 實車測試時會出現(xiàn)測試時間長、測試場景固定以及資金消耗量高等問題，制定更為完善的車道保持輔助系統(tǒng)的測試評估體系和國家標(biāo)準(zhǔn)，將對我國智能汽車的發(fā)展具有重要意義.

4 研究展望

基于人機(jī)動態(tài)協(xié)同控制的車道保持輔助系統(tǒng)及其測試評估已經(jīng)得到了持續(xù)發(fā)展，但不可否認(rèn)的是它們?nèi)源嬖诖倪M(jìn)之處，研究展望包含如下幾個方面：

（1）在車道偏離決策模型方面，可以依據(jù)駕駛員狀態(tài)的差異制定相應(yīng)的決策模型. 當(dāng)駕駛員困倦或分心時，決策模型可以向駕駛員提供更早或更響亮的警報；面對復(fù)雜的駕駛員群體，除了設(shè)計自適應(yīng)調(diào)節(jié)的決策模型，還可以允許駕駛員根據(jù)自己的喜好和外部駕駛環(huán)境手動調(diào)整決策模型中預(yù)設(shè)的參數(shù)；駕駛員行為模型可應(yīng)用于車道偏離決策，該模型識別駕駛員是否有意識的操縱車輛，決策模型根據(jù)上述的判斷選擇合適的警報時機(jī).

（2）在駕駛權(quán)動態(tài)分配方面，可以進(jìn)一步探索駕駛員與控制器之間的駕駛權(quán)動態(tài)分配方式，利用更加智能的優(yōu)化算法或控制模型，提升車輛的路徑跟蹤能力與操縱穩(wěn)定性；控制系統(tǒng)的設(shè)計需要考慮駕駛員本身的狀態(tài)信息，可以整合駕駛員狀態(tài)信息、環(huán)境信息與車輛信息，提取有效的信息作為控制器的輸入，動態(tài)調(diào)整控制力矩或轉(zhuǎn)角，降低動態(tài)協(xié)同控制時駕駛員與控制器的沖突.

（3）駕駛員意圖及駕駛員特性（如年齡、性別、駕駛風(fēng)格、駕駛狀態(tài)、駕駛技能）對車道偏離決策及控制層面的設(shè)計有重要意義. 結(jié)合人因工程學(xué)、腦科學(xué)、心理學(xué)等領(lǐng)域的研究，揭示駕駛員復(fù)雜操縱背后的認(rèn)知機(jī)制，為建立與駕駛員相關(guān)的模型，繼而將其應(yīng)用于決策和控制層面提供理論指導(dǎo)；駕駛員的駕駛風(fēng)格及駕駛技能會隨時間的推移而改變，利用深度學(xué)習(xí)算法建立相應(yīng)的模型，實時識別駕駛風(fēng)格及駕駛熟練程度，利用5G技術(shù)線上更新模型權(quán)重，提高系統(tǒng)的舒適性與個性化.

（4）由于現(xiàn)有的車道保持輔助系統(tǒng)的性能評估不能完全適用于基于人機(jī)動態(tài)協(xié)同控制的車道保持輔助系統(tǒng)，可以在評價體系中加入與降低人機(jī)沖突及減少駕駛員控制量相關(guān)的評估指標(biāo)；現(xiàn)有的基于人機(jī)動態(tài)協(xié)同控制的車道保持輔助系統(tǒng)中，主觀評價的方法差異較大，應(yīng)該廣泛調(diào)研駕駛員在系統(tǒng)的輔助下完成實驗后的主觀感受，制定科學(xué)完善的主觀評估體系；針對實車測試中由測試場地限制引發(fā)的一系列問題，提取車輛及駕駛環(huán)境的特征，建立基于數(shù)字孿生的測試平臺，在虛擬場景中快速而準(zhǔn)確的完成性能評估.

5 總結(jié)

對基于人機(jī)動態(tài)協(xié)同控制的車道保持輔助系統(tǒng)中的車道偏離決策、控制及性能評估指標(biāo)等方面的最新研究和科研成果進(jìn)行了綜述. 圍繞基于人機(jī)動態(tài)協(xié)同控制的車道保持輔助系統(tǒng)，從車道偏離決策模型到駕駛權(quán)動態(tài)分配方式，再到該系統(tǒng)的性能評估指標(biāo)，按照時間順序展開論述. 在車道偏離決策模型部分，通過列舉不同的決策模型，討論了決策模型的設(shè)計要求，分析目前決策模型的優(yōu)缺點，總結(jié)了決策模型的幾種發(fā)展方向. 在駕駛權(quán)動態(tài)分配方式部分，將駕駛員與控制器的駕駛權(quán)動態(tài)分配方式分為3類，介紹了控制模型中用到的算法，對比了駕駛權(quán)動態(tài)分配方式之間的優(yōu)缺點，整理了該部分的發(fā)展方向. 在性能評估部分，重點列舉了性能評估參數(shù)，總結(jié)了性能評估的待改進(jìn)之處. 對于基于人機(jī)動態(tài)協(xié)同控制的車道保持輔助系統(tǒng)，未來的研究將更多地考慮駕駛員因素，實時警報及進(jìn)行主動控制干預(yù)，利用數(shù)字孿生等先進(jìn)技術(shù)建立完善的測試及評估體系.