董 瑋，李 巖，董 騏，渠謹(jǐn)黛，劉 傲，董 良

（中國第一汽車集團(tuán)有限公司工程與生產(chǎn)物流部，吉林 長春 130011）

智能汽車人機(jī)交互是集環(huán)境感知、控制決策、執(zhí)行機(jī)構(gòu)于一體的多功能的綜合系統(tǒng)，代替了傳統(tǒng)汽車通過人類的眼、腦、手配合，完成駕駛操作的功能。智能汽車主要是通過先進(jìn)的環(huán)境感知傳感器、高精度地圖以及V2X（vehicle to everything）設(shè)備等來理解周圍環(huán)境，然后汽車進(jìn)行自主決策，完成駕駛操作，如圖1所示。由此可知，智能汽車與傳統(tǒng)汽車最大的不同在于設(shè)計(jì)上，傳統(tǒng)汽車完全依賴于人類駕駛員完成所有的操作，而智能汽車則幾乎無需人類的參與，駕駛過程絕大多數(shù)由車輛自己完成。

圖1 無人駕駛汽車

在智能汽車上，良好的人機(jī)交互技術(shù)是使駕駛員從傳統(tǒng)的駕駛操作中解放出來的關(guān)鍵技術(shù)，駕駛員無需將注意力放在駕駛操作中，而是可以讀書、玩手機(jī)、聊天、吃東西等，如圖2所示。但是在高級別自動駕駛階段，自動駕駛車輛仍然無法徹底脫離駕駛員的接管操作。所以人機(jī)交互的重要任務(wù)之一就是需要時(shí)時(shí)刻刻了解人類駕駛員的狀態(tài)，在智能汽車不能自主完成駕駛時(shí)，人機(jī)交互技術(shù)檢測出駕駛員的當(dāng)前狀態(tài)，并根據(jù)當(dāng)前駕駛員與車輛的狀態(tài)，在合適的接管時(shí)間，以恰當(dāng)?shù)姆绞教嵝疡{駛員，讓人類駕駛員來接管駕駛?cè)蝿?wù)。

圖2 人機(jī)互助智能汽車

人機(jī)交互系統(tǒng)，本質(zhì)上是通過傳感技術(shù)、接口技術(shù)、控制技術(shù)及計(jì)算機(jī)技術(shù)等實(shí)現(xiàn)人與智能機(jī)器間的相互理解、認(rèn)知、互動，從而完成某種特定的功能或任務(wù)。本文研究的智能汽車人機(jī)交互系統(tǒng)，主要是指車載系統(tǒng)通過汽車上布置的攝像頭、人體狀況監(jiān)測傳感器、酒精傳感器等設(shè)備，實(shí)時(shí)采集駕駛員行為狀態(tài)、身體狀況等信息，然后將信息作為駕駛員狀態(tài)識別系統(tǒng)的輸入，對于駕駛員狀態(tài)進(jìn)行識別判斷。當(dāng)車輛自動駕駛過程中需要駕駛員接管車輛駕駛時(shí)，人機(jī)交互系統(tǒng)能夠根據(jù)駕駛員狀態(tài)決策接管時(shí)機(jī)，同時(shí)采取相應(yīng)措施提醒駕駛員并干預(yù)車輛控制。

1 駕駛?cè)藛T狀態(tài)檢測及交互

目前這種檢測大概可以分為基于駕駛員行為、基于車輛的行駛信息、基于駕駛員生理信號、基于駕駛員語言信號等4個方面。由于這種檢測方式應(yīng)當(dāng)具有普適性，而不同人的駕駛習(xí)慣和說話方式等會對第二方面和第四方面造成較大影響，所以這里主要介紹關(guān)于第一方面和第三方面的研究，這兩方面的檢測通常提取駕駛員面部頭部特征和其生理電信號。例如有研究人員通過對駕駛員的生理電信號采集分析，實(shí)現(xiàn)了疲勞監(jiān)測，并對駕駛員的行為進(jìn)行預(yù)測，使用預(yù)測模型調(diào)整駕駛員的意圖，保證駕駛的安全性，疲勞檢測的流程如圖3所示，疲勞監(jiān)視器如圖4所示。

圖3 疲勞檢測算法流程圖

圖4 疲勞監(jiān)視器

Zhu Z等建立了駕駛員疲勞檢測數(shù)學(xué)模型，其模型主要借助高精度相機(jī)獲取駕駛員眼部、頭部和表情特征等生理信息。Sayed R等將車輛的轉(zhuǎn)向運(yùn)動操作頻率與駕駛員當(dāng)前是否疲勞進(jìn)行數(shù)學(xué)關(guān)聯(lián)，利用車輛轉(zhuǎn)向特征參數(shù)計(jì)算出當(dāng)前駕駛員的疲勞狀態(tài)。He J主要采用深度神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法將手機(jī)拍攝到的駕駛員面部圖像與駕駛員疲勞狀態(tài)進(jìn)行非線性關(guān)聯(lián)，構(gòu)建相關(guān)識別模型。Liang Y等主要提出一種依據(jù)人類眼睛眨眼頻率推算駕駛員當(dāng)前心理及疲勞狀態(tài)的數(shù)學(xué)方法。Takei Y等利用車輛動力學(xué)仿真軟件構(gòu)建車輛轉(zhuǎn)向運(yùn)動環(huán)境及工況，并將車輛轉(zhuǎn)向參數(shù)與駕駛員狀態(tài)進(jìn)行有效關(guān)聯(lián)，提出一種基于混沌理論的數(shù)學(xué)分析方法，基于仿真環(huán)境中的轉(zhuǎn)向數(shù)據(jù)有效判斷駕駛員當(dāng)前狀態(tài)。Friedrichs F等提出一種基于BP神經(jīng)網(wǎng)絡(luò)的，綜合考慮車輛方向盤轉(zhuǎn)角以及橫擺角速度的駕駛員狀態(tài)識別算法。Munla N提出一種基于人體大腦腦電波的駕駛員狀態(tài)識別系統(tǒng)及方法。后來相關(guān)學(xué)者構(gòu)建基于支持向量機(jī)的模型對人類大腦電波進(jìn)行深入分析和識別。Chai R等基于信息熵的數(shù)學(xué)分析方法，提出一種基于人類腦電波的駕駛員狀態(tài)識別算法。

隨著實(shí)驗(yàn)方法的改進(jìn)和完善，越來越多的駕駛員狀態(tài)識別方法被挖掘出來。He Q C等對駕駛員腦電波EEG指標(biāo)進(jìn)行分析處理，將駕駛員頭部以及軀干的數(shù)據(jù)輸入到動態(tài)貝葉斯網(wǎng)絡(luò)中，進(jìn)而得到駕駛員的疲勞程度評價(jià)模型。Fan J等進(jìn)行了六自由度虛擬現(xiàn)實(shí)駕駛模擬實(shí)驗(yàn)，在腦電信號的基礎(chǔ)上，對駕駛員的人員情緒與工作符合程度進(jìn)行判斷。針對駕駛員面部和頭部特征，美國的卡內(nèi)基梅隆大學(xué)在大量的實(shí)驗(yàn)以及反復(fù)嘗試之后，定義了一種可以表示人體疲勞狀態(tài)的算子——PERCLOS算子，主要是利用每秒鐘人眼睛的張開閉合程度和時(shí)間來表示，如果人眼閉合程度超過80%，并超過一定時(shí)間，就可以基本斷定人處于疲勞狀態(tài)?？▋?nèi)基梅隆大學(xué)還成功研制出了一套用于采取駕駛員面部表情信息的Copilot系統(tǒng)，如圖5所示，該系統(tǒng)可以快速識別駕駛員的面部信息，并發(fā)出相應(yīng)的狀態(tài)信息提醒信號。Soualmi B等根據(jù)車輛運(yùn)動通過運(yùn)用模糊控制來求得線性二次型優(yōu)化問題，提出一種確定人機(jī)駕駛權(quán)分配的決策算法。Bi L Z等采用模型預(yù)測控制的方法實(shí)現(xiàn)人機(jī)系統(tǒng)控制如圖6所示，主要是通過腦機(jī)接口來實(shí)現(xiàn)人機(jī)協(xié)同的控制，同時(shí)考慮駕駛員的意圖和保證車輛安全問題。Li R等將人機(jī)交互系統(tǒng)分為直接和間接的兩種形式，通過感知駕駛員的意圖來實(shí)現(xiàn)高度自動化車輛的間接共享控制。Gray A等利用駕駛員模型預(yù)測駕駛員未來的駕駛行為，設(shè)計(jì)了一種非線性模型預(yù)測控制器，利用轉(zhuǎn)角和制動控制，在最小干預(yù)情況下幫助駕駛員完成避障和車道偏離，后續(xù)又分析了人機(jī)共駕的過程中存在的不確定性問題，設(shè)計(jì)了一種具有魯棒性的控制器，在不確定的駕駛員行為下，優(yōu)化出保證駕駛員順利接管的最小轉(zhuǎn)角。

圖5 Copilot系統(tǒng)

圖6 人機(jī)系統(tǒng)控制

在國內(nèi)，哈爾濱工業(yè)大學(xué)的張晶秋對駕駛員呼吸頻率以及血壓的變化和心率變化進(jìn)行了實(shí)驗(yàn)和分析，給出了血壓、心率、呼吸與駕駛員疲勞狀態(tài)的變化關(guān)系。電子科技大學(xué)的龍伶敏結(jié)合人臉表情特征以及呼吸頻率等，提出基于模糊數(shù)學(xué)理論的狀態(tài)識別非線性數(shù)學(xué)模型構(gòu)建方法。

梅賽德斯奔馳等國外頂尖車企，以及國內(nèi)自主品牌車企比亞迪都開始在車機(jī)系統(tǒng)中融入了人機(jī)實(shí)時(shí)交互的功能模塊。最近幾年，特斯拉采用極具視覺沖擊力的中控大屏，引領(lǐng)了車內(nèi)人機(jī)交互的最新潮流。但是，人機(jī)交互的界面以及相關(guān)標(biāo)識五花八門，給消費(fèi)者也帶來了不少困擾，無法快速適應(yīng)相應(yīng)的人機(jī)交互功能，同時(shí)，消費(fèi)者普遍反映人機(jī)交互的最終效果并不是很理想，沒有較好地實(shí)現(xiàn)人與車輛的快速且無障礙的交流。

2 自動駕駛接管及交互

自動駕駛接管及協(xié)同控制是3級駕駛自動化（Conditionally automated driving）階段的關(guān)鍵核心技術(shù)，許多高校及科研院所已經(jīng)在該領(lǐng)域開展了深入的研究工作。魯光泉等人使用雙因素方差分析來研究不同次任務(wù)與不同接管請求時(shí)間對接管時(shí)間的影響。Russell H E B等指出駕駛員從自動駕駛模式下比較輕松的狀態(tài)切換到人工駕駛模式時(shí)，必須經(jīng)過一段時(shí)間的休息才能較好地完成接管駕駛的任務(wù)，否則會產(chǎn)生造成車輛失穩(wěn)的誤操作。Gold C等人經(jīng)過研究發(fā)現(xiàn)，接管請求時(shí)間直接影響著接管之后的駕駛品質(zhì)，二者成正相關(guān)的關(guān)系，分析了不同年齡的駕駛員在駕駛接管過程中的表現(xiàn)，最終發(fā)現(xiàn)年齡與接管表現(xiàn)的關(guān)聯(lián)程度并不大，通過搭建的自動駕駛接管評價(jià)模型對駕駛員的接管反應(yīng)時(shí)間進(jìn)行預(yù)測Happee R等人提出一種基于TTC評價(jià)緊急情況下的接管任務(wù)完成情況的方法，并研發(fā)一種控制策略來抑制由于接管任務(wù)而使轉(zhuǎn)向和制動等操作滯后的現(xiàn)象Seppelt B D等人經(jīng)過研究發(fā)現(xiàn)，逐漸加強(qiáng)式的報(bào)警提醒方式要比突發(fā)式的報(bào)警提醒方式對于接管任務(wù)的高效完成更有效。

在汽車主機(jī)廠及零部件供應(yīng)商方面，Bosch概念車系統(tǒng)會提前讓用戶得知可以使用自動駕駛的路線。并且用戶可以折疊隱藏方向盤，將控制權(quán)暫時(shí)移交給智能汽車。除此之外，在智能汽車介入式控制的過程中，系統(tǒng)會通過各傳感器探測，告知用戶恢復(fù)手動駕駛的時(shí)間，幫助用戶由自動駕駛轉(zhuǎn)變?yōu)槿藶轳{駛，完成控制權(quán)的接管。Tesla在2016年9月更新的車載系統(tǒng)中，加入了一個方向盤觸控檢測系統(tǒng)，該系統(tǒng)的作用是實(shí)時(shí)監(jiān)控駕駛員是否對車輛進(jìn)行了實(shí)際的控制。日產(chǎn)公司于2018年前后提出了他們的“腦－車”技術(shù)，該技術(shù)的主要作用是根據(jù)駕駛員佩戴的終端設(shè)備，監(jiān)控駕駛員的生理信號，從而識別駕駛員的當(dāng)前狀態(tài)。豐田公司于2017年前后，提出一種自動識別駕駛員狀態(tài)并可以進(jìn)行快速接管的人機(jī)交互系統(tǒng)，該系統(tǒng)可以感知人類眼部和面部表情的細(xì)致特征，當(dāng)駕駛員進(jìn)入疲勞或其他不適于駕駛的狀態(tài)時(shí)，自動對車輛的駕駛權(quán)進(jìn)行接管，提高車輛的安全性。

3 自動駕駛?cè)藱C(jī)交互系統(tǒng)未來展望

盡管汽車領(lǐng)域人機(jī)交互系統(tǒng)及駕駛員狀態(tài)識別相關(guān)技術(shù)已經(jīng)相對成熟，但相對于自動駕駛領(lǐng)域的人機(jī)交互系統(tǒng)還處于起步階段，還沒有成熟的解決方案。人機(jī)共駕型人機(jī)交互及接管系統(tǒng)，需要雙方的相互配合，并不能完全依賴一方的獨(dú)立操作，同時(shí)，人機(jī)交互系統(tǒng)可以使駕駛員更好地理解自動駕駛系統(tǒng)當(dāng)前的工作狀態(tài)及意圖，可以進(jìn)一步降低駕駛員在乘車階段的緊張感。

盡管已經(jīng)有大量的研究成果發(fā)現(xiàn)接管瞬間會對車輛行駛穩(wěn)定性造成負(fù)面影響，但是針對接管行為造成的負(fù)面影響并沒有給出行之有效的解決方案，在解決上述問題的人機(jī)協(xié)同控制方面的研究還不夠深入。

在后續(xù)的研究中，需要加快引入人工智能、大數(shù)據(jù)、云控平臺、高算力車載計(jì)算平臺等技術(shù)，使智能車輛與人類駕駛員可以以更為流暢及智能的方式進(jìn)行人機(jī)共駕和人機(jī)信息交互。相關(guān)人機(jī)交互系統(tǒng)需要在不斷學(xué)習(xí)和更新過程中，更加適應(yīng)用戶的駕乘習(xí)慣，達(dá)到更好的人機(jī)交互體驗(yàn)感受。