基于长时域模型的人机共驾共享控制策略研究
研究意义
随着全球汽车保有量的增加，道路交通安全问题变得日益严峻。许多交通事故都是由于驾驶员的疏忽、操作失误或违反交通规则引起的。智能驾驶系统以其精准的控制动作和快速的响应时间，在减轻驾驶负担、提升汽车安全性和舒适性、减少交通事故、节能减排以及提高交通系统运输效率方面发挥着重要作用。智能驾驶技术的发展不仅能够增强汽车产业的竞争力，还将推动整个社会的转型。
中国政府高度重视智能驾驶技术的发展，将其纳入国家战略。《中国制造2025》和《智能汽车创新发展战略》等政策文件的发布，为智能驾驶技术的发展提供了政策支持和方向指引。预计到2025年，有条件的无人驾驶智能汽车将实现规模化生产，而到2035年至2050年，中国将全面建成和完善智能汽车体系。
尽管智能驾驶技术具有巨大的发展潜力，但目前该技术尚未完全成熟。完全无人驾驶系统在面对复杂多变的交通环境时，如恶劣天气、复杂地面状况和复杂的交通环境，仍然难以达到人类驾驶员的能力。此外，高度自动化的智能车辆可能会增加驾驶员的无聊感，降低其警惕性，影响驾驶员重新获得控制的能力，甚至可能导致驾驶员技能退化或丧失态势感知能力。因此，在完全无人驾驶技术成熟之前，驾驶员与智能驾驶系统通过协同驾驶的方式，即人机共驾，将是实现安全行驶的重要途径。
人机共驾模式强调驾驶员在控制回路中的重要性，确保驾驶员拥有控制汽车的最终权力。共享控制概念，即人类操作员和智能机器并行工作以执行特定任务，已经在智能驾驶系统中得到广泛应用。在这种模式下，车辆的控制权由驾驶员和智能控制器共享，结合了人类驾驶员在环境信息理解和认知方面的经验常识以及智能驾驶系统对周围环境的持续监控和精确建模能力。这种结合能够降低由于驾驶员分心导致的行车风险，提高车辆行驶的安全性。
因此，研究共享控制策略对于推动人机共驾理论研究的发展至关重要，它将为人机共驾型智能汽车的研发提供重要的方法借鉴。通过深入研究驾驶员意图预测、人机控制权限分配以及人机控制指令融合策略，可以有效地提升智能驾驶系统的性能，实现更加安全、舒适的驾驶体验。这些研究不仅能够推动智能驾驶技术的进步，还将为未来的智能交通系统和智慧城市建设奠定基础。
国内外研究现状
在智能驾驶领域，人机共驾共享控制技术是实现车辆控制的重要方式，它允许驾驶员与智能系统共同参与驾驶任务。这种技术主要分为触觉反馈交互式和间接交互式两种作用方式。
触觉反馈交互式共享控制是在传统的机械转向系统中实现的，智能系统通过在方向盘上施加辅助力矩来引导或纠正驾驶员的转向操作[1]。这种方法的优点在于能够为驾驶员提供持续的辅助控制，减轻操作负荷，并通过力矩反馈增强驾驶员对智能系统的信任。例如，Balachandran A等人[2]提出了一种具有预测性的触觉引导，以提高智能车的避障性能并减少驾驶负荷。Sentouh C等人[3]则结合系统感知与鲁棒控制，通过驾驶员状态检测和驾驶风险评估来动态调整控制权限，在必要时将控制权从驾驶员平稳过渡到车道保持控制器。
然而，触觉反馈式共享控制在紧急情况下可能会引起驾驶员的无意识抵抗，因此需要根据驾驶员的神经肌肉特性进行额外的调试与优化，以避免剧烈的人机冲突。
间接交互式融合策略则是为了解决触觉反馈式控制中的问题而设计的。它打破了方向盘与转向轮之间的物理耦合，允许智能系统在后台通过改变转向信号的大小来修正驾驶员的指令。在这种策略中，权限分配系数通常被用作权重，将人类驾驶员和智能驾驶系统的控制输入进行加权求和。例如，Li M等人[4]直接对驾驶员和智能系统的前轮转角控制量进行加权求和，以确定最终的控制量。但是，这种方法要求权限分配系数的求解非常精确，以确保控制量的加权和在安全且舒适的范围内。
一些研究则采用多目标优化方法，将权限分配系数作为目标权重系数，以优化驾驶员的输入和智能驾驶系统的参考轨迹。Zhao X等人[5]将驾驶员的输入和智能驾驶系统的参考轨迹作为两个目标，并使用权限分配系数作为权重系数。但这些研究往往没有详细说明智能驾驶系统的参考轨迹设计，而只是以最小化碰撞风险为目标，这虽然能够保证一定的安全性，但可能会忽视驾驶员的意图，导致人机冲突。
综上所述，人机共驾技术在智能驾驶系统中扮演着重要角色，它通过触觉反馈和间接交互两种方式，实现了驾驶员与智能系统的有效协同。触觉反馈交互式通过力矩反馈提供辅助控制，而间接交互式则通过后台调整转向信号来实现控制。两种方式各有优势和挑战，需要进一步的研究和优化，以确保在提高驾驶安全性的同时，也能够满足驾驶员的控制需求和提升驾驶体验。随着技术的不断进步，人机共驾技术有望在未来的智能驾驶领域发挥更加关键的作用。
参考文献
- [1]A. Balachandran, M. Brown, S. M. Erlien, and J. C. Gerdes, “Predictive Haptic Feedback for Obstacle Avoidance Based on Model Predictive Control,” IEEE Transactions on Automation Science and Engineering, vol. 13, no. 1, pp. 26–31, Jan. 2016.
- [3]C. Sentouh, A.-T. Nguyen, M. A. Benloucif, and J.-C. Popieul, “Driver-Automation Cooperation Oriented Approach for Shared Control of Lane Keeping Assist Systems,” IEEE Transactions on Control Systems Technology, vol. 27, no. 5, pp. 1962–1978, Sep. 2019.
- [4]B. Soualmi, C. Sentouh, J. C. Popieul, and S. Debernard, “Automation-Driver Cooperative Driving in Presence of Undetected Obstacles,” Control Engineering Practice, vol. 24, pp. 106–119, Mar. 2014.