本發(fā)明屬于智能駕駛，涉及一種基于信任狀態(tài)的駕駛員接管績效調(diào)控方法。

背景技術(shù)：

1、目前，我國汽車產(chǎn)業(yè)正處于從l2向l3自動駕駛等級的過渡階段，部分車輛的自動駕駛系統(tǒng)在特定場景下已經(jīng)達(dá)到l4級別，展示出了潛在的技術(shù)突破和應(yīng)用前景。

2、然而，隨著自動駕駛技術(shù)的普及，駕駛員在自動駕駛車輛與手動駕駛之間的切換過程，即接管過程，成為了一個備受關(guān)注的問題。這個過程實(shí)際上是駕駛員從被動觀察狀態(tài)或半主動參與狀態(tài)向主動駕駛狀態(tài)的轉(zhuǎn)變，涉及到駕駛員恢復(fù)對駕駛環(huán)境的意識以及對車輛操控的重新接管。駕駛員接管績效，即在這個過程中表現(xiàn)出的能力和效率，直接反映了人機(jī)協(xié)同系統(tǒng)的安全性和有效性。良好的接管績效意味著駕駛員能夠快速、準(zhǔn)確地恢復(fù)對車輛的控制，從而降低了交通事故的風(fēng)險(xiǎn)。

3、近年來，很多學(xué)者開展了針對自動駕駛接管行為的研究。接管請求時間是影響接管行為的重要因素，通常定義為自動駕駛系統(tǒng)的接管請求警告提示信號發(fā)出時自車與前方障礙物的碰撞時間。接管時間是重要的接管績效指標(biāo)之一，通常定義為接管請求時間開始到駕駛?cè)岁P(guān)閉自動駕駛模式的時間間隔。自動駕駛的關(guān)閉方式主要通過轉(zhuǎn)向盤上的按鍵、制動和轉(zhuǎn)向?qū)崿F(xiàn)(設(shè)定制動踏板或轉(zhuǎn)向盤轉(zhuǎn)角超過一定的閾值)。

4、影響駕駛員接管績效的因素有很多，其中人機(jī)信任水平被認(rèn)為是一個重要的因素。駕駛員對自動駕駛系統(tǒng)的信任程度會直接影響其在接管過程中的表現(xiàn)。因此，深入研究駕駛員信任與接管績效之間的關(guān)系，準(zhǔn)確預(yù)測駕駛員處在不同信任水平時的接管績效，對于提高自動駕駛系統(tǒng)的安全性和可靠性具有重要意義。

技術(shù)實(shí)現(xiàn)思路

1、有鑒于此，本發(fā)明的目的在于提供一種基于信任狀態(tài)的駕駛員接管績效調(diào)控方法，通過準(zhǔn)確預(yù)測接管績效進(jìn)行適時的績效調(diào)控以得到最佳的接管績效。

2、一種基于信任狀態(tài)的駕駛員接管績效調(diào)控方法，具體包括以下步驟：

3、s1：接管績效分類；

4、s11：對接管數(shù)據(jù)的定性分析，具體包括：從接管時間、最小碰撞時間、碰撞概率和剎車應(yīng)用四個指標(biāo)出發(fā)，評估駕駛員在接管過程中的績效；

5、s12：明確駕駛員接管績效，具體包括：采用灰色關(guān)聯(lián)度計(jì)算法，將上述四個指標(biāo)作為輸入，計(jì)算各接管環(huán)節(jié)的績效得分；

6、s2：接管績效預(yù)測；

7、在實(shí)時測量信任的基礎(chǔ)上，使用機(jī)器學(xué)習(xí)算法有效預(yù)測不同信任與生理水平下駕駛員的接管績效。

8、進(jìn)一步，步驟s11中，所述接管時間(take-over?time，tot)是衡量從接管啟動到實(shí)際控制車輛之間的時間，這反映了駕駛員對系統(tǒng)極限的反應(yīng)速度，也是評估駕駛員反應(yīng)能力的重要指標(biāo)；所述最小碰撞時間(time?to?collision，ttc)用于度量車輛在接管過程中到發(fā)生碰撞所需的最短時間，從而評估接管的質(zhì)量；特別是在接近系統(tǒng)極限時，ttc在接管啟動后會逐漸減小，直至駕駛員改變車道或明顯減速。所述碰撞概率是衡量在接管范圍內(nèi)發(fā)生碰撞的概率，對評估接管過程的風(fēng)險(xiǎn)起到重要作用；剎車應(yīng)用用于指示駕駛員是否使用了制動器，接管情況下應(yīng)用制動器的駕駛員與未應(yīng)用的駕駛員之間存在顯著差異。

9、進(jìn)一步，步驟s12具體包括以下步驟：

10、s121：對于每個指標(biāo)，計(jì)算其與其他指標(biāo)之間的灰色關(guān)聯(lián)度；

11、首先使用閾值法將指標(biāo)進(jìn)行無量綱化，消除量綱影響：

12、

13、其中，yi為指標(biāo)轉(zhuǎn)化后的評價(jià)值，xi為實(shí)際值，x0為指標(biāo)的閾值；然后計(jì)算灰色關(guān)聯(lián)度系數(shù)ξi(k)，使用公式：

14、

15、δi(k)＝|m(k)-ni(k)|

16、其中，k為第i列中第k個值，m(k)為參考序列中的第k個值，ni(k)為第i列數(shù)據(jù)中第k個值，δi(k)為m(k)和ni(k)之間的絕對值，這個值表示了參考序列和實(shí)際序列在第k個位置的差異程度；ρ為分辨系數(shù)，取值為0<ρ<1；

17、隨后計(jì)算關(guān)聯(lián)度ri，計(jì)算公式如下：

18、

19、其中，n為第i列中總的值的個數(shù)；

20、s122：根據(jù)計(jì)算得到的灰色關(guān)聯(lián)度，確定每個指標(biāo)對于駕駛接管績效的相對重要性；

21、根據(jù)灰色關(guān)聯(lián)度的大小來確定權(quán)重，關(guān)聯(lián)度越大的指標(biāo)權(quán)重越高：

22、

23、其中，wi是第i個指標(biāo)的權(quán)重，m是指標(biāo)的數(shù)量，xii是第i個指標(biāo)與其他指標(biāo)的平均關(guān)聯(lián)度；

24、s123：根據(jù)確定的權(quán)重，綜合考慮各個指標(biāo)的表現(xiàn)，得到駕駛接管績效的評估結(jié)果；

25、使用加權(quán)綜合評分的方法，將各個指標(biāo)的數(shù)值乘以對應(yīng)的權(quán)重，然后求和得到綜合評分：

26、

27、其中，p為綜合分?jǐn)?shù)，wi是第i個指標(biāo)的權(quán)重，xi是第i個指標(biāo)的數(shù)值；

28、s124：采用累計(jì)頻率分布法對接管片段績效值進(jìn)行量化分級，以其80％和50％累積頻率對應(yīng)指標(biāo)值為閾值，將駕駛員的接管績效分為三類：較好、普通和較差。

29、進(jìn)一步，步驟s2具體包括以下步驟：

30、s21：信任與生理信號數(shù)據(jù)處理；

31、使用駕駛員信任狀態(tài)、皮膚電信號與心率信號作為輸入，以接管績效等級為輸出，構(gòu)建接管績效預(yù)測模型；信任特征包括高度信任、適度信任和缺乏信任；

32、s22：采用隨機(jī)森林算法作為駕駛績效預(yù)測模型的分類模型；采用10折交叉驗(yàn)證來評估模型的性能，使用網(wǎng)格搜索算法進(jìn)行調(diào)參，將經(jīng)過網(wǎng)格搜索后的最優(yōu)模型保存；選擇gini系數(shù)作為評價(jià)指標(biāo)，其余參數(shù)均選擇默認(rèn)設(shè)置。

33、進(jìn)一步，步驟s21中，對于皮膚電信號，首先對皮膚電信號進(jìn)行必要的預(yù)處理，隨后將預(yù)處理后的皮膚電信號構(gòu)建成一個混合矩陣，其中每一行代表一個觀測時間點(diǎn)，每一列代表一個皮膚電信號的測量；具體步驟為：將皮膚電信號劃分為n個時間窗口，每個時間窗口內(nèi)的信號被認(rèn)為是獨(dú)立的觀測；對于每個時間窗口，將相應(yīng)的皮膚電信號數(shù)據(jù)作為一行放入混合矩陣中；使用fastica算法對混合矩陣進(jìn)行分解，將皮膚電信號分解為相位成分和緊張度成分；根據(jù)fastica的結(jié)果，選擇合適的主成分作為相位成分，然后使用相位分量進(jìn)行進(jìn)一步的特征提取。

34、進(jìn)一步，步驟s21中，對于心率信號，首先從ecg中提取rr變異性信號(rrv)，rr間期為連續(xù)r個峰值之間的時間差，然后對采集到的rr間期數(shù)據(jù)進(jìn)行必要的預(yù)處理，去除異常值；將rr間期數(shù)據(jù)轉(zhuǎn)換為心率數(shù)據(jù)，通常是通過求取每分鐘的心跳數(shù)(bpm)來計(jì)算心率：

35、

36、其中，hr表示心率(每分鐘心跳數(shù))，rr表示rr間期；最后使用以下公式，計(jì)算心率變異性rrssd：

37、

38、其中，rri為第i個rr間期，k表示總的rr間期的數(shù)量，由于每次計(jì)算都是基于相鄰兩個rr間期的差，因此計(jì)算k-1個相鄰間期的差值。

39、進(jìn)一步，步驟s22中，隨機(jī)森林以自助采樣法為基礎(chǔ)，從p個預(yù)測變量中隨機(jī)選擇m個預(yù)測變量，并從中找到最佳的劃分，將一個節(jié)點(diǎn)分成兩個子節(jié)點(diǎn)，同時對構(gòu)建的樹進(jìn)行投票，選出票數(shù)最多的類別；分類決策公式為：

40、

41、其中，表示組合分類模型；是第j棵樹對x響應(yīng)變量的預(yù)測；y表示輸出變量；i(·)為示性函數(shù)。

42、本發(fā)明的有益效果在于：在人機(jī)共駕階段，駕駛員不再被要求主動監(jiān)控駕駛環(huán)境。然而，作為自動化的后盾，當(dāng)自動化系統(tǒng)達(dá)到其運(yùn)行極限時，駕駛員需要接管對車輛的控制。本發(fā)明將通過對接管數(shù)據(jù)的定性分析，明確駕駛員接管績效，并在實(shí)時測量信任的基礎(chǔ)上，使用機(jī)器學(xué)習(xí)算法有效預(yù)測不同信任與生理水平下駕駛員的接管績效，通過準(zhǔn)確預(yù)測接管績效進(jìn)行適時的績效調(diào)控以得到最佳的接管績效。

43、本發(fā)明的其他優(yōu)點(diǎn)、目標(biāo)和特征在某種程度上將在隨后的說明書中進(jìn)行闡述，并且在某種程度上，基于對下文的考察研究對本領(lǐng)域技術(shù)人員而言將是顯而易見的，或者可以從本發(fā)明的實(shí)踐中得到教導(dǎo)。本發(fā)明的目標(biāo)和其他優(yōu)點(diǎn)可以通過下面的說明書來實(shí)現(xiàn)和獲得。