自动驾驶驾驶人接管特征研究进展

为自动驾驶驾驶人接管环节做出指导性的建议,从自动驾驶接管的影响因素和自动驾驶驾驶人接管绩效进行系统梳理,总结主要研究内容和方法,并展望其未来研究趋势。总结发现,现有研究缺少一套针对驾驶员在不同复杂度的交通环境下驾驶人行为准则,今后对于自动驾驶驾驶人接管特征的研究目的就是在清楚驾驶人有哪些行为后对自动驾驶安全接管设计提供理论支持。     

驾驶员接管自动驾驶车辆研究进展

为全面认识自动驾驶接管行为特征,分析驾驶员接管行为,结合自动驾驶接管的技术和现实背景,从自动驾驶接管绩效的影响因素,包括场景、技术、心理和生理等因素,梳理国内外驾驶员接管自动驾驶车辆的研究成果,总结主要研究内容和方法,并展望其未来研究趋势.通过归纳和分析揭示了影响驾驶员接管自动车辆的因素,主要包括接管场景和接管请求方式,同时非驾驶相关任务和年龄等因素也会影响驾驶员的接管行为和表现.针对驾驶员接管的驾驶特征及行为研究,内容精确丰富,方法科学完善;而对驾驶员接管绩效评价和干预研究,重点关注在统计学的基础上,建立完善的数据指标评价体系,用于评价和干预驾驶员接管绩效.未来针对自动驾驶接管的研究,一方面寻求自动车辆技术突破;另一方面综合心理学和统计学理论基础,建立驾驶员接管能力培训体系.     

城市道路环境下自动驾驶车辆接管绩效分析（双语出版）

为了分析城市道路环境下高度自动驾驶中非驾驶相关任务和接管紧迫度对接管绩效的影响,基于驾驶模拟器设计了自动驾驶紧急接管场景并开展驾驶模拟试验,接管请求时间分别设定为3,4,5 s,非驾驶相关任务为读新闻、看视频、玩游戏,自动驾驶车速为50 km·h^-1,试验中共招募了49名被试（男性30名,女性19名）,被试的平均年龄为31.06岁（标准差为7.1岁）,驾驶人在自动驾驶阶段始终执行非驾驶相关任务,听到接管请求提示后需要接管车辆的控制权,并实施紧急避让操作。研究结果表明：在紧急接管情况下,接管紧迫度对合成加速度和最小TTC有影响,而对接管时间无影响,与5 s的接管请求时间条件相比,3,4 s的接管请求时间条件下的合成加速度明显增加,而最小TTC则随接管请求时间的减少而降低;非驾驶相关任务对接管时间和最小TTC有影响,而对合成加速度无影响,与无非驾驶相关任务相比,非驾驶相关任务会显著增加接管时间和降低最小TTC;碰撞几乎都发生在3 s和4 s的接管请求时间下,5 s的接管请求时间能够基本保证接管的安全性。     

自动驾驶车辆人机接管需求模型构建方法

提出了一种基于模型系统工程(MBSE)的人机接管需求模型构建方法,旨在实现复杂功能需求管理。以人机接管功能适用场景作为用例,将驾驶员与车辆视为共同完成任务的主要元素,结合人在接管任务中的心理、感知和行为特性推导建立交互能力,按接管过程建立活动图和顺序图形逻辑,并使用系统模型语言(SysML)工具进行系统能力分配和系统模型建立。通过一个案例验证了本方法的有效性和可行性,并与传统的需求分析方法进行了对比,证明了本方法在复杂功能需求管理方面的优势。     

预期接管场景下接管绩效及接管风险研究

为了解条件自动驾驶预期接管场景下,预提醒(有预提醒和无预提醒)、速度差(30 km·h-1速度差和无速度差)和接管预留时距(5 s预留时距和7 s预留时距)对驾驶人接管绩效的影响,基于驾驶模拟器,设计了高速公路出口前的预期接管场景,进行接管过程的模拟驾驶试验.试验共招募39名被试(26名男性,13名女性),被试平均年龄...     

自动驾驶中视觉次任务对年轻驾驶人接管时间的影响

为了了解有条件的自动驾驶中,年轻驾驶人的接管反应特性,分析视觉次任务（3×3箭头次任务和4×4箭头次任务）和接管请求时间（TTC为5 s和7 s）对不同接管时间的影响,基于驾驶仿真平台,设计了包含不同的视觉次任务和接管请求时间的自动驾驶接管场景,针对29名年轻驾驶人进行模拟驾驶试验。使用双因素方差分析来研究不同次任务与不同接管请求时间对接管时间的影响,以及使用Pearson相关性检验来分析不同接管时间的相关性。研究结果表明：与无次任务相比,次任务会显著增加接管时间;不同的次任务对接管时间无影响,次任务与前方有障碍物时的接管请求时间对接管时间无交互作用;与前方无障碍物时的接管相比,前方有障碍物时的接管会显著减少接管反应时间;在驾驶人执行次任务的情况下,不同接管请求时间对转向反应时间和制动反应时间无影响;在前方有障碍物的接管中,驾驶人更倾向于采用制动加转向的组合操作来回避风险,且驾驶人接管回避操作中直接转向和制动加转向的组合操作的比例相同;接管反应时间与制动反应时间有较强的相关性。     

不同情景下自动驾驶接管行为的影响特征

为探究不同情景下自动驾驶接管行为的影响特征,面向驾驶人、自动驾驶车辆、交通环境等内容提出自动驾驶测试研究框架。基于驾驶模拟技术开发自动驾驶测试平台,通过案例验证其有效性,为自动驾驶相关技术的测试评估提供有力支撑。研究以接管场景、接管请求时间、驾驶次任务、交通流为要素设计18个高速公路接管情景,邀请被试开展驾驶模拟试验测试。从主观维度探究驾驶人对自动驾驶的适应性差异,从客观维度构建广义线性混合效应模型,研究驾驶人属性因素(性别、年龄、驾龄)和接管情景因素(接管场景、接管请求时间、驾驶次任务)的主效应及其交互作用对接管行为的影响。统计分析结果表明：①性别因素对自动驾驶的信任度和状态感知度有统计学差异,男性对自动驾驶的适应性高于女性;②驾驶人的年龄和驾龄因素对试验前和试验后的技术接受度具有显著影响,对技术信任度和状态感知度具有统计学差异,中年人和老年人、中驾龄和高驾龄人群的适应性相对较高;③不同因素水平对应的接管成功率、正确率和第一操纵行为不同。广义线性混合效应模型结果表明：①接管情景因素及其交互作用对接管行为指标具有显著影响;②模型中引入驾驶人属性因素,发现与接管情景因素存在交互效用。研究基于驾驶模拟技术开发自动驾驶测试平台的方法具有一定的推广性,研究结果可为深度挖掘自动驾驶接管行为影响因素及其作用机理奠定基础。     

驾驶人跟车风险接受水平对其接管绩效的影响

自动驾驶接管是一种安全性要求很高的手动驾驶操作,可能会受到驾驶人手动驾驶安全习惯的影响.本文基于驾驶模拟器分别设计了手动驾驶跟车和自动驾驶接管实验,研究了驾驶人的手动跟车风险接受水平对其接管绩效的影响,同时考虑了接管时间预算和视觉非驾驶任务的影响.结果表明:在日常驾驶中具有低跟车风险接受水平的驾驶人接管反应时间更短,并...     

自动驾驶车辆决策与规划研究综述

决策与规划是自动驾驶系统的中枢,是提高自动驾驶车辆行驶安全、驾乘体验、出行效率的关键。其面临的主要挑战在于如何满足自动驾驶所需的极高可靠性和安全性,以及如何有效应对场景复杂性、环境多变性、交通动态性、博弈交互性及信息完备性并产生类人化的驾驶行为,使车辆自然地融入交通生态。为全面了解决策与规划的前沿问题与研究进展,对其技术要点进行系统梳理与总体概述。首先,从数据驱动的驾驶行为预测、概率模型的驾驶行为预测、个性化驾驶行为预测三方面综述了面向态势认知的行为预测的研究进展;其次,将行为决策总结归纳为反应式决策、学习式决策、交互式决策并逐一进行了分析;再次,从方法论的角度对运动规划及其应用进行对比分析,具体包括图搜索方法、采样方法、数值方法、拟合插值曲线方法等;然后,针对端到端的决策规划的关键科学问题和主要研究进展进行了归纳分析;最后,总结了决策规划对提升自动驾驶车辆智能化水平的重要影响,并展望了其未来的发展趋势与面临的技术挑战。     

面向自动驾驶的仿真场景自动生成方法综述

随着自动驾驶测试验证对虚拟仿真场景依赖程度的增加,传统基于专家经验的场景枚举生成方法已无法满足测试需求.数字虚拟仿真场景自动生成方法在场景多样性、危险性、可解释性、生成效率等方面存在巨大技术优势,是提高汽车自动驾驶技术测试验证安全性和可靠性的关键,已成为当前汽车智能化领域的研究热点.在广泛调研场景自动生成方法领域研究成...     

驾驶次任务沉浸等级对接管行为的影响分析

为探究自动驾驶中驾驶次任务沉浸等级对接管行为的影响,基于驾驶模拟器搭建自动驾驶接管行为测试平台,设计事故接管场景,基于驾驶次任务（娱乐任务和工作任务）和接管请求时间（5 s和10 s）因素组合开发4个事故接管情景,招募被试参与驾驶模拟实验并采集驾驶人的接管行为数据,选择速度、横向偏移、接管反应时间和接管正确时间4个指标衡量接管行为。研究结果表明：①速度随着驾驶次任务沉浸等级的降低而降低,接管车辆后的降速幅度随之增大;接管请求时间为5 s时,驾驶次任务沉浸等级对横向偏移具有显著影响;②接管请求时间为10 s时,驾驶次任务沉浸等级对接管反应时间具有弱显著性（p = 0.056 < 0.1）, 接管反应时间随着驾驶次任务沉浸等级的增加而逐级降低（低沉浸等级=3.94 s;中沉浸等级=3.45 s;高沉浸等级=3.21 s）;驾驶次任务沉浸等级对接管正确时间均具有统计学差异（5 s时：p =0.031 < 0.05;10 s时：p =0.019 < 0.05）,接管正确时间随着驾驶次任务沉浸等级的上升而降低;③在相同驾驶次任务条件下,接管反应时间随着驾驶次任务沉浸等级的升高而降低,统计结果表明驾驶次任务与驾驶次任务沉浸等级的交互作用对接管反应时间无统计学差异,而对接管正确时间具有显著影响。

     

基于自然驾驶数据的自动驾驶汽车安全性评价方法

自动驾驶汽车进行大规模市场推广前必须进行准确可靠的安全性评价,由于自动驾驶系统复杂程度的增加及设计运行区域的扩大,面向传统汽车的评价方法已不能满足自动驾驶汽车的安全性评价需求,基于此,建立一种基于自然驾驶数据的自动驾驶汽车安全性评价方法,可解决现有方法在逻辑场景层面安全性评价的缺陷。首先,建立基于自然驾驶数据的逻辑场景构建流程,分析场景描述参数,搭建自然驾驶数据采集平台采集相关自然驾驶数据,采用高斯分布模型描述参数概率分布;进而,离散逻辑场景参数空间获取具体测试用例,并在建立的PreScan、CarSim和MATLAB联合仿真平台中对被测自动驾驶算法进行仿真遍历测试,通过高斯模型将测试结果中的危险场景参数聚类,获取被测算法在逻辑场景中的危险区域;最后,综合考虑逻辑场景参数空间概率分布和得到的相应逻辑场景危险区域,提出基于自然驾驶数据的自动驾驶汽车安全性评价指标——场景风险指数,并以前车制动和前车切入场景为例,给出某黑盒算法的具体评价示例。研究结果表明：被测算法在前车制动场景和前车切入场景中的场景风险指数分别为0.409 8和1.08×10^-5,在前车制动场景中具有较大的安全风险,与仿真测试的直观结果相符;通过比较计算得到的场景风险指数与实际仿真测试结果可证明所提出的方法可以实现逻辑场景层面的自动驾驶安全性量化、易于操作、贴近自然驾驶情况。     

自动驾驶汽车测试场景构建关键技术综述

面向自动驾驶汽车测试场景构建,本文首先对现有场景定义与架构进行了对比分析,并提出测试场景应涵盖场景要素和测试要素的共计10层信息;其次,归纳提出了包括具体场景直接构建、典型逻辑场景挖掘分析与推理演绎和具体场景重构衍生的场景构建方法体系;再次,从单一片段测试、组合片段测试和融合交通流的测试3个维度,系统梳理了主流虚拟场景...     

基于间接共享控制的智能车协同接管方法

从自动驾驶模式向手动驾驶模式切换时的控制权移交问题已成为智能车领域的研究热点.为了改善驾驶人从非驾驶任务状态接管车辆时因认知和操作能力不足而引起的安全性和稳定性问题,在总结现有研究成果的基础上,提出一种基于间接共享控制的智能车协同接管控制方法.首先,定义协同接管方法的应用对象是控制系统良好、全局感知或决策受损需要接管的...     

自动驾驶汽车-行人交互研究综述

自动驾驶汽车已开始在部分开放道路进行测试,其与行人等其他交通参与者共享混行道路,面向自动驾驶汽车的车外人机交互技术亟需开展深入研究,以便行人快捷、高效地理解自动驾驶汽车的行驶意图,确保混合交通场景通行安全并提高通行效率。本文首先阐述了自动驾驶汽车与行人交互的重要意义,并从行人检测与跟踪、行人意图识别及行为预测、自动驾驶汽车的决策3个方面介绍了目前自动驾驶汽车的车外人机交互前期支撑技术研究概况,着眼于自动驾驶汽车行驶意图的表达,对交互需求和车外人机交互界面的设计原则及质量评估进行了梳理,最后提出了车外人机交互面临的挑战及未来的发展方向。     

关于L3自动驾驶的人机交互设计研究

随着雷达、摄像头、处理平台的软硬件提升,加上高精地图的辅助,全球越来越多的汽车公司都推出了自动驾驶车辆,覆盖Level 2~Level 3的自动驾驶场景(SAE J3016),但这些场景都需要在必要的时候由驾驶员接管车辆,因此自动驾驶汽车对人机交互设计提出了新的挑战,比如合理的接管流程,驾驶操作的监测,权责划分的提示。     

基于场景的自动驾驶汽车虚拟测试研究进展

随着自动驾驶等级的提高,面向传统汽车的测试工具与测试方法已不能满足自动驾驶汽车测试的需要。基于场景的虚拟测试方法在测试效率、测试成本等方面具有巨大的技术优势,是未来自动驾驶汽车测试验证的重要手段,已成为当前的研究热点。通过对大量相关文献的系统梳理,综述了基于场景的自动驾驶汽车虚拟测试研究进展。对比分析了自动驾驶测试场景的不同定义方式,明确了测试场景的内涵,归纳了测试场景的要素种类,概述了测试场景的数据来源,总结了场景数据的处理方法。在此基础上,对自动驾驶汽车虚拟测试方法进行了总结,分析了典型的测试方式、测试平台和虚拟测试的技术要点,梳理了软件在环、硬件在环和车辆在环测试方案及其关键技术。针对自动驾驶汽车测试效率问题,研究了基于场景的加速测试技术,概述了典型的测试场景随机生成方法和危险场景强化生成方法。最后,对基于场景的自动驾驶汽车虚拟测试所面临的问题及未来发展趋势进行了分析和展望。研究结果表明：基于场景的虚拟测试是推动自动驾驶技术发展和产业落地的必由之路,未来研究应着力突破基于解构与自动重构的测试场景数据库、人-车-环境系统一体化高置信度建模、自动驾驶汽车虚拟测试标准工具链、不同自动驾驶汽车渗透率下的混合交通模拟与测试、测试案例动态自适应随机生成机制等核心共性技术,建立自动驾驶汽车虚拟测试标准体系。     

基于注意力机制的多模态自动驾驶行为决策模型

针对现有端到端自动驾驶模型未考虑驾驶场景中不同区域的重要性和不同语义类别之间的关系而导致预测准确率低的问题,受驾驶人注意力机制和现有端到端自动驾驶模型的启发,充分考虑驾驶场景的动态变化、驾驶场景的语义信息和深度信息对驾驶行为决策的影响,以连续多帧驾驶场景的RGB图像为输入,构建一种基于注意力机制的多模态自动驾驶行为预测模型,实现对方向盘转角和车速的准确预测。首先,通过语义分割模型和单目深度估计模型分别获取RGB图像的语义图像和深度图像;其次,为剔除与驾驶行为决策无关信息,以神经科学和空间抑制理论为基础,设计一种拟人化注意力机制作为能量函数来计算驾驶场景中不同区域的重要度;为学习语义图像中与驾驶行为决策最为相关类别之间的关系,采用图注意力网络(Graph Attention Network,GAT)对驾驶场景的语义图像进行特征提取;然后,以保留RGB特征为原则对提取的驾驶场景的图像特征、语义特征和深度特征进行融合,采用卷积长短期记忆网络(Convolutional Long Short Term Memory,ConvLSTM)实现融合特征在连续多帧之间的传递,进而实现下一帧驾驶场景对应驾驶行为的预测;最后,与其他模型的对比试验、消融试验、泛化试验和特征可视化试验来充分验证所提出自动驾驶行为预测模型的性能。试验结果表明：与其他驾驶行为预测模型相比,所提出模型的训练误差为0.021 2,预测准确率为86.97%,均方误差为0.031 5,其驾驶行为的预测性能优于其他模型;连续多帧的语义图像和深度图像、拟人化注意力机制和面向语义特征提取的GAT有助于提升驾驶行为预测的性能;该模型具有较好的泛化能力,其做出驾驶行为预测所依赖的特征与经验丰富的驾驶人所关注的特征基本一致。     

驾驶辅助系统中判断驾驶员制动接管的方法研究

文章梳理了自动驾驶中主动制动技术的主流执行方案,分析了各执行方案对驾驶员输入制动和自动制动的响应机理,明确了制动执行器内部表征驾驶员制动意图和自动制动意图的参数,提出使用制动执行器内部参数准确判断驾驶员制动接管的方法,即通过实际主缸压力值超出自动制动目标液压一定阈值,或响应驾驶员制动输入的目标电机转速超出自动制动的目标...     

我国自动驾驶汽车测试评价技术研究综述与发展建议

自动驾驶汽车已成为世界各国关注的焦点,但是其技术还处于起步阶段,目前自动驾驶汽车的安全性、可靠性等性能可由自动驾驶汽车的测试评价技术进行判定。对于该测试评价技术,我国虽然起步较晚,但我国政府高度重视,不仅出台了相关政策,还引导产业的落地。对此,针对我国自动驾驶汽车测试评价技术的研究现状进行分析,阐述了目前国内技术发展关注的重点内容,梳理了现阶段常用的自动驾驶系统测试手段,最后提出了自动驾驶测试评价技术的发展需求和建议。