申请/专利权人：清华大学

申请日：2020-06-20

公开（公告）日：2024-03-22

公开（公告）号：CN111861128B

主分类号：G06F18/2413

分类号：G06F18/2413;G06F18/2415;G01M17/06

优先权：

专利状态码：有效-授权

法律状态：2024.03.22#授权;2020.11.17#实质审查的生效;2020.10.30#公开

摘要：本发明涉及一种自动驾驶车辆人机协同操纵过程的接管舒适性评价方法、系统及存储介质，一方面解决了大多数舒适性评价方法仅适用于实验室条件，另一方面解决了大多数舒适性评价方法未考虑接管操纵过程中驾驶员非传统操纵特性的问题，其包括：获取当前工况下的车辆数据信息；将车辆数据信息进行预处理以形成车辆预处理数据信息；将车辆预处理数据信息作为完成训练后的舒适度模型库的输入，并通过舒适度模型库进行对数概率匹配计算，形成对应舒适度的舒适度识别结果。本发明能够根据所获取的车辆参数数据，对当前驾驶接管舒适度进行评价，便于自动驾驶系统识别并预测驾驶员接管行为与认知特性，以提高提高驾驶安全性。

主权项：1.一种自动驾驶车辆人机协同操纵过程的接管舒适性评价方法，其特征是，包括：获取当前工况下由操纵机构传感器以及车辆传感器所采集到的车辆数据信息；将车辆数据信息进行预处理以形成车辆预处理数据信息；将车辆预处理数据信息作为完成训练后的舒适度模型库的输入，并通过舒适度模型库进行对数概率匹配计算，形成对应舒适度的舒适度识别结果；所预设的工况为由自动驾驶状态转换为接管驾驶状态；自动驾驶状态定义为驾驶人在自动驾驶车辆内且驾驶人肢体不接触任何车辆运动操纵机构的状态；接管驾驶状态定义为驾驶人在自动驾驶车辆中的自动驾驶系统对驾驶人所发出接管请求后至自动驾驶系统的车辆运动控制失效前由自动驾驶系统与驾驶人共同形成的人机协同操纵状态；选取舒适度模型的训练数据集；其中，所述训练数据集包括主观评价数据信息以及车辆预处理数据信息，所述车辆预处理数据信息与主观评价数据信息一一对应；所述主观评价数据信息包括若干舒适度等级；将车辆预处理数据信息通过高斯混合模型进行描述以形成表征信息，将表征信息与主观评价数据信息进行关联以形成不同舒适度等级下的关联数据信息；将关联数据信息作为舒适度模型的输入以进行模型训练；在训练舒适度模型过程中，将不同的舒适度等级作为舒适度模型中的隐藏状态，通过期望最大算法对不同舒适度等级所对应的参数进行迭代计算直至收敛；根据完成训练的不同参数形成不同舒适度等级所对应的舒适度模型；多个舒适度模型构成舒适度模型库。

全文数据：

权利要求：

百度查询： 清华大学 自动驾驶车辆人机协同操纵过程的接管舒适性评价方法、系统及存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD