[发明专利]一种基于机器学习的单踏板线控底盘汽车辅助制动方法

说明书

本发明公开了一种基于机器学习的单踏板线控底盘汽车辅助制动方法，包括以下步骤：样本数据获取；基于支持向量回归算法和自适应粒子群算法构建驾驶员行为模型；实时监测驾驶员是否误操作纵向控制踏板，在系统判定驾驶员误操作纵向控制踏板后，汽车由单踏板驾驶模式变为制动模式，驾驶员向下踩纵向控制踏板时汽车接收到的是制动信号，制动执行机构开始执行，同时切断加速信号，保证汽车安全性，避免因意外的急加速而产生交通事故。

技术领域

本发明涉及汽车技术领域，特别涉及一种基于机器学习的单踏板线控底盘汽车辅助制动方法。

背景技术

随着汽车技术的发展，出现了具有单踏板驾驶模式的线控底盘汽车，采用纵向控制踏板代替传统加速踏板。纵向控制踏板具有加速制动一体化的特点，其工作原理是驾驶员踩纵向控制踏板时，电机输出驱动扭矩，实现汽车的加速；驾驶员松纵向控制踏板后，电机输出制动扭矩通过再生制动来实现汽车的减速。

然而，在驾驶员已经适应踩纵向控制踏板加速、松纵向控制踏板制动的设定后，当遇到突发情况需要紧急制动的时候，由于驾驶习惯使然，很可能忽略制动踏板的存在而误操作纵向控制踏板。目前，国内外发生多起单踏板汽车意外加速事故，据调查这些事故均是由于驾驶员对踏板使用不当造成的。如何最大限度地减少该类恶性事故的发生并进一步提高汽车的安全性刻不容缓。研究一种能够准确感知驾驶员误操作踏板这一危险行为并帮助驾驶员采取制动措施的单踏板线控底盘汽车辅助制动方法以避免或减轻伤亡事故显得十分有必要。

发明内容

本发明的目的在于提供一种基于机器学习的单踏板线控底盘汽车辅助制动方法来解决上述技术问题。

该单踏板线控底盘汽车辅助制动方法包括以下步骤：

S1：样本数据获取：

挑选有C2及以上级别机动车驾驶证且年龄均匀分布在18-60岁之间的100名男性试验者和100名女性试验者在练车场进行实车试验，该实车采用加速制动一体化的纵向控制踏板代替传统加速踏板，驾驶员踩纵向控制踏板汽车加速，松纵向控制踏板汽车通过再生制动减速，纵向控制踏板左侧存在与传统汽车一致的制动踏板，用于紧急制动；在试验开始前采集每名试验者的年龄、驾龄、身高和体重信息，之后对每名试验者分别进行在平稳加速、急加速和遇到障碍物误操作纵向控制踏板三种工况下的测试，每种工况安排10次测试，在试验过程中三种工况随机出现；试验过程中实时监测车速和汽车与前方障碍物的距离，并采集所有试验者在急加速和遇到障碍物误操作纵向控制踏板工况下的纵向控制踏板角加速度最大值、纵向控制踏板压力最大值、方向盘手握力最大值、方向盘转矩最大值、方向盘转角最大值、方向盘转动角速度最大值和方向盘转动角加速度最大值。

S2：构建驾驶员行为模型：

基于试验数据构建驾驶员年龄、驾龄、身高、体重、车速和汽车与前方障碍物的距离关于纵向控制踏板角加速度最大值、纵向控制踏板压力最大值、方向盘手握力最大值、方向盘转矩最大值、方向盘转角最大值、方向盘转动角速度最大值和方向盘转动角加速度最大值的端到端预测模型，所述的端到端预测模型通过支持向量回归模型建立。

将样本数据中的驾驶员年龄、驾龄、身高、体重、车速和汽车与前方障碍物的距离作为支持向量回归模型的输入变量，将样本数据中的纵向控制踏板角加速度最大值、纵向控制踏板压力最大值、方向盘手握力最大值、方向盘转矩最大值、方向盘转角最大值、方向盘转动角速度最大值和方向盘转动角加速度最大值作为支持向量回归模型的输出变量。将归一化处理后的训练数据集送入支持向量回归模型中进行训练，并用所学习到的高维映射关系对纵向控制踏板角加速度最大值、纵向控制踏板压力最大值、方向盘手握力最大值、方向盘转矩最大值、方向盘转角最大值、方向盘转动角速度最大值和方向盘转动角加速度最大值进行预测，为建立驾驶员误踩踏板从而误加速的判别逻辑提供数据基础。

具体步骤如下：

将样本数据按照如下方程进行归一化处理：