摘要
转向辅助系统作为先进驾驶辅助系统（AdvancedDrivingAssistanceSystem，ADAS）的重要组成部分，能有效保障紧急避障转向时的驾驶安全。其中，如何精准识别转向紧急程度并判断系统介入时机是保证辅助系统有效性的重要前提。当前研究更多关注安全性，通过驾驶员转向操作行为和车辆行驶特征训练相应的紧急转向识别模型，但缺乏对训练数据标注信度的深入研究，存在将非紧急转向识别为紧急转向，导致系统误介入影响驾驶体验的问题。本文通过研究不同紧急程度下避障转向时，表征危险感知的驾驶员生理数据及事后评价差异，筛选并标注用于训练紧急转向识别模型的数据，提升模型训练数据的可信度，构建基于驾驶员操作行为和车辆行驶特征的紧急转向识别模型。主要研究内容如下： 1)避障转向主客观危险感知量化方法研究。分析正常转向、危险可控转向、紧急转向三种避障转向紧急程度下的驾驶员感知状态。梳理避障转向时表征危险感知状态的驾驶员生理应激、驾驶操作行为、车辆响应、感知状态主观评价、及辅助系统介入需求主观评价五个维度的数据类型。 2）避障转向驾驶实验及数据采集。分析预实验中被试避障转向时的碰撞时间（TimetoCollision，TTC）分布，结合现有研究的结论，确定正常转向和危险可控转向的TTC划分阀值，并将该阈值作为正式实验（危险可控转向和紧急转向）场景设计时TTC设置的边界范围，以缩小通过聚类算法确定数据标签时的数据分布范围，提升紧急转向数据标签可信度。通过正式实验，采集表征被试避障转向（危险可控转向和紧急转向）危险感知状态的五个维度数据。 3）避障转向危险感知状态的研究。聚类被试正式避障转向实验时的客观生理数据，形成两个不同的簇，结合事后危险感知主观评价数据，将正式实验采集到的避障转向样本根据危险感知状态分为高风险和中风险两类。 4）搭建紧急转向识别模型。将高风险和中风险标签与转向辅助系统介入需求主观评价数据进行映射，得到紧急转向和危险可控转向两类避障转向驾驶数据集（包含驾驶员操作数据、车辆行驶数据、及置信度更高的紧急程度标签）。通过危险感知的生理及主观表征，可以进一步提升训练数据的标签可信度。最后，提取紧急转向时的驾驶员操作数据、车辆行驶数据特征，基于粒子群优化支持向量机算法构建驾驶员避障紧急转向识别模型。
NETL