驾驶员喜好的LKA介入时机特性与其自然驾驶特性差异的研究

陈佳琛，陈 慧，蓝小明，西村要介，石原敦

（1.同济大学汽车学院，上海 201804；2.株式会社捷太格特研发总部，奈良 6348555）

前言

车道保持辅助（lane keeping assistance，LKA）系统是典型的高级驾驶辅助系统（advanced driving assistance system，ADAS）之一［1-2］，对于预防由于偏出车道而导致的交通事故十分重要。LKA系统可以分为仅在车辆靠近车道边界附近介入转向的车道偏离预防（lane departure prevention，LDP）系统和持续介入转向并控制车辆在道路中央行驶的LCC（lane centering control）系统。LDP式的LKA系统在量产上技术更加成熟，但在恰当的时机介入是LDP式LKA系统的关键问题。

驾驶员对于LKA系统的接受度直接影响其对该系统的使用程度，而驾驶员自身的个体差异，如年龄和性别差异所导致的驾驶特性差异又会显著地影响其对LKA系统的接受度［3］。文献［4］中认为驾驶经验的差异也会影响其自动驾驶系统喜好的差异。LKA系统如何自适应驾驶员的特性差异成为亟须解决的关键问题。

国内外对自适应驾驶特性LKA系统的研究，已有一定成果。文献［5］中研究了不同驾驶员在直道和弯道中对车辆横向位置的控制习惯，将其反映到车道偏离预警系统的虚拟边界阈值的设计中。文献［6］中为不同类型的驾驶员在不同的车道和不同偏离方向上分别设定不同的跨越车道时间阈值，从而适应具有不同横向行为特性的驾驶员的需要。文献［7］中分析驾驶员在转向回正点处的横向偏移量分布，并将其代入动态期望驾驶区间中的安全边界和区间中心，使动态期望驾驶区间的参数设计因人而异，使LKA系统的介入时机和介入过程都能适应不同驾驶员的驾驶行为特性。上述文献中所采用的方案均是分析驾驶员自身的自然驾驶特性，并使LKA系统的特性趋近于驾驶员自身的驾驶特性，从而实现LKA系统对于不同驾驶特性的自适应。

因此，驾驶员喜好的LKA系统特性，是否与其自身驾驶特性存在显著差异，而导致趋近于驾驶员自然驾驶特性的LKA系统无法满足驾驶员喜好，成为上述方案是否可行的关键问题。文献［8］中在驾驶模拟器上让驾驶员同时体验自然驾驶情况下和自动驾驶控制情况下接近斑马线时的制动行为，发现驾驶员自然驾驶的风格通常不是他认为的安全性和协作性最高的那一种。文献［9］和文献［10］中在研究自动驾驶车辆的超车行为过程中，发现存在部分驾驶员喜欢不同于他们自身驾驶风格的超车行为。文献［11］中发现驾驶员对自动驾驶汽车的驾驶风格的喜好可能与他们自己的驾驶风格不符。因此，存在驾驶员喜好的ADAS特性不同于其自身驾驶特性的情况。

但是，上述研究中一方面缺少对最为常见的驾驶员车道保持特性的研究，已有文献中的结论无法应用到自适应驾驶特性的LKA系统的研究中；另一方面，已有文献中将主观评价用于最后验证驾驶员对于自身驾驶特性并非最满意，但无法获知驾驶员喜好的系统特性与驾驶员自身特性不符是具体体现在哪些指标上，以及这种差异是否显著。

因此，本文中针对LKA系统介入时机与驾驶员自然驾驶车道保持特性，基于驾驶模拟器试验，通过建立主客观评价模型获取驾驶员喜好的LKA系统客观指标，再分析驾驶员自然驾驶时的车道保持特性，提取出与驾驶员喜好的LKA系统客观指标具备相同物理含义的指标，从而探究驾驶员喜好的LKA系统特性与其自身的车道保持特性是否存在显著差异。

1 LKA介入时机的主客观评价试验

主客观评价是一种可以反映评价人员主观评价与客观指标之间相互关系的方法，通过构建驾驶员主观评分与客观指标之间的相关性模型，可以获取驾驶员喜好的LKA介入时机的客观指标。

1.1 评价样本设计

驾驶员对于LKA介入时机的主观感受主要受LKA介入时车辆在车道中的位置与状态这一因素的影响，具体说即主要在于介入时机的早晚。同时，需要选取合适的指标，以描述LKA介入时机的早晚，并通过指标大小的分布，设计评价样本，从而使驾驶员感受到不同的LKA介入时机。在对相关文献［7，12-15］研究的基础上，选取DLC（distance to lane cross）的阈值DLCth和偏离速度vy-lane作为LKA介入时机的特性指标，将DLCth取值范围设为[0，0.9]m，将vy-lane的取值范围设为[0.05，0.5]m/s。确定了特性指标的分布范围后，采用均匀试验设计方法分配每一组特性下的指标数值，如表1所示。

表1 LKA介入时机特性指标分布

1.2 主观评价问卷

主观评价问卷采用双极评分问卷，如表2所示。其中‘0’表示驾驶员认为该特性是自己喜好的LKA介入时机特性；‘-2’和‘2’表示LKA介入较晚或较早，且达到了不可接受的程度；‘-4’和‘4’表示LKA介入时机太晚或太早，驾驶员认为极有可能导致危险。

表2 LKA介入时机的主观评价问卷

2 自然驾驶转向回正点

2.1 自然驾驶中车道保持过程

驾驶员驾驶车辆在进行车道保持过程时并非每时每刻都会执行转向盘操纵行为进行转向，而是遵从感知、决策、执行这一行为机制，如图1所示。驾驶员会一直进行对偏出车道风险的感知，并决策是否要执行操纵转向盘的行为。当车辆处于靠近车道中央的位置时，驾驶员认为没有偏出车道的风险，从而不执行操纵转向盘纠正车辆航向的行为；而只有当车辆偏出车道中央达到一定范围，驾驶员才会执行操纵转向盘行为，使车辆重新回到车道中央。

图1 驾驶员车道保持时的行为机制

2.2 转向回正点

将驾驶员在自然驾驶过程中开始操纵转向盘修正车辆航向的时刻定义为转向回正点。转向回正点表征了驾驶员认为当前车辆偏航程度达到了可能偏出车道的程度，有进行转向修正的必要［7］。因此，转向回正点与LKA介入时机都反映了驾驶员对偏出车道危险程度的感知，这两者的关系可以反映驾驶员在使用LKA系统和自然驾驶时对偏离车道危险程度的感知是否存在差异。

转向回正点的提取采用基于规则的提取方法，流程如图2所示，具体方法如下。

图2 转向回正点提取流程

（1）首先提取横向偏移量峰值点t1。由于驾驶员执行转向回正行为的目的是为修正车辆航向，使车辆从逐渐偏出车道的状态变为回到车道中央的状态，因此，转向回正点后势必会出现横向偏移量峰值点，以横向偏移量峰值点为基准进一步往前寻找。

（2）在选出横向偏移量峰值点t1后，进一步向前寻找转矩变化率峰值点t2。当驾驶员感知到车辆有偏出车道的危险，并开始操纵转向盘使车辆回到车道中央，因此横向偏移量峰值点和转向回正点之间会存在较大的转角变化率和转矩变化率的峰值点。相比于使用转向盘转角变化，转向盘转矩变化对于驾驶员的转向盘操纵行为响应更快，转矩变化率峰值点更接近驾驶员操纵转向盘的时刻。另外，为避免转矩传感器的噪声影响，以转向盘转矩变化率幅值的20分位点P20(Ṫth)作为阈值，如果在横向偏移量峰值点之前寻找到的转矩变化率峰值点t2处，Ṫth(t2)≤P20(Ṫth)，则不选取该点，继续向前寻找转矩变化率峰值点t2。

（3）上一步找到的转矩变化率峰值点t2，表示驾驶员有明显的操纵转向盘行为，但该点表明驾驶员已经处于操纵转向盘的过程中，因此再向前找到第一个转向盘转矩变化率为0的点t3。t3表征驾驶员刚开始执行转向盘操纵行为的时刻，即为转向回正点所在的时刻。

3 数据采集试验

试验平台采用固定基座的驾驶模拟器，总体架构如图3所示。主要包括3个部分:转向反力模拟设备、快速原型控制器和用于场景显示的计算机和屏幕。转向系统模型请参见文献［16］所搭建的系统模型，EPS系统和优化后的转向力特性请参见文献［17］。

图3 驾驶模拟器的总体架构

本次试验邀请了24位驾驶员在驾驶模拟器上进行数据采集。24位驾驶员中13位为在校学生，8位为从事车辆相关工作的研究人员，3位为从事非车辆相关工作的社会人士。年龄范围为23～63岁，驾龄为3～20年。

主客观评价试验流程如下:

（1）车辆沿车道中央，以80 km/h车速匀速行驶，此时LKA系统开启，但由于车辆处于车道中央因而不介入辅助；

（2）通过在虚拟环境中添加侧风使车辆按照设定的偏离速度偏出车道；

（3）当车辆位置符合预先设置的LKA介入时机，通过在转向盘上施加LKA辅助力矩，使转向盘自动旋转，让车辆回到车道中央，随后LKA系统结束介入，回到过程（1）的状态；

（4）驾驶员重点感受LKA介入时机，并对当前LKA介入时机根据问卷做出评分，可进行多次体验以做出准确评价；

（5）变更LKA介入时机，并重复过程（1）至（4），直至全部特性下的评价数据采集完毕。

自然驾驶数据采集试验同样采用固定纵向车速，定为与主客观评价试验一致的80 km/h。先让驾驶员驾驶车辆10 min以熟悉驾驶模拟器和模拟环境，然后进行正式的数据采集试验。

4 驾驶员喜好与自然驾驶特性对比

4.1 驾驶员喜好的LKA介入时机特性

通过式（1）所示的线性回归方程，得到24位驾驶员的主客观评价模型，如表3所示。调整判定系数-R2均大于等于0.65，说明线性模型基本都能较好拟合样本数据。

表3 主客观评价模型方程

获得主客观评价模型后，由设计的主观评价问卷（表2）可知，当评分Q1=0时即代表了驾驶员喜好的LKA介入时机特性。将Q1=0代入式（1），可得

由式（2）可见，DLCth会随着vy-lane不同而改变，可见驾驶员喜好的DLCth会随着不同的偏离速度vy-lane而发生变化，如图4所示。因而可以采用式（2）中的两个方程系数c0和c1来定量描述这种关系。

图4 驾驶员1喜好的DLC th随vy-lane的变化

文献［18］对c0和c1的物理含义进行了解释。如图5所示，c0为虚拟边界偏移距离，即虚拟边界距离车道线内侧的距离，虚拟边界是指即便车辆平行地沿着车道线行驶，驾驶员也不期望车辆超出的边界。c1为跨越虚拟边界的时间。每个驾驶员喜好的LKA介入时机特性指标以-c0和-c1表示，如表4所示。

表4 驾驶员喜好的LKA介入时机客观指标

图5 c0和c1的物理意义［18］

4.2 自然驾驶数据

4.2.1 车道保持数据

采集得到的自然驾驶车道保持数据验证了2.1节中提到的“驾驶员在执行车道保持过程时遵从感知、决策、执行的行动机制”这一论点。如图6所示，只有当横向偏移量增加到驾驶员认为有必要执行转向操作以避免偏出车道的风险时，从转向盘转角和转矩可以看出驾驶员开始进行转向操作。

图6 驾驶员车道保持数据

图7为基于驾驶员1的自然驾驶数据，提取得到的转向回正点时刻的DLC与偏离速度之间的关系。由图可见，随着车辆偏离速度的提高，转向回正点时刻的DLC也逐渐增大，该趋势与图4一致。但是由于驾驶员的自然驾驶存在较高的随机性，图7数据整体分布并非接近一条直线，如果只用线性模型去拟合所有点并非最合适。

图7 驾驶员1的转向回正点

4.2.2 转向回正点指标

文献［19］中采用对风险感知点进行直线包络的方法，构造了风险感知线。本文中采用相同思路，同时基于如式（3）所示的线性回归模型，描述驾驶员转向回正点处的DLC和偏离速度之间的关系，将该模型定义为转向回正点特性模型。对每位驾驶员的自然驾驶数据均计算3个转向回正点特性模型。3个模型分别为基于单个驾驶员所有转向回正点拟合得到的整体包络线、基于上部转向回正点拟合得到的上包络线和基于下部转向回正点拟合得到的下包络线，如图8中3根虚线所示。图中”×”表示驾驶员的转向回正点，同时基于每个驾驶员的c0和c1作出的直线，将其称为喜好线，如图8的实线所示。以每个模型的系数作为转向回正点指标描述该驾驶员自然驾驶时的转向回正点特性，如表5所示。

图8 所有驾驶员的转向回正点、转向回正点拟合直线和对LKA介入时机的喜好线

4.3 驾驶员喜好与自然驾驶的差异

4.3.1 指标的直观差异

驾驶员喜好的LKA介入时机客观指标虚拟边界偏移距离c0和跨越虚拟边界时间c1（如表4所示）

与 各 转 向 回 正 点 指 标k0-up、k1-up、k0-mid、k1-mid、k0-low、k1-low（如表5所示）在量纲上完全一致，物理意义也十分接近，可以直接进行比较，因此这两者在数值上是否存在显著差异是本文要研究的核心问题。

表5 转向回正点指标

4.3.2 差异显著性的分析

仅从数值或图像层面比较难以直观地界定这种差异是否显著。若驾驶员自然驾驶特性与驾驶员真实喜好的LKA系统特性之间存在差异，最终会反映到驾驶员对于LKA系统的接受度上，使主观评分偏离最优评分。因此，将驾驶员的转向回正点指标代回到表3所示的各驾驶员主客观评价模型，便可知道自然驾驶转向回正点特性与喜好的LKA介入时机特性之间的差异会如何影响驾驶员对LKA系统的接受度，即会使驾驶员对LKA介入时机的主观评价产生多大程度的下降。

为确定评价下降程度的量化表达，将式（3）所示的转向回正点特性模型代入到式（1）所示的主客观评价模型，可得

由于驾驶员主观评分Q1会随偏离速度vy-lane变化，故由式（4）可知，当k1≠-c1时，在不同偏离速度下，评价下降程度也会发生变化，并非始终保持不变。同时，由表2主观评价问卷中对各评分的定义可知，Q1=0时驾驶员的评价最优。因此，本文以vy-lane在[0，0.5]m/s的范围下，Q1绝对值最大作为描述评价下降程度的指标ΔQ1，如式（5）所示。

为探究不同k0和k1数值对每个驾驶员的评价下降程度的影响，计算当k0∈[-0.5，1]m，k1∈[0，2]m/s时的评价下降程度的等高线图，如图9所示。从而得知评价下降程度ΔQ1落在[0，0.5)、[0.5，2)和[2，+∞)3个区间下的k0和k1的取值范围。图10为每个驾驶员的等高线图。

图9 不同k0和k1下评价下降程度等高线图

图10 所有驾驶员在不同k0和k1下评价下降程度等高线图

统计自然驾驶中3种转向回正点指标导致评价下降程度落在[0，0.5)、[0.5，2)和[2，+∞)3个区间内的个数，结果如表6所示。24位驾驶员中，有12.5%的驾驶员（驾驶员3，8，17），3种自然驾驶转向回正点指标均导致评价下降程度落在(2，+∞)区间内，意味着这些驾驶员的自然驾驶转向回正点特性与其喜好的LKA介入时机特性存在显著差异，这种差异显著到会使驾驶员的主观评价达到不可接受的程度；有37.5%的驾驶员（驾驶员5，6，9，11，12，14，15，18，19），没有自然驾驶转向回正点指标导致评价下降程度落在(2，+∞)区间内，意味着这些驾驶员的自然驾驶转向回正点特性与其喜好的LKA介入时机特性之间的差异不显著；剩下50%的驾驶员（驾驶员1，2，4，7，10，13，16，20，21，22，23，24），存在差异不显著的自然驾驶转向回正点指标，这意味着这些驾驶员，有可能通过LKA系统趋近于驾驶员自然驾驶特性来实现自适应不同驾驶员的目的，但最终能否满足驾驶员的喜好取决于选取何种自然驾驶特性指标。

表6 3种转向回正点指标导致评价下降程度落在不同区间的个数统计

5 结论

针对驾驶员喜好的LKA介入时机特性与其自身的自然驾驶时车道保持特性是否相同，基于驾驶模拟器试验，建立了驾驶员对于LKA介入时机的主客观评价模型，获取驾驶员喜好的LKA介入时机客观指标，再分析驾驶员自然驾驶时的车道保持特性，提取转向回正点，并构建转向回正点指标，从而探究驾驶员喜好的LKA介入时机特性与其自然驾驶时的转向回正点特性是否存在显著差异。

通过采集并分析24位驾驶员的评价和驾驶数据后发现，对于12.5%的驾驶员，趋近于自然驾驶转向特性的LKA系统无法满足他们的喜好；对于50%的驾驶员，有可能使趋近于自然驾驶转向特性的LKA系统满足他们的喜好，取决于LKA系统趋近于哪一种自然驾驶特性；对于剩下37.5%的驾驶员，趋近于自然驾驶转向特性的LKA系统能够满足他们的喜好。