基于握力分布的驾驶人人机共驾状态识别研究

人机共驾是现阶段汽车智能化发展的必经之路,在人机共驾中为了避免人机冲突,对驾驶人的人机共驾状态进行识别是实现和谐人机共驾的基础。然而现有研究较少考虑了该状态,同时相关识别方法多基于驾驶人生理信息,导致应用繁琐,不具备实用性。为此,设计了一种能够测量握力分布的智能方向盘系统硬件架构,并在此基础上开发了基于握力分布的驾驶人人机共驾状态识别方法。首先搭建了能够测量驾驶人双手握力分布的智能方向盘系统,在此基础上利用驾驶人在环试验台采集了15名驾驶人在不同人机共驾状态下的试验数据;然后根据试验数据通过递推最小二乘法对驾驶人的上肢肌肉阻抗特性参数进行了辨识,分析了不同状态下的驾驶人上肢肌肉特性;最后基于门控循环单元(Gated Recurrent Unit,GRU)构建了Hybrid-GRU(H-GRU)模型,将回归任务与分类任务混合,利用辨识得到的肌肉阻抗特性结果对模型中的回归部分进行预先训练,使模型具备了一定的先验知识,实现了从驾驶人握力分布到人机共驾状态的映射,并将H-GRU模型与常规GRU模型和支持向量机模型进行对比测试。结果表明:所建立的模型总体分类准确率达到97.59%,相比常规GRU模型和支持向量机模型分别提升6.97%和33.02%。所提出的基于方向盘握力分布的人机共驾状态识别方法不仅能够准确辨识驾驶人人机共驾状态,还能够输出驾驶人肌肉阻抗特性参数,可为驾驶人建模或人机共驾策略开发等提供帮助。