基于人机协同的车道保持辅助系统研究进展

工程科学学报 Chinese Journal of Engineering 基于人机协同的车道保持辅助系统研究进展 秦增科郭烈马跃岳明 Overview of lane-keeping assist system based on human-machine cooperative control QIN Zeng-ke,GUO Lie.MA Yue,YUE Ming 引用本文： 秦增科，郭烈，马跃，岳明.基于人机协同的车道保持辅助系统研究进展.工程科学学报，2021,43(3)：355-364.doi: 10.13374j.issn2095-9389.2020.10.13.001 QIN Zeng-ke,GUO Lie,MA Yue,YUE Ming.Overview of lane-keeping assist system based on humanmachine cooperative control[].Chinese Journal of Engineering,2021,43(3):355-364.doi:10.13374/j.issn2095-9389.2020.10.13.001 在线阅读View online::https://doi..org10.13374/.issn2095-9389.2020.10.13.001 您可能感兴趣的其他文章 Articles you may be interested in 煤矿搜救机器人履带式行走机构性能评价体系 Performance evaluation system of the tracked walking mechanism of a coal mine rescue robot 工程科学学报.2017,3912：1913htps:1doi.org/10.13374.issn2095-9389.2017.12.019 仿生扑翼飞行器的视觉感知系统研究进展 Research progress on visual perception system of bionic flapping-wing aerial vehicles 工程科学学报.2019.41(12：1512htps:doi.org10.13374.issn2095-9389.2019.03.08.001 协同式多目标自适应巡航控制 Multi-objective adaptive cruise control (ACC)algorithm for cooperative ACC platooning 工程科学学报.2020,42(4：423 https::/1doi.org/10.13374.issn2095-9389.2019.05.21.002 基于按需和贪婪转发的移动自组网路由协议 Routing protocol for mobile ad hoc networks based on on-demand and greedy forwarding 工程科学学报.2017,395：778 https:oi.org10.13374j.issn2095-9389.2017.05.017 基于安全传输策略的网络化预测控制系统设计 Design of networked predictive control system based on secure transmission strategy 工程科学学报.2017,399：1403 https:/doi.org10.13374.issn2095-9389.2017.09.014 基于改进鸽群优化和马尔可夫链的多无人机协同搜索方法 Cooperative search for multi-UAVs via an improved pigeon-inspired optimization and Markov chain approach 工程科学学报.2019,41(10：1342 https:/doi.org/10.13374.issn2095-9389.2018.09.02.002

基于人机协同的车道保持辅助系统研究进展 秦增科 郭烈 马跃 岳明 Overview of lane-keeping assist system based on human–machine cooperative control QIN Zeng-ke, GUO Lie, MA Yue, YUE Ming 引用本文: 秦增科, 郭烈, 马跃, 岳明. 基于人机协同的车道保持辅助系统研究进展[J]. 工程科学学报, 2021, 43(3): 355-364. doi: 10.13374/j.issn2095-9389.2020.10.13.001 QIN Zeng-ke, GUO Lie, MA Yue, YUE Ming. Overview of lane-keeping assist system based on humanmachine cooperative control[J]. Chinese Journal of Engineering, 2021, 43(3): 355-364. doi: 10.13374/j.issn2095-9389.2020.10.13.001 在线阅读 View online: https://doi.org/10.13374/j.issn2095-9389.2020.10.13.001 您可能感兴趣的其他文章 Articles you may be interested in 煤矿搜救机器人履带式行走机构性能评价体系 Performance evaluation system of the tracked walking mechanism of a coal mine rescue robot 工程科学学报. 2017, 39(12): 1913 https://doi.org/10.13374/j.issn2095-9389.2017.12.019 仿生扑翼飞行器的视觉感知系统研究进展 Research progress on visual perception system of bionic flapping-wing aerial vehicles 工程科学学报. 2019, 41(12): 1512 https://doi.org/10.13374/j.issn2095-9389.2019.03.08.001 协同式多目标自适应巡航控制 Multi-objective adaptive cruise control (ACC) algorithm for cooperative ACC platooning 工程科学学报. 2020, 42(4): 423 https://doi.org/10.13374/j.issn2095-9389.2019.05.21.002 基于按需和贪婪转发的移动自组网路由协议 Routing protocol for mobile ad hoc networks based on on-demand and greedy forwarding 工程科学学报. 2017, 39(5): 778 https://doi.org/10.13374/j.issn2095-9389.2017.05.017 基于安全传输策略的网络化预测控制系统设计 Design of networked predictive control system based on secure transmission strategy 工程科学学报. 2017, 39(9): 1403 https://doi.org/10.13374/j.issn2095-9389.2017.09.014 基于改进鸽群优化和马尔可夫链的多无人机协同搜索方法 Cooperative search for multi-UAVs via an improved pigeon-inspired optimization and Markov chain approach 工程科学学报. 2019, 41(10): 1342 https://doi.org/10.13374/j.issn2095-9389.2018.09.02.002

工程科学学报.第43卷，第3期：355-364.2021年3月 Chinese Journal of Engineering,Vol.43,No.3:355-364,March 2021 https://doi.org/10.13374/j.issn2095-9389.2020.10.13.001;http://cje.ustb.edu.cn 基于人机协同的车道保持辅助系统研究进展 秦增科，郭烈四，马跃，岳明 大连理工大学汽车工程学院.大连116024 ☒通信作者，E-mail:guo lie@dlut.edu.cn 摘要基于人机动态协同控制的车道保持辅助系统有助于兼顾汽车的安全性与驾驶员的舒适性，分析了该系统在车道偏 离决策模型、驾驶权动态分配及性能评估等方面的研究现状和发展趋势.在车道偏离决策模型方面，应根据驾驶员的状态制 定不同的决策模型，既可以建立自适应调节的决策模型，又应允许驾驶员根据自己的喜好和外部驾驶环境手动调整决策模型 中预设的参数：在驾驶权分配方面，应探索更加合理的驾驶权动态分配方式，设计智能的优化算法或控制模型：在性能评估指 标方面，应加入与降低人机冲突及减少驾驶员控制量相关的评估指标，制定科学完善的主观评估体系.未来研究应该深度融 合驾驶员因素，实时发出警报与主动干预，并能够对系统进行完善的测试与评估 关键词协同控制：车道保持辅助系统：车道偏离：驾驶权分配：性能评估 分类号U471.1 Overview of lane-keeping assist system based on human-machine cooperative control QIN Zeng-ke,GUO Lie.MA Yue,YUE Ming School of Automotive Engineering,Dalian University of Technology,Dalian 116024,China Corresponding author,E-mail:guo_lie@dlutedu.cn ABSTRACT As the final stage of intelligent vehicle,traffic accidents can be effectively reduced by automatic driving.However, neither the technology nor the regulations are mature for autonomous driving.The lane-keeping assist system is one of the important components of the advanced driver-assistance system.When driver fatigue or inattention is detected,the system can effectively prevent the vehicle departure from the lane.Information such as vehicle status,driver status,and external environment can be used by the lane- keeping assist system based on human-machine dynamic cooperative control,thereby smoothly changing the driving rights between the driver and the automatic controller.The system can keep the vehicle in the lane while complying with the driver's intention,thereby ensuring vehicle safety and driver comfort.The research status and future development suggestions on lane-departure decision models, dynamic allocation of driving rights,and performance evaluation were analyzed in this paper.Regarding lane-departure decision models, different decision models considering the driver's state should be developed.The decision model can be established as an adaptive adjustment model and also should allow the manual adjustment of the preset parameters according to the driver's preferences and the external driving environment.Concerning the allocation of driving rights,a more reasonable dynamic allocation of driving rights should be explored,and intelligent optimization algorithms or control models should be designed.Regarding performance evaluation indicators, evaluation indicators related to the reduction of human-machine conflict and the amount of control effort should be added.A scientific and complete subjective evaluation system should be developed.Future studies on lane-keeping assist system based on human-machine cooperative control should deeply integrate driver factors,issue real-time warnings and active intervention,and perform complete testing and evaluation of the system 收稿日期：2020-10-13 基金项目：国家自然科学基金资助项目(51975089.51575079)：国家重点研发计划资助项目(2018YFE0197700):辽宁省教育厅科学研究经 费资助项目(LJYT201915)

基于人机协同的车道保持辅助系统研究进展 秦增科，郭    烈苣，马    跃，岳    明 大连理工大学汽车工程学院，大连 116024 苣通信作者，E-mail：guo_lie@dlut.edu.cn 摘    要    基于人机动态协同控制的车道保持辅助系统有助于兼顾汽车的安全性与驾驶员的舒适性，分析了该系统在车道偏 离决策模型、驾驶权动态分配及性能评估等方面的研究现状和发展趋势. 在车道偏离决策模型方面，应根据驾驶员的状态制 定不同的决策模型，既可以建立自适应调节的决策模型，又应允许驾驶员根据自己的喜好和外部驾驶环境手动调整决策模型 中预设的参数；在驾驶权分配方面，应探索更加合理的驾驶权动态分配方式，设计智能的优化算法或控制模型；在性能评估指 标方面，应加入与降低人机冲突及减少驾驶员控制量相关的评估指标，制定科学完善的主观评估体系. 未来研究应该深度融 合驾驶员因素，实时发出警报与主动干预，并能够对系统进行完善的测试与评估. 关键词    协同控制；车道保持辅助系统；车道偏离；驾驶权分配；性能评估 分类号    U471.1 Overview of lane-keeping assist system based on human–machine cooperative control QIN Zeng-ke，GUO Lie苣 ，MA Yue，YUE Ming School of Automotive Engineering, Dalian University of Technology, Dalian 116024, China 苣 Corresponding author, E-mail: guo_lie@dlut.edu.cn ABSTRACT    As  the  final  stage  of  intelligent  vehicle,  traffic  accidents  can  be  effectively  reduced  by  automatic  driving.  However, neither the technology nor the regulations are mature for autonomous driving. The lane-keeping assist system is one of the important components of the advanced driver-assistance system. When driver fatigue or inattention is detected, the system can effectively prevent the vehicle departure from the lane. Information such as vehicle status, driver status, and external environment can be used by the lane￾keeping assist system based on human–machine dynamic cooperative control, thereby smoothly changing the driving rights between the driver and the automatic controller. The system can keep the vehicle in the lane while complying with the driver's intention, thereby ensuring vehicle safety and driver comfort. The research status and future development suggestions on lane-departure decision models, dynamic allocation of driving rights, and performance evaluation were analyzed in this paper. Regarding lane-departure decision models, different  decision  models  considering  the  driver's  state  should  be  developed.  The  decision  model  can  be  established  as  an  adaptive adjustment model and also should allow the manual adjustment of the preset parameters according to the driver ’s preferences and the external driving environment. Concerning the allocation of driving rights, a more reasonable dynamic allocation of driving rights should be explored, and intelligent optimization algorithms or control models should be designed. Regarding performance evaluation indicators, evaluation indicators related to the reduction of human–machine conflict and the amount of control effort should be added. A scientific and complete subjective evaluation system should be developed. Future studies on lane-keeping assist system based on human–machine cooperative control should deeply integrate driver factors, issue real-time warnings and active intervention, and perform complete testing and evaluation of the system. 收稿日期: 2020−10−13 基金项目: 国家自然科学基金资助项目（51975089，51575079）；国家重点研发计划资助项目（2018YFE0197700）；辽宁省教育厅科学研究经 费资助项目（LJYT201915） 工程科学学报，第 43 卷，第 3 期：355−364，2021 年 3 月 Chinese Journal of Engineering, Vol. 43, No. 3: 355−364, March 2021 https://doi.org/10.13374/j.issn2095-9389.2020.10.13.001; http://cje.ustb.edu.cn

356 工程科学学报，第43卷，第3期 KEY WORDS cooperative control;lane-keeping assist system;lane departure;distribution of driving rights;performance evaluation 道路交通安全问题已经引起人们的普遍关 分配方式值得深入研究.(3)现有的车道保持辅助 注，而人为失误是交通事故的主要成因山美国国 系统的测试评估标准不能完整评估人-车-路耦合 家公路交通安全管理局统计结果表明，约20%的 的动态协同控制型系统，选取合适且完整的评估 交通事故是车辆偏离本车道造成的).全自动驾驶 指标是建立相关测试标准的难点.因此，围绕上述 作为智能汽车的最终阶段，能够有效地减少交通 难点，对基于人机动态协同控制的车道保持辅助 事故.但全自动驾驶无论是技术还是法规都不成 系统展开研究具有现实意义 熟).而作为高级辅助驾驶系统重要成分之一的车 本文以基于人机动态协同控制的车道保持辅 道保持辅助系统，可以有效地防止疲劳驾驶或者 助系统为中心展开综述，对车道偏离决策模型、驾 驾驶员注意力不集中造成的车辆偏离本车道， 驶权动态分配方式及性能评估指标等内容进行了 通过车载传感器车道偏离预警系统能够检测 分析，并指出其未来研究方向，为我国智能汽车领 出本车相对于车道边界的横向距离，在决策模型 域的研究与发展提供理论支撑 判断满足警告条件的情况下，将通过多种感官系 统（视觉、听觉或触觉）警告来警示驾驶员，辅助驾 1车道偏离决策模型 驶员减少或避免车道偏离造成的安全事故车道 决策模型根据收集到的外部环境、驾驶员及 偏离预警系统是车道保持辅助系统的基础阿，能够 车辆信息，判断是否应进行告警，因此在车道偏离 进一步对车辆进行主动控制，防止车辆意外偏离 预警系统中有重要作用例根据1S017361o1中的 本车道.传统的车道保持辅助控制系统多将驾驶 规定：当满足警告条件时，车道偏离预警系统应警 员输入作为干扰向，并利用控制算法建立车路模 告驾驶员，系统应将虚假警报减至最少；系统最晚 型.由于这种控制系统没能更好的适应驾驶员，驾 的警告线位于乘用车车道边界外0.3m,卡车和公 驶员容易与系统发生冲突，降低驾驶员对系统的 共汽车车道边界外1m. 接受程度.Flemisch等)认为骑手可以通过缰绳控 预警时间不合理，会降低系统被接受与信任 制马匹，而马匹也可以独自驰骋，这种协作控制的 特征同驾驶员与自动控制器之间的合作方式类 程度，因此设计决策模型时需要确定合理的预警 时间.如果预警时间大于合理时间，驾驶员会被系 似.为了兼顾驾驶员和自动控制器各自的优势，提 出了人机共驾的概念.驾驶员与自动控制器之间 统干扰；如果预警时间小于合理时间，留给驾驶员 有明确的开关切换控制是实现人机共驾的方式之 操作的时间会被缩短，导致驾驶员不必要的恐慌 一。 目前与驾驶权切换相关的部分原理仍然存在 如果预警系统不能正确识别驾驶员的意图或 争议，另外由于控制冗余的存在，人机冲突及驾驶 行为习惯，容易导致较高的虚假警报率.虚假警报 员负荷增加等问题并没有被完全解决⑧由于人机 会对驾驶员的正常驾驶产生干扰，减少驾驶员对 切换存在上述问题，实现人机共驾的另一种方式 系统的接受程度.值得注意的是，设计者不能只追 是人机动态协同控制，这种控制方式得到越来越 求更少的虚假报警，而放宽预警阈值，造成正确的 多的关注.基于人机动态协同控制的车道保持辅 预警信号被遗漏 助系统利用车辆状态、驾驶员状态及外部环境等 1.1经典的车道偏离决策模型 信息，平滑地改变驾驶员与自动控制器之间的控 学者们围绕车辆偏离决策模型展开了很多 制权，将车辆保持在本车道的同时符合驾驶员意 研究，现存在5种经典的车道偏离决策模型：基 图，从而保证行驶车辆的安全性与驾驶员舒适性 于车辆横越车道线的时间(Time to lane crossing, 基于人机动态协同控制的车道保持辅助系统 TLC)-切、基于车辆在车道中的当前位置(Car's 作为具有科研前景的智能汽车技术，目前存在以 current position,CCP)I4-、基于将来偏离量的不 下研究难点：(1)车道偏离预警系统需要为控制系 同(Future offset difference,.FOD)l6-l7、基于知识的 统提供警告信息，决策模型作为车道偏离预警系 道路场景感知(Knowledge-based interpretation of 统的关键部分，目前在降低系统漏警率和误警率 road scenes,KBIRS)I8-l和虚拟停车振动带的预警 方面存在局限性.(2)目前驾驶员和自动控制器之 算法(Virtual rumble strip,VRBS)Po-2) 间的驾驶权动态分配方式多种多样，驾驶权动态 基于TLC的决策模型由Godthelp等2提出

KEY WORDS    cooperative control；lane-keeping assist system；lane departure；distribution of driving rights；performance evaluation 道路交通安全问题已经引起人们的普遍关 注，而人为失误是交通事故的主要成因[1] . 美国国 家公路交通安全管理局统计结果表明，约 20% 的 交通事故是车辆偏离本车道造成的[2] . 全自动驾驶 作为智能汽车的最终阶段，能够有效地减少交通 事故. 但全自动驾驶无论是技术还是法规都不成 熟[3] . 而作为高级辅助驾驶系统重要成分之一的车 道保持辅助系统，可以有效地防止疲劳驾驶或者 驾驶员注意力不集中造成的车辆偏离本车道. 通过车载传感器车道偏离预警系统能够检测 出本车相对于车道边界的横向距离，在决策模型 判断满足警告条件的情况下，将通过多种感官系 统（视觉、听觉或触觉）警告来警示驾驶员，辅助驾 驶员减少或避免车道偏离造成的安全事故[4] . 车道 偏离预警系统是车道保持辅助系统的基础[5] ，能够 进一步对车辆进行主动控制，防止车辆意外偏离 本车道. 传统的车道保持辅助控制系统多将驾驶 员输入作为干扰[6] ，并利用控制算法建立车路模 型. 由于这种控制系统没能更好的适应驾驶员，驾 驶员容易与系统发生冲突，降低驾驶员对系统的 接受程度. Flemisch 等[7] 认为骑手可以通过缰绳控 制马匹，而马匹也可以独自驰骋，这种协作控制的 特征同驾驶员与自动控制器之间的合作方式类 似. 为了兼顾驾驶员和自动控制器各自的优势，提 出了人机共驾的概念. 驾驶员与自动控制器之间 有明确的开关切换控制是实现人机共驾的方式之 一. 目前与驾驶权切换相关的部分原理仍然存在 争议，另外由于控制冗余的存在，人机冲突及驾驶 员负荷增加等问题并没有被完全解决[8] . 由于人机 切换存在上述问题，实现人机共驾的另一种方式 是人机动态协同控制，这种控制方式得到越来越 多的关注. 基于人机动态协同控制的车道保持辅 助系统利用车辆状态、驾驶员状态及外部环境等 信息，平滑地改变驾驶员与自动控制器之间的控 制权，将车辆保持在本车道的同时符合驾驶员意 图，从而保证行驶车辆的安全性与驾驶员舒适性. 基于人机动态协同控制的车道保持辅助系统 作为具有科研前景的智能汽车技术，目前存在以 下研究难点：（1）车道偏离预警系统需要为控制系 统提供警告信息，决策模型作为车道偏离预警系 统的关键部分，目前在降低系统漏警率和误警率 方面存在局限性. （2）目前驾驶员和自动控制器之 间的驾驶权动态分配方式多种多样，驾驶权动态 分配方式值得深入研究. （3）现有的车道保持辅助 系统的测试评估标准不能完整评估人‒车‒路耦合 的动态协同控制型系统，选取合适且完整的评估 指标是建立相关测试标准的难点. 因此，围绕上述 难点，对基于人机动态协同控制的车道保持辅助 系统展开研究具有现实意义. 本文以基于人机动态协同控制的车道保持辅 助系统为中心展开综述，对车道偏离决策模型、驾 驶权动态分配方式及性能评估指标等内容进行了 分析，并指出其未来研究方向，为我国智能汽车领 域的研究与发展提供理论支撑. 1    车道偏离决策模型 决策模型根据收集到的外部环境、驾驶员及 车辆信息，判断是否应进行告警，因此在车道偏离 预警系统中有重要作用[9] . 根据 ISO 17361[10] 中的 规定：当满足警告条件时，车道偏离预警系统应警 告驾驶员;系统应将虚假警报减至最少；系统最晚 的警告线位于乘用车车道边界外 0.3 m，卡车和公 共汽车车道边界外 1 m. 预警时间不合理，会降低系统被接受与信任 程度，因此设计决策模型时需要确定合理的预警 时间. 如果预警时间大于合理时间，驾驶员会被系 统干扰；如果预警时间小于合理时间，留给驾驶员 操作的时间会被缩短，导致驾驶员不必要的恐慌. 如果预警系统不能正确识别驾驶员的意图或 行为习惯，容易导致较高的虚假警报率. 虚假警报 会对驾驶员的正常驾驶产生干扰，减少驾驶员对 系统的接受程度. 值得注意的是，设计者不能只追 求更少的虚假报警，而放宽预警阈值，造成正确的 预警信号被遗漏. 1.1    经典的车道偏离决策模型 学者们围绕车辆偏离决策模型展开了很多 研究，现存在 5 种经典的车道偏离决策模型：基 于车辆横越车道线的时间 (Time to lane crossing, TLC)[11−13]、基于车辆在车道中的当前位置 (Car’s current position, CCP)[14−15]、基于将来偏离量的不 同 (Future offset difference, FOD)[16−17]、基于知识的 道 路 场 景 感 知 (Knowledge-based  interpretation  of road scenes, KBIRS)[18−19] 和虚拟停车振动带的预警 算法 (Virtual rumble strip, VRBS)[20−21] . 基于 TLC 的决策模型由 Godthelp 等[22] 提出， · 356 · 工程科学学报，第 43 卷，第 3 期

秦增科等：基于人机协同的车道保持辅助系统研究进展 357· 该模型需要对车辆的运动模型进行假设，预测本 理论决策模型，当系统检测到车辆将要偏离本车 车的行驶轨迹，得到本车由当前位置到车轮与车 道时，行驶环境场景的感知产生大幅度变化，这种 道边缘接触所用的时间.基于CCP的决策模型在 情况会启动车道偏离预警系统.在欧美国家道路 车道偏离模型中的复杂程度最低]，该决策模型 普遍应用的路边停车振动带(Roadside rumble 计算车辆与检测到的车道之间的相对距离，并决 strips,,RRS)的基础上，研究人员提出了VRBS算 定是否对驾驶员发出警告.基于FOD的决策方法 法.该算法设定了横向距离，当车辆目前所在的位 设置了一条位置可变化的虚拟车道线，用于考虑 置超出预定的距离时，系统将开启预警机制 驾驶员的个人驾驶习惯如果车辆偏离了设定 通过上述5种车道偏离决策模型的比较，表1 的虚拟车道，则算法开启警告模式.KBRS是一种 总结了各种车道偏离决策模型的优缺点 表1车道偏离决策模型的对比 Table 1 Comparison of lane-departure decision models Model Advantages Disadvantages The model will produce missing alarms when the distance between the vehicle and the lane is small and the angle between the driving direction TLC The model warns the driver before the vehicle deviates from the lane, and the line is small.The model assumes that the driving state of the which gives the driver enough reaction time. vehicle is fixed during the warning time,which is out of reality and can cause false alarms CCP The current position of the vehicle is used as the prerequisite for The effect of the waming is very dependent on the selection of the warning,and the false alarm rate is low. distance threshold. The vehicle velocity and direction are fixed during the preview time FOD The model can dynamically adjust the threshold based on different assumed by the model.The assumption deviates from reality and can driving habits. cause false alarms The camera calibration can be omitted,and only the images are used to The current development of the model is not perfect and is mainly KBIRS determine whether to war,and the effect of the waming is not affected focused on the perception of the natural scenes2.Because of the by the line width,vehicle type,and lens parameters diverse driving environments,only using the images will cause identification errors. The effect of the waming is dependent on the selection of the distance VRBS The current position of the vehicle is used as the prerequisite for waming,and the false alarm rate is low threshold.The system may be unable to continuously detect the road edge,thereby hindering its function and adoption 1.2改进的车道偏离决策模型 洁云B设计了基于动态期望驾驶区间的决策模 由于上述单一的决策模型具有各自的局限 型，能够根据驾驶员驾驶时偏离车道的程度不同， 性，学者提出了结合多种模型优点的改进方案.吴 动态调整决策模型的阈值.为降低系统的误警率， 乙万B提出了基于动态TLC阈值的车道偏离决 Wang等B首先通过结合高斯混合模型和隐马尔 策模型，该模型可以主动调整系统发出警告的时 可夫模型，建立了针对车道偏离和车道保持行为 间，防止系统过早或过晚警告，从而提高驾驶员对 的个性化驾驶员模型.其次，基于该驾驶员模型， 系统的信任程度.Angkititrakul等四将道路形状与 开发了一种结合驾驶员行为与车辆偏离状况的车 驾驶员操作信息作为模糊规则的设计基础，通过 道偏离警告策略，该方法可以降低虚假警报率 模糊规则动态调节虚拟道路的宽度，再联合TLC Albousefi等I罚在驾驶模拟器上利用非线性二进制 与虚拟道路边界，最终达到减小误警率的目的.由 支持向量机模型来估测驾驶员是否无意识驶离本 于TLC决策模型有局限性，郭烈等B提出了联合 车道.实验证明横向位置和横向速度作为模型输 最晚预警边界与安全行驶区域的车道偏离决策模 入变量效果最好，能够明显降低系统的误警次数， 型，该模型在TLC决策模型的基础上加入一个比 需要车辆具备运行支持向量机模型的计算能力. 车道边界更宽的最晚预警边界.即使TLC决策模 综上所述，车道偏离决策模型作为车道保持 型计算出的偏离时间达不到开启警告的阈值，只 辅助控制系统的基础，应保证系统在恰当的时刻 要车辆的左前轮或右前轮接触到最晚预警边界， 警告驾驶员，既要避免对驾驶员造成干扰，又不造 系统就会启动警告以降低漏警率 成驾驶员的惊慌.目前横越车道线的时间被各预 由于驾驶员之间的驾驶行为存在差异，车道 警模型广泛采用测，但这种模型的预警机制在降 偏离决策模型需要允许驾驶员根据个人偏好、当 低系统漏警率和误警率方面有较多待改进之处 前驾驶状态以及外部驾驶条件来进行调整B.丁 随着车道偏离决策模型的不断发展，进一步降低

该模型需要对车辆的运动模型进行假设，预测本 车的行驶轨迹，得到本车由当前位置到车轮与车 道边缘接触所用的时间. 基于 CCP 的决策模型在 车道偏离模型中的复杂程度最低[23] ，该决策模型 计算车辆与检测到的车道之间的相对距离，并决 定是否对驾驶员发出警告. 基于 FOD 的决策方法 设置了一条位置可变化的虚拟车道线，用于考虑 驾驶员的个人驾驶习惯[24] . 如果车辆偏离了设定 的虚拟车道，则算法开启警告模式. KBIRS 是一种 理论决策模型，当系统检测到车辆将要偏离本车 道时，行驶环境场景的感知产生大幅度变化，这种 情况会启动车道偏离预警系统. 在欧美国家道路 普 遍 应 用 的 路 边 停 车 振 动 带 (Roadside  rumble strips, RRS) 的基础上[25] ，研究人员提出了 VRBS 算 法. 该算法设定了横向距离，当车辆目前所在的位 置超出预定的距离时，系统将开启预警机制. 通过上述 5 种车道偏离决策模型的比较，表 1 总结了各种车道偏离决策模型的优缺点. 表 1 车道偏离决策模型的对比 Table 1   Comparison of lane-departure decision models Model Advantages Disadvantages TLC The model warns the driver before the vehicle deviates from the lane, which gives the driver enough reaction time[26] . The model will produce missing alarms when the distance between the vehicle and the lane is small and the angle between the driving direction and the line is small. The model assumes that the driving state of the vehicle is fixed during the warning time, which is out of reality and can cause false alarms[27] . CCP The current position of the vehicle is used as the prerequisite for warning, and the false alarm rate is low. The effect of the warning is very dependent on the selection of the distance threshold. FOD The model can dynamically adjust the threshold based on different driving habits. The vehicle velocity and direction are fixed during the preview time assumed by the model. The assumption deviates from reality and can cause false alarms[28] . KBIRS The camera calibration can be omitted, and only the images are used to determine whether to warn, and the effect of the warning is not affected by the line width, vehicle type, and lens parameters[29] . The current development of the model is not perfect and is mainly focused on the perception of the natural scenes[29] . Because of the diverse driving environments, only using the images will cause identification errors. VRBS The current position of the vehicle is used as the prerequisite for warning, and the false alarm rate is low[30] . The effect of the warning is dependent on the selection of the distance threshold. The system may be unable to continuously detect the road edge, thereby hindering its function and adoption[30] . 1.2    改进的车道偏离决策模型 由于上述单一的决策模型具有各自的局限 性，学者提出了结合多种模型优点的改进方案. 吴 乙万[31] 提出了基于动态 TLC 阈值的车道偏离决 策模型，该模型可以主动调整系统发出警告的时 间，防止系统过早或过晚警告，从而提高驾驶员对 系统的信任程度. Angkititrakul 等[32] 将道路形状与 驾驶员操作信息作为模糊规则的设计基础，通过 模糊规则动态调节虚拟道路的宽度，再联合 TLC 与虚拟道路边界，最终达到减小误警率的目的. 由 于 TLC 决策模型有局限性，郭烈等[33] 提出了联合 最晚预警边界与安全行驶区域的车道偏离决策模 型，该模型在 TLC 决策模型的基础上加入一个比 车道边界更宽的最晚预警边界. 即使 TLC 决策模 型计算出的偏离时间达不到开启警告的阈值，只 要车辆的左前轮或右前轮接触到最晚预警边界， 系统就会启动警告以降低漏警率. 由于驾驶员之间的驾驶行为存在差异，车道 偏离决策模型需要允许驾驶员根据个人偏好、当 前驾驶状态以及外部驾驶条件来进行调整[34] . 丁 洁云[35] 设计了基于动态期望驾驶区间的决策模 型，能够根据驾驶员驾驶时偏离车道的程度不同， 动态调整决策模型的阈值. 为降低系统的误警率， Wang 等[36] 首先通过结合高斯混合模型和隐马尔 可夫模型，建立了针对车道偏离和车道保持行为 的个性化驾驶员模型. 其次，基于该驾驶员模型， 开发了一种结合驾驶员行为与车辆偏离状况的车 道偏离警告策略，该方法可以降低虚假警报率. Albousefi 等[37] 在驾驶模拟器上利用非线性二进制 支持向量机模型来估测驾驶员是否无意识驶离本 车道. 实验证明横向位置和横向速度作为模型输 入变量效果最好，能够明显降低系统的误警次数， 需要车辆具备运行支持向量机模型的计算能力. 综上所述，车道偏离决策模型作为车道保持 辅助控制系统的基础，应保证系统在恰当的时刻 警告驾驶员，既要避免对驾驶员造成干扰，又不造 成驾驶员的惊慌. 目前横越车道线的时间被各预 警模型广泛采用[38] ，但这种模型的预警机制在降 低系统漏警率和误警率方面有较多待改进之处. 随着车道偏离决策模型的不断发展，进一步降低 秦增科等： 基于人机协同的车道保持辅助系统研究进展 · 357 ·

358 工程科学学报，第43卷，第3期 车道偏离预警系统的漏警率和误警率仍是决策模 与无辅助系统相比，加权求和的共驾系统可 型的重要研究方向.如何设计更为完善的驾驶员 以降低横向偏差，显示出良好的车道保持性能2 认知机制，以设计符合驾驶员意图的车道保持辅 但这种协作方式仍有改进之处.加权求和的控制 助系统，是改进决策模型过程中值得关注的问题 方案只考虑方向盘转角偏差，而没有充分考虑车 考虑到驾驶员之间复杂的差异，根据驾驶员特性 辆的其他状态以及驾驶员状态.当控制器的轨迹 设计不同的决策模型，进行个性化预警是值得关 规划路径与驾驶员的预期路径不同时，控制器的 注的研究方向 力矩容易与驾驶员力矩方向相反，引起人机冲突. 2.2带权重系数的加权求和 2驾驶权动态分配方式 带权重系数的加权求和，可以利用权重系数， 驾驶员和控制器之间的驾驶权动态分配值得 灵活地考虑车辆、驾驶员及行驶环境等多种因素， 深入研究，以更好的完成车道保持任务并提高驾 从而提高车辆行驶安全性，保证良好的人机合作 驶员的乘坐舒适性.基于人机动态协同控制的车 性能.根据权重系数的来源进行划分，该驾驶权分 道保持辅助系统，驾驶员与控制器的驾驶权动态 配方式可以分为考虑车辆信息和考虑驾驶员特性 分配方式可以分为3类：加权求和、带权重系数的 信息的两种方式 加权求和与优化问题中的权重分配. (1)考虑车辆信息 2.1加权求和 Sentouh等1提出，驾驶员力矩与控制器的权 加权求和的驾驶权动态分配方式是将驾驶员 重系数由高斯分布函数描述，其大小由车辆横向 与控制器的输入相加，其协同控制结构如图1所 偏离误差决定.车辆距车道的中心线越远，权重系 示.图中6a为驾驶员目标转角；6a为控制器目标转 数越小，则转向控制器提供辅助力矩越大.在 角；6为实际转角；Ta为驾驶员输入力矩；Ta为控制 Soualmi等与Anderson等的研究中，前轮的 系统输人力矩；ra为驾驶员目标路径；a为控制器 侧滑角被用于进行威胁评估，驾驶员与控制器构 目标路径 成的主动安全系统框架如图2所示，图中K为权 重系数.Falcone等s的研究中表明，限制轮胎滑 Environment 移角来避免轮胎力曲线的强烈的非线性区域可以 Driver 显著增强车辆的稳定性和性能.较低的威胁程度 Decision Operation 会使得驾驶员输入为主导，随着威胁程度的增加， 十 Control 控制权可以从驾驶员到控制器进行平稳过渡 Vehicle interface Assist control system Iwano等7设计的系统中，权重系数是定值.相对 没有转向辅助的情况，具有转向辅助的系统有效 Controller Cooperative Interference control 地减小了车辆的相对横向位移.但当加权系数的 值为1时，转向辅助力矩的方向会多次与驾驶员 困1加权求和型动态协同控制系统框图 转向转矩方向相反，导致驾驶员与转向辅助之间 Fig.1 Block diagram of the weighted sum dynamic cooperative control 存在冲突.作者认为权重系数取0.5时可以综合考 system 虑车辆稳定性和操纵质量 Mulder等IB9设置了2个控制系统，一个是驾 驶员，另一个是辅助控制系统.驾驶员与辅助控制 Driver 系统各自有预期路径.而辅助控制系统的扭矩为 Ihreat 将实际的方向盘转角移至控制器目标转向角的扭 Vehicle Environment assessment 矩.Saito等o提出，当老年驾驶员的方向盘角度 Controller 与专家驾驶员模型提供的参考方向盘角度不对应 时，控制系统将转向引导扭矩作为来自方向盘的 图2考虑车辆信息的动态协同控制系统框图 触觉扭矩提供给驾驶员，以指示驾驶员在沿着期 Fig.2 Block diagram of dynamic cooperative control system 望路径行驶时应施加的转向方向.在此基础上， considering vehicle information Inoue等]在控制系统中增加了直接偏航力矩控 (2)考虑驾驶员特性信息 制，以降低扭矩干扰的程度 驾驶员的特性信息对于减轻驾驶员的工作

车道偏离预警系统的漏警率和误警率仍是决策模 型的重要研究方向. 如何设计更为完善的驾驶员 认知机制，以设计符合驾驶员意图的车道保持辅 助系统，是改进决策模型过程中值得关注的问题. 考虑到驾驶员之间复杂的差异，根据驾驶员特性 设计不同的决策模型，进行个性化预警是值得关 注的研究方向. 2    驾驶权动态分配方式 驾驶员和控制器之间的驾驶权动态分配值得 深入研究，以更好的完成车道保持任务并提高驾 驶员的乘坐舒适性. 基于人机动态协同控制的车 道保持辅助系统，驾驶员与控制器的驾驶权动态 分配方式可以分为 3 类：加权求和、带权重系数的 加权求和与优化问题中的权重分配. 2.1    加权求和 δd δa δ Td Ta rd ra 加权求和的驾驶权动态分配方式是将驾驶员 与控制器的输入相加，其协同控制结构如图 1 所 示. 图中 为驾驶员目标转角； 为控制器目标转 角； 为实际转角； 为驾驶员输入力矩； 为控制 系统输入力矩； 为驾驶员目标路径； 为控制器 目标路径. Decision Assist control system Vehicle Control interface Controller + + Cooperative Interference control Environment Operation Driver δd δ δa Ta r Td d ra 图 1    加权求和型动态协同控制系统框图 Fig.1    Block diagram of the weighted sum dynamic cooperative control system Mulder 等[39] 设置了 2 个控制系统，一个是驾 驶员，另一个是辅助控制系统. 驾驶员与辅助控制 系统各自有预期路径. 而辅助控制系统的扭矩为 将实际的方向盘转角移至控制器目标转向角的扭 矩. Saito 等[40] 提出，当老年驾驶员的方向盘角度 与专家驾驶员模型提供的参考方向盘角度不对应 时，控制系统将转向引导扭矩作为来自方向盘的 触觉扭矩提供给驾驶员，以指示驾驶员在沿着期 望路径行驶时应施加的转向方向. 在此基础上， Inoue 等[41] 在控制系统中增加了直接偏航力矩控 制，以降低扭矩干扰的程度. 与无辅助系统相比，加权求和的共驾系统可 以降低横向偏差，显示出良好的车道保持性能[42] . 但这种协作方式仍有改进之处. 加权求和的控制 方案只考虑方向盘转角偏差，而没有充分考虑车 辆的其他状态以及驾驶员状态. 当控制器的轨迹 规划路径与驾驶员的预期路径不同时，控制器的 力矩容易与驾驶员力矩方向相反，引起人机冲突. 2.2    带权重系数的加权求和 带权重系数的加权求和，可以利用权重系数， 灵活地考虑车辆、驾驶员及行驶环境等多种因素， 从而提高车辆行驶安全性，保证良好的人机合作 性能. 根据权重系数的来源进行划分，该驾驶权分 配方式可以分为考虑车辆信息和考虑驾驶员特性 信息的两种方式. （1）考虑车辆信息. Sentouh 等[43] 提出，驾驶员力矩与控制器的权 重系数由高斯分布函数描述，其大小由车辆横向 偏离误差决定. 车辆距车道的中心线越远，权重系 数越小 ，则转向控制器提供辅助力矩越大. 在 Soualmi 等[44] 与 Anderson 等[45] 的研究中，前轮的 侧滑角被用于进行威胁评估，驾驶员与控制器构 成的主动安全系统框架如图 2 所示，图中 K 为权 重系数. Falcone 等[46] 的研究中表明，限制轮胎滑 移角来避免轮胎力曲线的强烈的非线性区域可以 显著增强车辆的稳定性和性能. 较低的威胁程度 会使得驾驶员输入为主导，随着威胁程度的增加， 控制权可以从驾驶员到控制器进行平稳过渡. Iwano 等[47] 设计的系统中，权重系数是定值. 相对 没有转向辅助的情况，具有转向辅助的系统有效 地减小了车辆的相对横向位移. 但当加权系数的 值为 1 时，转向辅助力矩的方向会多次与驾驶员 转向转矩方向相反，导致驾驶员与转向辅助之间 存在冲突. 作者认为权重系数取 0.5 时可以综合考 虑车辆稳定性和操纵质量. Driver K 1−K Vehicle Environment Threat assessment Controller + + Td Ta 图 2    考虑车辆信息的动态协同控制系统框图 Fig.2     Block  diagram  of  dynamic  cooperative  control  system considering vehicle information （2）考虑驾驶员特性信息. 驾驶员的特性信息对于减轻驾驶员的工作 · 358 · 工程科学学报，第 43 卷，第 3 期

秦增科等：基于人机协同的车道保持辅助系统研究进展 359. 量、改善车辆主动安全系统的可靠性和舒适性是 驶员不能正确驾驶，车辆也可保持在给定的车道内 至关重要的4-9因此，更多的研究人员将驾驶员 行驶.高振刚等的研究中，当触发车道偏离预 特性信息应用在动态协同控制系统的构建中 警时，如果驾驶员力矩超出阈值，系统判定驾驶员 Benloucif等Iso在轨迹规划级别考虑驾驶员的转向 为误操作.驾驶员力矩和预瞄处车辆横向偏差被 扭矩，以便以更适合驾驶员意图的方式调整系统 用于设计模糊规则曲面，从而进一步确定共驾系 的期望轨迹.通过这样做，系统可以帮助驾驶员以 数.如果系统检测到驾驶员力矩小于预定值，则系 更少的扭矩在车道内转向.Nguyen等s认为辅助 统判定驾驶员疲劳，并在控制过程中将辅助控制 水平应设计为在驾驶员过负荷和欠负荷情况下减 器置于主导地位.Ma等5通过纳什博弈策略对驾 轻驾驶员的负担，因此权重系数曲线被设计成随 驶员-自动化交互式路径跟随任务进行建模，并使 驾驶员活动变量变化的钟形函数.驾驶员扭矩或 用横向位移的权限权重来平衡驾驶员和自动化的 驾驶员状态保持较小时，意味着驾驶员活动不明 控制目标.Li等S设计了带权重系数加权求和来 显，因此需要高水平的辅助.而在驾驶员高负荷 平衡驾驶员的输入和控制器的期望输入，并提出了 时，控制系统也需要通过较高的辅助帮助驾驶员 一个预测模型来捕获驾驶员对系统的适应和信任 减轻驾驶负担.Sentouh等s网设计的系统中，权重 2.3优化问题中的权重分配 系数用以促进两个控制器的协作，第一个控制器 上述的2种加权求和动态驾驶权重分配方案 的目标是使车道跟随路径的误差最小，将车辆保 都将驾驶员和控制器视为相对独立的智能体，路 持在车道中心.第二个控制器的目标是将控制器 径的规划方案相对独立，系统的输出来自于驾驶 提供的扭矩与驾驶员的扭矩差最小化，从而使驾 员与控制器各自输出的结合.然而驾驶员与控制 驶员更轻松，更省力.作者设计的系统能够实时监 器独立决策之后将两者的输出相加，会造成驾驶 控驾驶员疲劳和分心情况，将驾驶员状态量化，并 员对车辆的反馈感受不佳5刃而与之不同的思路 作为驾驶员转矩与控制器转矩之间的分配系数， 是将驾驶员输入直接加入控制系统中，经优化后 驾驶员与控制器的协同控制架构如图3所示，图 直接获得最终的控制量 中Ta!为自动车道保持控制器的力矩；T2为驾驶助 Gray等s]设计了一种新颖的主动安全系统， 力控制器的力矩.次要驾驶任务的实验结果表明， 以防止人为干预导致意外的道路偏离.与其单独 系统权限级别的自动调整有助于提高车辆行驶性 解决威胁评估，决策和干预问题，作者将它们重新 能，且驾驶舒适性显著改善 表述为组合的优化问题.该问题利用非线性车辆 动力学与驾驶员模型闭环控制进行优化，保证驾 Driver's state Driving rights switching system 驶员安全所需的转向和制动行为.所提出的控制 器始终处于活动状态，从而避免了开关逻辑的设 Environment Driver 计或偏离边界的调整.另外，由于所提出的控制器 Controller Vehicle 被设计成仅施加避免约束违背所必需的校正控制 Automatic 动作，所以安全应用的侵入性最小.文中详细介绍 a lane keeping 了提出的框架，并通过乘用车上的实验结果成功 controller Combined 展示了其有效性.Zafeiropoulos和Tsiotras已经 automation 使用和比较了两种车道保持系统设计方法.一种 driver controller 控制系统基于加权求和的输出反馈调节，由于模 型预测控制(Model predictive control,.MPC)可以有 图3考虑驾驶员特性信息的动态协同控制系统框图 效进行路径跟踪6@，另一种则是基于MPC模型 Fig.3 Block diagram of the dynamic cooperative control system Beal和Gerdes!6l]已经将MPC模型应用于车辆稳 considering driver characteristic information 定性控制.参照实验结果可知，将驾驶员模型包含 Jiang和Astolfis提出的系统中，利用两个车 在系统循环中时，车辆的车道保持效果是最好的 辆与道路中心的偏离距离作为阈值，划分出了 Erlien等6②提出的方法不是将驾驶员和控制器的 3个危险等级，表明驾驶员的行为的危险程度.根 命令混合在一起，而是将驾驶员的转向命令直接 据危险等级的不同选取对应的共驾系数，通过开 纳入问题表述中.这样，匹配驾驶员当前的转向命 发的控制器与驾驶员协同驾驶.实验证明即使驾 令就成为一个控制目标，该目标是根据避免碰撞

Ta1 Ta2 量、改善车辆主动安全系统的可靠性和舒适性是 至关重要的[48−49] . 因此，更多的研究人员将驾驶员 特性信息应用在动态协同控制系统的构建中. Benloucif 等[50] 在轨迹规划级别考虑驾驶员的转向 扭矩，以便以更适合驾驶员意图的方式调整系统 的期望轨迹. 通过这样做，系统可以帮助驾驶员以 更少的扭矩在车道内转向. Nguyen 等[51] 认为辅助 水平应设计为在驾驶员过负荷和欠负荷情况下减 轻驾驶员的负担，因此权重系数曲线被设计成随 驾驶员活动变量变化的钟形函数. 驾驶员扭矩或 驾驶员状态保持较小时，意味着驾驶员活动不明 显，因此需要高水平的辅助. 而在驾驶员高负荷 时，控制系统也需要通过较高的辅助帮助驾驶员 减轻驾驶负担. Sentouh 等[52] 设计的系统中，权重 系数用以促进两个控制器的协作. 第一个控制器 的目标是使车道跟随路径的误差最小，将车辆保 持在车道中心. 第二个控制器的目标是将控制器 提供的扭矩与驾驶员的扭矩差最小化，从而使驾 驶员更轻松，更省力. 作者设计的系统能够实时监 控驾驶员疲劳和分心情况，将驾驶员状态量化，并 作为驾驶员转矩与控制器转矩之间的分配系数， 驾驶员与控制器的协同控制架构如图 3 所示，图 中 为自动车道保持控制器的力矩； 为驾驶助 力控制器的力矩. 次要驾驶任务的实验结果表明， 系统权限级别的自动调整有助于提高车辆行驶性 能，且驾驶舒适性显著改善. Automatic lane keeping controller Vehicle Combined automation￾driver controller + + Driver Controller Driving rights switching system Environment + + Driver’s state Ta2 Ta Td Ta1 K 1−K 图 3    考虑驾驶员特性信息的动态协同控制系统框图 Fig.3     Block  diagram  of  the  dynamic  cooperative  control  system considering driver characteristic information Jiang 和 Astolfi[53] 提出的系统中，利用两个车 辆与道路中心的偏离距离作为阈值 ，划分出了 3 个危险等级，表明驾驶员的行为的危险程度. 根 据危险等级的不同选取对应的共驾系数，通过开 发的控制器与驾驶员协同驾驶. 实验证明即使驾 驶员不能正确驾驶，车辆也可保持在给定的车道内 行驶. 高振刚等[54] 的研究中，当触发车道偏离预 警时，如果驾驶员力矩超出阈值，系统判定驾驶员 为误操作. 驾驶员力矩和预瞄处车辆横向偏差被 用于设计模糊规则曲面，从而进一步确定共驾系 数. 如果系统检测到驾驶员力矩小于预定值，则系 统判定驾驶员疲劳，并在控制过程中将辅助控制 器置于主导地位. Ma 等[55] 通过纳什博弈策略对驾 驶员-自动化交互式路径跟随任务进行建模，并使 用横向位移的权限权重来平衡驾驶员和自动化的 控制目标. Li 等[56] 设计了带权重系数加权求和来 平衡驾驶员的输入和控制器的期望输入，并提出了 一个预测模型来捕获驾驶员对系统的适应和信任. 2.3    优化问题中的权重分配 上述的 2 种加权求和动态驾驶权重分配方案 都将驾驶员和控制器视为相对独立的智能体，路 径的规划方案相对独立，系统的输出来自于驾驶 员与控制器各自输出的结合. 然而驾驶员与控制 器独立决策之后将两者的输出相加，会造成驾驶 员对车辆的反馈感受不佳[57] . 而与之不同的思路 是将驾驶员输入直接加入控制系统中，经优化后 直接获得最终的控制量. Gray 等[58] 设计了一种新颖的主动安全系统， 以防止人为干预导致意外的道路偏离. 与其单独 解决威胁评估，决策和干预问题，作者将它们重新 表述为组合的优化问题. 该问题利用非线性车辆 动力学与驾驶员模型闭环控制进行优化，保证驾 驶员安全所需的转向和制动行为. 所提出的控制 器始终处于活动状态，从而避免了开关逻辑的设 计或偏离边界的调整. 另外，由于所提出的控制器 被设计成仅施加避免约束违背所必需的校正控制 动作，所以安全应用的侵入性最小. 文中详细介绍 了提出的框架，并通过乘用车上的实验结果成功 展示了其有效性. Zafeiropoulos 和 Tsiotras[59] 已经 使用和比较了两种车道保持系统设计方法. 一种 控制系统基于加权求和的输出反馈调节，由于模 型预测控制 (Model predictive control, MPC) 可以有 效进行路径跟踪[60] ，另一种则是基于 MPC 模型. Beal 和 Gerdes[61] 已经将 MPC 模型应用于车辆稳 定性控制. 参照实验结果可知，将驾驶员模型包含 在系统循环中时，车辆的车道保持效果是最好的. Erlien 等[62] 提出的方法不是将驾驶员和控制器的 命令混合在一起，而是将驾驶员的转向命令直接 纳入问题表述中. 这样，匹配驾驶员当前的转向命 令就成为一个控制目标，该目标是根据避免碰撞 秦增科等： 基于人机协同的车道保持辅助系统研究进展 · 359 ·

360 工程科学学报，第43卷，第3期 和车辆稳定性的其他目标进行评估的.控制器一 息，但车辆信息的检测精度低.如何将驾驶员生理 直居于控制状态，但在安全的状况下偏向于完全 信息、视觉信息与车辆信息整合，提升驾驶员特性 匹配驾驶员的命令 的检测准确性进而应用于动态协同控制，是控制 综上所述，本部分介绍了驾驶员与控制器的 系统中值得关注的问题.目前大部分的动态协同 3种驾驶权动态分配方式，表2总结了这几种协同 控制不能满足系统对实时性的要求，而随着第 方式的特点.如何在保证良好的路径跟踪性能与 5代移动通信(5G)的快速发展，5G通信技术可以 车辆稳定性的前提下，减少人机冲突，提升驾驶员 应用于低时延、高移动性的交通场景中如何保 乘坐舒适性，是目前的研究热点.目前动态协同控 证动态协同控制系统的实时性，是将研究成果应 制系统中对驾驶员特性的检测多基于车辆本身信 用于实践的重要保障 表2驾驶权动态分配方式特点比较 Table 2 Comparison of characteristics of driving rights dynamic-allocation methods Dynamic allocation of driving rights Advantages Disadvantages Weighted sum Good path-tracking performance Human-machine conflict is likely to occur when the driver's planned path is inconsistent with the controller's planned path. Weighted sum with Due to the existence of weight coefficients,driver Abrupt changes in weight coefficients or switch between controllers weight coefficient characteristics can be flexibly considered. are not conducive to flexible interaction. Weight distribution in Since the driver and the controller have the same control Due to the rolling optimization in the MPC algorithm,it is not easy to optimization problems target,there is little human-machine conflict. guarantee real-time performance. 3 性能评估指标 触觉共享控制与手动控制实验中采集的方向盘反 转率与方向盘角度标准偏差，证明了触觉共享控 车道保持辅助系统的性能评估能够衡量所设 计系统的专业程度，对系统的设计和改进具有重 制比手动控制需要更少的控制活动.Benloucif等I6 在动态驾驶模拟器的基础上设计了自适应车道保 要意义.基于人机动态协同控制的车道保持辅助 系统，驾驶员与控制器共同控制车辆完成驾驶任 持辅助系统.驾驶员的转向力度被计算为感兴趣 务，形成了驾驶员-车辆-环境-任务强耦合的系 的时间窗口内驾驶员扭矩平方的积分，该度量标 统.该系统与传统的车道保持辅助系统相比，性能 准已用于评估驾驶员控制其车辆所花费的总力 评估中的测试环境、测试路线及车辆状况基本一 Li等5建立一种间接共享控制的车道保持方法， 致.由于基于人机动态协同控制的车道保持辅助 通过分析仿真结果中的方向盘转角可以看出，与 系统中更多地考虑了人的因素，需要相比传统系 手动驾驶相比，间接共享控制可以显著减少驾驶 统更加复杂与完善的评价指标，从而保证对系统 员的转向控制工作量.如果驾驶员可以很好地适 性能进行全面评估 应控制器，则可以进一步减少其控制工作量，因为 传统的车道保持辅助系统需要符合车辆操纵 驾驶员将利用控制器的优势来承担其部分路径跟 稳定性以及路径跟踪的设计要求.IS011270中规 踪任务.还有车道保持辅助系统被期望降低人机 定了车道保持辅助系统性能评估的标准，横向加 冲突.Inoue等设计的车道保持系统将触觉转向 速度、车速、横向偏移速度和横向偏移距离被用 引导转矩与直接偏航力矩控制结合在一起，通过 于评估车辆操纵稳定性以及系统执行路径跟踪的 对比实车实验结果中的辅助力矩与驾驶员力矩， 能力.Marino等s设计了基于视觉的嵌套比例积 可以证明该系统相比常规转向辅助系统降低了辅 分微分车道保持控制，并进行了实验测试，利用 助扭矩的干扰程度.高振刚等5在MPC的基础上 横摆角速度评估车辆在曲率不确定的道路上的稳 建立了辅助控制系统，对比硬件在环试验结果中 定性 的辅助力矩与驾驶员力矩，可以发现人机动态协 基于人机动态协同控制的车道保持辅助系统 同控制比无协同控制产生的对驾驶员的干扰明显 除了需要满足车辆操纵稳定性以及路径跟踪要求 减少.Sentouh等6s为了避免在避障期间的复杂冲 之外，有的系统被期望减少驾驶员的控制活动， 突情况，提出并实现了用于控制权转移的决策算 Mulder等IB9的研究中，驾驶员需要掌控驾驶模拟 法，并将驾驶员扭矩和辅助扭矩的乘积用作人机 器的转向盘，将车辆保持在虚拟车道内.通过对比 冲突的性能评估指标

和车辆稳定性的其他目标进行评估的. 控制器一 直居于控制状态，但在安全的状况下偏向于完全 匹配驾驶员的命令. 综上所述，本部分介绍了驾驶员与控制器的 3 种驾驶权动态分配方式，表 2 总结了这几种协同 方式的特点. 如何在保证良好的路径跟踪性能与 车辆稳定性的前提下，减少人机冲突，提升驾驶员 乘坐舒适性，是目前的研究热点. 目前动态协同控 制系统中对驾驶员特性的检测多基于车辆本身信 息，但车辆信息的检测精度低. 如何将驾驶员生理 信息、视觉信息与车辆信息整合，提升驾驶员特性 的检测准确性进而应用于动态协同控制，是控制 系统中值得关注的问题. 目前大部分的动态协同 控制不能满足系统对实时性的要求 ，而随着第 5 代移动通信（5G）的快速发展，5G 通信技术可以 应用于低时延、高移动性的交通场景中[63] . 如何保 证动态协同控制系统的实时性，是将研究成果应 用于实践的重要保障. 表 2 驾驶权动态分配方式特点比较 Table 2   Comparison of characteristics of driving rights dynamic-allocation methods Dynamic allocation of driving rights Advantages Disadvantages Weighted sum Good path-tracking performance Human–machine conflict is likely to occur when the driver’s planned path is inconsistent with the controller’s planned path. Weighted sum with weight coefficient Due to the existence of weight coefficients, driver characteristics can be flexibly considered. Abrupt changes in weight coefficients or switch between controllers are not conducive to flexible interaction. Weight distribution in optimization problems Since the driver and the controller have the same control target, there is little human–machine conflict. Due to the rolling optimization in the MPC algorithm, it is not easy to guarantee real-time performance. 3    性能评估指标 车道保持辅助系统的性能评估能够衡量所设 计系统的专业程度，对系统的设计和改进具有重 要意义. 基于人机动态协同控制的车道保持辅助 系统，驾驶员与控制器共同控制车辆完成驾驶任 务，形成了驾驶员‒车辆‒环境‒任务强耦合的系 统. 该系统与传统的车道保持辅助系统相比，性能 评估中的测试环境、测试路线及车辆状况基本一 致. 由于基于人机动态协同控制的车道保持辅助 系统中更多地考虑了人的因素，需要相比传统系 统更加复杂与完善的评价指标，从而保证对系统 性能进行全面评估. 传统的车道保持辅助系统需要符合车辆操纵 稳定性以及路径跟踪的设计要求. ISO 11270 中规 定了车道保持辅助系统性能评估的标准，横向加 速度、车速、横向偏移速度和横向偏移距离被用 于评估车辆操纵稳定性以及系统执行路径跟踪的 能力. Marino 等[64] 设计了基于视觉的嵌套比例积 分微分车道保持控制，并进行了实验测试，利用 横摆角速度评估车辆在曲率不确定的道路上的稳 定性. 基于人机动态协同控制的车道保持辅助系统 除了需要满足车辆操纵稳定性以及路径跟踪要求 之外，有的系统被期望减少驾驶员的控制活动. Mulder 等[39] 的研究中，驾驶员需要掌控驾驶模拟 器的转向盘，将车辆保持在虚拟车道内. 通过对比 触觉共享控制与手动控制实验中采集的方向盘反 转率与方向盘角度标准偏差，证明了触觉共享控 制比手动控制需要更少的控制活动. Benloucif 等[65] 在动态驾驶模拟器的基础上设计了自适应车道保 持辅助系统. 驾驶员的转向力度被计算为感兴趣 的时间窗口内驾驶员扭矩平方的积分，该度量标 准已用于评估驾驶员控制其车辆所花费的总力. Li 等[56] 建立一种间接共享控制的车道保持方法， 通过分析仿真结果中的方向盘转角可以看出，与 手动驾驶相比，间接共享控制可以显著减少驾驶 员的转向控制工作量. 如果驾驶员可以很好地适 应控制器，则可以进一步减少其控制工作量，因为 驾驶员将利用控制器的优势来承担其部分路径跟 踪任务. 还有车道保持辅助系统被期望降低人机 冲突. Inoue 等[41] 设计的车道保持系统将触觉转向 引导转矩与直接偏航力矩控制结合在一起，通过 对比实车实验结果中的辅助力矩与驾驶员力矩， 可以证明该系统相比常规转向辅助系统降低了辅 助扭矩的干扰程度. 高振刚等[54] 在 MPC 的基础上 建立了辅助控制系统，对比硬件在环试验结果中 的辅助力矩与驾驶员力矩，可以发现人机动态协 同控制比无协同控制产生的对驾驶员的干扰明显 减少. Sentouh 等[66] 为了避免在避障期间的复杂冲 突情况，提出并实现了用于控制权转移的决策算 法，并将驾驶员扭矩和辅助扭矩的乘积用作人机 冲突的性能评估指标. · 360 · 工程科学学报，第 43 卷，第 3 期

秦增科等：基于人机协同的车道保持辅助系统研究进展 361· 上述车道保持辅助系统的性能评估指标均为 们的舒适感，安全性，控制质量和工作量来评估系 客观标准.虽然目前的研究领域还没有对车道保 统，并以0（最差）至100（最佳）的等级进行打分. 持辅助系统固定的主观评估标准，但为了完善评 通过分析传统与基于人机动态协同控制的车 估车道保持辅助系统，还应对系统进行主观评估 道保持辅助系统，表3总结了系统的性能评估方 Benloucif等6例提出，主观评价要求参与者根据他 式、评估指标及评估内容 表3车道保持辅助系统的性能评估 Table 3 Performance evaluation of lane-keeping assist system Performance evaluation method Evaluation index Evaluation content Lateral velocity/lateral acceleration/lateral distance from target path Path-tracking capability Yaw rate/side slip angle Vehicle-handling stability Objective evaluation Inversion ratio of steering wheel/standard deviation steering wheel Driver's control workload angle/integral of steering angle and driver torque square Driver torque and assist torque value/the product of driver and assist Conflict between driver and controller torque/conflict duration Subjective evaluation Questionnaire Driving comfort 现有车道保持辅助系统的性能评估测试，尤 状态信息、环境信息与车辆信息，提取有效的信息 其是性能评估指标尚未成熟.2020年4月，工信部 作为控制器的输入，动态调整控制力矩或转角，降 发布了《2020年智能网联汽车标准化工作要点》， 低动态协同控制时驾驶员与控制器的冲突 要求加快完善智能网联汽车标准体系建设，形成 (3)驾驶员意图及驾驶员特性（如年龄、性别、 可以支持驾驶辅助及低等级自动驾驶的智能网联 驾驶风格、驾驶状态、驾驶技能)对车道偏离决策 汽车标准体系.实车测试时会出现测试时间长、 及控制层面的设计有重要意义.结合人因工程 测试场景固定以及资金消耗量高等问题，制定更 学、脑科学、心理学等领域的研究，揭示驾驶员复 为完善的车道保持辅助系统的测试评估体系和国 杂操纵背后的认知机制，为建立与驾驶员相关的 家标准，将对我国智能汽车的发展具有重要意义. 模型，继而将其应用于决策和控制层面提供理论 4研究展望 指导；驾驶员的驾驶风格及驾驶技能会随时间的 推移而改变，利用深度学习算法建立相应的模型， 基于人机动态协同控制的车道保持辅助系统 实时识别驾驶风格及驾驶熟练程度，利用5G技术 及其测试评估已经得到了持续发展，但不可否认 线上更新模型权重，提高系统的舒适性与个性化. 的是它们仍存在待改进之处，研究展望包含如下 (4)由于现有的车道保持辅助系统的性能评 几个方面： 估不能完全适用于基于人机动态协同控制的车道 (1)在车道偏离决策模型方面，可以依据驾驶 保持辅助系统，可以在评价体系中加入与降低人 员状态的差异制定相应的决策模型，当驾驶员困 机冲突及减少驾驶员控制量相关的评估指标；现 倦或分心时，决策模型可以向驾驶员提供更早或 有的基于人机动态协同控制的车道保持辅助系统 更响亮的警报：面对复杂的驾驶员群体，除了设计 中，主观评价的方法差异较大，应该广泛调研驾驶 自适应调节的决策模型，还可以允许驾驶员根据 员在系统的辅助下完成实验后的主观感受，制定 自己的喜好和外部驾驶环境手动调整决策模型中 科学完善的主观评估体系：针对实车测试中由测 预设的参数；驾驶员行为模型可应用于车道偏离 试场地限制引发的一系列问题，提取车辆及驾驶 决策，该模型识别驾驶员是否有意识的操纵车辆， 环境的特征，建立基于数字孪生的测试平台，在虚 决策模型根据上述的判断选择合适的警报时机. 拟场景中快速而准确的完成性能评估. (2)在驾驶权动态分配方面，可以进一步探索 5总结 驾驶员与控制器之间的驾驶权动态分配方式，利 用更加智能的优化算法或控制模型，提升车辆的 对基于人机动态协同控制的车道保持辅助系 路径跟踪能力与操纵稳定性；控制系统的设计需 统中的车道偏离决策、控制及性能评估指标等方 要考虑驾驶员本身的状态信息，可以整合驾驶员 面的最新研究和科研成果进行了综述.围绕基于

上述车道保持辅助系统的性能评估指标均为 客观标准. 虽然目前的研究领域还没有对车道保 持辅助系统固定的主观评估标准，但为了完善评 估车道保持辅助系统，还应对系统进行主观评估. Benloucif 等[65] 提出，主观评价要求参与者根据他 们的舒适感，安全性，控制质量和工作量来评估系 统，并以 0（最差）至 100（最佳）的等级进行打分. 通过分析传统与基于人机动态协同控制的车 道保持辅助系统，表 3 总结了系统的性能评估方 式、评估指标及评估内容. 表 3 车道保持辅助系统的性能评估 Table 3   Performance evaluation of lane-keeping assist system Performance evaluation method Evaluation index Evaluation content Objective evaluation Lateral velocity/lateral acceleration/lateral distance from target path Path-tracking capability Yaw rate/side slip angle Vehicle-handling stability Inversion ratio of steering wheel/standard deviation steering wheel angle/integral of steering angle and driver torque square Driver’s control workload Driver torque and assist torque value/the product of driver and assist torque/conflict duration Conflict between driver and controller Subjective evaluation Questionnaire Driving comfort 现有车道保持辅助系统的性能评估测试，尤 其是性能评估指标尚未成熟. 2020 年 4 月，工信部 发布了《2020 年智能网联汽车标准化工作要点》， 要求加快完善智能网联汽车标准体系建设，形成 可以支持驾驶辅助及低等级自动驾驶的智能网联 汽车标准体系. 实车测试时会出现测试时间长、 测试场景固定以及资金消耗量高等问题，制定更 为完善的车道保持辅助系统的测试评估体系和国 家标准，将对我国智能汽车的发展具有重要意义. 4    研究展望 基于人机动态协同控制的车道保持辅助系统 及其测试评估已经得到了持续发展，但不可否认 的是它们仍存在待改进之处，研究展望包含如下 几个方面： （1）在车道偏离决策模型方面，可以依据驾驶 员状态的差异制定相应的决策模型. 当驾驶员困 倦或分心时，决策模型可以向驾驶员提供更早或 更响亮的警报；面对复杂的驾驶员群体，除了设计 自适应调节的决策模型，还可以允许驾驶员根据 自己的喜好和外部驾驶环境手动调整决策模型中 预设的参数；驾驶员行为模型可应用于车道偏离 决策，该模型识别驾驶员是否有意识的操纵车辆， 决策模型根据上述的判断选择合适的警报时机. （2）在驾驶权动态分配方面，可以进一步探索 驾驶员与控制器之间的驾驶权动态分配方式，利 用更加智能的优化算法或控制模型，提升车辆的 路径跟踪能力与操纵稳定性；控制系统的设计需 要考虑驾驶员本身的状态信息，可以整合驾驶员 状态信息、环境信息与车辆信息，提取有效的信息 作为控制器的输入，动态调整控制力矩或转角，降 低动态协同控制时驾驶员与控制器的冲突. （3）驾驶员意图及驾驶员特性（如年龄、性别、 驾驶风格、驾驶状态、驾驶技能）对车道偏离决策 及控制层面的设计有重要意义. 结合人因工程 学、脑科学、心理学等领域的研究，揭示驾驶员复 杂操纵背后的认知机制，为建立与驾驶员相关的 模型，继而将其应用于决策和控制层面提供理论 指导；驾驶员的驾驶风格及驾驶技能会随时间的 推移而改变，利用深度学习算法建立相应的模型， 实时识别驾驶风格及驾驶熟练程度，利用 5G 技术 线上更新模型权重，提高系统的舒适性与个性化. （4）由于现有的车道保持辅助系统的性能评 估不能完全适用于基于人机动态协同控制的车道 保持辅助系统，可以在评价体系中加入与降低人 机冲突及减少驾驶员控制量相关的评估指标；现 有的基于人机动态协同控制的车道保持辅助系统 中，主观评价的方法差异较大，应该广泛调研驾驶 员在系统的辅助下完成实验后的主观感受，制定 科学完善的主观评估体系；针对实车测试中由测 试场地限制引发的一系列问题，提取车辆及驾驶 环境的特征，建立基于数字孪生的测试平台，在虚 拟场景中快速而准确的完成性能评估. 5    总结 对基于人机动态协同控制的车道保持辅助系 统中的车道偏离决策、控制及性能评估指标等方 面的最新研究和科研成果进行了综述. 围绕基于 秦增科等： 基于人机协同的车道保持辅助系统研究进展 · 361 ·

362 工程科学学报，第43卷，第3期 人机动态协同控制的车道保持辅助系统，从车道 [9]Guo L,Li L H.Vehicle Driving Safery Assistance Technology. 偏离决策模型到驾驶权动态分配方式，再到该系 Beijing:Peking University Press,2014 统的性能评估指标，按照时间顺序展开论述.在车 (郭烈，李琳辉.汽车安全辅助驾驶技术.北京：北京大学出版社， 2014) 道偏离决策模型部分，通过列举不同的决策模型， [10]ISO 17361 -2017.Intelligent Transportation Systems -Lane 讨论了决策模型的设计要求，分析目前决策模型 Departure Warning Systems-Performance Requirements and Test 的优缺点，总结了决策模型的几种发展方向.在驾 Procedures.London:British Standards Institution,2017 驶权动态分配方式部分，将驾驶员与控制器的驾 [11]Lin C F.Ulsoy A G.Time to lane crossing calculation and 驶权动态分配方式分为3类，介绍了控制模型中 characterization of its associated uncertainty.Intell Transp Syst, 用到的算法，对比了驾驶权动态分配方式之间的 1996,3(2):85 优缺点，整理了该部分的发展方向.在性能评估部 [12]Chang TH,Hsu C S.Wang C.et al.Onboard measurement and waming module for irregular vehicle behavior.IEEE Trans Intel 分，重点列举了性能评估参数，总结了性能评估的 Ta1pys,2008,9(3):501 待改进之处.对于基于人机动态协同控制的车道 [13]Falcone P,Ali M,Sjoberg J.Predictive threat assessment via 保持辅助系统，未来的研究将更多地考虑驾驶员 reachability analysis and set invariance theory.IEEE Trans Intell 因素，实时警报及进行主动控制干预，利用数字孪 Transp3H,2011,12(4):1352 生等先进技术建立完善的测试及评估体系 [14]Li X P,Seignez E,Loonis P,et al.Vision-based estimation of driving inattention fused via Dempster-Shafer theory /IEEE 参考文献 International Conference on Cyber Technology in Automation. Control,Intelligent Systems.Bangkok,2012:393 [1]Inagaki T.Smart collaboration between humans and machines [15]Nalla P,Goud G C L A,Padmaja V.Accident avoiding system based on mutual understanding.Ann Rev Control,2008,32(2): using lane detection.Int J Rev Electron Commun Eng,2013,1(1): 253 1 [2]Nobe S A,Wang F Y.An overview of recent developments in [16]Batavia P H.Driver-Adaptive Lane Departure Warning Systems. automated lateral and longitudinal vehicle controls /2001 IEEE Pittsburgh:Carnegie Mellon University,1999 International Conference on Systems.Man and Cybernetics.e- [17]Jung C R.Kelber C R.A lane departure warning system using Systems and e-Man for Cybernetics in Cyberspace (Cat.No. lateral offset with uncalibrated camera /Intelligent Transportation 01CH37236).Tucson,2001:3447 Systems.Vienna,2005:102 [3]Song L H,Guo H Y,Wang F,et al.Model predictive control [18]Liu X H.Development of A Vision-Based Object Detection and oriented shared steering control for intelligent vehicles /29th Recognition System for Intelligent Vehicle [Dissertation] Chinese Control and Decision Conference.Chongqing,2017:7568 Wisconsin:University of Wisconsin-Madison,2000 [4]Narote S P,Bhujbal P N,Narote A S,et al.A review of recent [19]Wu D H,Ye X J,Gu W K.An uncertain knowledge based real advances in lane detection and departure warning system.Pattern time road scene understanding algorithm.J Image Graph,2002, Recognit,,2018,73:216 7(1):69 [5]Li K Q.Review of status and future prospects of automotive (吴东晖，叶秀清，顾伟康.基于不确定性知识的实时道路场景 intelligent safety electronics.Chin J Automor Eng,2011,1(1):4 理解.中国图象图形学报，2002,7(1)：69) (李克强.汽车智能安全电子技术发展现状与展望.汽车工程学 [20]Gonzalez-Mendoza M,Jammes B,Hernandez-Gress N,et al.A 报，20111(1)：4) comparison of road departure waming systems on real driving [6]Zhao X J,Chen H Y.A study on lateral control method for the conditions /7th International IEEE Conference on Intelligent path tracking of intelligent vehicles.Automot Eng,2011,33(5): Transportation Systems.Washington,2004:349 382 [21]Zhou Y,Xu R,Hu X F,et al.A lane departure warning system (赵熙俊，陈慧岩.智能车辆路径跟踪横向控制方法的研究.汽 based on virtual lane boundary.J Inf Sci Eng,2008,24(1):293 车工程，2011,33(5)：382) [22]Godthelp H,Milgram P,Blaauw G J.The development of a time- [7]Flemisch F,Kelsch J,Loper C,et al.Cooperative control and related measure to describe driving strategy.Human Factors, active interfaces for vehicle assitsance and automation /FIS/TA 1984.26(3):257 World Automotive Congress.Munchen,2008 [23]Enkelmann W.Video-based driver assistance from basic [8]Hu Y F,Qu T,Liu J,et al.Human-machine cooperative control of functions to applications.IntJComput Vision,2001,45(3):201 intelligent vehicle:recent developments and future perspectives [24]Xu L H,Luo Q,Zhang L Y,et al.Research on variable virtual lane Acta Autom Sin,2019,45(7):1261 boundary for lane departure warning systems.Adv Transp Studies, (胡云峰，曲婷，刘俊，等.智能汽车人机协同控制的研究现状与 2014,32:37 展望.自动化学报，2019,45(7)：1261) [25]Zhang WW,Song X L,Zhang G X.Real-Time lane departure

人机动态协同控制的车道保持辅助系统，从车道 偏离决策模型到驾驶权动态分配方式，再到该系 统的性能评估指标，按照时间顺序展开论述. 在车 道偏离决策模型部分，通过列举不同的决策模型， 讨论了决策模型的设计要求，分析目前决策模型 的优缺点，总结了决策模型的几种发展方向. 在驾 驶权动态分配方式部分，将驾驶员与控制器的驾 驶权动态分配方式分为 3 类，介绍了控制模型中 用到的算法，对比了驾驶权动态分配方式之间的 优缺点，整理了该部分的发展方向. 在性能评估部 分，重点列举了性能评估参数，总结了性能评估的 待改进之处. 对于基于人机动态协同控制的车道 保持辅助系统，未来的研究将更多地考虑驾驶员 因素，实时警报及进行主动控制干预，利用数字孪 生等先进技术建立完善的测试及评估体系. 参    考    文    献 Inagaki  T.  Smart  collaboration  between  humans  and  machines based  on  mutual  understanding. Ann Rev Control,  2008,  32（2）: 253 [1] Nobe  S  A,  Wang  F  Y.  An  overview  of  recent  developments  in automated  lateral  and  longitudinal  vehicle  controls  //  2001 IEEE International Conference on Systems, Man and Cybernetics. e￾Systems and e-Man for Cybernetics in Cyberspace (Cat. No. 01CH37236). Tucson, 2001: 3447 [2] Song  L  H,  Guo  H  Y,  Wang  F,  et  al.  Model  predictive  control oriented  shared  steering  control  for  intelligent  vehicles  //  29th Chinese Control and Decision Conference. Chongqing, 2017: 7568 [3] Narote  S  P,  Bhujbal  P  N,  Narote  A  S,  et  al.  A  review  of  recent advances in lane detection and departure warning system. Pattern Recognit, 2018, 73: 216 [4] Li  K  Q.  Review  of  status  and  future  prospects  of  automotive intelligent safety electronics. Chin J Automot Eng, 2011, 1（1）: 4 （李克强. 汽车智能安全电子技术发展现状与展望. 汽车工程学 报, 2011, 1（1）：4） [5] Zhao  X  J,  Chen  H  Y.  A  study  on  lateral  control  method  for  the path  tracking  of  intelligent  vehicles. Automot Eng,  2011,  33（5）: 382 （赵熙俊, 陈慧岩. 智能车辆路径跟踪横向控制方法的研究. 汽 车工程, 2011, 33（5）：382） [6] Flemisch  F,  Kelsch  J,  Löper  C,  et  al.  Cooperative  control  and active  interfaces  for  vehicle  assitsance  and  automation  // FISITA World Automotive Congress. München, 2008 [7] Hu Y F, Qu T, Liu J, et al. Human-machine cooperative control of intelligent  vehicle:  recent  developments  and  future  perspectives. Acta Autom Sin, 2019, 45（7）: 1261 （胡云峰, 曲婷, 刘俊, 等. 智能汽车人机协同控制的研究现状与 展望. 自动化学报, 2019, 45（7）：1261） [8] Guo  L,  Li  L  H. Vehicle Driving Safety Assistance Technology. Beijing: Peking University Press, 2014 （郭烈, 李琳辉. 汽车安全辅助驾驶技术. 北京: 北京大学出版社, 2014） [9] ISO  17361 —2017. Intelligent Transportation Systems –Lane Departure Warning Systems–Performance Requirements and Test Procedures. London: British Standards Institution, 2017 [10] Lin  C  F,  Ulsoy  A  G.  Time  to  lane  crossing  calculation  and characterization of its associated uncertainty. Intell Transp Syst J, 1996, 3（2）: 85 [11] Chang T H, Hsu C S, Wang C, et al. Onboard measurement and warning module for irregular vehicle behavior. IEEE Trans Intell Transp Syst, 2008, 9（3）: 501 [12] Falcone  P,  Ali  M,  Sjöberg  J.  Predictive  threat  assessment  via reachability analysis and set invariance theory. IEEE Trans Intell Transp Syst, 2011, 12（4）: 1352 [13] Li  X  P,  Seignez  E,  Loonis  P,  et  al.  Vision-based  estimation  of driving  inattention  fused via Dempster-Shafer  theory  // IEEE International Conference on Cyber Technology in Automation, Control, & Intelligent Systems. Bangkok, 2012: 393 [14] Nalla  P,  Goud  G  C  L  A,  Padmaja  V.  Accident  avoiding  system using lane detection. Int J Rev Electron Commun Eng, 2013, 1（1）: 1 [15] Batavia  P  H. Driver-Adaptive Lane Departure Warning Systems. Pittsburgh: Carnegie Mellon University, 1999 [16] Jung  C  R,  Kelber  C  R.  A  lane  departure  warning  system  using lateral offset with uncalibrated camera // Intelligent Transportation Systems. Vienna, 2005: 102 [17] Liu  X  H. Development of A Vision-Based Object Detection and Recognition System for Intelligent Vehicle [Dissertation]. Wisconsin: University of Wisconsin-Madison, 2000 [18] Wu  D  H,  Ye  X  J,  Gu  W  K.  An  uncertain  knowledge  based  real time  road  scene  understanding  algorithm. J Image Graph,  2002, 7（1）: 69 （吴东晖, 叶秀清, 顾伟康. 基于不确定性知识的实时道路场景 理解. 中国图象图形学报, 2002, 7（1）：69） [19] Gonzalez-Mendoza  M,  Jammes  B,  Hernandez-Gress  N,  et  al.  A comparison  of  road  departure  warning  systems  on  real  driving conditions  //  7th International IEEE Conference on Intelligent Transportation Systems. Washington, 2004: 349 [20] Zhou  Y,  Xu  R,  Hu  X  F,  et  al.  A  lane  departure  warning  system based on virtual lane boundary. J Inf Sci Eng, 2008, 24（1）: 293 [21] Godthelp H, Milgram P, Blaauw G J. The development of a time￾related  measure  to  describe  driving  strategy. Human Factors, 1984, 26（3）: 257 [22] Enkelmann  W.  Video-based  driver  assistance  -  from  basic functions to applications. Int J Comput Vision, 2001, 45（3）: 201 [23] Xu L H, Luo Q, Zhang L Y, et al. Research on variable virtual lane boundary for lane departure warning systems. Adv Transp Studies, 2014, 32: 37 [24] [25] Zhang  W  W,  Song  X  L,  Zhang  G  X.  Real-Time  lane  departure · 362 · 工程科学学报，第 43 卷，第 3 期

秦增科等：基于人机协同的车道保持辅助系统研究进展 363· warning system based on principal component analysis of 国公路学报，2017,30(6)：1) grayscale distribution and risk evaluation model.J Cent South [39]Mulder M,Abbink D A,Boer E R.Sharing control with haptics: Umm,2014,21(4):1633 Seamless driver support from manual to automatic control.Human [26]Glaser S,Mammar S,Sentouh C.Integrated driver-vehicle- Fac1ors,2012,54(5):786 infrastructure road departure waming unit.IEEE Trans Veh [40]Saito Y,Mitsumoto T,Raksincharoensak P.Effectiveness of a risk Technol,,2010,59(6:2757 predictive shared steering control based on potential risk prediction [27]Van Winsum W,Brookhuis K A,de Waard D.A comparison of of collision with vulnerable road users.IFAC-PapersOnLine, different ways to approximate time-to-line crossing (TLC)during 2016,49(19):84 car driving.Accident Anal Prev,2000,32(1):47 [41]Inoue S,Ozawa T,Inoue H,et al.Cooperative lateral control [28]Jia L S.Research of Key Technologies for Lane Departure between driver and ADAS by haptic shared control using steering Warning System Considering the Driver Characteristics torque assistance combined with direct yaw moment control //19th [Dissertation].Wuhan:Huazhong University of Science and IEEE International Conference on Intelligent Transportation Technology,2011 Systems (ITSC).Rio de Janeiro,2016:316 (贾立山.体现驾驶员特性的车道偏离预警系统关键技术研究 [42]Tian Y T,Zhao Y B,Shi Y R,et al.The indirect shared steering [学位论文].武汉：华中科技大学，2011) control under double loop structure of driver and automation. [29]Luo Q,Yuan J,Hu S G,et al.Review on the research of lane IEEE/CAA J Autom Sin,2020,7(5):1403 departure pre-wamning system.Tech Autom Appl,2015,34(8):1 [43]Sentouh C,Debernard S,Popieul J C,et al.Toward a shared lateral (罗强，袁杰，胡三根，等.车道偏离预警系统研究综述.自动化 control between driver and steering assist controller.IFAC Proc 技术与应用，2015,34(8)：1) ol,2010,43(13):404 [30]Pilutti T,Ulsoy A G.Fuzzy-logic-based virtual rumble strip for [44]Soualmi B,Sentouh C,Popieul J C,et al.Fuzzy Takagi-Sugeno road departure warning systems.IEEE Trans Intell Transp Syst, LQ controller for a shared control of vehicle /14th International 2003,4(1):1 IEEE Conference on Intelligent Transportation Systems. [31]Wu Y W.Research on Key Technologies of Lane Departure Washington,2011:956 Driving Assistance System Based on Human-Machine Cooperation [45]Anderson S J,Peters S C,Pilutti T E,et al.Experimental study of [Dissertation].Changsha:Hunan University,2013 an optimal-control-based framework for trajectory planning,threat (吴乙万，人机协同下的车道偏离辅助驾驶关键技术研究学位 assessment,and semi-autonomous control of passenger vehicles in 论文].长沙：湖南大学，2013) hazard avoidance scenarios /Field and Service Robotics.Berlin [32]Angkititrakul P,Terashima R,Wakita T.On the use of stochastic Springer,2010:59 driver behavior model in lane departure waming.IEEE Trans [46]Falcone P,Borrelli F,Asgari J,et al.Predictive active steering Intell Transp Syst,2011,12(1):174 control for autonomous vehicle systems.IEEE Trans Control Syst [33]Guo L,Ge P S,Xia W X,et al.Lane-keeping control systems Technol,.2007,15(3):566 based on human-machine cooperative driving.ChinaJ Highway [47]Iwano K,Raksincharoensak P,Nagai M.A study on shared control Transport,2019,32(12):46 between the driver and an active steering control system in (郭烈，葛平淑，夏文旭，等.基于人机共驾的车道保持辅助控制 emergency obstacle avoidance situations./FAC Proc Vol,2014, 系统研究.中国公路学报，2019,32(12)：46) 47(3:6338 [34]Navarro J.Human-machine interaction theories and lane departure [48]Wang W S,Xi J Q,Chen H Y.Modeling and recognizing driver warnings.Theoret Issues Ergonom Sci,2017,18(6):519 behavior based on driving data:A survey.Math Problems Eng, [35]Ding J Y.Driver-Adaptive Lane Keeping Assistance Control 2014,2014:245641 [Dissertation].Beijing:Tsinghua University,2015 [49]Duan L,Chen F.The future of advanced driving assistance system (丁洁云.自适应驾驶员特性的车道保持辅助控制[学位论文] development in China /Proceedings of 2011 IEEE International 北京：清华大学，2015) Conference on Vehicular Electronics and Safety.Beijing,2011: [36]Wang WS,Zhao D.Han W,et al.A learning-based approach for 238 lane departure warning systems with a personalized driver model. [50]Benloucif MA,Nguyen A T,Sentouh C,et al.A new scheme for IEEE Trans Veh Technol,2018,67(10):9145 haptic shared lateral control in highway driving using trajectory [37]Albousefi AA,Ying H,Filev D,et al.A two-stage-training planning.IFAC-PapersOnLine,2017,50(1):13834 support vector machine approach to predicting unintentional [51]Nguyen A T,Sentouh C,Popieul J C.Online adaptation of the vehicle lane departure.J Intell Transp Syst,2017,21(1):41 authority level for shared lateral control of driver steering assist [38]Editorial Department of China Journal of Highway and Transport system using dynamic output feedback controller //41st Annual Review on China's automotive engineering research progress Conference of the IEEE Industrial Electronics Society.Yokohama 2017.China J Higlvay Transport,2017,30(6):1 2015:003767 (《中国公路学报》编辑部.中国汽车工程学术研究综述2017.中 [52]Sentouh C,Nguyen A T,Benloucif M A,et al.Driver-automation

warning  system  based  on  principal  component  analysis  of grayscale  distribution  and  risk  evaluation  model. J Cent South Univ, 2014, 21（4）: 1633 Glaser  S,  Mammar  S,  Sentouh  C.  Integrated  driver-vehicle￾infrastructure  road  departure  warning  unit. IEEE Trans Veh Technol, 2010, 59（6）: 2757 [26] Van Winsum W, Brookhuis K A, de Waard D. A comparison of different ways to approximate time-to-line crossing (TLC) during car driving. Accident Anal Prev, 2000, 32（1）: 47 [27] Jia  L  S. Research of Key Technologies for Lane Departure Warning System Considering the Driver Characteristics [Dissertation].  Wuhan:  Huazhong  University  of  Science  and Technology, 2011 （贾立山. 体现驾驶员特性的车道偏离预警系统关键技术研究 [学位论文]. 武汉: 华中科技大学, 2011） [28] Luo  Q,  Yuan  J,  Hu  S  G,  et  al.  Review  on  the  research  of  lane departure pre-warning system. Tech Autom Appl, 2015, 34（8）: 1 （罗强, 袁杰, 胡三根, 等. 车道偏离预警系统研究综述. 自动化 技术与应用, 2015, 34（8）：1） [29] Pilutti  T,  Ulsoy  A  G.  Fuzzy-logic-based  virtual  rumble  strip  for road  departure  warning  systems. IEEE Trans Intell Transp Syst, 2003, 4（1）: 1 [30] Wu  Y  W. Research on Key Technologies of Lane Departure Driving Assistance System Based on Human-Machine Cooperation [Dissertation]. Changsha: Hunan University, 2013 （吴乙万. 人机协同下的车道偏离辅助驾驶关键技术研究[学位 论文]. 长沙: 湖南大学, 2013） [31] Angkititrakul P, Terashima R, Wakita T. On the use of stochastic driver  behavior  model  in  lane  departure  warning. IEEE Trans Intell Transp Syst, 2011, 12（1）: 174 [32] Guo  L,  Ge  P  S,  Xia  W  X,  et  al.  Lane-keeping  control  systems based  on  human-machine  cooperative  driving. China J Highway Transport, 2019, 32（12）: 46 （郭烈, 葛平淑, 夏文旭, 等. 基于人机共驾的车道保持辅助控制 系统研究. 中国公路学报, 2019, 32（12）：46） [33] Navarro J. Human–machine interaction theories and lane departure warnings. Theoret Issues Ergonom Sci, 2017, 18（6）: 519 [34] Ding  J  Y. Driver-Adaptive Lane Keeping Assistance Control [Dissertation]. Beijing: Tsinghua University, 2015 （丁洁云. 自适应驾驶员特性的车道保持辅助控制[学位论文]. 北京: 清华大学, 2015） [35] Wang W S, Zhao D, Han W, et al. A learning-based approach for lane departure warning systems with a personalized driver model. IEEE Trans Veh Technol, 2018, 67（10）: 9145 [36] Albousefi  A  A,  Ying  H,  Filev  D,  et  al.  A  two-stage-training support  vector  machine  approach  to  predicting  unintentional vehicle lane departure. J Intell Transp Syst, 2017, 21（1）: 41 [37] Editorial Department of China Journal of Highway and Transport. Review  on  China ’s  automotive  engineering  research  progress: 2017. China J Highway Transport, 2017, 30（6）: 1 （《中国公路学报》编辑部. 中国汽车工程学术研究综述•2017. 中 [38] 国公路学报, 2017, 30（6）：1） Mulder M, Abbink D A, Boer E R. Sharing control with haptics: Seamless driver support from manual to automatic control. Human Factors, 2012, 54（5）: 786 [39] Saito Y, Mitsumoto T, Raksincharoensak P. Effectiveness of a risk predictive shared steering control based on potential risk prediction of  collision  with  vulnerable  road  users. IFAC-PapersOnLine, 2016, 49（19）: 84 [40] Inoue  S,  Ozawa  T,  Inoue  H,  et  al.  Cooperative  lateral  control between driver and ADAS by haptic shared control using steering torque assistance combined with direct yaw moment control // 19th IEEE International Conference on Intelligent Transportation Systems (ITSC). Rio de Janeiro, 2016: 316 [41] Tian Y T, Zhao Y B, Shi Y R, et al. The indirect shared steering control  under  double  loop  structure  of  driver  and  automation. IEEE/CAA J Autom Sin, 2020, 7（5）: 1403 [42] Sentouh C, Debernard S, Popieul J C, et al. Toward a shared lateral control  between  driver  and  steering  assist  controller. IFAC Proc Vol, 2010, 43（13）: 404 [43] Soualmi  B,  Sentouh  C,  Popieul  J  C,  et  al.  Fuzzy  Takagi-Sugeno LQ controller for a shared control of vehicle // 14th International IEEE Conference on Intelligent Transportation Systems. Washington, 2011: 956 [44] Anderson S J, Peters S C, Pilutti T E, et al. Experimental study of an optimal-control-based framework for trajectory planning, threat assessment, and semi-autonomous control of passenger vehicles in hazard avoidance scenarios // Field and Service Robotics. Berlin: Springer, 2010: 59 [45] Falcone  P,  Borrelli  F,  Asgari  J,  et  al.  Predictive  active  steering control for autonomous vehicle systems. IEEE Trans Control Syst Technol, 2007, 15（3）: 566 [46] Iwano K, Raksincharoensak P, Nagai M. A study on shared control between  the  driver  and  an  active  steering  control  system  in emergency  obstacle  avoidance  situations. IFAC Proc Vol,  2014, 47（3）: 6338 [47] Wang W S, Xi J Q, Chen H Y. Modeling and recognizing driver behavior  based  on  driving  data:  A  survey. Math Problems Eng, 2014, 2014: 245641 [48] Duan L, Chen F. The future of advanced driving assistance system development in China // Proceedings of 2011 IEEE International Conference on Vehicular Electronics and Safety.  Beijing,  2011: 238 [49] Benloucif M A, Nguyen A T, Sentouh C, et al. A new scheme for haptic  shared  lateral  control  in  highway  driving  using  trajectory planning. IFAC-PapersOnLine, 2017, 50（1）: 13834 [50] Nguyen  A  T,  Sentouh  C,  Popieul  J  C.  Online  adaptation  of  the authority  level  for  shared  lateral  control  of  driver  steering  assist system  using  dynamic  output  feedback  controller  //  41st Annual Conference of the IEEE Industrial Electronics Society. Yokohama, 2015: 003767 [51] [52] Sentouh C, Nguyen A T, Benloucif M A, et al. Driver-automation 秦增科等： 基于人机协同的车道保持辅助系统研究进展 · 363 ·