赢富人类实验室

案例分享 | 人机共驾型智能汽车仿真实验平台与教学实践

赢富人类实验室

案例分享 | 人机共驾型智能汽车仿真实验平台与教学实践

导语

在智能汽车飞速发展的今天，人机共驾技术成为关键。来自同济大学和华为公司的三位学者柴晨、翁士璇、尹苇如在《人机共驾型智能汽车仿真实验平台与教学实践》一文中，介绍了一个创新的实验平台。该平台通过沉浸式教学和项目制实验，解决了人机交互、控制权切换等教学难题，有效培养了学生的跨学科能力和创新思维，为智能交通领域的人才培养开辟了新路径。

摘要：面向人机共驾智能汽车产业对复合型创新人才的需求，依托集群驾驶模拟实验设备，开发了人机共驾型智能汽车协同仿真实验平台，该平台针对汽车人机交互、控制权切换等教学难点，开展沉浸式教学。通过开展项目制实验教学，支持学生自主设计实验、自选场景构建，有效培养其算法设计、场景构建及跨学科系统思维能力。通过驾驶人眼动特征等多源数据融合分析，提升学生对汽车人因工程学、智能驾驶等多学科知识的综合运用能力。教学实践表明，学生不仅掌握控制权切换算法的设计与测试方法，更提升了实践创新、自主学习和跨界融合等能力，为智能交通领域人才培养提供了新方法。

关键词：智能汽车; 人机共驾; 协同仿真实验; 多源数据融合; 项目制实验

研究背景

基于新型人才培养需求和人机共驾型智能汽车所面临的新问题，依托智能车路系统课程开设“智能汽车人机共驾测试和评价实验”，采用驾驶模拟仿真软件、机器人操作系统(robot operating system，ＲOS)和Matlab＆Simulink三方协同仿真搭建的测试系统，建立沉浸式虚实融合仿真。通过眼动、皮肤电、近红外脑成像等多源生理数据融合分析，帮助学生加深对人因、交通、汽车交叉学科理论与实践知识的学习。通过项目式实验和迭代反馈提升学生的实践创新和自主学习能力(图1) 。

图 1 实验教学创新思路

协同仿真平台设计与开发

人机共驾型智能汽车协同仿真实验平台主要有:实现 L2、L3等级智能驾驶汽车的人在回路驾驶模拟测试; 回放人在回路测试过程中的道路环境、车辆运行、人机交互与驾驶行为数据，实现数据自动标注与归档，支撑人机共驾型智能汽车安全评价与优化。

2.1

平台架构设计

平台采用驾驶模拟仿真软件、ＲOS和Matlab ＆ Simulink三方协同仿真搭建的测试系统，通过时间同步实现高保真、低延时的人、车协同控制。如图2所示，平台以驾驶模拟仿真软件为基础构建交通环境，利用ＲOS通信实现各模块间的融合协作，通过外接驾驶控制设备实现驾驶人的模拟操控; 建立自动驾驶感知、决策和规划模块，对车辆处于自动驾驶模式时的行为仿真模拟; 根据自动驾驶运行设计域(operation design domain，ODD) 判定是否需要驾驶人接管车辆控制。协同仿真平台中集成了人工驾驶、自动驾驶和L3级半自动驾驶等子系统，实现L3 级自动驾驶车的实时人机控制权切换以及驾驶模拟车辆与环境车辆的实时交互。

图 2 协同仿真实验平台架构

SIMLAB驾驶模拟系统（用作外接驾驶控制设备）

人工驾驶模块

通过多屏显示器分别模拟实车驾驶过程中的前挡风玻璃以及两侧车窗视角，在方向盘中央设有控制平台开关的按钮，供受试者自行决定实验起止; 设置用于检测踏板动作的传感器、油门踏板、刹车踏板与驾驶控制组件，实现车辆速度以及加速度的实时反馈。由Matlab＆Simulink接收处理油门踏板、刹车踏板、方向盘转角等数据信号，通过ＲOS传回仿真平台。

自动驾驶模块

基于自动驾驶车周边的环境车辆数据风险状态感知、决策规划和车辆控制，在Matlab＆Simulink中建立自动驾驶算法，实现处于自动驾驶模式的车辆的运行。根据自动驾驶算法的环境感知、路径决策、车辆控制3个阶段将子系统分为自动驾驶感知、决策规划和控制3个部分。感知模块将与主车存在冲突风险的关键车辆运动状态参数发送到决策规划模块; 决策规划模块输入为环境车辆的位置、速度、加速度、航向角，输出为主车轨迹点的位置、速度、航向角与加速度; 控制模块使用PID算法和线形二次调节器控制算法对照刹车、油门标定表输出油门踏板比、刹车踏板比和方向盘转角，实现对自动驾驶主车的控制。

2.2

平台功能

控制权切换

对自动驾驶与人工驾驶子系统功能融合，增设接管判定提示与控制权切换模块，切换过程如图3所示。

图3 控制权切换过程

当判断需要驾驶人接管车辆控制时，触发提示并结合驾驶人反应情况切换控制权至驾驶人。当遇到(不限于) 前方道路施工区、缺少车道标识、前方车辆紧急切入、恶劣天气等事件时，判定需要提醒驾驶人接管; 根据实验需要，利用ＲOS系统中的运动学数据，计算接管提示的触发判定指标，再根据计算结果判断当前场景下是否需要提醒驾驶人接管。若在时间阈值内接收到驾驶人做出反应所对应的信号，则判断驾驶人选择接管车辆，车辆控制指令切换为由驾驶模拟设备进行输入。

接管信息提示方式

平台可实现2种危险事件引发的自动驾驶系统退出(图4) 。

( a) 自动驾驶状态界面

( b) 按管前状态界面

图 4 提示界面设计

在非紧急场景下，接管是由传感器故障、施工区等道路环境或车辆因素引起的。在紧急场景下，车辆之间的高风险事件与自动驾驶系统退出同时发生。信息提示界面以灰黑色作为底色，灰色车辆代表主车，红色车辆代表前车，车辆状态信息以白色字体呈现。不同状态的激活使用不同的颜色表示，蓝色为自动驾驶，红色为人工驾驶，并伴有蜂鸣声及相应的语音提示。

教学设计

3.1

实验设计需求

与传统人工驾驶车相比，人机共驾型智能汽车中驾驶人的角色在“操作者”与“监管者”之间切换，驾驶人注意力、工作负荷、接管提示、交通场景复杂度、道路设计与环境等是重要的实验要素，也是相关课程教学的重点与难点。为降低实验设计难度，为学生提供基础实验场景(图5) ，包括紧急接管和非紧急接管。

图 5 紧急与非紧急接管事件触发示意

紧急接管场景可通过控制环境车辆的位置模拟车辆之间的高风险事件，系统提前1s 触发接管提示。非紧急接管场景可通过在仿真环境中设置施工区，系统可提前10s触发接管提示。各小组可根据具体兴趣和需求在基础场景，通过驾驶仿真软件道路设计或交通场景修改参数。为增强学生跨学科融合分析能力，根据各组研究目的和分析需求，提供眼动指标、驾驶人心率、皮肤电导率、近红外脑成像特征等(图6) 。

图 6 多源生理指标

图中，眼动指标包括驾驶人的注视行为、扫视速度和眨眼频率; 第1次注视后视镜、速度表盘的时间等指标，用于评估驾驶人恢复人工控制车辆的能力。包括驾驶人心率、皮肤电导率、近红外脑成像等生理特性，用于测量驾驶人的风险感知和关键情况下驾驶人的接管反应和决策能力。

教学应用案例

4.1

实验设计

2023 ～ 2024学年某小组以高速公路邻车切入作为接管触发场景，设置实验车辆正常行驶速度为110km/h，周边车辆限速为120km/h，由仿真软件内置算法控制。如图6所示，切入车辆因前车速度较慢，减速至90 km /h 后，从右侧车道切入主车车道前方，与主车的速度相差20km/h。取 0．8、0．6 和 0．4s 作为3个高风险紧急接管场景切入车头时距，设计实验场景评估驾驶人的接管能力。从课程学生中选取 20 位新手驾驶人开展实验，每位驾驶人实验时间约20min。采用集群驾驶模拟实验系统，每次课对3位驾驶人同时开展实验，实验总耗时约3学时(图7) 。

图 7 SIMLAB集群驾驶模拟实验设备

实验完成后，采用最大刹车踏板力和最大方向盘转角2个指标，分别为刹车操作和转向操作的稳定性，即指标值越大，表示操作剧烈程度越大，稳定性越差。车辆运行状态，采用接管过程中的最大纵向减速和最小碰撞前时间描述安全水平。通常情况下，减速越大，碰撞前时间越小，表示运行安全水平越低，越容易发生事故。通过对比不同接管场景、不同接管表现下的指标值，对驾驶人接管行为特性分析。为降低数据提取难度，提供基础数据解析代码，学生可根据实际特征需求，通过改变阈值大小和时间窗的长短实现定制化数据特征提取。

4.2

第1次课堂讨论

如表1所示，对20位驾驶人的实验结果描述性统计与ANOVA分析，发现切入车头时距为0．4s时，最大方向盘转角的指标值显著大于另外2类接管场景，且随车头时距增大而减小; 最小碰撞前时间指标值显著小于另外2类接管场景，且随车头时距增大而增大。基于最小显著差异方法的事后比较表明，这些显著差异主要出现在切入车头时距为0．4、0．6s以及0．4、0．8s之间。皮肤电最大振幅随场景紧急程度降低而降低。由此推断，驾驶人在面对极端紧迫的接管任务时，其反应速度和操作力度相对较大。随着接管任务紧急程度的降低，驾驶人的操作变得更加平稳和缓和。某些驾驶人可能更擅长在紧急情况下快速而准确做出反应，而另一些驾驶人则可能更适合在较为宽松的环境下接管。这种差异可能与驾驶人的经验、技能水平、性格特征等因素有关。