基于驾驶权限博弈的智能车辆人机协同驾驶（包括横向与纵向协同控制）

《Engineering Science and Technology, an International Journal》：Lateral and longitudinal human–machine co-driving of intelligent vehicle based on driving authorities game

针对自动驾驶技术局限性，提出基于博弈论的人机协同驾驶策略，动态分配横向与纵向控制权，结合扩展博弈控制器优化转向角，实验验证显示可减少偏离量0.6m和提升稳定性，有效缓解人机冲突并降低控制权频繁切换。

　　自动驾驶技术的当前局限性促使了人机协同驾驶的出现，作为一项实际且可行的中间解决方案，旨在弥合辅助驾驶与全自动驾驶之间的差距。本文提出了一种基于博弈论的协同控制策略，该策略在决策层和控制层均进行了设计，以解决横向和纵向驾驶权限分配以及人机系统之间交互的问题。在决策层，采用一种基于讨价还价博弈的方法，动态分配横向和纵向的驾驶权限，根据受益函数调整分配比例。在控制层，开发了一种基于扩展博弈的横向控制器，结合驾驶员输入与参考跟踪命令，计算出最优的控制动作，从而实现人机协同控制的平滑过渡，确保车辆的稳定性并减少人机冲突。

在横向控制方面，该策略将驾驶员和自动驾驶系统视为博弈的两个参与者，通过不断协商以达到双方满意的结果。横向权限的分配基于参与度、安全度、舒适度以及人机冲突等因素，形成一个综合的受益函数。该函数通过动态评估车辆的稳定性和轨迹跟踪精度，实现对驾驶权限的协调分配。在车辆偏离预期轨迹或驾驶风险增加时，自动化系统将增加其权限以辅助驾驶员，而在低风险情况下则确保驾驶员保持控制权。

纵向权限的分配同样基于博弈论，考虑参与度、安全度以及人机冲突等要素。在车辆速度变化或行驶路径改变时，自动化系统根据情况调整其权限，以提高轨迹跟踪精度和车辆稳定性。这种动态调整机制不仅增强了自动化系统的适应性，还避免了频繁切换权限导致的潜在冲突。

横向控制器的设计基于扩展博弈，将驾驶员的初始控制动作视为博弈的前置条件，随后控制器作为后置决策者，根据驾驶员的输入计算出最优的控制动作。这种设计确保了在驾驶员输入与系统控制之间达到平衡，提高了车辆在复杂驾驶环境中的稳定性。

在实验验证方面，通过与模糊权限分配方法的对比，发现本文提出的策略在双车道变更场景下，能够有效降低车辆的偏航率、横向速度和横向偏差。在转弯场景下，横向偏差的降低幅度更大，显示出该策略在轨迹跟踪精度方面的优势。此外，实验结果表明，该策略不仅提升了车辆的轨迹跟踪能力，还增强了其稳定性，并显著减少了人机之间的冲突。

人机协同驾驶控制策略的提出，标志着在自动驾驶领域迈出了一步，尤其是在车辆控制权分配和人机交互方面。该策略能够适应复杂的驾驶环境，提高驾驶体验，并确保在各种情况下的安全性。然而，城市交通环境的复杂性要求进一步考虑环境因素对人机协同驾驶的影响，以实现更广泛的应用和更高的适应性。