2.5 智能汽车人机交互与人机协同技术 的研究进展
汽车车载人机交互系统是信息化技术发展的产物，实现了人与车之间的对话功能。驾驶员可通过该系统，掌握车辆状态信息（车速、里程、当前位置、车辆保养信息等）、路况信息和各种功能设置状态。目前具有代表性的智能人机交互系统有宝马的 iDrive、奔驰的 COMAND、奥迪的 MMI、沃尔沃的 Sensus 等。
围绕人车交互和人机协同控制问题，主要研究内容包括驾驶辅助系统的适用范围、驾驶员操纵能力、自主等级决策，以及驾驶辅助系统与驾驶员间的交互接管控制。在驾驶辅助系统适用范围方面，主要研究车辆由系统自动控制切换为由驾驶员手动控制时，驾驶员的驾驶行为和由此对驾驶安全产生的影响程度[3] ，测试并分析驾驶员手动控制和驾驶辅助系统进行切换的时机[4] ，研究驾驶员对自适应巡航系统的学习适应过程[5] 。在驾驶员差异方面，运用统计学原理，分析驾驶员反应特性各项指标与交通事故的相关性，以及这些指标在各类驾驶员之间的差异性[6-7] 。在自主等级决策方面，综合考虑多方面因素，实现自主性能评价并确定控制模式[1-2] 。在交互接管控制方面，研究驾驶员对自动刹车控制系统的适应性，分析驾驶员对自动刹车系统进行手动干预的可能性和原因[8] ，分析驾驶辅助系统与人为接管控制的差异，并研究驾驶辅助系统对驾驶员接管车辆控制能力的影响[9-10] 。
围绕驾驶员状态感知问题，通过摄像头感知驾驶员根据视觉传感器检测人的眼部动作[11] 、手部动作[12] 、头部动作 [13] 、脸部表情 [14] 、脚部动作 [15] ，采集驾驶员生理信号包括神经肌肉运动[16] 、脑电信号[17] ，判断驾驶员的活跃程度及驾驶意图。
对驾驶员驾驶行为的评判，常用的性能指标有安全性、舒适性、方向盘转角、速度等参数[18] ，此外还可以用实际驾驶路径来评价车的路径跟踪情况以及车辆行驶能力[19] 。驾驶员的驾驶行为建模研究开始于 20 世纪 60 年代[20] ，根据所依据的理论模型的不同，主要分为基于控制理论的方法、基于隐马尔科夫模型的方法、基于贝叶斯网络的方法、基于马尔可夫决策理论的方法等几类。
● 基于控制理论的驾驶行为建模方法
Reddy 和 Ellis 在文献[21]中提出了一种利用控制理论对驾驶员行为建模的方法。我国著名学者郭孔辉院士提出了预瞄 - 跟随理论[22] ，该理论考虑驾驶员预瞄、跟踪、延迟等特性，并利用该方法，建立了纵向控制和侧向控制相结合的驾驶员模型 [23]。MacAdam 利用最优控制理论对驾驶员行为进行建模[24] ，提出了高精度的驾驶员转向控制行为模型 [25] 。近年来模型预测控制（MPC）方法在汽车控制上得到了广泛的应用[27] 。此外，有些学者使用鲁棒控制 [28]以及模糊控制[29]的方法，建立驾驶员行为模型。
● 基于隐马尔科夫模型（HMM）的行为建模
如何有效地利用智能交通系统运营过程中产生反映交通以及驾驶情况的海量数据，实现对智能交通系统的控制、决策、故障诊断和驾驶员建模已成为各国学者研究的热点[30] 。Pentland 等人 [31]设计了一系列 HMM 动态模型，通过驾驶员可观测的外部动作，获得不可观测的驾驶员内部意图，识别和预测驾驶员的动作。文献 [32] 使用 HMMs 识别驾驶员换道动作。文献[33]使用HMMs建立包括直行、右转、右转后左转、右转后右转等共 11 种典型转向模式。文献 [34] 采用双层 HMM 辨识驾驶意图和预测驾驶行为。
基于 HMMs 方法的优点是对于简单的典型动作识别率很高，对单一情境训练较容易，计算量小，并且可以预测驾驶员未来一段时间的动作序列，但是当道路环境较复杂而又没有预先训练过时，则实现比较困难。
● 基于贝叶斯网络的方法
文献 [35] 利用动态贝叶斯网络和粒子滤波，建立*行驶、跟车、超车等几个行为模式。文献 [36]使用分级贝叶斯回归，建立了驾驶员在环岛处的模型。文献 [37] 提出块稀疏贝叶斯学习框架 (BSBL)，由其框架得到的算法在多任务学习、脑机接口等领域获得了很好的应用。基于贝叶斯的方法可以学习变量之间的依赖性，与 HMM 相比较有更好的泛化性能，可以实时对不同行为模式平滑切换。
● 基于马尔可夫决策理论的方法
马尔可夫决策过程 (MDP) 相对于 HMM 模型，引入对期望总代价进行估计的评价值函数，根据评价函数的最大化做出决策。基于马尔可夫决策理论的方法通常使用原始 MDP [38] 、POMDP(PartiallyObservable Markov Decision Processes)， 以 及POMDP 的近似算法 MCVI、NNI 等[39] 。POMDP考虑了环境不确定性和使用者意图不确定性，考虑了驾驶员驾驶经验接近于人的驾驶。然而，POMDP 模型复杂度较高，原始 POMDP 算法求解时间在 10 s 以上，难以满足实时性需求。为此，文献 [40] 使用近似算法 MCVI 在 ROS 上运行在线POMDP 算法。
● 其他方法
除了上述几类主流方法之外，文献 [41-42] 采用 SVM 和高斯过程确认驾驶意图后，使用快速搜索随机树生成未来可能路径，并评判路径的危险程度。此外还有人工神经网络[43] 、有限状态机 (FiniteState Machine, FSM) [44] 、决策树[45]等。这些方法对于特定情景表现出了适用性，但通用性和鲁棒性有局限。