本发明涉及自动驾驶领域，尤其涉及一种自动驾驶车辆人机控制权移交方法及系统
背景技术：
近年来，随着社会的不断发展，自动化水平的不断提高，在许多系统中引入自动化设备来帮助人工作，甚至在许多传统工作中人的角色与功能正在被计算机所取代，汽车行业也不例外。自动驾驶汽车从根本上改变了传统车辆的“人-车-路”的闭环控制系统的控制方式，将驾驶人请出闭环控制系统，从理论上来说，可以大大提高交通系统的安全性和效率。
但是由于目前不成熟的技术，要实现完全理想化的自动驾驶还有很长的路要走。对于自动驾驶车辆，其首先要保证的是安全性，其次才是效率与舒适性。因此，在实现完全自动化之前，驾驶人必须仍然保持一定的驾驶能力。如果自动驾驶系统出现故障无法继续运行，就需要驾驶人接管汽车的控制。已有研究表明，自动控制技术很容易带来驾驶人的驾驶分心、决策困境、情境意识下降、技能退化等，因此在自动驾驶车辆将控制权从车辆自动驾驶移交到驾驶人手动操作的切换过程中，仍存在很多已知和未知的安全隐患。
数据显示，在控制权移交过程中引发的事故在自动驾驶汽车所有事故中占的比例超过20％，其中一个主要原因就是由于驾驶人长期不在控制回路中，造成情景意识的下降，操作能力的退化，进而导致不能对车辆实现稳定可靠的控制控制权移交。典型工况如自动驾驶系统失效、或当前交通环境不适宜进行自动驾驶时，需要驾驶人去接管车辆控制权。但是并非所有时候驾驶人的状态都适合进行接管，如果驾驶人的状态不足以胜任操作的职责，就不应该将控制权交给驾驶人。现有技术通常只计算自动驾驶移交前的车辆状态和驾驶人状态来判断是否可以移交，没有考虑移交后的安全性状况。
技术实现要素：
本发明的目的是针对现有技术的缺陷，提供一种自动驾驶车辆人机控制权移交方法及系统，可以科学动态评估自动驾驶车辆将控制权从车移交给人的实时安全性，进而决策车辆控制模式，完善自动驾驶安全性。
为了实现以上目的，本发明采用以下技术方案：
一种自动驾驶车辆人机控制权移交方法，包括步骤：
s1.判断驾驶状态是否为自驾模式；
s2.若是，则判断是否接收转换为人工模式的预警信号；
s3.若是，则获取第一预设时间段内的驾驶数据参数及驾驶人的个人指标信息；
s4.根据所述驾驶数据参数和所述个人指标信息判断控制权移交是否安全；
s5.若判断为安全，则发送可切换为人工模式的提示信号，以便驾驶人接管手动操作。
进一步的，还包括步骤：
判断是否接收转换为人工模式的切换指令，若是，则将控制权暂时移交驾驶人；
获取切换为人工模式后第二预设时间段内的驾驶数据参数及个人指标信息；其中，所述驾驶数据参数包括控制权移交前后的方向盘转角标准差，方向盘转速标准差，车道偏移标准差，道路曲率标准差及转向曲率，所述个人指标信息包括驾驶人的眨眼次数，心跳频率及反应时间；
判断第二预设时间段和第一预设时间段内的各项驾驶数据参数及各项个人指标信息之间计算获得的差异值集合是否落入恢复自动驾驶模式的数据集合类别，若是，则恢复自动驾驶模式并减速停车。
进一步的，还包括步骤：
利用自适应增强算法对所述驾驶数据参数和个人指标信息的数据集合进行分类，获得恢复自动驾驶模式的数据集合类别。
进一步的，还包括步骤：
判断是否接收转换为人工模式的切换指令，若是，则获取接收所述提示信号到接收所述切换指令的时间。
进一步的，还包括步骤：
根据各个时间段的驾驶数据参数和个人指标信息显示自驾模式和人工模式下的车辆行驶状态。
相应的，还提供一种自动驾驶车辆人机控制权移交系统，包括：
第一判断模块，用于判断驾驶状态是否为自驾模式；
第二判断模块，用于判断是否接收转换为人工模式的预警信号；
第一获取模块，用于获取第一预设时间段内的驾驶数据参数及驾驶人的个人指标信息；
第三判断模块，用于根据所述驾驶数据参数和所述个人指标信息判断控制权移交是否安全；
发送模块，用于发送可切换为人工模式的提示信号，以便驾驶人接管手动操作。
进一步的，还包括：
第四判断模块，用于判断是否接收转换为人工模式的切换指令，若是，则将控制权暂时移交驾驶人；
第二获取模块，用于获取切换为人工模式后第二预设时间段内的驾驶数据参数及个人指标信息；
第五判断模块，用于判断第二预设时间段和第一预设时间段内的各项驾驶数据参数及各项个人指标信息之间计算获得的差异值集合是否落入恢复自动驾驶模式的数据集合类别，若是，则恢复自动驾驶模式并减速停车。
进一步的，还包括：
分类模块，用于对所述驾驶数据参数和个人指标信息的数据集合进行分类，获得恢复自动驾驶模式的数据集合类别。
进一步的，还包括：
第六判断模块，用于判断是否接收转换为人工模式的切换指令，若是，则获取接收所述提示信号到接收所述切换指令的时间。
进一步的，还包括：
显示模块，用于根据各个时间段的驾驶数据参数和个人指标信息显示自驾模式和人工模式下的车辆行驶状态。
与现有技术相比，本发明结合以下实施例具有以下有益效果：
1.系统化分析人机控制权移交安全性
对驾驶人接管前、接管中、接管后各个阶段对人机控制权移交的安全性和稳定性进行分析、评估，最大限度降低驾驶人在切换为人工模式后发生安全事故，当遇到突发状况可及时减速停车，保障人-机-环的安全。
2.人-机-环多源信息融合
本发明在评价自动车辆控制权移交安全性时考虑了驾驶人自身的固定能力因素和可变状态因素，比传统的仅基于车辆参数进行自动驾驶控制设计的方法更加人性化、可靠性更高、实用性更强。
2.机器学习方法准确高效
本方案所采用的adaboost算法是通过对十多种常用机器学习算法的大量实验验证中优胜选出的，安全识别率达到90％以上，精度更高。
3.数据标准化方法通用性强
本方案在对人-机-环多源信息融合分析时进行了一系列的数据标准化处理，处理模块通用性强、灵活性高，方便兼容未来更多信息通道的数据。
附图说明
图1为实施例一提供的一种自动驾驶车辆人机控制权移交的方法流程图；
图2为实施例一提供的一种自动驾驶车辆人机控制权移交的系统结构图。
具体实施方式
以下是本发明的具体实施例并结合附图，对本发明的技术方案作进一步的描述，但本发明并不限于这些实施例。
实施例一
本实施例提供一种自动驾驶车辆人机控制权移交方法，如图1所示，包括步骤：
s11.判断驾驶状态是否为自驾模式；
s12.若是，则判断是否接收转换为人工模式的预警信号；
s13.若是，则获取第一预设时间段内的驾驶数据参数及驾驶人的个人指标信息；
s14.根据所述驾驶数据参数和所述个人指标信息判断控制权移交是否安全；
s15.若判断为安全，则发送可切换为人工模式的提示信号，以便驾驶人接管手动操作。
随着社会的不断发展，自动驾驶汽车不断出现在我们的生活中，但是目前的自动驾驶汽车还不够成熟，很多情况下仍然需要驾驶人接手操作，现有技术通常通过在人接手前对驾驶环境和驾驶人状态分析是否安全，但是缺乏对驾驶人实时操作情况下的安全性分析评价。
本实施例将自动驾驶车辆控制权移交过程分为三个步骤进行分析：接管前、接管中、接管后。接管前即为自动驾驶车辆发出控制权移交预警前的阶段；接管中即为发出预警到驾驶人按下切换为驾驶模式按钮时开始手动驾驶的阶段；接管后为切换为人工模式的阶段。在各个阶段对驾驶人接手自动驾驶汽车的安全性做出分析评价。
步骤s11判断驾驶状态是否为自驾模式，相应的，当人工模式转换为自动驾驶模式时判断方法相同。
步骤s12当汽车为自动驾驶模式时，判断是否接收到转换为人工模式的预警信号，该预警信号可以是汽车的自动化模块出现故障自动发出的或驾驶人按下按钮发出的。
步骤s13接收到转换模式的预警信号后，自动驾驶汽车获取第一预设时间段内的驾驶数据参数及驾驶人的个人指标信息，第一预设时间段可以是接管预警发出的60秒，个人指标信息包括驾驶人的个人属性(年龄、性别、驾驶风格等)、驾驶绩效参数、实时道路参数、眼动信息、反应能力、心跳频率等人-车-路闭环系统中对接管安全性敏感的关键指标，驾驶数据参数如下表所示：
驾驶数据参数提取项目
步骤s14根据采集的驾驶数据参数和个人指标信息建立安全评价模型，判断出实时的移交安全性，例如在路况复杂、驾驶人即将进入睡眠状况等情况下是不适合移交驾驶控制权的，该种情况则不安全；相反，路况稳定、驾驶人清醒且在上述安全性模型指标范围内则可视为安全。
步骤s15当判断为人机控制权移交安全时，系统则发送可切换为人工模式的提示信号，驾驶人接收到该信号后按下接管按钮即可接管手动操作。
具体的，还包括步骤：
判断是否接收转换为人工模式的切换指令，若是，则将控制权暂时移交驾驶人；
获取切换为人工模式后第二预设时间段内的驾驶数据参数及个人指标信息；第二预设时间段可以是驾驶人按下切换按钮的30秒，其中，所述驾驶数据参数包括控制权移交前后的方向盘转角标准差，方向盘转速标准差，车道偏移标准差，道路曲率标准差及转向曲率，所述个人指标信息包括驾驶人的眨眼次数，心跳频率及反应时间；
判断第二预设时间段和第一预设时间段内的各项驾驶数据参数及各项个人指标信息之间计算获得的差异值集合是否落入恢复自动驾驶模式的数据集合类别，若是，则恢复自动驾驶模式并减速停车。
驾驶人在接收到可切换指令后按下切换按钮，驾驶人暂时接管机动车操作控制权，机动驾驶系统后续根据驾驶人和路况的安全性和稳定性来判断驾驶人是否可以继续进行人工驾驶，来确保驾驶人、驾驶车辆及驾驶道路的实时安全性。
接管安全性有显著性的关键特征集合，这些关键特征从驾驶数据参数和个人指标信息中提取，特征集合表格如下：
对接管安全性有显著性的关键特征集合
其中接管前的数据为第一预设时间段内采集的数据，接管后的数据为第二预设时间段内采集的数据。数据采集完成后，需要首先将特征集合内的数据标准化，本方案采用最小-最大值比例缩放法，将所有数据缩放到0和1之间，公式为：
y＝(x-min_x)/(max_x-min_x)
其中x、y分别为标准化前、后的数据值，max_x、min_x分别为标准化样本中的最大、最小值。通过最小-最大值比例缩放，增强了小方差特征的稳定性，同时能够维持稀疏矩阵中0的条目。
根据接管前和接管后的各项驾驶数据参数及各项个人指标信息之间计算获得的差异值是否落入恢复自动驾驶模式的数据集合类别，例如，接管前后心跳频率差值20次/分或心跳频率差值10次/分且方向盘转角差值达到10度被判定为落入恢复自动驾驶模式的数据集合类别，若是，则说明该驾驶人在这种情况下接收操作是不安全的，恢复自动驾驶模式并减速停车，确保驾驶人、驾驶车辆及道路的安全；若否，则说明驾驶人的状态及路况是相对稳定安全的，驾驶人接管手动操作。
具体的，还包括步骤：
利用自适应增强算法对所述驾驶数据参数和个人指标信息的数据集合进行分类，获得恢复自动驾驶模式的数据集合类别。
自适应增强算法(adaboost)的目标是通过一个弱分类器构建一个强分类器，adaboost的大致运行过程：训练数据中的每一个样本，并赋予其一个权重，形成对应的权重向量d，一开始所有训练样本具有相同权值，然后使用弱分类器分类并计算出该分类器的错误率，然后再统一数据集上面再次训练弱分类器，在第二次训练中，将会调整每个样本的权值，其中第一次分队的样本的权重将会降低，第一次分错的样本权重将会提高。
利用自适应增强算法对数据集合进行分类，判断出危险性高、不适宜将控制权从自动车辆移交至驾驶人的工况，接受或拒绝移交请求。该算法只选择能够提升模型预测性能的特征，可以有效减少维度，提升运算速度。且算法的判断准确率可达90％以上。
具体的，还包括步骤：
判断是否接收转换为人工模式的切换指令，若是，则获取接收所述提示信号到接收所述切换指令的时间。
在具体的实施方案中，通过获取发出提示信号到驾驶人发送切换指令的时间获取驾驶人的实时反应时间作为驾驶过程中安全性和稳定性的判断因素，提高系统计算的准确度。
具体的，还包括步骤：
根据各个时间段的驾驶数据参数和个人指标信息显示自驾模式和人工模式下的车辆行驶状态。
为了让驾驶人更直观的了解驾驶环境，本实施例通过显示各个时间段的车辆行驶状态，以便用户在恰当的时间转移驾驶车辆的人机控制权，有效降低汽车的计算运营成本。
相应的，还提供一种自动驾驶车辆人机控制权移交系统，包括：
第一判断模块11，用于判断驾驶状态是否为自驾模式；
第二判断模块12，用于判断是否接收转换为人工模式的预警信号；
第一获取模块13，用于获取第一预设时间段内的驾驶数据参数及驾驶人的个人指标信息；
第三判断模块14，用于根据所述驾驶数据参数和所述个人指标信息判断控制权移交是否安全；
发送模块15，用于发送可切换为人工模式的提示信号，以便驾驶人接管手动操作。
进一步的，还包括：
第四判断模块，用于判断是否接收转换为人工模式的切换指令，若是，则将控制权暂时移交驾驶人；
第二获取模块，用于获取切换为人工模式后第二预设时间段内的驾驶数据参数及个人指标信息；
第五判断模块，用于判断第二预设时间段和第一预设时间段内的各项驾驶数据参数及各项个人指标信息之间计算获得的差异值集合是否落入恢复自动驾驶模式的数据集合类别，若是，则恢复自动驾驶模式并减速停车。
具体的，还包括：
分类模块，用于对所述驾驶数据参数和个人指标信息的数据集合进行分类，获得恢复自动驾驶模式的数据集合类别。
具体的，还包括：
第六判断模块，用于判断是否接收转换为人工模式的切换指令，若是，则获取接收所述提示信号到接收所述切换指令的时间。
具体的，还包括：
显示模块，用于根据各个时间段的驾驶数据参数和个人指标信息显示自驾模式和人工模式下的车辆行驶状态。
本实施例提供的自动驾驶车辆人机控制权移交通过人-机-环多源信息融合的方式系统化实时判断分析人机控制权移交安全性，且数据标准化方法通用性强，方便兼容未来更多信息通道的数据。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。