一种基于相平面法及驾驶员数据的车辆稳定性判断方法

1.本发明属于汽车稳定性控制领域，尤其涉及一种基于相平面法和驾驶员数据的车辆稳定性判断方法。


背景技术：

2.在车辆主动安全领域中，电子稳定性控制系统有着十分重要的作用，该系统可以通过调节车辆的横摆力矩以抑制不足转向或过多转向倾向，保证车辆运动状态的稳定性，电子稳定性控制系统只有在车辆处于失稳状态或失稳状态边缘时才会介入进行稳定性控制，因此如何判断车辆在某一行驶状态下的稳定性直接决定了电子稳定性控制系统的介入时机，这也直接影响了该系统对行车安全性的提升效果，一种合适的车辆稳定性判断方法能够提高车辆稳定性控制能力。
3.相平面法是一种车辆稳定性判断方法，通过图像的形式可以十分直观地展现出车辆在某一行驶状态下是否可以达到稳定状态，目前，用于进行车辆稳定性判断的相平面图主要有质心侧偏角-质心侧偏角速度相平面图、质心侧偏角-横摆角速度相平面图，质心侧偏角-质心侧偏角速度相平面图的鞍点位置容易确定，更加便于获得稳定区域，但是由于质心侧偏角和质心侧偏角速度均难以通过传感器直接测量，通过估计方法得到的数值容易使得相图绘制出现较大误差，而质心侧偏角-横摆角速度相图中的横摆角速度值更加容易进行测量，目前，利用相平面图进行稳定性判断主要采用建立数据库并查表的方式进行，判断的精度相对较低。利用大量的驾驶数据，通过聚类的方式建立驾驶风格识别模型，可以根据某一驾驶员的驾驶数据进行驾驶风格的识别，依据不同的驾驶风格可以更加个性化地设计车辆各类辅助驾驶系统，提升行车安全性，由于驾驶员驾驶风格、驾驶能力对车辆行驶的安全性有着巨大的影响，通过分析驾驶风格和驾驶能力有望进一步提高车辆稳定性判断的实际效果。


技术实现要素：

4.本发明提供了一种基于相平面法和驾驶员数据的车辆稳定性判断方法，旨在提高传统的相平面法车辆稳定性判断的实际效果，在普通相平面法的基础上考虑了驾驶员驾驶风格、驾驶能力、车辆纵向加速度对稳定性判断的影响，通过将拟合所得的部分稳定区域系数与数据库查表所得稳定区域系数进行比较来提高判断精度，通过定义不稳定度来表征车辆行驶状态接近失稳状态的程度，针对多种影响因素制定量化指标，设计了一套稳定性判断流程。
5.本发明技术方案如下：
6.一种基于相平面法及驾驶员数据的车辆稳定性判断方法，包括以下步骤：
7.步骤1)获取当前时刻行驶车辆的行车状态，包括横摆角速度ω、质心侧偏角β、路面附着系数μ、前轮转角δ、纵向车速v
x
、纵向加速度a
x
；
8.步骤2)根据路面附着系数、前轮转角、纵向车速查询相平面图稳定区域系数数据
库，稳定区域系数数据库由不同路面附着系数、前轮转角、纵向车速下的稳定区域系数k1，k2，k3组成，通过查询稳定区域系数数据库得到的稳定区域系数为查表稳定区域系数，用表示，根据行车状态及查表稳定区域系数计算得到不稳定度h，判断不稳定度h所处的区间，当h≤h1时，进入步骤3)；当h≥h2时，进入步骤4)；当h1《h《h2时，进入步骤5)(h1、h2为判定阈值)；
9.步骤3)判断车辆行驶状态为稳定，返回步骤1)；
10.步骤4)判断车辆行驶状态为不稳定，稳定性控制系统介入进行控制；
11.步骤5)根据行车状态及驾驶员数据获得驾驶风险系数d，驾驶员数据包括驾驶历史最大车速、最大横向加速度、最大横摆角速度，驾驶员驾龄、年龄、总行驶里程、近三年事故数，根据行车状态，通过稳定区域系数拟合函数获得的稳定区域系数为拟合稳定区域系数，用表示，通过查表稳定区域系数和拟合稳定区域系数的比较获得稳定区域吻合系数i，结合驾驶风险系数d、稳定区域吻合系数i、不稳定度h计算得到稳定性判别系数s，当s≥s1时，进入步骤3)，当s《s1时，进入步骤3)(s1为判定阈值)；
12.稳定性判别系数计算公式如下：
[0013][0014]
式中λ1，λ2，λ3为权重系数；
[0015]
进一步地，所述的一种基于相平面法及驾驶员数据的车辆稳定性判断方法，包括以下内容：
[0016]
根据驾驶风格类型、车辆纵向加速度，驾驶员个人信息计算获得驾驶风险系数d，其计算公式如下：
[0017][0018]
式中ds为驾驶风格影响因子，da为纵向加速度影响因子，di为驾驶能力影响因子β1、β2、β3为所述三种因子的权重系数，满足β1+β2+β3＝1；
[0019]ds
为驾驶风格影响因子，da为纵向加速度影响因子，di为驾驶能力影响因子越小，代表着驾驶风险越小，即车辆在驾驶员的操纵下失稳的可能性更小；
[0020]
车辆纵向加速度会直接削弱车辆稳定性，当da≤0.5时，车辆纵向加速度绝对值较大，加速踏板或制动踏板处于较大行程，这代表驾驶员判断此时车辆不会处于失稳状态，因此在da≤0.5时，纵向加速度既是直接影响车辆稳定性的重要因素也能够直接代表驾驶员意志，因此驾驶风险系数d直接用da来代表；
[0021]
进一步地，一种基于相平面法及驾驶员数据的车辆稳定性判断方法，所述驾驶风格影响因子ds获得方法为：
[0022]
通过大量不同驾驶员在日常驾驶状态下的驾驶行为数据建立驾驶风格辨识数据库，运用主成分分析法对多维的驾驶行为数据进行降维，通过k-means算法对降维后的驾驶数据进行聚类，获得得a类(保守)、b类(一般)、c类(激进)三种驾驶风格，根据聚类结果，利用神经网络搭建驾驶风格辨识模型，输入特征数据为最大车速，最大横向加速度，最大横摆角速度，输出为所述驾驶风格类型a类、b类、c类的其中一种，输入驾驶员驾驶的特征数据，
获得驾驶风格，并根据该风格确定驾驶风格影响因子，设定a类对应的驾驶风格影响因子ds＝1；b类对应的驾驶风险影响因子ds＝0.9；c类对应的驾驶风险影响因子ds＝0.8；
[0023][0024]
式中a
x
为车辆纵向加速度；a
p1
为第一正向加速度阈值；a
p2
为第二正向加速度阈值；a
n1
为第一制动减速度阈值；a
n2
为第二制动减速度阈值；
[0025]
随着车辆纵向加速度绝对值的增大，车辆的失稳倾向会逐渐增强，虽然纵向加速度对车辆的稳定性有着很大的影响，但传统的相平面车辆稳定性判断方法通常不会考虑纵向加速度的影响，默认当车辆处于或接近失稳状态时驾驶员不会踩加速踏板、制动踏板或踩下加速、制动踏板的幅度很小，但在实际情况下，驾驶员不可能非常敏锐地判断出车辆是否即将失稳，因此将纵向加速度值作为影响因子有益于提高稳定性判断的效果，纵向加速度的值一方面可以表征驾驶员对车辆稳定性的敏锐度，另一方面可以表征它对车辆稳定性的直接影响；
[0026]
纵向加速度因子da计算公式中的第一正向加速度阈值a
p1
和第一制动减速度阈值a
n1
代表着纵向加速度因子da＝0.5时的纵向加速度值，第二正向加速度阈值a
p2
和第二制动减速度阈值a
n2
代表着纵向加速度因子da＝0时的纵向加速度值；
[0027]
所述驾驶能力影响因子di获得方法为：
[0028]di
＝α1ny+α2nm+α3n
t
+α4na[0029]
式中α1、α2、α3、α4为权重系数，满足α1+α2+α3+α4＝1，ny为驾龄系数，当驾驶员驾龄大于等于10年时，ny＝1；当驾驶员驾龄在10年到5年之间时，ny＝0.95；当驾驶员驾龄在5年到1年之间时，ny＝0.9；当驾驶员驾龄小于1年时，ny＝0.8，nm为行驶里程系数，当驾驶员总行驶里程大于等于两万公里时，nm＝1；当驾驶员总里程在两万到一万公里时，nm＝0.95；当驾驶员总里程在一万到3000公里时，nm＝0.9；当驾驶员总里程小于3000公里时，nm＝0.8，n
t
为事故系数，若近三年内无事故记录，n
t
＝1；若近三年事故数量在一件到三件之间，n
t
＝0.8；若近三年事故超过三件，n
t
＝0.7，na为年龄系数，计算方法如下：
[0030][0031]
式中age表示年龄；
[0032]
进一步地，一种基于相平面法及驾驶员数据的车辆稳定性判断方法，其特征在于，
包括以下内容：
[0033]
建立不同路面附着系数、前轮转角、纵向车速的稳定区域系数数据库，根据非线性车辆模型，在不同的前轮转角、路面附着系数、纵向车速下得到多个车辆质心侧偏角-横摆角速度相平面图，确定多个相平面图的稳定区域，选取部分稳定区域相平面图提取其稳定区域系数建立稳定区域系数数据库，所述质心侧偏角-横摆角速度相图的稳定性区域通过四条边界线包围而成，四条边界线的表达式如下：
[0034][0035]
式中ω为横摆角速度，β为质心侧偏角，μ为路面附着系数，g为重力加速度，v
x
为车辆纵向速度，k1，k2，k3为稳定区域系数；
[0036]
以所述的多个相平面图稳定区域系数及其对应前轮转角、路面附着系数、纵向车速为拟合数据，拟合出稳定区域系数k1，k2，k3关于前轮转角、路面附着系数、纵向车速的拟合函数，拟合公式如下：
[0037][0038]
式中，δ为前轮转角，a1，a2，a3，a4，b1，b2，b3，b4，c1，c2，c3，c4，d1，d2，d3，d4为拟合得到的系数，为拟合稳定区域系数；
[0039]
稳定区域吻合系数计算方法如下：
[0040][0041]
稳定区域吻合系数计算公式中，代表拟合稳定区域系数，代表查表稳定区域系数，γ1，γ2，γ3为权重系数，满足γ1+γ2+γ3＝1，且γ1，γ2，γ3之中至少有一个值为0；根据车辆质心侧偏角、横摆角速度计算不稳定度h的公式如下：
[0042][0043]
不稳定度h代表着相平面图上某一行车状态(某一质心侧偏角、横摆角速度下)下与平衡状态的差距大小，通过h可直接判断某一行车状态是否处于稳定区域内，当h《1时，行
车状态处于稳定区域内，当h》1时，行车状态处于稳定区域外；
附图说明
[0044]
为了更清楚说明本技术实施的技术方案，下面对本技术实施例中所需要使用的附图做简单地介绍，以下附图仅出示了本技术的某个实施例，因此不应被看作是对范围的限定，对于本领域趋同技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关附图。
[0045]
图1为本发明一种基于相平面法和驾驶员数据的车辆稳定性判断方法的流程图；
[0046]
图2为质心侧偏角-横摆角速度相平面稳定性区域示意图；
[0047]
图3为质心侧偏角-横摆角速度相平面中不稳定度h的计算示意图；
[0048]
图4为二自由度车辆模型的示意图。
具体实施方式
[0049]
在本实施例中提供了一种一种基于相平面法和驾驶员数据的车辆稳定性判断方法，下面结合附图和实施例对本发明作进一步说明。
[0050]
参考图1，展示了一种基于相平面法和驾驶员数据的车辆稳定性判断方法的流程:
[0051]
步骤1)获取当前时刻行驶车辆的行车状态，包括横摆角速度ω、质心侧偏角β、路面附着系数μ、前轮转角δ、纵向车速v
x
、纵向加速度a
x
；
[0052]
步骤2)根据路面附着系数、前轮转角、纵向车速查询相平面图稳定区域系数数据库，稳定区域系数数据库由不同路面附着系数、前轮转角、纵向车速下的稳定区域系数k1，k2，k3组成，通过查询稳定区域系数数据库得到的稳定区域系数为查表稳定区域系数，用表示，根据行车状态及查表稳定区域系数计算得到不稳定度h，判断不稳定度h所处的区间，当h≤h1时，进入步骤3)；当h≥h2时，进入步骤4)；当h1《h《h2时，进入步骤5)(h1、h2为判定阈值)；
[0053]
步骤3)判断车辆行驶状态为稳定，返回步骤1)；
[0054]
步骤4)判断车辆行驶状态为不稳定，稳定性控制系统介入进行控制；
[0055]
步骤5)据行车状态及驾驶员数据获得驾驶风险系数d，驾驶员数据包括驾驶历史最大车速、最大横向加速度、最大横摆角速度，驾驶员驾龄、年龄、总行驶里程、近三年事故数，根据行车状态，通过稳定区域系数拟合函数获得的稳定区域系数为拟合稳定区域系数，用表示，通过查表稳定区域系数和拟合稳定区域系数的比较获得稳定区域吻合系数i，结合驾驶风险系数d、稳定区域吻合系数i、不稳定度h计算得到稳定性判别系数s，当s≥s1时，进入步骤3)，当s《s1时，进入步骤3)(s1为判定阈值)；
[0056]
不同路面附着系数、前轮转角、纵向车速下的质心侧偏角-横摆角速度相平面图通过非线性车辆二自由度模型的仿真获得，参考图4，二自由度模型的车辆动力学方程如下：
[0057][0058]
式中，f
yf
代表前轮侧向力，f
yr
代表后轮侧向力，m代表整车质量，a为前轴到车辆质心距离，b为后轴到质心距离，iz为车辆垂向的转动惯量，v
x
为纵向车速，β为质心侧偏角，ω为横摆角速度；
[0059]
前轮及后轮侧向力通过轮胎模型进行计算，轮胎模型采用魔术公式轮胎模型，具体公式如下：
[0060][0061]
式中，d1，d2为峰值因子，c1，c2为形状因子，b为刚度因子，e为曲率因子，s
v1
，s
v2
为曲线垂直方向漂移，s
h1
，s
h2
为曲线水平方向漂移，αf为前轮侧偏角，αr为后轮侧偏角；
[0062]
前轮、后轮质心侧偏角表达式如下：
[0063][0064]
式中，δ为前轮转角；
[0065]
参考图2，相平面的稳定区域通过四条边界线包围而成，图2中，三角形标识代表着平衡点，圆形标识代表着鞍点，四条边界线的表达式如下:
[0066][0067]
参考边界线表达式，边界线2和边界线3为平行于横轴的直线，边界线1和边界线4为过鞍点的一对平行直线，其斜率通过稳定初始点相点法求得，式中k1，k2，k3为相平面图的稳定区域系数；
[0068]
稳定区域系数的值由路面附着系数、前轮转角、纵向车速这三个参数直接决定，由此可建立稳定区域系数的拟合函数，具体公式如下：
[0069][0070]
分别代表k1，k2，k3的拟合值，拟合使用的数据通过仿真得到的大量不同路面附着系数、前轮转角、纵向车速下的相平面图稳定区域获得；
[0071]
通过大量不同路面附着系数、前轮转角、纵向车速下的相平面图稳定区域建立稳定区域系数数据库，建立稳定区域系数数据库使用经过筛选后的稳定区域系数数据以降低数据存储压力，其使用数据量小于拟合使用的数据；
[0072]
针对某一行车状态，即具有特定的路面附着系数、前轮转角、纵向车速值，通过查询稳定区域系数数据库和稳定区域系数拟合函数均可得到所需的稳定区域系数，为了降低计算量，提高响应速度，采用稳定区域系数数据库查表的方式来获得稳定区域系数，由于拟合获得的稳定区域系数由连续函数获得且函数是基于更大量数据建立，因此相比直接查找数据库更加精确，但完全通过拟合来计算稳定性系数会增加计算量，为了进一步提高精度且尽量减轻计算负担，选取一个或两个拟合获得的稳定区域系数来建立稳定区域吻合系数i用以修正实际稳定性判断结果，具体公式如下：
[0073][0074]
式中，代表拟合稳定区域系数，代表查表稳定区域系数，γ1，γ2，γ3为权重系数，满足γ1+γ2+γ3＝1，且γ1，γ2，γ3之中至少有一个值为0；
[0075]
参考图3，展示了不稳定度h的获得方法，图3中l1为过边界线2和边界线3中点的直线，l2为过边界线1和边界线4中点的直线，a点代表着车辆某一时刻的行车状态，过a点作平行于l2的直线，从a点到该直线与l1的交点的线段长度为h1，过a点作平行于l1的直线，从a点到该直线与l2的交点的线段长度为h2，边界线3长度的一半为h3，边界线4长度的一半为h4，不稳定度h的具体计算公式如下：
[0076][0077]
结合边界曲线的表达式可进一步得到其计算公式为：
[0078][0079]
不稳定度h代表着相平面图上某一行车状态(某一质心侧偏角、横摆角速度下)下与平衡状态的差距大小，通过h可直接判断某一行车状态是否处于稳定区域内，当h《1时，行车状态处于稳定区域内，当h》1时，行车状态处于稳定区域外；
[0080]
驾驶员风险系数综合考虑了驾驶员驾驶风格、驾驶员驾驶能力和车辆纵向加速度对车辆稳定性的影响，用于改善实际车辆稳定性判断效果，其具体计算公式如下：
[0081][0082]
式中ds为驾驶风格影响因子；da为纵向加速度影响因子；di为驾驶能力影响因子；
[0083]
β1、β2、β3为所述三种因子的权重系数，满足β1+β2+β3＝1；
[0084]ds
为驾驶风格影响因子，da为纵向加速度影响因子，di为驾驶能力影响因子越小，代表着驾驶风险越小，即车辆在驾驶员的操纵下失稳的可能性更小；
[0085]
车辆纵向加速度会直接削弱车辆稳定性，当da≤0.5时，车辆纵向加速度绝对值较大，加速踏板或制动踏板处于较大行程，这代表驾驶员判断此时车辆不会处于失稳状态，因此在da≤0.5时，纵向加速度既是直接影响车辆稳定性的重要因素也能够直接代表驾驶员意志，因此驾驶风险系数d直接用da来代表；
[0086]
驾驶风格因子ds获得方法如下：
[0087]
通过大量不同驾驶员在日常驾驶状态下的驾驶行为数据建立驾驶风格辨识数据库，采用的驾驶行为参数为：平均车速，车速超过80km/h的时间占总驾驶时间的比例，最大车速，单位时间平均正向加速度，最大正向加速度，平均正向加速度标准差，平均制动减速度，平均制动减速度标准差，最大制动减速度，平均侧向加速度，最大侧向加速度，平均侧向加速度标准差，平均方向盘角速度，平均方向盘角速度标准差，平均横摆角速度，最大横摆角速度，平均横摆角速度标准差，单位时间急减速次数，单位时间急加速次数，单位时间在转向时进行急加速或急减速的次数，运用主成分分析法对多维的驾驶行为数据进行降维，通过k-means算法对降维后的驾驶数据进行聚类，获得得a类(保守)、b类(一般)、c类(激进)三种驾驶风格，根据聚类结果，利用神经网络搭建驾驶风格辨识模型，输入特征数据为最大车速，最大横向加速度，最大横摆角速度，输出为所述驾驶风格类型a类、b类、c类的其中一种，输入驾驶员驾驶的特征数据，获得驾驶风格，并根据该风格确定驾驶风格影响因子，驾驶员驾驶风格越激进，车辆的失稳风险越高，设定a类对应的驾驶风格影响因子ds＝1；b类对应的驾驶风险影响因子ds＝0.9；c类对应的驾驶风险影响因子ds＝0.8；
[0088]
纵向加速度因子da计算公式如下：
[0089][0090]
式中a
x
为车辆纵向加速度；a
p1
为第一正向加速度阈值；a
p2
为第二正向加速度阈值；an1
为第一制动减速度阈值；a
n2
为第二制动减速度阈值；
[0091]
纵向加速度因子da计算公式中的第一正向加速度阈值a
p1
和第一制动减速度阈值a
n1
代表着纵向加速度因子da＝0.5时的纵向加速度值，第二正向加速度阈值a
p2
和第二制动减速度阈值a
n2
代表着纵向加速度因子da＝0时的纵向加速度值；
[0092]
随着车辆纵向加速度绝对值的增大，车辆的失稳倾向会逐渐增强，虽然纵向加速度对车辆的稳定性有着很大的影响，但传统的相平面车辆稳定性判断方法通常不会考虑纵向加速度的影响，默认当车辆处于或接近失稳状态时驾驶员不会踩加速踏板、制动踏板或踩下加速、制动踏板的幅度很小，但在实际情况下，驾驶员不可能非常敏锐地判断出车辆是否即将失稳，因此将纵向加速度值作为影响因子有益于提高稳定性判断的效果，纵向加速度的值一方面可以表征驾驶员对车辆稳定性的敏锐度，另一方面可以表征它对车辆稳定性的直接影响；
[0093]
驾驶能力影响因子di计算公式如下：
[0094]di
＝α1ny+α2nm+α3n
t
+α4na[0095]
式中α1、α2、α3、α4为权重系数，满足α1+α2+α3+α4＝1，ny为驾龄系数，当驾驶员驾龄大于等于10年时，ny＝1；当驾驶员驾龄在10年到5年之间时，ny＝0.95；当驾驶员驾龄在5年到1年之间时，ny＝0.9；当驾驶员驾龄小于1年时，ny＝0.8，nm为行驶里程系数，当驾驶员总行驶里程大于等于两万公里时，nm＝1；当驾驶员总里程在两万到一万公里时，nm＝0.95；当驾驶员总里程在一万到3000公里时，nm＝0.9；当驾驶员总里程小于3000公里时，nm＝0.8，n
t
为事故系数，若近三年内无事故记录，n
t
＝1；若近三年事故数量在一件到三件之间，n
t
＝0.8；若近三年事故超过三件，n
t
＝0.7，na为年龄系数，计算方法如下：
[0096][0097]
式中age表示年龄；
[0098]
结合结合驾驶风险系数d、稳定性区域吻合系数i、不稳定度h计算得到稳定性判别系数s，具体公式如下：
[0099][0100]
式中λ1，λ2，λ3为权重系数；
[0101]
稳定性判别系数s大，代表着驾驶风险越高，获取的稳定性区域误差大，不稳定度高，车辆稳定性判断就应该越保守，反之，驾驶风险系数d小，车辆稳定性判断条件就可以适当放松，当不稳定度h《h1时，代表着车辆行驶状态处于一个稳定程度很高的位置，无需判定稳定性判别系数s就可以认定车辆处于稳定状态；当不稳定度h》h2时，车辆已经在稳定性区域之外，同样无需判定稳定性判别系数s就可已认定车辆处于失稳状态；当不稳定度h1《h《h2时，车辆虽然处于稳定状态，但离失稳边界十分接近，有较高风险，此时需要进一步判断稳定性判别系数的大小来最终决定车辆是否处于稳定状态。

技术特征：
1.一种基于相平面法及驾驶员数据的车辆稳定性判断方法，其特征在于，包括以下步骤：步骤1)获取当前时刻行驶车辆的行车状态，包括横摆角速度ω、质心侧偏角β、路面附着系数μ、前轮转角δ、纵向车速v
x
、纵向加速度a
x
；步骤2)根据路面附着系数、前轮转角、纵向车速查询相平面图稳定区域系数数据库，稳定区域系数数据库由不同路面附着系数、前轮转角、纵向车速下的稳定区域系数k1，k2，k3组成，通过查询稳定区域系数数据库得到的稳定区域系数为查表稳定区域系数，用表示，根据行车状态及查表稳定区域系数计算得到不稳定度h，判断不稳定度h所处的区间，当h≤h1时，进入步骤3)；当h≥h2时，进入步骤4)；当h1<h<h2时，进入步骤5)(h1、h2为判定阈值)；步骤3)判断车辆行驶状态为稳定，返回步骤1)；步骤4)判断车辆行驶状态为不稳定，稳定性控制系统介入进行控制；步骤5)根据行车状态及驾驶员数据获得驾驶风险系数d，驾驶员数据包括驾驶历史最大车速、最大横向加速度、最大横摆角速度，驾驶员驾龄、年龄、总行驶里程、近三年事故数，根据行车状态，通过稳定区域系数拟合函数获得的稳定区域系数为拟合稳定区域系数，用表示，通过查表稳定区域系数和拟合稳定区域系数的比较获得稳定区域吻合系数i，结合驾驶风险系数d、稳定区域吻合系数i、不稳定度h计算得到稳定性判别系数s，当s≥s1时，进入步骤3)，当s<s1时，进入步骤3)(s1为判定阈值)；稳定性判别系数计算公式如下：式中λ1，λ2，λ3为权重系数。2.根据权利要求1所述的一种基于相平面法及驾驶员数据的车辆稳定性判断方法，其特征在于，包括以下内容：根据驾驶风格类型、车辆纵向加速度，驾驶员个人信息计算获得驾驶风险系数d，其计算公式如下：式中d
s
为驾驶风格影响因子，d
a
为纵向加速度影响因子，d
i
为驾驶能力影响因子，β1、β2、β3为所述三种因子的权重系数，满足β1+β2+β3＝1。3.根据权利要求2所述的一种基于相平面法及驾驶员数据的车辆稳定性判断方法，其特征在于，所述驾驶风格影响因子d
s
获得方法为：通过大量不同驾驶员在日常驾驶状态下的驾驶行为数据建立驾驶风格辨识数据库，运用主成分分析法对多维的驾驶行为数据进行降维，通过k-means算法对降维后的驾驶数据进行聚类，获得得a类(保守)、b类(一般)、c类(激进)三种驾驶风格，根据聚类结果，利用神经网络搭建驾驶风格辨识模型，输入特征数据为最大车速，最大横向加速度，最大横摆角速度，输出为所述驾驶风格类型a类、b类、c类的其中一种，输入驾驶员驾驶的特征数据，获得
驾驶风格，并根据该风格确定驾驶风格影响因子，设定a类对应的驾驶风格影响因子d
s
＝1；b类对应的驾驶风险影响因子d
s
＝0.9；c类对应的驾驶风险影响因子d
s
＝0.8；所述纵向加速度影响因子d
a
获得方法为：式中a
x
为车辆纵向加速度；a
p1
为第一正向加速度阈值；a
p2
为第二正向加速度阈值；a
n1
为第一制动减速度阈值；a
n2
为第二制动减速度阈值；纵向加速度因子d
a
计算公式中的第一正向加速度阈值a
p1
和第一制动减速度阈值a
n1
代表着纵向加速度因子d
a
＝0.5时的纵向加速度值，第二正向加速度阈值a
p2
和第二制动减速度阈值a
n2
代表着纵向加速度因子d
a
＝0时的纵向加速度值；所述驾驶能力影响因子d
i
获得方法为：d
i
＝α1n
y
+α2n
m
+α3n
t
+α4n
a
式中α1、α2、α3、α4为权重系数，满足α1+α2+α3+α4＝1，n
y
为驾龄系数，当驾驶员驾龄大于等于10年时，n
y
＝1；当驾驶员驾龄在10年到5年之间时，n
y
＝0.95；当驾驶员驾龄在5年到1年之间时，n
y
＝0.9；当驾驶员驾龄小于1年时，n
y
＝0.8，n
m
为行驶里程系数，当驾驶员总行驶里程大于等于两万公里时，n
m
＝1；当驾驶员总里程在两万到一万公里时，n
m
＝0.95；当驾驶员总里程在一万到3000公里时，n
m
＝0.9；当驾驶员总里程小于3000公里时，n
m
＝0.8，n
t
为事故系数，若近三年内无事故记录，n
t
＝1；若近三年事故数量在一件到三件之间，n
t
＝0.8；若近三年事故超过三件，n
t
＝0.7，n
a
为年龄系数，计算方法如下：式中age表示年龄。4.根据权利要求1所述的一种基于相平面法及驾驶员数据的车辆稳定性判断方法，其特征在于，包括以下内容：建立在不同路面附着系数、前轮转角、纵向车速的稳定区域系数数据库，根据二自由度非线性车辆模型，在不同的前轮转角、路面附着系数、纵向车速下得到多个车辆质心侧偏角-横摆角速度相平面图，确定多个相平面图的稳定区域，选取部分稳定区域相平面图，提取其稳定区域系数k1，k2，k3建立稳定区域系数数据库，所述质心侧偏角-横摆角速度相平面图的稳定性区域通过四条边界线包围而成，四条边界线的表达式如下：
式中ω为横摆角速度，β为质心侧偏角，μ为路面附着系数，g为重力加速度，v
x
为车辆纵向速度，k1，k2，k3为稳定区域系数；以不同路面附着系数、前轮转角、纵向车速下的多个相平面图的稳定区域系数k1，k2，k3及其对应的前轮转角、路面附着率、纵向车速为拟合数据，拟合出稳定区域系数k1，k2，k3关于前轮转角、路面附着系数、纵向车速的拟合函数，拟合公式如下：式中，δ为前轮转角，a1，a2，a3，a4，b1，b2，b3，b4，c1，c2，c3，c4，d1，d2，d3，d4为拟合得到的系数，代表拟合稳定区域系数；稳定区域吻合系数计算方法如下：稳定区域吻合系数计算公式中，代表拟合稳定区域系数，代表查表稳定区域系数，γ1，γ2，γ3为权重系数，满足γ1+γ2+γ3＝1，且γ1，γ2，γ3之中至少有一个值为0；根据行车状态计算不稳定度h的公式如下：

技术总结
本发明涉及一种基于相平面法及驾驶员数据的车辆稳定性判断方法，包括根据驾驶员数据量化驾驶员驾驶风格、驾驶能力，考虑车辆纵向加速度的影响值建立驾驶风险系数；通过非线性车辆模型建立质心侧偏角-横摆角速度相平面图稳定区域系数数据库和稳定区域系数拟合函数；根据某一时刻的路面附着系数、方向盘转角、纵向车速计算不稳定度、稳定区域吻合系数；结合驾驶风险系数、稳定区域吻合系数、不稳定度判断车辆稳定性。本发明在传统的相平面车辆稳定性判断方法的基础上进一步考虑了驾驶员驾驶风格、驾驶能力以及车辆纵向加速度的影响，结合稳定区域系数的拟合函数提高了通过数据库获得的稳定区域的精度，创建了一套车辆稳定性判断流程。判断流程。判断流程。


技术研发人员：夏丞佐 郑宏宇 张洪坤 宗长富
受保护的技术使用者：吉林大学
技术研发日：2023.03.31
技术公布日：2023/6/26