本发明属于道路车辆控制领域，涉及道路车辆驾驶控制系统的驾驶参数的判断或计算，具体地，涉及一种液罐车驾驶员制动决策失误的判断方法和系统。
背景技术：
1、液罐车广泛应用于化学品、石油产品及食品原料等液体货物的运输。然而，由于液体的特殊物理性质，液罐车在行驶过程中面临诸多挑战，尤其是在制动时更为突出。
2、液罐车运输因其易发生严重事故而越来越受到人们重视，经研究表明，罐内液体晃动是导致车辆行驶稳定性下降的主要因素。液体在罐体内的晃动不仅影响车辆的纵向和横向稳定性，还会直接影响驾驶员对车速和制动距离的判断，导致其在制动决策中施加过大或过小的减速度，进而增加了事故乃至二次事故的风险。因此，实时预测和判断液罐车驾驶员的制动行为，有助于驾驶员决策的及时调整和辅助驾驶的有效介入，对于保证液罐车的安全运行有着重要作用。
3、目前，针对液罐车制动决策的研究主要集中在液体晃动对车辆稳定性的影响上。然而，现有技术在液体晃动模型的构建上往往采用简化的假设或单一整体模型，未能全面反映液罐内液体的动态变化。例如：陆建硕士论文公开的《基于危化品运输车罐内液体晃动的跟驰模型及仿真研究》和中国专利cn 115114871 a公开的“一种罐体内液体纵向冲击性能及液罐车制动性能的分析方法”将液体等效为一个静态质量块和一个晃动的弹簧质量块，构建了危险品运输车的纵向动力学模型，这样的模型虽有助于减少计算复杂性，但难以真实再现罐体内不同位置的液体在各种制动行为下的动态运动特性。此外，类似的简化模型主要被用于预测液体冲击对车辆稳定性的影响，但液体晃动不仅影响车辆的物理表现，还会干扰驾驶员对车辆当前状态、车速和制动距离的感知，使得驾驶员的判断和决策可能出现偏差。
4、在驾驶员决策方面，现有技术多面向普通车辆的整体行为建模，未能细化液罐车的特殊需求。例如，在智能驾驶和高级驾驶辅助系统（adas）中，已有不少技术通过驾驶行为建模预测驾驶员在不同交通状况下的操作决策，如加速、制动、转向等。然而，这些研究主要针对普通车辆，未能充分考虑液罐车在行驶中液体晃动对驾驶员制动决策的影响。液罐车在紧急制动时的车辆动态表现与普通车辆有显著不同。驾驶员的制动决策引发车辆减速，导致罐内液体因惯性晃动，对车辆稳定性造成进一步影响。液体晃动的强度和频率不仅改变了车辆运动参数，还影响驾驶员对车速和距离的感知。由于驾驶员的感知能力差异，感知到的车速与期望车速以及与最终目标车速的差异，会影响下一步的制动决策，形成连续的动态反馈回路。这个过程使得驾驶员容易误判最佳制动时机或力度，进而导致制动失误，传统方法往往未能有效捕捉这一复杂交互机制。因此，仅仅依赖驾驶员的个人经验或普通车辆的制动模型，无法精准预测驾驶员的制动决策及液罐车在行驶过程中的实际动态响应。
5、此外，在当前技术中，虽然液罐车的防侧翻紧急控制策略已经有所探索，但这些方法并未解决驾驶员决策失误的根本问题。例如，赵伟强等人发表的《基于等效晃动模型的液罐车防侧翻控制策略》在检测到车辆将要侧翻时，激活防侧翻控制模块，迅速采取应对措施。然而该类方法集中于车辆处于失稳临界状态时的应急响应，试图在极端情况下被动通过即时干预防止事故的发生。上述类似技术是在车辆进入危险状态后才被触发的被动应对措施。此时，驾驶员的决策可能导致车辆已经逼近失稳状态，液体晃动和惯性增加了控制的难度，紧急控制模块的反应速度和操作空间也受到限制，特别是在车辆重心偏移或横向力积累的情况下。相比之下，对驾驶员行为决策的长时间预测与判断，能提前预判驾驶员可能的操作失误或不当行为，并通过预警机制在事故前更早阶段介入。这不仅能减少因突发状况导致的被动应对，还能通过预测机制提前预警潜在风险，从而在危险初期阶段就进行风险规避与控制，最大程度上保障车辆的动态稳定性。
6、综上所述，急需一种能结合液罐车独特液体晃动特性与驾驶员行为决策的综合预测模型，对驾驶员在不同时间节点的制动决策进行长时预测推演。这不仅有助于提前预判驾驶员可能的制动失误，也为智能驾驶辅助系统提供了一个更加精准的判断依据，从而提升液罐车的行驶安全性。
技术实现思路
1、鉴于上述技术问题和缺陷，本发明的目的在于提供一种液罐车驾驶员制动决策失误的判断方法，该方法综合考虑液体晃动、驾驶员行为和车辆运动，通过构建多层液体晃动模型、驾驶员制动决策的模型和长时预测方法，能够解决现有技术中液罐车驾驶决策领域对液体动态变化未充分捕捉、驾驶员制动决策预测准确性不足，以及缺乏制动失误预测和判断有效手段的问题；弥补现有研究在驾驶员决策与液罐车液体晃动的动态耦合方面的空白，其具有实时预测和修正驾驶员长时制动行为的能力，有效提高液罐车在复杂驾驶环境中的安全性和稳定性。
2、为实现上述目的，本发明采用如下技术方案：
3、一种液罐车驾驶员制动决策失误的判断方法，包括以下步骤：
4、步骤s1：驾驶员制动意图提取；
5、步骤s1.1：基于驾驶员视觉模式数据实时获取危险知觉评分；
6、步骤s1.2：采集驾驶员行为、状态参数和车辆运行参数，提取制动意图；其中，所述驾驶员行为、状态参数包括危险知觉评分、踏板压力；
7、步骤s2：预测制动决策的长时制动力；
8、步骤s2.1：制动起始点预测；
9、基于lstm模型预测当前时刻下一时间步是否为驾驶员的制动起始点，lstm模型输入层输入的数据为多变量时间序列矩阵：
10、；
11、式中，、、表示制动意图之外的第个因素在第、、时间步的状态，因素分别是年龄、性别、驾龄、连续驾驶时长、心率、能见度和湿度，，、、表示制动意图第个观测指标在第、、时间步的独立制动意图状态，观测指标分别是车速、踏板压力、车辆纵向加速度和危险知觉，，为时间窗内包含的时间步数，；
12、输出预测在未来时间步长内是否产生制动起始点的表达式为：
13、；
14、式中，表示下一时间步发生制动的概率，是lstm当前时刻的全局隐藏状态，和是学习得到的模型参数，是激活函数；
15、步骤s2.2：制动曲线预测；
16、先确定制动模式分类类别，之后根据制动强度变化率、感知车速、速度差异敏感度、车速离差并结合驾驶员的年龄、性别和驾龄，动态调整驾驶员每一时间步所属模式概率，获取每一时间步的最大制动强度和单位制动强度；在车辆到达时刻并且确定下一时刻出现制动起始点时，根据时刻的制动模式的单位制动强度和最大制动强度，预测时刻的制动决策，以此类推，得到当前时刻的制动决策下推演的各个时刻制动决策，进而得到当前时刻的制动策略下的长时制动曲线；
17、的推演预测公式为：
18、，；
19、其中，表示从当前时刻向后推演的时间步数，表示在时刻的预测制动决策，表示上一步推演得到的时刻的预测制动决策，表示在时刻的单位制动强度，表示在时刻的最大制动强度；
20、步骤s3：构建基于有限元的分层液体晃动模型，计算液、罐状态参数；
21、步骤s4：求解液体晃动力，计算公式为：
22、其中，是时刻液体晃动力，是时刻第层液体单元的弹簧刚度，是时刻第层质量块的位移，是时刻第层液体单元的整体阻尼系数，包括自身阻尼、相互作用阻尼；是液体单元的层总数，是第层液体单元在时刻的速度，，是时刻第层液体单元的质量块质量，为每个单元层时刻液面高度，表示重力加速度，，表示时刻第层液体单元质量块的位移，表示时刻第层液面高度，为每个单元层液体接触的罐面曲率半径；
23、步骤s5：基于驾驶员制动和液体晃动求解车辆运动参数；
24、基于驾驶员制动力和液体晃动力交互作用构建车辆纵向运动方程，车辆的纵向运动方程为：
25、；
26、其中， m 是车货总质量，是车辆纵向加速度，是由制动曲线预测得出的制动决策，是滚动阻力，是空气阻力，是液体晃动力；
27、利用四阶龙格-库塔法对上述车辆纵向运动方程进行求解，通过迭代计算车辆在每一时刻的速度和位置来更新车辆的运动状态；
28、步骤s6：决策失误判断；
29、根据预测的速度和位置，计算驾驶员下一步决策的决策失误率。
30、作为本发明的优选，所述步骤s6在确定决策失误率后，基于决策失误率判断决策失误风险区间，并介入控制机制，具体控制方法为：
31、当，处于低失误风险区间时，通过语音和振动方式对驾驶人进行预警；
32、当，处于中等失误风险区间时，通过语音和振动方式对驾驶人进行预警，辅助系统部分介入，在原驾驶人预计决策基础上，增大或减小四分之一的踏板开度，控制车辆合理制动；其中，和均为阈值；
33、当，处于高失误风险区间时，通过语音和振动方式对驾驶人进行预警，车辆辅助驾驶系统进行介入，打开车辆警示灯和进行鸣笛示意，在原驾驶人预计决策基础上，增大或减小三分之一的踏板开度，若驾驶员未有效响应，系统将接管制动系统。
34、作为本发明的优选，所述步骤s1.1中危险知觉评分的计算公式为：
35、；
36、其中，为视觉注意力集中度、为注视频率、为扫视幅度、为焦点宽度、为视觉注意力集中度的反比权重，为注视频率的权重，为扫视幅度的权重，为焦点宽度的权重。
37、作为本发明的优选，所述步骤s1.2中基于隐马尔可夫模型对驾驶员的制动意图进行提取，将驾驶员的制动意图分为三种隐藏状态，包括无制动意图、轻微制动意图、强制动意图，使用viterbi算法推断最可能的制动意图状态序列：；由此得到下一时间步的不同观测变量分别对应的制动意图状态；
38、其中，是状态序列，表示在每个时间步上可能出现的制动意图状态序列，是在每个时间步最可能的制动意图状态序列，表示已得到观测序列和模型参数集合的情况下，隐藏状态序列出现的概率；观测序列包括车速、踏板压力、车辆纵向加速度和危险知觉；模型参数包括制动意图转移矩阵、制动指标观测矩阵、制动意图初始状态分布，模型参数集合；其中，表示从隐藏状态转移到的概率，表示在隐藏状态下观测到观测指标的概率，表示在时间时系统处于每种隐藏状态的概率。
39、作为本发明的优选，步骤s2.2中，初始制动模式的获取方法为：采用k-means聚类确定分为i类制动模式，得到每个类别模式的最大制动强度和单位制动强度；
40、在车辆到达时刻时，实时采集真实的制动决策，同时结合来进行时刻新的制动模式分类，构建的模式分类目标函数为：，得到时刻的制动模式；之后对时刻制动决策影响下的未来各个时刻的制动决策进行推算，得到，其中，表示在时刻制动决策影响下推演得到的时刻制动决策。
41、作为本发明的优选，步骤s2.2中，所述速度差异敏感度和车速离差通过如下方式获取：
42、驾驶员当前感知车速的表达式为：
43、；
44、其中，是驾驶人的感知车速，是感知系数，表明驾驶员对真实车速的感知程度，，是感知误差，表示驾驶员感知到的误差项，取值范围为-5-5 km/h；
45、速度差异敏感度的计算公式为：
46、；
47、其中，是驾驶员在上一步制动操作下，期望在当前时刻达到的车速，是速度差异敏感度，表示驾驶员当前感知车速和期望车速之间的差距，这会影响驾驶员是否需要进一步加大或减小制动力；
48、车速离差是驾驶员当前感知车速和危险临界点安全车速之间的差异，计算公式为：
49、；
50、其中，是车速离差，表示的是因车速离差导致的制动压力，是危险临界点的安全车速。
51、作为本发明的优选，步骤s6的具体步骤为：到达危险临界点时的车速通过车辆运动迭代求解直到 ，记录此时的速度作为，其中表示迭代到第步时的位置，表示迭代到第步时的车速；
52、计算决策失误率 ，公式如下：
53、；
54、其中， 是安全速度阈值， 是极限速度阈值， 和 是模型参数，用于调整失误概率随速度变化的形状。
55、作为本发明的进一步优选，所述视觉注意力集中度、注视频率、扫视幅度、焦点宽度的计算公式为：
56、；
57、其中，是驾驶员在第个注视点的注意力权重：；是在特定时间窗口内收集的注视点总数，在时刻驾驶员注视某个点的持续时间为，是时间权重函数，取决于注视时间，用于衡量注视时间对注意力的影响；；
58、；
59、其中，为在总时间内对危险点的注视次数，是危险点与驾驶员的距离；
60、；
61、其中，在时间和时刻的注视点分别为和；
62、；
63、其中，驾驶员在时间内注视点的最大水平距离为，最大垂直距离为。
64、本发明还提供一种用于实现上述所述液罐车驾驶人制动决策失误判断方法的判断系统，包括信息采集模块、危险知觉计算模块、制动意图提取模块、制动起始点预测模块、制动曲线预测模块、液体晃动力计算模块、决策失误风险计算模块；
65、其中，所述信息采集模块，用于实时获取液罐车周边环境道路参数、驾驶信息、车辆运动参数、液罐液体信息；所述驾驶信息包括驾驶员眼动状态数据和制动压力；所述车辆运动参数包括车辆车速和加速度；所述液罐液体信息包括液罐尺寸及分层液体的各层深度；
66、所述危险知觉计算模块，用于根据眼动状态数据和周边环境道路参数计算视觉注意力集中度、注视频率、扫视幅度和焦点宽度，通过对视觉注意力集中度、注视频率、扫视幅度和焦点宽度进行加权，计算综合危险知觉评分；
67、所述制动意图提取模块，基于训练好的hmm模型并通过构建的时间切片数据格式，以及信息采集模块中采集的信息，推断驾驶员的当前制动意图；
68、所述制动起始点预测模块，基于lstm模型并根据当前制动意图和实时采集的信息识别制动起始点；
69、所述制动曲线预测模块，在确定制动起点的条件下，基于制动强度变化率、感知车速、车速离差、速度差异敏感和驾驶员的年龄、性别、驾龄，利用动态聚类确定制动模式，根据当前制动模型下的单位制动强度和最大制动强度预测下一时刻的制动决策，从而推演当前时刻的制动策略下的长时制动力曲线；
70、所述液体晃动力计算模块，基于构建的有限元分层液体晃动模型计算液、罐状态参数，综合车辆纵向加速度、各层液体高度变化以及预测的驾驶员制动力信息，利用拉普拉斯变换对液体的动态状态进行求解，输出液体晃动力；
71、所述决策失误风险计算模块，基于制动曲线预测模块和液体晃动力计算模块提供的数据，预测车辆未来的动态行为，根据预测的速度和位置，计算驾驶员下一步决策的失误风险，判断所属失误风险区间。
72、作为本发明的优选，所述系统还包括油门控制模块以及预警模块；其中，所述油门控制模块用于根据风险区间控制踏板开度；所述预警模块用于根据风险区间调整控制语音和震动提示的强度与频率。
73、本发明的优点和有益效果：
74、（1）本发明基于历史驾驶数据和动态视觉模式，提出了一种基于视觉模式的危险知觉实时评分方法，解决当前危险知觉评分依赖问卷表（srhp）且实时性差的问题。通过测量驾驶员的视觉注意力集中度、注视频率、扫视幅度和焦点宽度等指标，衡量危险知觉，从而能够真实反映影响驾驶员决策的危险敏感度。相比传统方法，能够有效评估驾驶员的危险感知实时状态，并提高其制动决策的预测准确性。
75、（2）本发明在制动曲线预测中，考虑了驾驶员对当前车速的感知误差和速度差异敏感度，校正了驾驶员对真实车速的感知偏差；通过这一校正，降低了因感知误差导致的操作失误风险，提高了制动曲线预测的准确性。
76、（3）本发明通过动态聚类分析驾驶员的制动模式，利用实时数据在每个时刻持续预测车辆行驶至危险临界点时的状态。在每个时刻，基于最新的驾驶员决策和液体晃动情况，模拟并预测车辆到达危险临界点时的速度和安全性，并在下一时刻进行修正和重新预测。与传统方法不同，本发明并没有将未选择最优策略直接视为失误，而是为驾驶员留出一定的驾驶空间和容错率，从而减少了过度误判和错判的可能性，更加贴合实际驾驶情境。
77、（4）本发明构造的液体晃动模型采用了基于有限元的多层分割方法，能够动态调整阻尼矩阵，以适应不同液体层高度的变化及罐体的几何规格。相较于传统的单层或简化模型，该模型能够更细致地捕捉液体在运动中的晃动特征，尤其在应对不同尺寸和形状的液罐时，具备更强的适应性和更高的预测精度。这一设计弥补了传统液体晃动模型在复杂几何环境下精度不足的缺陷，确保了在实际路况中的广泛适用性和模型预测的稳定性。
78、（5）本发明提出了将驾驶员行为、车辆运动和液体晃动耦合在一起的长时间制动曲线预测方法，提出通过结合拉普拉斯变换和四阶龙格-库塔法进行数值迭代求解，能够实现液体晃动对车辆纵向运动影响的动态模拟推演。与现有方法相比，该方法能够同时考虑驾驶员的实际制动行为、液体晃动和车辆动态交互，提供对复杂液罐车驾驶情况的实时响应，从而在长时间的驾驶过程中进行更平稳的制动控制，避免紧急制动带来的不稳定性和安全风险。该模型在实际驾驶条件下具有高度的实时适应性和精准性，特别适用于液罐车长时行驶中的稳定性控制。
79、（6）本发明提出了一种液罐车驾驶员制动决策失误的判断流程和系统，能够对驾驶员每一时刻的制动决策进行长时推演和失误率计算；该方法可以实时识别制动策略中的偏差，并通过反馈机制及时调整驾驶员的决策行为，确保驾驶安全；同时，操作简便、成本低廉。
1.一种液罐车驾驶员制动决策失误的判断方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种液罐车驾驶员制动决策失误的判断方法，其特征在于，所述步骤s6在确定决策失误率后，基于决策失误率判断决策失误风险区间，并介入控制机制，具体控制方法为：
3.根据权利要求1所述的一种液罐车驾驶员制动决策失误的判断方法，其特征在于，所述步骤s1.1中危险知觉评分的计算公式为：
4.根据权利要求1所述的一种液罐车驾驶员制动决策失误的判断方法，其特征在于，所述步骤s1.2中基于隐马尔可夫模型对驾驶员的制动意图进行提取，将驾驶员的制动意图分为三种隐藏状态，包括无制动意图、轻微制动意图、强制动意图，使用viterbi算法推断最可能的制动意图状态序列：；由此得到下一时间步的不同观测变量分别对应的制动意图状态；
5.根据权利要求1所述的一种液罐车驾驶员制动决策失误的判断方法，其特征在于，步骤s2.2中，初始制动模式的获取方法为：采用k-means聚类确定分为i类制动模式，得到每个类别模式的最大制动强度和单位制动强度；在车辆到达时刻时，实时采集真实的制动决策，同时结合来进行时刻新的制动模式分类，构建的模式分类目标函数为：，得到时刻的制动模式；之后对时刻制动决策影响下的未来各个时刻的制动决策进行推算，得到，其中，表示在时刻制动决策影响下推演得到的时刻制动决策。
6.根据权利要求1所述的一种液罐车驾驶员制动决策失误的判断方法，其特征在于，步骤s2.2中，所述速度差异敏感度和车速离差通过如下方式获取：
7.根据权利要求1所述的一种液罐车驾驶员制动决策失误的判断方法，其特征在于，步骤s6的具体步骤为：到达危险临界点时的车速通过车辆运动迭代求解直到 ，记录此时的速度作为，其中表示迭代到第步时的位置，表示迭代到第步时的车速；
8.根据权利要求3所述的一种液罐车驾驶员制动决策失误的判断方法，其特征在于，所述视觉注意力集中度、注视频率、扫视幅度、焦点宽度的计算公式为：
9.一种用于实现权利要求1至8任意一项所述判断方法的液罐车驾驶员制动决策失误的判断系统，其特征在于，所述系统包括信息采集模块、危险知觉计算模块、制动意图提取模块、制动起始点预测模块、制动曲线预测模块、液体晃动力计算模块、决策失误风险计算模块；
10.根据权利要求9所述的液罐车驾驶员制动决策失误的判断系统，其特征在于，所述系统还包括油门控制模块以及预警模块；其中，所述油门控制模块用于根据风险区间控制踏板开度；所述预警模块用于根据风险区间调整控制语音和震动提示的强度与频率。
