大曲率轉彎工況下的駕駛員模型分析

韓暢銘

（陜西重型汽車有限公司 汽車工程研究院，陜西 西安 710200）

近年來，隨著智能駕駛越來越熱門，無人駕 駛技術研發也備受關注。環境感知、路徑規劃、路徑跟蹤和底層控制等幾個關鍵部分的研究也越來越深入。其中，路徑跟蹤主要研究在考慮車輛位置信息、動力學特性等情況下，車輛跟隨期望路徑的有效性。在路徑跟蹤中，駕駛員模型在人-車-路閉環系統中扮演著重要的角色[1]。

國內外學者基于不同的假設和理論提出了多種駕駛員模型，并且在此基礎上進行了應用研究。國外學者進行了諸多的研究，早在1953年，文獻[2]在研究轉向工況下方向穩定性時提出了“shaft”駕駛員模型。文獻[3]提出了一種駕駛員行為的表示方法，將駕駛員操作以及神經滯后影響等各行為用傳遞函數表示。文獻[4]結合最優控制理論，提出了最優預瞄控制模型，其模型結構如圖1所示。文獻[5]提出將模糊邏輯控制加入駕駛員模型中，并研究此算法對模型的影響。國內學者也對智能駕駛員模型進行了深入的分析研究。1984年，文獻[6]將MacAdam最優預瞄模型加以改進，提出了一種預瞄最優曲率模型，其模型結構如圖2所示。文獻[7]在預瞄最優曲率模型的基礎上進行了大角度操縱運動的深入研究。文獻[8]將駕駛員方向控制模型優化，并應用在汽車智能駕駛研究中。文獻[9]基于遺傳算法控制理論和模糊控制理論，提出了一種橫向控制模型。文獻[10]和文獻[11]針對預瞄跟隨駕駛員模型進行了參數校正，在MATLAB/Simulink平臺中對CarSim樣車進行仿真，表明了校正后的駕駛員模型具有更好的跟隨性和自適應能力。

圖1 最優預瞄駕駛員模型

圖2 預瞄最優曲率駕駛員模型

文章根據駕駛員視覺范圍建立兩點預瞄的駕駛員模型，并在該基礎上改進，為適應大曲率轉彎工況，提出一種運用簡單模糊控制的縱向模型，通過縱橫向耦合模仿駕駛員行為，進而決策出期望的轉向盤轉角和車速。

1 駕駛員模型的提出

文章駕駛員模型的提出基于兩個機制，一是視覺機制，另外一個是預瞄機制。1994年，人類生理、心理學家Land和Horwood對駕駛員在彎道行駛的行為進行了研究。研究表明，在車輛行駛中，駕駛員視覺注意的范圍主要包括“遠”區（大約在車前方10～20 m）和“近”區（大約在車前方6～8 m）[12]。這一研究發現使得駕駛員模型預瞄點的選取找到了依據。實際情況下，駕駛員是以當前車輛狀態信息為基礎，預測前方視覺處于期望道路中心線之間的橫向位置誤差的大小，駕駛員轉動轉向盤使得此誤差為零，這個預測誤差就是橫向預瞄誤差[13]。

文章提出的駕駛員模型的工作原理是基于車輛當前的運動狀態，將車輛位置信息、預瞄出的位置信息以及車輛運動參數輸入給駕駛員模型，駕駛員模型通過這些參數進行決策和計算，根據預瞄點的橫向誤差、車輛運動狀態和動力學參數計算出所需的轉向盤轉角，進而通過轉向盤轉角實現對目標路徑的跟蹤，其控制結構如圖3所示。

圖3 兩點預瞄駕駛員模型控制結構

從以上工作原理可獲得兩點預瞄駕駛員模型，示意圖如圖4所示。可以看出車輛質心和期望路徑中心線之間的橫向位置誤差變化率為

圖4 兩點預瞄駕駛員模型示意圖

式中，vx和vy分別表示車輛質心的縱向速度和側向速度。

得到車輛與期望道路中心線的夾角，由簡單幾何關系整理得

由于車輛與期望道路中心線的夾角φ較小，因此，上式可整理得

2 駕駛員模型的改進

考慮到車輛在大曲率路徑行駛時，轉彎過程中，上述模型極易導致車輛側向不穩定，駕駛員模型對期望路徑的路徑跟蹤精度也大大減弱，需要改進上述的兩點預瞄駕駛員模型，用于提高跟蹤精度和降低車速，改進后駕駛員模型示意圖如圖5所示。

圖5 改進駕駛員模型示意圖

改進后的駕駛員模型的工作原理不僅包含上述駕駛員模型的工作原理，還將通過簡單模糊方法描述遠近兩個預瞄點和期望道路中心線的夾角、車速和車輛側向加速度等與制動壓力的關系，從而控制車輛縱向速度，保證車輛在大曲率轉彎工況下能夠平穩行駛，其控制結構如圖6所示。

圖6 改進駕駛員模型控制結構

3 建模與仿真分析

文章利用MATLAB/Simulink 仿真軟件建立駕駛員控制模型，選取TruckSim中的車輛模型進行仿真分析。

為驗證該模型對期望路徑的路徑跟蹤有效性，建立測試場景，其中包括不同大曲率的道路，測試路徑如圖7所示。

圖7 測試路徑

以TruckSim樣車為對象，在40 km/h的車速下進行閉環仿真。通過TruckSim和Simulink聯合仿真平臺，對兩種駕駛員模型路徑跟蹤控制仿真結果進行分析。兩點預瞄駕駛員聯合仿真模型向車輛模型反饋時，只考慮大曲率轉向下的方向盤轉角的描述，而改進后的駕駛員模型在仿真時，同時考慮了方向盤轉角的描述，也考慮了縱向控制，仿真模型如圖8、圖9和圖10所示。

圖9 改進后駕駛員聯合仿真模型

圖10 縱向控制Simulink模型

經過仿真分析，分析大曲率路徑下的車輛實際路徑與期望路徑之間的誤差，輸出改進后的駕駛員模型和原駕駛員模型對路徑跟蹤的誤差變化曲線，如圖11所示。

圖11 路徑跟蹤誤差變化曲線

由圖11可知，改進后的駕駛員模型由于加入了縱向控制，車輛在轉彎過程中會產生制動作用，車速減慢，因此，改進的駕駛員模型會比原模型行駛相同的一段路況所用時間會長（即圖中改進前后的曲線會存在偏離誤差遲滯），但是明顯減少大曲率轉彎下的誤差。原模型對路徑跟蹤的誤差最大達到0.9 m，改進駕駛員對路徑跟蹤的誤差最大達到0.39 m。

4 結論

本文先提出了一種基于視覺和預瞄機制的駕駛員模型，后提出了一種改進的駕駛員模型，這種駕駛員模型在基于視覺和預瞄機制的同時，也采用了模糊邏輯控制方法決策車輛制動壓力，可以對車輛執行橫向和縱向控制。

基于駕駛員模型和改進的駕駛員模型這兩種模進行分析，分析發現，大曲率轉彎工況下，改進駕駛員模型對期望路徑的路徑跟蹤精度增加。

本文對駕駛員模型和改進的駕駛員模型仿真分析，仿真結果表明，改進后駕駛員對路徑跟蹤的誤差最大達到0.39 m，比原模型的路徑跟蹤誤差減少了56.67%。