汽车驾驶员模型的研究现状及发展趋势

汽车驾驶员模型是汽车交通安全、智能交通系统、汽车自动驾驶和车辆巡航等技术的基础研究内容和关键环节之一。按照汽车驾驶员模型的研究方向及应用,将驾驶员模型分为基于人—车—环境闭环系统汽车操纵稳定性的驾驶员模型、基于智能交通系统的驾驶员行为模型和基于交通安全的驾驶员疲劳模型等类型,综述了上述各类汽车驾驶员模型的研究现状,对各类驾驶员模型存在的不足进行了分析论述,并展望了汽车驾驶员模型的发展方向及趋势。     

智能车辆设计中驾驶员模型回顾与展望

回顾智能车辆设计中驾驶员模型的发展历程,根据不同的应用类型,将其分为方向控制、速度控制和方向速度综合控制模型,其中方向控制驾驶员模型包括补偿跟踪模型、预瞄跟踪模型和智能控制模型。对不同应用类型中具有代表性的驾驶员模型进行介绍,阐述各类模型的研究过程,讨论各类模型的结构特点和在智能车辆设计过程中的应用。展望了智能车辆设计中驾驶员模型的发展方向。     

基于主成分分析法和支持向量机算法的驾驶人疲劳检测方法

汽车驾驶人的疲劳程度识别对于预防交通事故具有十分重要的意义。设计了实车驾驶实验，采集了20名汽车驾驶人在疲劳驾驶状态下的眼动特征参数，将汽车驾驶人的疲劳等级分为警觉、轻度疲劳、深度疲劳和嗜睡四个级别。利用主成分分析法（PCA）预处理了所采集的眼动特征数据，并利用支持向量机（SVM）算法建立了PCA-SVM疲劳检测模型。实验结果表明，该模型能够高精度地识别驾驶人的四种疲劳状态。     

基于TD3算法的人机混驾交通环境自动驾驶汽车换道研究

提高人类驾驶人的接受度是自动驾驶汽车未来的重要方向,而深度强化学习是其发展的一项关键技术。为了解决人机混驾混合交通流下的换道决策问题,利用深度强化学习算法TD3（Twin Delayed Deep Deterministic Policy Gradient）实现自动驾驶汽车的自主换道行为。首先介绍基于马尔科夫决策过程的强化学习的理论框架,其次基于来自真实工况的NGSIM数据集中的驾驶数据,通过自动驾驶模拟器NGSIM-ENV搭建单向6车道、交通拥挤程度适中的仿真场景,非自动驾驶车辆按照数据集中驾驶人行车数据行驶。针对连续动作空间下的自动驾驶换道决策,采用改进的深度强化学习算法TD3构建换道模型控制自动驾驶汽车的换道驾驶行为。在所提出的TD3换道模型中,构建决策所需周围环境及自车信息的状态空间、包含受控汽车加速度和航向角的动作空间,同时综合考虑安全性、行车效率和舒适性等因素设计强化学习的奖励函数。最终在NGSIM-ENV仿真平台上,将基于TD3算法控制的自动驾驶汽车换道行为与人类驾驶人行车数据进行比较。研究结果表明：基于TD3算法控制的车辆其平均行驶速度比人类驾驶人的平均行车速度高4.8%,在安全性以及舒适性上也有一定的提升;试验结果验证了训练完成后TD3换道模型的有效性,其能够在复杂交通环境下自主实现安全、舒适、流畅的换道行为。     

考虑驾驶人风格的换道轨迹规划与控制（双语出版）

基于自动换道控制技术中融合个性化驾驶人风格的研究，建立考虑驾驶人风格的车辆换道轨迹规划及控制模型以提高换道规划控制模型对不同风格驾驶人的适用性，在保证安全性的基础上进一步满足驾驶人的个性化需求。首先通过问卷调查的方式采集得到了212份驾驶人风格量表数据，采用主成分分析法和K均值（K-means）聚类分析法将驾驶人按驾驶风格分为激进型、普通型和谨慎型，并通过驾驶模拟器试验采集不同风格驾驶人分别在自车道前车、目标车道前车和目标车道后车影响下的换道行为数据。然后对椭圆车辆模型进行改进，以描述不同风格驾驶人的行车安全区域，并据此构建3种典型工况下不同风格驾驶人的换道最小安全距离模型，结合驾驶舒适性约束、车辆几何位置约束以及不同风格驾驶人的换道行为数据，以换道纵向位移最短为目标，实现适应驾驶人风格的换道轨迹规划。最后以基于预瞄的路径跟踪模型作为前馈量，设计基于动力学的线性二次型最优（LQR）反馈控制器，通过调节控制权重矩阵实现3种工况下不同驾驶人风格的换道轨迹跟踪。PreScan和MATLAB/Simulink联合仿真结果表明：所设计的考虑驾驶人风格的换道轨迹规划及跟踪控制模型能够实现不同驾驶风格的自动换道轨迹规划及跟踪控制，可满足驾驶人个性化换道需求。     

线控汽车底盘控制技术研究进展及展望

对各国线控汽车发展现状,以及汽车线控转向系统、线控制动系统、线控驱动系统和线控悬架系统的各系统组成、工作原理和控制方法及研究现状进行了概述,总结了影响线控汽车发展的关键技术,并对信息传输、驾驶人意图与工况辨识、故障诊断与容错控制、底盘集成控制等技术的研究进展进行了综述.针对全线控汽车,给出了分层式集成控制系统框架,并对框架内容进行了分析,以期为线控汽车研究与发展提供新的视角和基础资料.     

基于Logistic回归的驾驶人跟车危险认知模型

为探索紧急情况下驾驶人跟车危险认知机理,利用图像式汽车行驶记录仪在中国首次开展了大规模的交通冲突调查,基于采集的实际交通环境下的追尾冲突数据,分析了驾驶人制动操作与驾驶人安全和危险状态判断之间的关系,提出了基于Logistic回归的驾驶人跟车危险认知模型。研究结果表明:车头时距和碰撞时间是影响驾驶人跟车危险判断的重要参数;经模型的拟合优度和预测准确性检验,提出的模型在城市交通环境下具有较好的适用性。     

电控汽车驾驶信息系统的运用

现代汽车的仪表盘逐渐向智能化、数字化、多功能方向发展。用数字、线条、图形等形式全面反映对驾驶人有用的车辆行驶动态信息的系统称为“驾驶信息系统”(DIS)。电控汽车的驾驶信息系统又叫中心计算机系统,它由车内旅程电脑、汽车导航系统以及由电控单元控制的组合仪表盘上众多的仪表、指示灯和显     

考虑驾驶人特性的智能驾驶路径跟踪算法

针对现有智能汽车路径跟踪控制过程中较少考虑驾驶人特性的问题,设计了一种考虑驾驶人特性的智能驾驶路径跟踪算法。采用k均值算法对实车试验获取的相关数据进行聚类分析,根据操纵特征参数的规律性和差异性将驾驶人特性分为正常型、激进型、保守型3类。根据驾驶人特性分类及聚类结果,将不同驾驶人对车辆侧向、纵向行驶状态的不同偏好特性融入至路径跟踪控制策略的设计中。采用模型预测原理设计了智能驾驶路径跟踪控制器,通过数据聚类结果来设计控制器的代价函数与约束条件。仿真试验结果表明,本文所提出的考虑驾驶人特性的路径跟踪控制策略具有较高的轨迹跟踪精度和速度控制精度,且车辆响应变化能够体现出不同的驾驶人特性,路径跟踪速度误差不超过2%,侧向跟踪误差小于0.13 m。     

表征防御性驾驶技术与情绪智力提升的多元线性回归模型

近年来,防御性驾驶技术成为道路交通安全风险防控的重要研究方向。目前国内外针对防御性驾驶的研究集中在可行性和防御性驾驶判断、识别研究,对防御性驾驶培训与驾驶人情绪智力关系的定量研究还处于空白,针对防御性驾驶培训与驾驶人情绪智力的定量研究处于空白的问题,基于对驾驶人情绪智力评价指标的分析、防御性驾驶技术的实施流程分析与防御性驾驶培训体系设计,提出了一种表征防御性驾驶技术培训与驾驶人情绪智力提升之间关系多元线性回归模型,此模型分两个阶段描述驾驶人心理和生理、情绪、驾驶智力、学习时长5个自变量与防御性驾驶培训成效因变量之间的线性关系。为了验证模型的线性特征,对模型进行了F检验。验证结果显示:5个自变量对因变量产生的线性影响判断犯错概率两个阶段平均为0.047,符合多元线性回归的要求,表明提出的多元线性回归模型是一种有效的模型。通过模型的分析得出,防御性驾驶培训对驾驶人情绪智力提升有两个明显的特征。在初始阶段,防御性驾驶培训与驾驶人的敏捷性相关的指标相关性最高,在第2阶段,防御性驾驶培训与驾驶人的心理和情绪控制指标相关较高。     

智能汽车的人机共驾技术研究现状和发展趋势

智能汽车的人机共驾技术（HMIoIV）是解决其智能化级别难以快速跨越至高度自动化水平的有效过渡手段。HMIoIV涉及了L0~L3级别的智能汽车的多种自动化技术,包括先进辅助驾驶系统。针对当前国内外智能汽车人机共驾技术的研究现状,对其概念、结构和研究内容进行总结,根据独立驾驶人参与的数量和驾驶操作方参与的数量将现有的人机共驾技术分成3类：单驾双控结构、串联型双驾单控结构（Traded Control）和并联型双驾双控结构（Shared Control）;并对驾驶人为因素、驾驶人模型、自然驾驶人状态监测和驾驶意图识别、串联型双驾单控结构和并联型双驾双控结构的研究方法以及权限与责任的关系进行全面综述。最后,分析总结当前智能汽车的人机共驾技术所面临的问题和挑战,并对该技术的发展趋势做出展望。     

车辆跟驰行为建模的回顾与展望

系统地回顾了跟驰理论60年的发展历程,依据建模思想将跟驰行为模型分为交通工程角度和统计物理角度。交通工程角度的跟驰模型包括刺激-反应类、安全距离类、心理-生理类及人工智能类模型;统计物理角度的跟驰模型包括优化速度模型、智能驾驶模型和元胞自动机模型。针对各类模型分别阐述了其建模思路、模型结构、参数标定及其扩展研究。最后,展望了跟驰行为建模的发展趋势与研究方向,为建立适合中国交通流特点的跟驰模型提供参考。     

Modelling of Driver/Vehicle Directional Control System

Different driver models and driver/vehicle/road closed-loop directional control systems are reviewed and compared. Evaluation methods of vehicle handling quality based on closed-loop system dynamics, stability of the closed-loop system, and optimization of vehicle design are discussed.     

Modelling of Driver/Vehicle Directional Control System

Abstract

Different driver models and driver/vehicle/road closed-loop directional control systems are reviewed and compared. Evaluation methods of vehicle handling quality based on closed-loop system dynamics, stability of the closed-loop system, and optimization of vehicle design are discussed.     

A driver-adaptive stability control strategy for sport utility vehicles

Conventional vehicle stability control (VSC) systems are designed for average drivers. For a driver with a good driving skill, the VSC systems may be redundant; for a driver with a poor driving skill, the VSC intervention may be inadequate. To increase safety of sport utility vehicles (SUVs), this paper proposes a novel driver-adaptive VSC (DAVSC) strategy based on scaling the target yaw rate commanded by the driver. The DAVSC system is adaptive to drivers’ driving skills. More control effort would be exerted for drivers with poor driving skills, and vice versa. A sliding mode control (SMC)-based differential braking (DB) controller is designed using a three degrees of freedom (DOF) yaw-plane model. An eight DOF nonlinear yaw-roll model is used to simulate the SUV dynamics. Two driver models, namely longitudinal and lateral, are used to ‘drive’ the virtual SUV. By integrating the virtual SUV, the DB controller, and the driver models, the performance of the DAVSC system is investigated. The simulations demonstrate the effectiveness of the DAVSC strategy.     

车辆转弯制动横向轨迹控制驾驶员模型研究

为了较为真实地反映车辆转弯制动工况,建立了含Pacejka"魔术公式"非线性联合工况轮胎模型的4轮8自由度车辆系统模型,并基于预瞄跟随理论、加速度反馈控制和模糊PID控制技术建立了车辆转弯制动横向轨迹控制驾驶员模型。针对不同初始速度和制动强度,利用MATLAB/Simulink进行了横向轨迹控制仿真分析。分析结果表明,驾驶员控制模型能很好地跟踪横向轨迹,模型的可行性和有效性得到验证,同时不同仿真条件下结果的一致性也说明该控制方法具有较强的自适应能力和鲁棒性,为进一步研究复杂工况下的驾驶员模型及横向轨迹控制提供了一条可行的途径。     

Development of fuel cell hybrid powertrain research platform based on dynamic testbed

An experimental research platform based on a dynamic testbed is developed and applied for fuel cell hybrid powertrain integration and control. A driver brake model is added to the dynamic testbed to simulate the braking process of an electric vehicle. Sub-systems of the fuel cell hybrid powertrain are tested, and characteristic parameters are obtained. A simulation platform is constructed in LabVIEW environment, and its validity is verified by dynamic test results. A real time control system is developed with an embedded PC for the function of rapid control prototyping. Using this platform, fuel cell battery hybrid and fuel cell supercapacitor hybrid configurations are investigated. This platform provides a powerful tool for fuel cell powertrain research and development.     

eTS fuzzy driver model for simultaneous longitudinal and lateral vehicle control

In this paper, evolving Takagi-Sugeno (eTS) fuzzy driver model is proposed for simultaneous lateral and longitudinal control of a vehicle in a test track closed to traffic. The developed eTS fuzzy driver model can capture human operator’s driving expertise for generating desired steering angle, throttle angle and brake pedal command values by processing only information which can be supplied by the vehicle’s on-board control systems in real time. Apart from other fuzzy rule based (FRB) models requiring human expert knowledge or off-line clustering, the developed eTS driver model can adapt itself automatically, even ‘from scratch’, by an on-line learning process using eTS algorithm while human driver is supervising the vehicle. Proposed eTS fuzzy driver model’s on-line human driver identification capability and autonomous vehicle driving performance were evaluated on real road profiles created by digitizing two different intercity express ways of Turkey in IPG© CarMaker® software. The training and validation simulation results demonstrated that eTS fuzzy driver model can be used in product development phase to speed up different tests via realistic simulations. Furthermore eTS fuzzy driver model has an application potential in the field of autonomous driving.