不同情境下乘员对车辆运动参数的晕车敏感性研究

晕车是一种常见的由车辆运动引起的病症，严重影响乘车体验。由于现有车辆控制方法很难做到完全避免晕车，且晕车等级随暴露时间而增加，并受不同情景的影响，故乘员晕车状态变化对应的车辆运动参数阈值(晕车阈值)需要进一步研究。本文聚焦于探究不同情景下晕车阈值的变化规律，即晕车敏感性。首先，设计4类情境下(不同晕车易感性和有无非驾驶任务)的实车乘坐；其次，分析4类情境下晕车等级的变化规律；然后，分别以4种运动工况下的加速度和加加速度作为分析对象，利用单因素方差和统计方法，将相同情景和不同晕车等级下的晕车阈值变化规律(横向敏感性)进行横向对比，将不同情景和相同晕车等级下的晕车阈值变化规律进行纵向对比(纵向敏感性)。结果表明，晕车等级随暴露时间而增加，并且4类情境下的晕车等级存在差异，高晕车易感性被试具有横向敏感性，低晕车易感性被试不具有横向晕车易感性；纵向敏感性一般只在中度晕车等级下成立。研究结论丰富了晕车等级与晕车阈值的关系，可为传统驾驶和自动驾驶减少晕车的控制策略提供参考依据。     

人机协作系统中车辆轨迹规划与轨迹跟踪控制研究

自动驾驶系统需具备响应驾驶人意图且有效执行驾驶人意图的能力，以解决人机协作系统中存在的人机冲突、人机优势融合等问题。提出决策层“以人为主”、执行层“以机为首”的人机协作关系，构建包含驾驶人意图识别模块、基于意图识别的轨迹规划模块与轨迹跟踪控制模块的人机协作一体化控制系统框架，并重点对轨迹规划模块与轨迹跟踪控制模块开展研究。首先，结合双向长短期记忆神经网络（Bi-directional Long Short Term Memory，Bi-LSTM）与注意力机制模型建立换道轨迹规划模型；在改进人工势场算法中引入模型预测控制并建立避险轨迹规划模型。其次，通过开展驾驶模拟器试验建立换道与避险驾驶行为数据集，为拟人化模型训练和模型参数确定提供支撑。然后，综合考虑车辆状态变量、控制输入与输出以及道路结构参数等约束条件，构建基于最优转向前轮输入的线性时变模型预测轨迹跟踪控制器，实现对规划轨迹的精准跟踪。最后，基于驾驶模拟器搭建人机协作系统硬件在环测试平台，对轨迹规划模块与轨迹跟踪控制模块开展硬件在环测试与验证。结果表明：换道与避险规划轨迹光滑且平稳，轨迹跟踪控制过程中，车辆航向角与前轮转角变化平稳；所构建的轨迹规划与轨迹跟踪控制模块在确保安全性前提下可实现不同场景中的车辆运动控制需求。