摘 要：智能車主要分為路徑規(guī)劃、路徑跟蹤、自動(dòng)泊車三大部分。路徑規(guī)劃主要研究車輛的避障問題，路徑跟蹤主要研究車輛跟隨期望路徑的有效性，自動(dòng)泊車主要分析車輛在有限的幾何空間內(nèi)將車輛泊到指定的空間位置。其中路徑跟蹤是其核心部分，根據(jù)研究方法的不同，主要分為“預(yù)瞄跟隨模型”和“智能控制模型”。文章根據(jù)預(yù)瞄點(diǎn)的不同，主要分析單點(diǎn)預(yù)瞄模型、兩點(diǎn)預(yù)瞄模型、路程預(yù)瞄模型。根據(jù)智能控制方法的不同，主要分析模糊邏輯控制駕駛員模型、神經(jīng)網(wǎng)絡(luò)控制駕駛員模型、模型預(yù)測(cè)控制駕駛員模型。主題詞：智能車;預(yù)瞄跟隨模型;智能控制模型中圖分類號(hào)：U471 ?文獻(xiàn)標(biāo)識(shí)碼：A ?文章編號(hào)：1671-7988（2020）01-49-02

Abstract： Smart cars are mainly divided into three parts： path planning， path tracking， and automatic parking. Path planning mainly studies the obstacle avoidance problem of vehicles. Path tracking mainly studies the effectiveness of vehicles following the expected path. Automatic parking mainly analyzes vehicles parking vehicles in a limited geometric space to a specified spatial position. Path tracking is its core part. According to different research methods， it is mainly divided into “pre-targeting model” and “intelligent control model”.According to the different pre-pointing points， this paper mainly analyzes the single-point preview model， the two-point preview model， and the route preview model. According to the different intelligent control methods， the fuzzy logic control driver model， the neural network control driver model， and the model predictive control driver model are mainly analyzed.Keywords： Smart car vehicle; Preview follower model; Intelligent control modelCLC NO.： U471? Document Code： A? Article ID： 1671-7988（2020）01-49-02

前言

駕駛員模型在人-車-路閉環(huán)系統(tǒng)中有著重要作用。為了建立更逼真的駕駛員模型，充分考慮駕駛員的前視作用。文獻(xiàn)[1]建立了一種單點(diǎn)預(yù)瞄的駕駛員模型。文獻(xiàn)[2]建立了一種兩點(diǎn)預(yù)瞄的駕駛員模型。文獻(xiàn)[3]建立了更一般的預(yù)瞄形式即路程預(yù)瞄駕駛員模型。隨著控制理論的發(fā)展，有關(guān)學(xué)者將智能控制方法引入到了駕駛員模型，建立了一類具有推理思維的駕駛員模型。文獻(xiàn)[4]結(jié)合模糊邏輯控制方法具有模擬人的推理過程的優(yōu)勢(shì)，建立了一種模糊邏輯智能控制駕駛員模型。文獻(xiàn)[5]基于樣本的數(shù)據(jù)，建立了一種神經(jīng)網(wǎng)絡(luò)駕駛員模型。文獻(xiàn)[6]結(jié)合模型預(yù)測(cè)控制算法具有預(yù)測(cè)和滾動(dòng)優(yōu)化的優(yōu)勢(shì)，建立了一種基于模型預(yù)測(cè)控制的駕駛員模型。以上模型在路徑跟蹤方面均取得了一定進(jìn)展，得到了較高的跟蹤精度。

1 預(yù)瞄跟隨模型的概述

預(yù)瞄跟隨模型是由日本學(xué)者Kondo最早建立的。其結(jié)構(gòu)框圖如圖1所示。駕駛員通過預(yù)瞄作用來獲取目標(biāo)路徑上的坐標(biāo)信息，得到期望的跟隨軌跡。此時(shí)車輛模型反饋出實(shí)際的跟蹤軌跡。這樣可以得到期望路徑軌跡與跟蹤軌跡的誤差。駕駛員通過橫向誤差來決策出理想的方向盤轉(zhuǎn)角作用于車輛。形成閉環(huán)控制。這樣整個(gè)預(yù)瞄跟隨的人-車-路駕駛員模型就建立起來了。

基于預(yù)瞄的前視作用，我國(guó)學(xué)者郭孔輝院士首次提出了“單點(diǎn)預(yù)瞄”模型[1]。該模型將駕駛員的視線主要集中于前方目標(biāo)路徑的一點(diǎn)，通過預(yù)瞄點(diǎn)的橫向誤差來決策出理想的方向盤轉(zhuǎn)角，使期望路徑與目標(biāo)路徑的橫向誤差為零。

基于單點(diǎn)預(yù)瞄模型，不少學(xué)者建立了兩點(diǎn)預(yù)瞄模型[2，3，7]。兩點(diǎn)預(yù)瞄模型主要通過兩個(gè)不同的點(diǎn)進(jìn)行預(yù)瞄跟隨控制。通過控制不同的預(yù)瞄點(diǎn)，來決策出最優(yōu)的方向盤轉(zhuǎn)角。兩點(diǎn)預(yù)瞄主要優(yōu)勢(shì)是可以借助對(duì)目標(biāo)路徑曲率的判斷，建立了基于曲率與車速的遠(yuǎn)近兩點(diǎn)智能控制，根據(jù)不同曲率選擇預(yù)瞄的遠(yuǎn)近點(diǎn)。遠(yuǎn)點(diǎn)主要用于直線路徑跟隨，近點(diǎn)主要用于彎道路徑跟隨。單點(diǎn)預(yù)瞄模型和兩點(diǎn)預(yù)瞄模型在路徑跟蹤方面取得了一定進(jìn)展，但是并沒充分反應(yīng)駕駛員的預(yù)瞄跟隨行為。駕駛員預(yù)瞄更一般的形式是其預(yù)瞄點(diǎn)不僅集中于前方目標(biāo)路徑的一點(diǎn)，而是集中于前方一段路，并使預(yù)瞄路段的累計(jì)誤差最小。文獻(xiàn)[3]建立了一種基于路程預(yù)瞄的駕駛員模型控制，通過對(duì)一段路程進(jìn)行預(yù)瞄跟隨，來決策出最優(yōu)的方向盤轉(zhuǎn)角。

2 智能控制模型的概述

隨著智能控制的發(fā)展，很多學(xué)者將智能控制算法引入到駕駛員模型。結(jié)合智能控制具有模擬人的推理能力。能較好的應(yīng)用于車輛這種非線性系統(tǒng)。文獻(xiàn)[4]建立了基于模糊邏輯控制的駕駛員模型，通過控制輸入變量，定義模糊規(guī)則，解模糊化來決策出輸出變量方向盤轉(zhuǎn)角。由于模糊規(guī)則是基于專家經(jīng)驗(yàn)，因此在一定程度上能模擬認(rèn)定思維，能很好的適應(yīng)于非線性，使所建立的駕駛員模型具有較高的精度和較好的魯棒性。

神經(jīng)網(wǎng)絡(luò)控制駕駛員模型，神經(jīng)網(wǎng)絡(luò)控制主要是依據(jù)傳

感器所采集的樣本數(shù)據(jù)進(jìn)行網(wǎng)絡(luò)權(quán)值訓(xùn)練。神經(jīng)網(wǎng)絡(luò)控制通過建立不同的網(wǎng)絡(luò)層，每一層設(shè)置不同的網(wǎng)絡(luò)節(jié)點(diǎn)，不同的節(jié)點(diǎn)設(shè)置不同的權(quán)重值。大量的樣本數(shù)據(jù)來優(yōu)化權(quán)重值。不需要的精確的數(shù)學(xué)模型，能夠較好的應(yīng)用于車輛的非線性系統(tǒng)，且樣本數(shù)據(jù)量越大，訓(xùn)練的網(wǎng)絡(luò)結(jié)構(gòu)越逼近真實(shí)駕駛員模型。

模型預(yù)測(cè)駕駛員模型，由于車輛模型較復(fù)雜，無法建立精確的數(shù)學(xué)模型。同時(shí)駕駛員模型需要考慮較多的不定因素，同時(shí)在整個(gè)局部路徑階段，需要不斷的優(yōu)化出最優(yōu)的方向盤轉(zhuǎn)角。模型預(yù)測(cè)控制算法基于系統(tǒng)當(dāng)前的狀態(tài)，通過控制系統(tǒng)當(dāng)前的增量。預(yù)測(cè)模型未來的輸出狀態(tài)量。模型預(yù)測(cè)控制算法通過施加約束條件，不斷滾動(dòng)優(yōu)化目標(biāo)函數(shù)?？梢詫?shí)時(shí)決策出理想的方向盤轉(zhuǎn)角。

3 結(jié)束語

本文基于“預(yù)瞄-跟隨”理論，簡(jiǎn)述了基于預(yù)瞄模型所建立的“單點(diǎn)預(yù)瞄模型”、“兩點(diǎn)預(yù)瞄模型”、“路程預(yù)瞄模型”的跟隨算法。其預(yù)瞄作用進(jìn)一步逼近真實(shí)駕駛員的前視作用，為建立更科學(xué)的駕駛員模型提供了有效的參考方法?；谥悄芸刂扑惴ǎ榻B了模糊邏輯智能控制駕駛員模型，神經(jīng)網(wǎng)絡(luò)駕駛員模型，模型預(yù)測(cè)駕駛員模型。以上模型從不同方面模擬人的思維能力，使建立的駕駛員模型更具有智能化。

參考文獻(xiàn)

[1] 郭孔輝.汽車操縱動(dòng)力學(xué)原理[M].南京：江蘇科學(xué)技術(shù)出版社，2011.

[2] 楊浩，黃江，李正網(wǎng)，李攀，韓中海.基于曲率與車速的兩點(diǎn)智能控制駕駛員模型[J].汽車技術(shù)，2017（08）：38-42.

[3] 楊浩，黃江，李攀，韓中海.基于路程預(yù)瞄的駕駛員模型[J].汽車技術(shù)，2019（02）：7-13.

[4] 刁勤晴，張雅妮，朱凌云.雙預(yù)瞄點(diǎn)智能車大曲率路徑的橫縱向模糊控制[J].中國(guó)機(jī)械工程，2019，30（12）：1445-1452.

[5] 郭孔輝，潘峰，馬鳳軍.預(yù)瞄優(yōu)化神經(jīng)網(wǎng)絡(luò)駕駛員模型[J].汽車工程學(xué)報(bào)，2003（01）：26-28+64.

[6] 王藝，蔡英鳳，陳龍，等.基于模型預(yù)測(cè)控制的智能車輛路徑跟蹤控制器設(shè)計(jì)[J].汽車技術(shù)，2017（10）：44-48.

[7] 張慧豫.采用遠(yuǎn)近兩點(diǎn)預(yù)瞄的新型駕駛員轉(zhuǎn)向模型研究[D].南京：南京航空航天大學(xué)，2012.