王雪瑩，張譯芳，袁盛玥，馬世峰Wang Xueying ，Zhang Yifang，Yuan Shengyue，Ma Shifeng

基于表征駕駛風(fēng)格的駕駛員縱向加速度模型

王雪瑩1，張譯芳1，袁盛玥1，馬世峰2
Wang Xueying1，Zhang Yifang1，Yuan Shengyue1，Ma Shifeng2

（1. 北京新能源汽車股份有限公司，北京 100176；2. 長春孔輝汽車科技股份有限公司，吉林 長春 130012）

駕駛員駕駛風(fēng)格的差異會引起縱向加速度決策與最優(yōu)值存在一定程度的偏差。改進了基于最優(yōu)預(yù)瞄的駕駛員縱向加速度模型，以跟隨速度為參考量，提出了多點多目標(biāo)的二階預(yù)瞄決策模型，并以預(yù)瞄視野、決策意愿和決策偏差表征駕駛員的駕駛風(fēng)格進行建模。通過Simulink-Carsim聯(lián)合仿真，驗證模型可以反映出不同駕駛風(fēng)格下的駕駛行為，為研究分析真實駕駛行為提供借鑒。

車輛工程；駕駛員模型；駕駛風(fēng)格；二階預(yù)瞄

0 引 言

在人—車—路閉環(huán)系統(tǒng)中，駕駛員兼做道路狀況的感知環(huán)節(jié)和車輛操作的決策環(huán)節(jié)，感知處理著各種信息，對車輛安全穩(wěn)定行駛以及乘坐人員的感受起著重要作用[1]。駕駛員模型是真實駕駛員操縱能力的數(shù)學(xué)表達，是隨著駕駛員監(jiān)控、管理、協(xié)調(diào)、補償?shù)刃袨榈闹匾圆粩嘣鰪娨约翱刂评碚摰牟粩喟l(fā)展而逐漸發(fā)展起來的新技術(shù)[2]。

駕駛員模型最初廣泛應(yīng)用于車輛操縱穩(wěn)定性評價，包括雙移線仿真、轉(zhuǎn)向輕便性雙移線仿真等。隨著硬件在環(huán)技術(shù)應(yīng)用的發(fā)展，越來越多的車輛開發(fā)及零部件控制器硬件開發(fā)開始應(yīng)用駕駛員模型進行車輛動力學(xué)及行駛仿真[3-6]，以此驗證控制器的可靠性及其他性能。智能駕駛技術(shù)的發(fā)展擴大了駕駛員模型的應(yīng)用范圍，在主動安全控制系統(tǒng)設(shè)計領(lǐng)域有了新的應(yīng)用[7-9]。同時，駕駛員模型也被應(yīng)用于智能車控制系統(tǒng)開發(fā)[10-11]，可以跟隨目標(biāo)軌跡和目標(biāo)速度，決策出相應(yīng)的轉(zhuǎn)向盤轉(zhuǎn)角和加速踏板、制動踏板開度。

硬件在環(huán)、控制器在環(huán)技術(shù)中，不同駕駛員駕駛同一輛車時，車輛響應(yīng)有所不同，因此以駕駛風(fēng)格細分的駕駛員模型能夠更全面地測試控制器及車輛特性。以基于最優(yōu)預(yù)瞄的駕駛員縱向加速度模型為基礎(chǔ)，以跟隨速度為參考量，發(fā)展得到基于多點多目標(biāo)的決策模型，同時基于縱向加速度及縱向加速變化率進行2階預(yù)瞄決策，并以預(yù)瞄視野、決策意愿和決策偏差表征駕駛員的駕駛風(fēng)格進行建模。通過Simulink-Carsim聯(lián)合仿真，驗證模型可以反映出不同駕駛風(fēng)格下的駕駛行為，豐富了駕駛員縱向加速度模型對不同駕駛風(fēng)格的模擬。

1 表征預(yù)瞄視野的多點預(yù)瞄決策建模

縱向駕駛員模型的多點預(yù)瞄類似于側(cè)向駕駛員模型，由預(yù)期軌跡預(yù)瞄區(qū)間內(nèi)各點的速度進行加速度決策，如圖1所示，圖中-為大地坐標(biāo)系，-為車輛坐標(biāo)系。

圖1 多點預(yù)瞄示意圖

在單點預(yù)瞄下，根據(jù)最優(yōu)預(yù)瞄理論，車速跟隨誤差e為

e=(+)-(+) （1）

式中：為預(yù)瞄時刻；為到達預(yù)瞄點所需時間；(+)為軌跡上預(yù)瞄點處的目標(biāo)車速，表示駕駛員駕駛車輛到達預(yù)瞄點處時希望的目標(biāo)車速；(+)為駕駛員駕駛車輛到達預(yù)瞄點處時實際的行駛車速。根據(jù)單點預(yù)瞄最優(yōu)理論得到

e=(+)-(+)=0 （2）

假設(shè)車輛在很短的距離內(nèi)以勻加速運動行駛，可得

(+)=()+a×（3）

由式（2）與式（3）可得

e=(+)-()- a×=0 （4）

當(dāng)駕駛員的預(yù)瞄視野中有個預(yù)瞄點時，得到

式中：（+T）為每一預(yù)瞄點處的目標(biāo)車速；T為每一預(yù)瞄點對應(yīng)的預(yù)瞄時間；a為縱向加速度。

合并每一點的最優(yōu)預(yù)瞄目標(biāo)，構(gòu)建多點最優(yōu)預(yù)瞄指標(biāo)函數(shù)為

即

式中：ω為每一預(yù)瞄點處速度跟隨誤差的權(quán)重系數(shù)。為了體現(xiàn)不同預(yù)瞄點處權(quán)重的不同，定義權(quán)重系數(shù)ω（T）。駕駛員根據(jù)預(yù)瞄視野進行決策時，以近處預(yù)瞄點為主要決策依據(jù)，如圖2所示，則

式中：為權(quán)重程度系數(shù)，值越大，權(quán)重程度越高，且相鄰兩個預(yù)瞄點之間的權(quán)重差距越大。

駕駛員根據(jù)預(yù)瞄視野進行決策時，以遠處預(yù)瞄點為主要決策依據(jù)，如圖3所示，則

圖3 縱向預(yù)瞄窗-遠窗示意圖

駕駛員根據(jù)預(yù)瞄視野進行決策時，對每個預(yù)瞄點一視同仁，如圖4所示，則

2 表征決策意愿的多目標(biāo)決策建模

在智能車中，如果乘客希望以較平緩的加速度方式行駛，可以犧牲一些速度跟隨精度，這是一個跟隨精度和乘坐舒適性之間的選擇。據(jù)此，建立雙目標(biāo)決策縱向模型。

目標(biāo)1：最小速度跟隨誤差，強調(diào)跟隨準(zhǔn)確性，則

目標(biāo)2：最小縱向加速度，強調(diào)乘坐舒適性，則

由于J1與J2兩個指標(biāo)的數(shù)量級、量綱均不同，需要進行無量綱化與歸一化，得到

3 表征決策偏差的縱向模型

縱向加速度最優(yōu)預(yù)瞄理論，即預(yù)瞄點處車速與車輛行駛速度誤差為0，進行縱向加速度決策。實際決策過程中并不能保證每次決策都得到由式（4）計算所得的準(zhǔn)確值，而是在最優(yōu)縱向加速度附近決策出接近最優(yōu)值的實際縱向加速度；因此，最優(yōu)縱向加速度和實際縱向加速度會產(chǎn)生決策偏差

4 基于2階多點預(yù)瞄的縱向模型

在速度跟隨中，駕駛員為了駕駛車輛到達預(yù)瞄位置，決策出最優(yōu)縱向加速度，車輛勻加速運動，在到達預(yù)瞄點時達到目標(biāo)車速；對于某些駕駛員，決策行為不只限于縱向加速度，還包括縱向加速度變化率，以此進行車輛操控。

2階預(yù)瞄最優(yōu)指標(biāo)為

式中：為駕駛員2階預(yù)瞄的程度，為了使模型具有一般性，則0≤≤1，當(dāng)=0時模型退化為1階預(yù)瞄模型。

5 仿真結(jié)果與分析

利用MATLAB軟件，通過Simulink-Carsim建立聯(lián)合仿真平臺，主要從預(yù)瞄視野、決策意愿和決策偏差、2階預(yù)瞄程度進行驗證。

（1）預(yù)瞄視野的仿真分析。

針對預(yù)瞄視野，主要從預(yù)瞄窗口權(quán)重、預(yù)瞄區(qū)間大小和預(yù)瞄點個數(shù)3個方面進行仿真。

對于預(yù)瞄窗口權(quán)重的影響，不同權(quán)重下速度跟隨曲線的對比結(jié)果如圖5所示。

圖5 不同權(quán)重下速度跟隨曲線的對比圖

從圖5可以看出，遠處權(quán)重高的跟隨方式車輛縱向加速度較小，近處權(quán)重高的跟隨方式縱向加速度較大，并且系數(shù)越大，這種趨勢越明顯。

對于預(yù)瞄區(qū)間大小的影響，不同預(yù)瞄區(qū)間下車速跟隨與加速踏板、制動踏板輸出曲線結(jié)果如圖6所示。

如圖6所示，預(yù)瞄區(qū)間越大，速度上升越快，縱向加速度越大。這是由于較大的預(yù)瞄區(qū)間能夠預(yù)瞄到軌跡更遠處的速度，利用遠處的速度進行決策會有更高的車速參與，使車速更快上升。

對于預(yù)瞄點個數(shù)的影響，不同預(yù)瞄點個數(shù)對車速跟隨影響的曲線如圖7所示。

從預(yù)瞄點個數(shù)的角度分析，跟隨效果無明顯變化，但在仿真過程中，仿真時間差別較大：預(yù)瞄點個數(shù)越多，仿真時間越長；反之，仿真時間越短。

圖7 預(yù)瞄點個數(shù)對車速跟隨影響曲線圖

（2）決策意愿和偏差的仿真分析。

對于決策意愿，考查跟隨誤差權(quán)重和舒適度權(quán)重對縱向加速度決策的影響，不同決策權(quán)重對車速跟隨效果的影響結(jié)果如圖8所示。

圖8 不同決策權(quán)重對車速跟隨效果影響曲線圖

如圖8所示，權(quán)重值之比/的值越大，縱向加速度越小，跟隨精度越低；/的值越小，縱向加速度越大，跟隨精度越高。具體跟隨效果及縱向加速度曲線如圖9所示。

圖9 車速跟隨效果與縱向加速度曲線

從圖9可以看到，雙目標(biāo)決策對縱向加速度影響明顯，提高加速度權(quán)重的比重能夠?qū)崿F(xiàn)較好的乘坐品質(zhì)。

圖10 駕駛員50次仿真跟隨結(jié)果曲線

如圖10所示，熟練駕駛員的跟隨誤差總體偏小，生疏駕駛員的跟隨誤差總體偏大。

（3）2階預(yù)瞄程度的仿真分析。

針對2階預(yù)瞄程度的影響進行仿真分析，不同程度2階預(yù)瞄的車速跟隨效果曲線如圖11所示。

圖11 不同程度2階預(yù)瞄的車速跟隨效果曲線

如圖11所示，=0.9的2階預(yù)瞄程度速度跟隨精度有一定程度的提高。

6 總 結(jié)

改進了基于最優(yōu)預(yù)瞄的駕駛員縱向加速度模型，以跟隨速度為參考量，提出多點多目標(biāo)的2階預(yù)瞄決策模型，并以預(yù)瞄視野、決策意愿和決策偏差表征駕駛員的駕駛風(fēng)格進行建模，通過仿真得到以下結(jié)論。

（1）多點預(yù)瞄的駕駛員模型，以預(yù)瞄窗口權(quán)重、預(yù)瞄區(qū)間大小及預(yù)瞄點個數(shù)區(qū)分駕駛員，研究3種不同參數(shù)對駕駛員操作及車輛對目標(biāo)速度的跟隨效果的影響。結(jié)果顯示：預(yù)瞄窗口是對遠近重要程度的選擇，近處優(yōu)先的駕駛方式下，車輛的跟隨效果更好，相對的縱向加速度也越大；預(yù)瞄區(qū)間越長，駕駛員決策行為越提前，得到的車輛操控方式越平緩，車輛的縱向加速度越?。活A(yù)瞄點個數(shù)對軌跡跟隨及駕駛員操作的影響并不大，對仿真時間影響明顯，預(yù)瞄點個數(shù)越多，仿真時間越長。

（2）多目標(biāo)決策駕駛員模型，在跟隨精度與縱向加速度之間進行平衡，體現(xiàn)不同駕駛員的駕駛意愿，表現(xiàn)其駕駛風(fēng)格。雙目標(biāo)決策算法，從最優(yōu)控制的角度描述駕駛風(fēng)格，具備滾動、預(yù)測、尋優(yōu)的理念，控制效果平順合理。

（3）基于決策偏差精度不同的駕駛員建模方法，將原有最優(yōu)預(yù)瞄決策與決策偏差精度建模相結(jié)合，區(qū)分不同能力駕駛員的決策效果。利用人類決策誤差符合正態(tài)分布的概念進行建模，在50次仿真中，決策偏差精度不同的駕駛員體現(xiàn)出整體上的跟隨差異。

[1]王超，郭孔輝，許男，等.表征駕駛風(fēng)格和駕駛員能力的駕駛員模型[J].北京理工大學(xué)學(xué)報，2019，39（1）：41-45.

[2]王藝兵，于培人，王占林.駕駛員模型技術(shù)發(fā)展研究[J].山東紡織工學(xué)院學(xué)報，1996，9（2）：78-84.

[3]V?GEL M，VON STRYK O，BULIRSCH R，et al. An Optimal Control Approach to Real-Time Vehicle Guidance[M]. Springer Berlin Heidelberg，2003：84-102.

[4]BUTZ T，VON STRYK O. Optimal Control Based Modeling of Vehicle Driver Properties[C]//SAE World Congress & Exhibition.2005.

[5]FREZZA R，SACCON A，MINEN D. Smart Driver：A Research Project for Closed Loop Vehicle Simulation in MSC. ADAMS[J]. Multi-body Dynamics：Monitoring and Simulation Techniques III，2004：401-413.

[6]FREZZA R，SACCON A，BACCHET D. Smart Driver：A Sensor Based Model of a Car Driver for Virtual Product Development[C]// IEEE/ASME International Conference on Advanced Intelligent Mechatronics.2003（1）:366-370.

[7]GRAY A，GAO Y，HEDRICK J K，et al. Robust Predictive Control for Semi-Autonomous Vehicles with an Uncertain Driver Model[C]//Intelligent Vehicles Symposium（IV）. IEEE，2013：208-213.

[8]CHEN L K，ULSOY A G. Identification of a Driver Steering Model，and Model Uncertainty，from Driving Simulator Data[J]. Journal of Dynamic Systems Measurement and Control，2001，123（4）：623-629.

[9]ZAFEIROPOULOS S，TSIOTRAS P. Design of a Lane-Tracking Driver Steering Assist System and Its Interaction with a Two-Point Visual Driver Model[C]// 2014 American Control Conference（ACC）. IEEE，2014：3911-3917.

[10]LENAIN R，THUILOT B，CARIOU C，et al. High Accuracy Path Tracking for Vehicles in Presence of Sliding：Application to Farm Vehicle Automatic Guidance for Agricultural Tasks[J]. Autonomous Robots，2006，21（1）：79-97.

[11]LENAIN R，THUILOT B，CARIOU C，et al. Model Predictive Control for Vehicle Guidance in Presence of Sliding：Application to Farm Vehicles Path Tracking[C]// 2005 IEEE International Conference on Robotics and Automation. IEEE，2005：885-890.

2021-04-15

U462:TP391.9

A

10.14175/j.issn.1002-4581.2021.04.001

1002-4581（2021）04-0001-06