基于驾驶员数据学习的自动驾驶车辆弯道转向控制研究＊

刘明春 付皓 黄菊花 史鸿枫

（南昌大学，南昌330031）

主题词：自动驾驶车辆 驾驶行为分析 车辆控制 神经网络

1 前言

自动驾驶汽车的安全性和乘坐舒适性与其弯道转向控制密切相关。熟练驾驶员的操纵行为是保证车辆安全性和舒适性的重要因素，也是自动驾驶车辆“拟人化”控制的重要学习对象。因此，基于“人-车”系统数据的分析和学习是评价和提高自动驾驶车辆性能的重要途径。

人-车系统主要分为驾驶员操纵行为与车辆动态响应。驾驶员操纵行为包括对踏板与转向盘的操作[1]，通过这些操作数据可以分析驾驶员的行为特性[2-4]。另外，驾驶员还存在一些不良习惯[5]，如东张西望等[6]。车辆动态响应主要指车辆动力学特性，包括燃油经济性[7]、操纵稳定性[8-9]、安全性[10]、乘坐舒适性[11]等。

车辆控制经历了从经典控制理论到智能控制的过渡。经典控制理论所采用的传递函数法是较早的车辆控制算法，郭孔辉基于传递函数提出了预瞄-跟随理论[12]，实现了车辆控制[13]，该算法简单易行，但控制效果有待提高。PID 算法常应用于路径跟随控制[14]，通过计算系统实际值与期望值的误差进行反馈校正。模型预测控制算法基于现代控制理论将人-车-路闭环系统表示为状态空间[15]，以已知模型、当前状态量和未来控制量预测未来输出。上述方法都需要事先得到预期轨迹。在智能控制理论中被广泛应用于车辆控制的算法有模糊控制算法[16]和神经网络算法[17]，前者需要得到预期轨迹，而后者需要大量数据来提高其有效性。……