馬愛靜，毛建國，沈 ，劉 昊

（南京航空航天大學(xué) 能源與動力學(xué)院，江蘇，南京 210016）

汽車轉(zhuǎn)向系統(tǒng)的研究是轉(zhuǎn)向系統(tǒng)乃至整車操縱穩(wěn)定性能研究中的基本課題，其中對轉(zhuǎn)向研究不能拋開駕駛員因素，即轉(zhuǎn)向行為因素。

從20世紀(jì)40年代起，研究者開始致力于汽車動態(tài)性方面的研究，直到20世紀(jì)50年代，汽車駕駛員的研究才得到關(guān)注。但起初，將駕駛員模型看作是駕駛員對車輛的操縱行為，基于經(jīng)典控制理論的思想，將駕駛員模型看作是具有時滯性的數(shù)學(xué)傳遞函數(shù)，但早期研究將重心放在汽車特性的研究上，將人-車系統(tǒng)看做一般的機械運動，對人-車動力學(xué)因素中人的因素考慮有限。為此，研究者開始關(guān)注駕駛員轉(zhuǎn)向行為特點及技巧的研究。首先，基于視覺轉(zhuǎn)向機制提出的單點、兩點及多點建模方式很好地體現(xiàn)了駕駛員的真實駕駛特點，而且運用的模糊、神經(jīng)網(wǎng)絡(luò)等控制方法都具有典型的現(xiàn)代控制技術(shù)特點。目前最新的駕駛員行為研究傾向于從人類的認(rèn)知過程出發(fā)[1-2]，探尋人類駕駛員對環(huán)境、車輛本身的感知和預(yù)測，以及在此基礎(chǔ)上做出的決策、動作的機理。這些模型包含人類駕駛員的“感知-決策-動作”能力（例如視覺感知，神經(jīng)肌肉動作、反應(yīng)等）和自身的限制，所涉及的學(xué)科領(lǐng)域不再僅僅局限于車輛領(lǐng)域，而是擴大到了人機工程學(xué)、生理學(xué)、心理學(xué)等諸多領(lǐng)域，成為各界人士廣泛關(guān)注的焦點。

駕駛員轉(zhuǎn)向建模從不同的方面可以進行不同的分類，但從時間線索來看，各種分類方法具有緊密的內(nèi)部聯(lián)系。本文主要按照有無預(yù)瞄環(huán)節(jié)將駕駛員轉(zhuǎn)向行為建模分為補償與預(yù)瞄控制兩大類。在第1、2部分中，首先分別介紹補償控制與預(yù)瞄控制的結(jié)構(gòu)形式及其特點，然后針對各類模型概述分析其發(fā)展現(xiàn)狀與優(yōu)缺點，在第3部分對駕駛員轉(zhuǎn)向行為建模進行總結(jié)與展望。

1 補償控制模型的結(jié)構(gòu)形式及其發(fā)展現(xiàn)狀

從20世紀(jì)50年代開始，各國研究者提出了許多基于方向控制的駕駛員模型，開始主要集中于駕駛員補償控制方面的研究。為了保持理想轉(zhuǎn)向角位置，駕駛員的任務(wù)主要是糾正外部干擾。不考慮駕駛員的前視作用，直接根據(jù)車輛當(dāng)前的狀態(tài)，利用控制理論和方法進行控制。

駕駛員補償跟蹤模型（Compensation Tracking Model）的結(jié)構(gòu)圖如圖1所示，其輸入是當(dāng)前時刻預(yù)期軌跡的信息與汽車行駛的狀態(tài)信息之間的偏差，模型假定根據(jù)前方道路信息及汽車自身狀態(tài)信息、預(yù)期軌跡與行駛軌跡的偏差進行補償校正，輸出方向盤轉(zhuǎn)角，從而實現(xiàn)對汽車的控制。

1.1 補償控制模型

該類模型起初主要是由McRuer等人將飛機閉環(huán)系統(tǒng)的研究推廣到汽車上來，后來McRuer等人發(fā)展了廣泛應(yīng)用及具有實用價值的Crossover模型[3]，這是第一個描述人類自適應(yīng)性的模型，而且Crossover模型引入了駕駛員的反應(yīng)滯后、神經(jīng)遲滯等生理特征參數(shù)，在一定程度上體現(xiàn)了駕駛員駕駛汽車時的某些生理和心理特征。Crossover駕駛員模型通過函數(shù)建模。

式中，K為增益；s為拉普拉斯算子；td為駕駛員反應(yīng)的時間延遲；TN為神經(jīng)肌肉系統(tǒng)固有的一階延遲；TL、TI分別為超前和滯后時間常數(shù)。

Crossover模型是通過使用側(cè)向偏離作為輸入的基本反饋模型，指出穩(wěn)定閉環(huán)系統(tǒng)的開環(huán)傳遞函數(shù)增益在Crossover區(qū)域-20 dB/dec處減小。盡管并沒有給出一個可直接應(yīng)用的模型，但它提供了一種設(shè)計準(zhǔn)則，為建立更復(fù)雜、精密的模型奠定了基礎(chǔ)。

Hess[4]等人在文獻[3]的基礎(chǔ)上建立了一個由高頻、低頻與預(yù)瞄3部分組成的人-車-路閉環(huán)穩(wěn)定的魯棒控制系統(tǒng)。該模型不但考慮了駕駛員對不同轉(zhuǎn)向頻率的反應(yīng)特性，對其進行動態(tài)補償，而且考慮了駕駛員的身體因素，利用二階系統(tǒng)來描述駕駛員的手臂神經(jīng)肌肉系統(tǒng)。

2 預(yù)瞄駕駛員模型的結(jié)構(gòu)形式及其發(fā)展現(xiàn)狀

基于補償反饋的早期駕駛員模型，在不同速度、保持低頻特性的情形下很難確保足夠的相位角，主要是由于駕駛員的神經(jīng)處理延遲限制控制的頻帶寬度。可以利用道路前向信息，通過提供理想的相位超前的方式來解決此問題，特別是針對駕駛員高速行為建模。通過預(yù)瞄駕駛員道路前方信息能預(yù)測需要的控制輸入及補償內(nèi)在時間延遲。方向控制的駕駛員模型隨著控制理論的發(fā)展而不斷發(fā)展起來，出現(xiàn)了預(yù)瞄駕駛員模型（Preview Tracking Model）。

2.1 預(yù)瞄駕駛員模型

此類模型并不是集中于補償控制而是體現(xiàn)出駕駛員的預(yù)瞄跟蹤性能，更加符合駕駛員的操縱特性。此類模型考慮了駕駛員駕駛車輛時的預(yù)瞄作用，根據(jù)未來時刻汽車?yán)硐胛恢门c預(yù)估位置的偏差進行決策，從而實現(xiàn)對車輛的控制。由于考慮了駕駛員的預(yù)瞄作用，這類模型無疑比前一類模型更接近實際，其模型計算精度也與實際情形比較吻合。其預(yù)瞄環(huán)節(jié)框圖，如圖2所示。

駕駛員轉(zhuǎn)向過程中視覺注意機制從20世紀(jì)90年代中期受到行為學(xué)家的關(guān)注。Land M. 等人首先提出了轉(zhuǎn)向過程中駕駛員傾向于注意彎道內(nèi)側(cè)的一點，稱之為“Tangent Point”[5]。Richard M. Wilkie闡述之所以駕駛員轉(zhuǎn)向時會注視“Tangent Point”是因為該點正是駕駛員轉(zhuǎn)向行駛的“目的地”所在。

基于不同的駕駛員視覺預(yù)瞄機制可將預(yù)瞄模型分為單點預(yù)瞄、兩點預(yù)瞄及多點預(yù)瞄。

2.1.1 單點預(yù)瞄

單點預(yù)瞄駕駛員模型是對駕駛員行為的一種簡化，假設(shè)駕駛員的目光集中于一點處。通過前人的研究分析，大量文獻表明大多數(shù)學(xué)者主要針對單點預(yù)瞄開展研究，即假定駕駛員將預(yù)瞄點固定在道路前方的某一固定點，這種假設(shè)與實際經(jīng)驗相當(dāng)符合。

基于單點預(yù)瞄的不同轉(zhuǎn)向控制策略，從建模方式上可分為基于經(jīng)典控制理論、基于模糊邏輯、神經(jīng)網(wǎng)絡(luò)等非線性控制理論及基于認(rèn)知架構(gòu)的駕駛員行為建模3種建模方法。

第1階段：基于經(jīng)典控制理論的駕駛員建模

早期的駕駛員轉(zhuǎn)向模型的研究，主要是針對汽車閉環(huán)穩(wěn)定性分析和汽車部件設(shè)計用的，也稱為“虛擬測試駕駛員”，后來的仿真軟件如Carsim、Adams以及Simpack等便是基于這些駕駛員模型發(fā)展而來。最早研究駕駛員預(yù)瞄轉(zhuǎn)向模型可以追溯到1953年的Kondo，他建立如圖3所示的單點預(yù)瞄模型[6]，預(yù)瞄距離為L，從控制理論的角度來講，轉(zhuǎn)向控制的目的就在于將Δyp逐漸減少到0。

圖4是駕駛員模型傳遞函數(shù)示意圖，P(s)是期望軌跡到輸入軌跡的傳遞函數(shù)；H(s)代表駕駛員控制特性；G(s)是車輛的傳遞函數(shù)；B(s)是反饋模塊的傳遞函數(shù)。而后的20世紀(jì)60年代到80年代之間，McRuer、Weir、MacAdam等都嘗試對P(s)、H(s)、B(s)進行設(shè)計和優(yōu)化以獲得更好的駕駛員模型[7]。

其中最典型的是MacAdam根據(jù)最優(yōu)控制理論提出一種更靈活有效的單點最優(yōu)預(yù)瞄模型(Optimal Preview Control，OPC)[8]。除了預(yù)瞄時間之外，此模型的參數(shù)可以直接由汽車動力學(xué)特性確定，而且由于該模型是根據(jù)軌道跟隨誤差平方和最小而推導(dǎo)的。假設(shè)車輛在小曲率路徑上行駛，這時車輛可以看作是一個線性模型，而且仿真結(jié)果汽車軌道跟隨精度相當(dāng)高。實踐證明該模型已經(jīng)投入到實際應(yīng)用工程中，并被應(yīng)用到Carsim、Adams等商業(yè)軟件中。

在文獻[8]的基礎(chǔ)上，郭孔輝院士于1982年提出了預(yù)瞄-跟隨系統(tǒng)理論，認(rèn)為駕駛員的決策分為預(yù)瞄和補償跟隨階段，理想的跟隨控制系統(tǒng)是從輸入到輸出兩環(huán)節(jié)的傳遞函數(shù)之積為1，并在此基礎(chǔ)上建立了預(yù)瞄最優(yōu)曲率模型[9]。該模型建立了模型參數(shù)與汽車操縱特性和駕駛員特性參數(shù)之間的關(guān)系，適用于小曲率情況下的轉(zhuǎn)向。隨后，提出將預(yù)瞄跟隨理論與預(yù)瞄最優(yōu)曲率模型結(jié)合，對大曲率情況下的轉(zhuǎn)向行為進行了討論，指出決定預(yù)瞄策略的權(quán)函數(shù)對系統(tǒng)跟隨性的影響，主要在于預(yù)瞄的遠近，而權(quán)函數(shù)在預(yù)瞄區(qū)之間的變化影響是次要的，因而駕駛員常常用最簡單的“單點預(yù)瞄”來代替“區(qū)域預(yù)瞄”，從而獲得良好的系統(tǒng)跟隨性[10]。高振海、管欣[11-12]等人結(jié)合自適應(yīng)算法，提出最優(yōu)預(yù)瞄加速度決策、車輛自適應(yīng)軌跡以及預(yù)瞄時間自適應(yīng)等改進的駕駛員模型。

文獻[13]設(shè)計了一種基于“Tangent Point”的預(yù)瞄駕駛員轉(zhuǎn)向控制模型，通過模擬駕駛員的視覺注意機制，力求以最簡單的視覺參數(shù)作為控制的參數(shù)輸入，同時對方向盤及方向盤轉(zhuǎn)速進行決策，與大多數(shù)轉(zhuǎn)向控制相比，其轉(zhuǎn)向的控制更加合理，同時還能夠解決大曲率轉(zhuǎn)向的難題。

另外一個被廣泛應(yīng)用的駕駛員轉(zhuǎn)向模型是Donges提出的兩層駕駛員模型[14]。如圖5所示，該兩層模型包含1個開環(huán)控制環(huán)節(jié)和1個閉環(huán)補償環(huán)節(jié)。開環(huán)控制層是根據(jù)當(dāng)前期望軌跡曲率做出相應(yīng)的轉(zhuǎn)向動作，通過測量期望軌跡的曲率和駕駛員的轉(zhuǎn)向盤角度，結(jié)合適當(dāng)?shù)脑u價指標(biāo)獲得合適的駕駛員模型參數(shù)。Donges模型使用閉環(huán)補償控制，將實際曲率反饋到輸入端得到曲率誤差Δk，同時將航向誤差ΔΨ和側(cè)向距離誤差Δy一起作為反饋狀態(tài)。

第2階段：基于非線性控制理論的駕駛員建模

到20世紀(jì)80年代末期，隨著非線性理論的發(fā)展和成熟，人們嘗試用非線性理論來逼近駕駛員模型，其中最典型的就是模糊邏輯系統(tǒng)和神經(jīng)網(wǎng)絡(luò)系統(tǒng)。模糊邏輯被稱作是最能模糊人類思維和決策的工具之一，并且特別適用于數(shù)學(xué)模型異常復(fù)雜的系統(tǒng)。

文獻[15]是基于預(yù)瞄最優(yōu)曲率駕駛員模型建立的模糊PID模型，在分析駕駛員行為的基礎(chǔ)上，考慮到模糊控制一定程度上能表示人的思維與駕駛行為及最大預(yù)瞄距離對人-車-路系統(tǒng)的影響，采用最優(yōu)控制的理論和方法對駕駛員閉環(huán)控制系統(tǒng)的穩(wěn)定性進行了分析，驗證了駕駛員方向控制的能力。

文獻[17]根據(jù)“單點預(yù)瞄假設(shè)”、“預(yù)瞄-跟隨理論”及人工神經(jīng)網(wǎng)絡(luò)的基本原理，將BP算法和遺傳算法相結(jié)合，建立了兩層前饋預(yù)瞄優(yōu)化神經(jīng)網(wǎng)絡(luò)駕駛員模型，同時基于汽車操縱動力學(xué)，獲得了可靠的訓(xùn)練樣本。

文獻[18]針對駕駛員操縱的多通道、非線性的特點，利用BP神經(jīng)網(wǎng)絡(luò)對駕駛員的操縱行為進行了建模，通過對比可以發(fā)現(xiàn)神經(jīng)網(wǎng)絡(luò)駕駛員模型可以較好地跟蹤指令的變化，再現(xiàn)駕駛員的操縱行為。

隨著人們對車輛安全性和舒適性等駕駛體驗要求的逐步提升，對于車輛的主動安全性能和自主駕駛性能也提出了更高的要求。傳統(tǒng)的駕駛員模型對于人車動力學(xué)中人的因素考慮有限，因此，希望能夠建立更全面精確的體現(xiàn)車輛動態(tài)性及駕駛員行為特性的模型。

第3階段：基于認(rèn)知架構(gòu)的駕駛員建模

（1）駕駛員身體建模

駕駛員身體建模主要聚焦于神經(jīng)肌肉系統(tǒng)（Neuromuscular System， NMS）建模。

轉(zhuǎn)向過程中神經(jīng)肌肉系統(tǒng)的研究從20世紀(jì)60年代開始涉及。駕駛員轉(zhuǎn)向行為建模前期大量的研究主要針對如何根據(jù)預(yù)瞄和狀態(tài)量信息決策出理想的方向盤轉(zhuǎn)角，但針對具體的轉(zhuǎn)向角執(zhí)行過程的建模存在不足。然而，該過程往往伴隨著慣性和時滯等因素，完全對其忽略是不合理的?，F(xiàn)實中，駕駛員通過手臂的神經(jīng)肌肉系統(tǒng)完成轉(zhuǎn)向，既是轉(zhuǎn)向動作的直接施加體，又是轉(zhuǎn)向路感的感知體。近期的駕駛員行為研究傾向于探尋人類駕駛員對車輛本身的感知和預(yù)測，以及在此基礎(chǔ)上做出的決策和實現(xiàn)操縱的機理。因此，神經(jīng)肌肉在研究駕駛員認(rèn)知方面具有重要作用，其重要性并不亞于視覺系統(tǒng)對駕駛員的導(dǎo)向性。轉(zhuǎn)向系統(tǒng)給駕駛員的神經(jīng)肌肉力學(xué)反饋為駕駛員的轉(zhuǎn)向穩(wěn)定性也提供了十分重要的線索。

為了更好地理解駕駛員轉(zhuǎn)向過程中的神經(jīng)肌肉動態(tài)性，Hillc[19]及Wilkie[20]通過一種三元素模型來體現(xiàn)肌肉的機械特性，此模型被廣泛使用。

最早試圖去理解駕駛員神經(jīng)肌肉動態(tài)性在駕駛員-車輛轉(zhuǎn)向系統(tǒng)中重要作用的是Modjtahedzadeh與Hess，建立的模型[21]如圖6所示，該模型考慮了駕駛員對不同轉(zhuǎn)向頻率的反應(yīng)，對其動態(tài)性進行補償，建立一個由高頻、低頻與預(yù)瞄3部分組成的人-車-路閉環(huán)穩(wěn)定的魯棒控制系統(tǒng)。其中，模塊GNM是駕駛員神經(jīng)肌肉系統(tǒng)的二階結(jié)構(gòu)形式；模塊GP1、GP2、GNM代表來源于駕駛員胳膊及肌肉組織運動的變量的反饋，主要是指人體的生理感受能力；GL代表時間延遲模塊，主要是人生理反應(yīng)的延遲。

文獻[22]建立的模型包含駕駛員胳膊轉(zhuǎn)動慣量、肌肉及延長反射動態(tài)性的神經(jīng)肌肉系統(tǒng)，而且在文獻[23]中通過試驗對駕駛員協(xié)同收縮肌肉的能力進行研究，并驗證出盡管在轉(zhuǎn)向過程中，協(xié)同收縮肌肉消耗能量，但當(dāng)駕駛員轉(zhuǎn)向力矩行為并不是非常精確的時候，卻是最優(yōu)的控制策略。

在文獻[22]和[23]的基礎(chǔ)上，Hoult等人[24]主要聚焦于肌肉內(nèi)在動態(tài)性的測量及建模。

文獻[25]呈現(xiàn)了融合轉(zhuǎn)向力矩反饋的駕駛員模型，但是并沒有精確考慮反射動態(tài)性。

文獻[26]建立了融合神經(jīng)肌肉動態(tài)性的駕駛員-車輛模型，主要關(guān)注于肌肉反射的α-γ協(xié)同激勵。

在文獻[27]中模型的基礎(chǔ)上，Pick等人進行了進一步的拓展，主要考慮轉(zhuǎn)向力矩反饋影響的動態(tài)性能響應(yīng)與認(rèn)知響應(yīng)，進一步建立了認(rèn)知延遲特性及α-γ協(xié)同激勵，體現(xiàn)肌肉低頻動態(tài)性的模型，且在驗證內(nèi)在肌肉反射及其認(rèn)知動態(tài)性方面都有提高[28]。

駕駛員身體建模廣泛應(yīng)用于人機工程分析領(lǐng)域。雖然提供了與實際更接近的駕駛員模型，但是對于人類如何獲取、處理信息，還有待研究。

（2）駕駛員學(xué)習(xí)機制

駕駛員學(xué)習(xí)機制主要是闡釋人類駕駛員行為、決策和預(yù)測的內(nèi)部機制，揭示人類組織知識，產(chǎn)生智能行為的思維運動規(guī)律。

文獻[29]提出一種帶有內(nèi)部學(xué)習(xí)機制的駕駛員轉(zhuǎn)向模型，如圖7所示。內(nèi)部模型將神經(jīng)肌肉力學(xué)獲得的路感反饋和車輛運動狀態(tài)作為更新內(nèi)膜的觸發(fā)信號，內(nèi)膜對于研究駕駛員的自適應(yīng)學(xué)習(xí)機制具有重要影響。對于此，行為和心理學(xué)家展開研究，最終發(fā)現(xiàn)內(nèi)模存在于小腦中的科學(xué)事實，但是對于具體的學(xué)習(xí)機制，即駕駛員如何根據(jù)車輛的轉(zhuǎn)向動力學(xué)和運動學(xué)特性進行學(xué)習(xí)和更新，以到達適應(yīng)新的轉(zhuǎn)向需求及駕駛員本身的內(nèi)模形式的更新機理，有待進一步探明。

2.1.2 兩點預(yù)瞄

有關(guān)研究表明真實駕駛員并非總是采用單點預(yù)瞄的方式，很可能結(jié)合遠、近兩個預(yù)瞄點來感知前方道路信息[14]。隨著對人類視覺轉(zhuǎn)向機制研究的深入，2004年Salvucci提出了駕駛員轉(zhuǎn)向過程中是通過預(yù)瞄一個近點和一個遠點來決策轉(zhuǎn)向，通過近點獲得保持車輛行駛在道路中心，通過遠點來補償?shù)缆非实淖兓痆30]。在兩層駕駛員模型[14]及Hess的模型[4]的基礎(chǔ)上，Sentouh提出了兩點預(yù)瞄駕駛員模型。此模型也包含兩層：預(yù)期與補償控制層，分別與遠、近兩點的點視覺角度相關(guān)，主要是通過增益產(chǎn)生與遠、近點視覺角度成一定比例的力矩來達到控制的目的。Salvucci模型的不足之處在于，沒有考慮視覺輸入延遲以及人體動作機制。

文獻[31]基于遠近兩點預(yù)瞄設(shè)計了一種自適應(yīng)滑膜控制器，通過使用二階動態(tài)系統(tǒng)建立前饋內(nèi)部模型可以獲得更好的轉(zhuǎn)向控制效果。

兩點預(yù)瞄方式對后期進一步研究更加符合實際的駕駛員預(yù)瞄行為有很好的借鑒意義。

2.1.3 多點預(yù)瞄

多點預(yù)瞄與區(qū)域預(yù)瞄有著密切的關(guān)系，若多點預(yù)瞄方式下的預(yù)瞄點取得足夠多，則可認(rèn)為與區(qū)域預(yù)瞄方式等價。但與單點或兩點預(yù)瞄方式相比，在預(yù)瞄信息的處理，以及后續(xù)的控制器設(shè)計、優(yōu)化方法上卻有較大區(qū)別。單點及兩點預(yù)瞄模型能較好地模擬駕駛員駕駛行為，但采用更多的預(yù)瞄點，可以獲得更理想的控制效果，這對于分析駕駛員的理想駕駛行為具有參考價值。

文獻[32]提出一種考慮轉(zhuǎn)向和制動的多點預(yù)瞄模糊邏輯控制裝置。該控制器通過兩個并聯(lián)的模糊邏輯控制器分別控制車輛的轉(zhuǎn)向行為和縱向行為。通過預(yù)瞄獲得左側(cè)、右側(cè)、左前方及右前方的距離信息，來決定車輛的轉(zhuǎn)向角大小及方向。

Sharp[33]提出多點預(yù)瞄路徑轉(zhuǎn)向控制方法，將道路模型與整車動力學(xué)模型組合在一起構(gòu)成離散系統(tǒng)，利用線性二次調(diào)節(jié)理論（LQR）實現(xiàn)最優(yōu)控制。道路模型通過采樣轉(zhuǎn)化為離散模型，其道路離散模型，如圖8所示。

3 結(jié)論

以上綜述各類駕駛員模型是從不同的研究方面劃分，可以了解到駕駛員轉(zhuǎn)向建模發(fā)展的大致情況。從最早的只考慮車輛的情形，發(fā)展到目前涉及生理、心理、控制、人機工程等眾多領(lǐng)域，可以看出駕駛員建模越來越注重于駕駛員駕駛時的行為、身體、心理與生理特點。

補償控制駕駛員模型雖然沒有考慮駕駛員的預(yù)瞄作用，且系統(tǒng)參數(shù)需要靠大量統(tǒng)計試驗來確定，這與駕駛員在實際駕駛時的操作過程有較大差距，不適應(yīng)于快速駕駛，但為后期的研究工作奠定了堅實的基礎(chǔ)。

從單點預(yù)瞄方式的效果（按軌跡誤差觀點）來看，通常不比更復(fù)雜的預(yù)瞄方式差，主要是通過采用固定預(yù)瞄時間，從而確定預(yù)瞄距離，通過不斷調(diào)節(jié)預(yù)瞄時間來達到最優(yōu)控制的方式，且主要是針對特定工況，不具有普遍性。而對于多點預(yù)瞄方式來說，控制精度很高，且不需要反復(fù)調(diào)整預(yù)瞄時間。但是實際駕駛過程中駕駛員并不能同時觀察或者精確地獲得如此多點的側(cè)向偏差信息。如用于汽車操縱穩(wěn)定性評價，多點預(yù)瞄只需要離線設(shè)計控制器增益便可仿真，且控制精度高，但若用于無人車或其它實際應(yīng)用，則存在多點預(yù)瞄信息難以獲取的困難。此時，單點預(yù)瞄信息的獲取方式顯得更加可取。

前期研究的預(yù)瞄駕駛員模型，側(cè)重于研究駕駛員在典型的場景下（雙移線、單移線等）駕駛汽車的建模，希望能夠代替駕駛員完成繁重、危險的測試任務(wù)，以期對汽車設(shè)計和改進提供幫助。在這個層面上可以說前期基于經(jīng)典控制理論和非線性控制理論的駕駛員轉(zhuǎn)向模型已經(jīng)能夠適應(yīng)于當(dāng)前的車輛研發(fā)需求。但是隨著人們不斷對車輛安全性和舒適性等駕駛體驗要求的逐步提升，對于車輛的主動安全性能和自主駕駛性能提出了更高的要求和挑戰(zhàn)。傳統(tǒng)的駕駛員模型對未知環(huán)境的自適應(yīng)能力不足，對于人車動力學(xué)中的人的因素考慮有限。

就目前的駕駛員轉(zhuǎn)向建模研究進展來看，值得進一步研究的內(nèi)容包括：

（1）駕駛員轉(zhuǎn)向行為建模首先根據(jù)視覺預(yù)瞄機制、狀態(tài)量信息決策出理想的方向盤轉(zhuǎn)角，但是對于駕駛員在轉(zhuǎn)向過程中究竟采用何種視覺注意機制，駕駛員如何根據(jù)各種狀態(tài)來切換注視道路的位置需要進一步探索。

（2）駕駛員如何根據(jù)車輛動力學(xué)及運動學(xué)狀態(tài)信息，經(jīng)過人腦決策汽車操縱命令的過程，以及如何學(xué)習(xí)、利用多種內(nèi)模進行規(guī)劃與決策，對汽車實施操縱控制，確保汽車穩(wěn)定、安全行駛的報道還很匱乏。

（3）針對具體的轉(zhuǎn)向角執(zhí)行過程，即神經(jīng)肌肉建模也存在不足，如何通過神經(jīng)肌肉力學(xué)研究，分析駕駛員在轉(zhuǎn)向操縱中的動作反應(yīng)，進一步探討駕駛員轉(zhuǎn)向操縱的特點，從更深入層面開展人-車閉環(huán)操縱研究，以實現(xiàn)駕駛員轉(zhuǎn)向行為更加準(zhǔn)確的建模及應(yīng)用。

總之，駕駛員建模是一個多學(xué)科交叉的難題，需要用到生理學(xué)、心理學(xué)、控制論、信息論、系統(tǒng)論、機械、電子、計算機等眾多基礎(chǔ)學(xué)科的知識，其研究將促進控制理論向智能化、擬人化發(fā)展，將會把汽車產(chǎn)品向一個新的環(huán)保、安全、舒適的目標(biāo)推進，對于實現(xiàn)感知、探測、規(guī)劃、決策的智能型無人駕駛車輛，對于提高汽車輔助駕駛性能都有重要作用。而以上諸多探索將是一個長期而反復(fù)的過程，其研究將會持續(xù)得到關(guān)注。

References)

[1]李力，王飛躍，鄭南寧.認(rèn)知車——結(jié)合認(rèn)知科學(xué)和控制理論的新研究方向[J].控制理論與應(yīng)用，2011，28(2)：137-142.Li Li，Wang Feiyue，Zhang Nanning. Cognitive Vehicle：A New Research Direction Integrating Cognitive Science and Control Theory[J]. Control Theory and Applications，2011，28(2)，137-142. (in Chinese)

[2]劉雁飛，吳朝輝.駕駛ACT-R認(rèn)知行為建模[J].浙江大學(xué)學(xué)報(工學(xué)版)，2006，40(10)：1657-1662.Liu Yanfei，Wu Zhaohui. Driver Behavior Modeling in ACT-R Cognitive Architecture[J]. Journal of Zhejiang University(Engineering Science)，2006，40(10)：1657-1662. (in Chinese)

[3]MCRUER D T，ALLEN R W，WEIR D H，et al. New Results in Driver Steering Control Models[J]. Human Factors，1977，19(4)，381–397.

[4]HESS R A，MODJTAHEDZADEH A. A Control Theoretic Model of Driver Steering Behavior[J]. Control Systems Magazine，1990，10(5)：3-8.

[5]LAND M，HORWOOD J. Which Parts of the Road Guide Steering[J]. Nature，1995，377(6547)：339-341.

[6]KONDO M. Directional Stability(When Steering is Added)[J]. Journal of the Society of Automotive Engineers of Japan(JSAE)，1953，7(5–6)：1-28.

[7]MACADAM C C. Understanding and Modeling the Human Driver[J]. Vehicle System Dynamics，2003，40(1–3)：101-134.

[8]MACADAM C C. Application of an Optimal Preview Control for Simulation of Closed-Loop Automobile Driving[J].Transactions on Systems，Man，and Cybernetics，1981，SMC-11(6)：393-399.

[9]郭孔輝.駕駛員-汽車閉環(huán)系統(tǒng)操縱運動的預(yù)瞄最優(yōu)曲率模型[J]. 汽車工程，1984，6(3)：1-16.Guo Konghui. Drivers-Vehicle Close-Loop Simulation of Handling by Preselect Optimal Curvature Method[J].Automotive Engineering，1984，6(3)：1-16. (in Chinese)

[10]郭孔輝. 預(yù)瞄跟隨理論與人-車閉環(huán)系統(tǒng)大角度操縱運動仿真[J]. 汽車工程，1992，14(1)：1-11.Guo Konghui. Preview Follow Theory and Simulation of Large Angle Cornering Motion of a Man-Vehicle System [J].Automotive Engineering，1992，14(1)：1-11. (in Chinese)

[11]管欣，王景武，高振海.基于最優(yōu)預(yù)瞄加速度決策的汽車自適應(yīng)巡航控制系統(tǒng)[J]. 吉林大學(xué)學(xué)報，2004，34(2)：189-193.Guan Xin，Wang Jingwu，Gao Zhenhai. Vehicle Adaptive Cruise Control System Based on Optimal Preview Acceleration Decision Making[J]. Journal of Jilin University(Engineering and Technology Edition)，2004，34(2)：189-193.(in Chinese)

[12]李洪志，李亮，宋健，等.預(yù)瞄時間自適應(yīng)的最優(yōu)預(yù)瞄駕駛員模型[J].機械工程學(xué)報，2010，46(20)：106-111.Li Hongzhi，Li liang，Song Jian，et al. Optimal Preview Control Driver Model with Adaptive Preview Time[J].Journal of Mechanical Engineering，2010，46(20)：106-111. (in Chinese)

[13]沈峘，凌銳，李舜酩.基于預(yù)瞄最優(yōu)曲率模型的大曲率轉(zhuǎn)向控制方法[J].中國機械工程，2012，23(17)：2111-2116.Shen Huan，Ling Rui，Li Shunming. Steering Control on Large Curvature Road Based on Preview Optimal Curvature Model[J]. China Mechanical Engineering，2012，23(17)：2111 - 2116. (in Chinese)

[14]DONGES E. A Two-Level Model of Driver Steering Behavior [J]. Human Factors，1978，20(6)：691-707.

[15]蔣文娟，黃海濱.基于預(yù)瞄駕駛員模型的車輛操控穩(wěn)定性分析[J]. 重慶交通大學(xué)學(xué)報，2011，30(6)：1420-1424.Jiang Wenjuan，Huang Haibin. Stability Analysis for a Vehicle Control System Based on Spatial Previewed Driver Model [J]. Journal of Chongqing Jiaotong University (Natural Science)，2011，30(6)：1420-1424. (in Chinese)

[16]MACADAM C C，JOHNSON G E. Application of Elementary Neural Networks and Preview Sensors for Representing Driver Steering Control Behavior[J]. Vehicle System Dynamics，1996，25(1)：3-30.

[17]徐謹(jǐn)，趙又群，阮米慶.基于汽車操縱動力學(xué)的神經(jīng)網(wǎng)絡(luò)駕駛員模型[J].動力學(xué)與控制學(xué)報，2008，6(4)：381-384.Xu Jin，Zhao Youqun，Ruan Miqing. The Artificial Neural Network Driver Model Based on Vehicle Handling Dynamics[J]. Journal of Dynamics and Control，2008，6(4)： 381-384. (in Chinese)

[18]顏世偉，高正紅.基于人工神經(jīng)網(wǎng)絡(luò)的駕駛員操縱行為模型[J].飛行力學(xué)，2012，30(2)：105-108.Yan Shiwei，Gao Zhenghong. Research on Pilot Behavior Model Based on Artificial Neural Network[J].Flight Dynamics，2012，30(2)：105-108. (in Chinese)

[19]HILL A V，SES R S. The Heat of Shortening and the Dynamic Constants of Muscle[C]//Proceedings of the Royal Society London，Series B，UK：[s.n]，1938(76)：136-195.

[20]WILKIE D R. The Mechanical Properties of Muscle[J].British Medical Bulletin，1956，12(3)：117-182.

[21]HESS R A，MODJTAHEDZADEH A. A Model of Driver Steering Control Behavior for Use in Assessing Vehicle Handling Qualities[J]. Journal of Dynamic System，Measurement，and Control，1993，115(3)：456-464.

[22]PICK A J，COLE D J. Neuromuscular Dynamics and the Vehicle Steering Task [J]. Vehicle System Dynamics，2004(41)：182–191.

[23]PICK A J，COLE D J. Driver Steering and Muscle Activity During a Lane-Change Manoeuvre[J]. Vehicle System Dynamics，2007(45)：781–805.

[24]HOULT W，COLE D J. A Neuromuscular Model Featuring Co-activation for Use in Driver Simulation[J]. Vehicle System Dynamics，2008(46)：175–189.

[25]SENTOUH C，CHEVREL P，MARS F，et al. A Human-Centered Approach of Steering Control Modeling [C].Proceedings of 21st IAVSD Symposium on Dynamics of Vehicles on Roads and Tracks，Stockholm：[s.n]，2009.

[26]KATZOURAKIS D，DROOGENDIJK C，ABBINK D，et al. Driver Model with Visual and Neuromuscular Feedback for Objective Assessment of Automotive Steering Systems[C]. Proceedings of 10th International Symposium on Advanced Vehicle Control AVEC10，Loughborough，UK：[s.n]，2010.

[27]PICK A J，COLE D J. A Mathematical Model of Driver Steering Control Including Neuromuscular Dynamics[J].Journal of Dynamic Systems，Measurement，and Control，2008，130(031004)：1-9.

[28]DAVID J. COLE D J. A Path-Following Driver-Vehicle Model with Neuromuscular Dynamics，Including Measured and Simulated Responses to a Step in Steering Angle Overlay[J]. Vehicle System Dynamics，2012(4)：573–596.

[29]COLE D J.The Role of the Neuromuscular System[C].Presentation to Vehicle Dynamics Expo，2007.

[30]SALVUCCI D D，ROB G. A Two-Point Visual Control Model of Steering[J]. Perception，2004，33(10)：1233-1248.

[31]Shen Huan，Ling Rui，Mao Jianguo，et al. Steering Control Strategy by Two Preview Vision Cues [J]. Science China Technological Sciences，2012，55(9)：2662-2670.ZEYADA Y，EL-BEHEIRY E，EL-ARABI M，et al.

[32]Driver Modeling Using Fuzzy Logic Controls for Humanin-the-Loop Vehicle Simulations [C]. Current Advances in Mechanical Design and Production VII：Proceedings of the Seventh Cairo University International MDP Conference. Cairo，Egypt：[s.n]，2000.

[33]SHARP R S. Driver Steering Control and a New Perspective on Car Handling Qualities[J]. Journal of Mechanical Engineering Science，2005，219(10)：1041-1051.