5.3　车辆驾驶员模型与控制系统建模

驾驶员模型是对汽车驾驶员操纵车辆行为的建模，可以抽象为一个典型的复杂控制系统，根据涵盖范围的大小可以分为狭义和广义的。狭义的驾驶员模型仅对驾驶员对于车辆的控制进行建模；广义的驾驶员模型是指汽车驾驶员对于周边信息的感知、融合、预测、决策及最终通过神经和肌肉对车辆施加包括转向、驱动、制动在内的操控行为的描述[7]。

在自动驾驶仿真系统中，案例场景的构建是重中之重。在测试案例中，驾驶员模型起到的是模拟人类驾驶员行为的功能，驱动案例中的车辆。由于长期作业引起的身心疲劳等因素归于驾驶员个体范畴，一般不属于算法关注的对象，因此本书中介绍驾驶员模型时取其狭义。

对于智能驾驶车辆中的驾驶员，多年来研究人员提出了多种建模方式，根据其控制目的的不同，主要分为方向（横向）控制模型、速度（纵向）控制模型和方向速度综合控制模型[8]。

① 方向控制模型大致可以分为以下几类：根据车辆状态和道路状况，应用控制理论对车辆方向进行补偿校正的补偿跟踪模型，如Stanley算法；将补偿跟踪模型中的误差计算改进为预瞄点与预期位置误差的预瞄跟踪模型，如Pure Pursuit算法；以模糊控制理论及神经网络为基础的智能控制模型[9]。

② 速度控制模型中，控制理论中的比例-积分-微分（PID）策略最为常见，即以期望值与实际值（如速度、加速度等）为输入，根据二者差异的比例、积分、微分综合计算得到控制信号。常用的各类速度控制算法均脱胎于此。

③ 单独的方向控制或速度控制均不能全面、准确地描述驾驶员对于车辆的操控行为，无法达到自动驾驶系统自主驾驶车辆的要求，因此，方向速度综合控制模型应运而生。方向速度综合控制模型综合考虑了车辆横向和纵向的控制，这种控制方式除了将方向控制和速度控制简单拼凑在一起之外，还可以应用广义预测理论、系统模糊决策理论等综合横纵向进行决策，以确定最优的行驶轨迹。

仿真软件提供驾驶员模型模拟人类驾驶员的控制行为，以实现车辆驾驶模拟。根据案例定义的车辆初始位置和行进轨迹，按照指定的速度、加速度和转向角，驾驶员模型输出车辆控制信号给动力学仿真模块，包括节气门开度、制动、转向、档位、离合器等。在模拟的过程中，需要考虑真实情况对驾驶员模型的限制，如车辆最大加速度、道路曲率对车辆通过速度的影响等。

SimOneDriver是51Sim-One自动驾驶仿真平台中内置的驾驶员模型，可以根据用户设置的驾驶规划来操控主车，如图5-4所示，可以配合ADAS算法（API调用或Simulink模块）对车辆进行联合控制，从而达到对其测试的目的，或者将主车开至所需工况后交由自动驾驶系统接管。

图5-4　SimOneDriver图形界面