摘 要：智能车主要分为路径规划、路径跟踪、自动泊车三大部分。路径规划主要研究车辆的避障问题，路径跟踪主要研究车辆跟随期望路径的有效性，自动泊车主要分析车辆在有限的几何空间内将车辆泊到指定的空间位置。其中路径跟踪是其核心部分，根据研究方法的不同，主要分为“预瞄跟随模型”和“智能控制模型”。文章根据预瞄点的不同，主要分析单点预瞄模型、两点预瞄模型、路程预瞄模型。根据智能控制方法的不同，主要分析模糊逻辑控制驾驶员模型、神经网络控制驾驶员模型、模型预测控制驾驶员模型。主题词：智能车;预瞄跟随模型;智能控制模型中图分类号：U471  文献标识码：A  文章编号：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

駕驶员模型在人-车-路闭环系统中有着重要作用。为了建立更逼真的驾驶员模型，充分考虑驾驶员的前视作用。文献[1]建立了一种单点预瞄的驾驶员模型。文献[2]建立了一种两点预瞄的驾驶员模型。文献[3]建立了更一般的预瞄形式即路程预瞄驾驶员模型。随着控制理论的发展，有关学者将智能控制方法引入到了驾驶员模型，建立了一类具有推理思维的驾驶员模型。文献[4]结合模糊逻辑控制方法具有模拟人的推理过程的优势，建立了一种模糊逻辑智能控制驾驶员模型。文献[5]基于样本的数据，建立了一种神经网络驾驶员模型。文献[6]结合模型预测控制算法具有预测和滚动优化的优势，建立了一种基于模型预测控制的驾驶员模型。以上模型在路径跟踪方面均取得了一定进展，得到了较高的跟踪精度。

1 预瞄跟随模型的概述

预瞄跟随模型是由日本学者Kondo最早建立的。其结构框图如图1所示。驾驶员通过预瞄作用来获取目标路径上的坐标信息，得到期望的跟随轨迹。此时车辆模型反馈出实际的跟踪轨迹。这样可以得到期望路径轨迹与跟踪轨迹的误差。驾驶员通过横向误差来决策出理想的方向盘转角作用于车辆。形成闭环控制。这样整个预瞄跟随的人-车-路驾驶员模型就建立起来了。

基于预瞄的前视作用，我国学者郭孔辉院士首次提出了“单点预瞄”模型[1]。该模型将驾驶员的视线主要集中于前方目标路径的一点，通过预瞄点的横向误差来决策出理想的方向盘转角，使期望路径与目标路径的横向误差为零。

基于单点预瞄模型，不少学者建立了两点预瞄模型[2，3，7]。两点预瞄模型主要通过两个不同的点进行预瞄跟随控制。通过控制不同的预瞄点，来决策出最优的方向盘转角。两点预瞄主要优势是可以借助对目标路径曲率的判断，建立了基于曲率与车速的远近两点智能控制，根据不同曲率选择预瞄的远近点。远点主要用于直线路径跟随，近点主要用于弯道路径跟随。单点预瞄模型和两点预瞄模型在路径跟踪方面取得了一定进展，但是并没充分反应驾驶员的预瞄跟随行为。驾驶员预瞄更一般的形式是其预瞄点不仅集中于前方目标路径的一点，而是集中于前方一段路，并使预瞄路段的累计误差最小。文献[3]建立了一种基于路程预瞄的驾驶员模型控制，通过对一段路程进行预瞄跟随，来决策出最优的方向盘转角。

2 智能控制模型的概述

随着智能控制的发展，很多学者将智能控制算法引入到驾驶员模型。结合智能控制具有模拟人的推理能力。能较好的应用于车辆这种非线性系统。文献[4]建立了基于模糊逻辑控制的驾驶员模型，通过控制输入变量，定义模糊规则，解模糊化来决策出输出变量方向盘转角。由于模糊规则是基于专家经验，因此在一定程度上能模拟认定思维，能很好的适应于非线性，使所建立的驾驶员模型具有较高的精度和较好的鲁棒性。

神经网络控制驾驶员模型，神经网络控制主要是依据传

感器所采集的样本数据进行网络权值训练。神经网络控制通过建立不同的网络层，每一层设置不同的网络节点，不同的节点设置不同的权重值。大量的样本数据来优化权重值。不需要的精确的数学模型，能够较好的应用于车辆的非线性系统，且样本数据量越大，训练的网络结构越逼近真实驾驶员模型。

模型预测驾驶员模型，由于车辆模型较复杂，无法建立精确的数学模型。同时驾驶员模型需要考虑较多的不定因素，同时在整个局部路径阶段，需要不断的优化出最优的方向盘转角。模型预测控制算法基于系统当前的状态，通过控制系统当前的增量。预测模型未来的输出状态量。模型预测控制算法通过施加约束条件，不断滚动优化目标函数。可以实时决策出理想的方向盘转角。

3 结束语

本文基于“预瞄-跟随”理论，简述了基于预瞄模型所建立的“单点预瞄模型”、“两点预瞄模型”、“路程预瞄模型”的跟随算法。其预瞄作用进一步逼近真实驾驶员的前视作用，为建立更科学的驾驶员模型提供了有效的参考方法。基于智能控制算法，介绍了模糊逻辑智能控制驾驶员模型，神经网络驾驶员模型，模型预测驾驶员模型。以上模型从不同方面模拟人的思维能力，使建立的驾驶员模型更具有智能化。

参考文献

[1] 郭孔輝.汽车操纵动力学原理[M].南京：江苏科学技术出版社，2011.

[2] 杨浩，黄江，李正网，李攀，韩中海.基于曲率与车速的两点智能控制驾驶员模型[J].汽车技术，2017（08）：38-42.

[3] 杨浩，黄江，李攀，韩中海.基于路程预瞄的驾驶员模型[J].汽车技术，2019（02）：7-13.

[4] 刁勤晴，张雅妮，朱凌云.双预瞄点智能车大曲率路径的横纵向模糊控制[J].中国机械工程，2019，30（12）：1445-1452.

[5] 郭孔辉，潘峰，马凤军.预瞄优化神经网络驾驶员模型[J].汽车工程学报，2003（01）：26-28+64.

[6] 王艺，蔡英凤，陈龙，等.基于模型预测控制的智能车辆路径跟踪控制器设计[J].汽车技术，2017（10）：44-48.

[7] 张慧豫.采用远近两点预瞄的新型驾驶员转向模型研究[D].南京：南京航空航天大学，2012.