王丽娜　施永康

摘 要：本文从封闭试验场驾驶模型的特殊性出发，采用合理的试验方案，得到了高精度的车速，定位（经度和纬度），航向角等数据。然后进一步地利用支持向量回归算法，得到基于封闭试验场的轨迹模型和速度模型。最终形成了驾驶模型，为下游仿真提供了更为可靠的智能驾驶速度曲线输入，从而不仅可以部分代替实车试验，减少实车的制造，降低开发成本，而且还可以更高效主动的发现车辆设计中的缺陷。

关键词：封闭试验场 驾驶模型 支持向量回归算法 智能驾驶速度曲线

1 引言

新开发车辆必须经过道路耐久测试以检验整车零部件疲劳损伤状况，在将近一年的测试周期中，会由不同驾驶风格的驾驶员驾驶车辆，车辆会经历干燥、潮湿、冰雪、雨雾等天气和路面条件，从而输出不同的驾驶速度曲线。然而传统的实车道路测试存在测试周期长、费用大、零部件更改被动等弊端，随着汽车“电动化、智能化、网联化、共享化”的发展，采用数字化仿真测试逐渐替代实车试验成为趋势。基于封闭试验场的整车疲劳仿真试验亟需更真实，更有效的驾驶模型进行仿真测试。

驾驶模型是对驾驶员操纵汽车的行为的数学表达，是数字化仿真测试的基础。为了最终搭建“驾驶员-汽车-道路”闭环系统仿真环境，驾驶模型的研究必不可少，因此学者们对驾驶模型已开展了较为广泛的研究。Nissan公司的Seto等人利用PD控制策略建立了驾驶员速度控制模型，描述了从期望的纵向加速度到汽车的纵向加速度之间的传递关系[1]。……