杨 浩，薛 锋，税永波，韩中海

（1.重庆工商职业学院，重庆 401520；2.中国汽车工程研究院股份有限公司，重庆 401122）

前言

驾驶员模型在人-车-路闭环系统中有着重要的作用。为了提高车辆的路径跟踪精度，基于智能控制方法，不同的学者分别建立了模糊逻辑智能控制驾驶员模型[1-3]，神经网络驾驶员模型[4-6]，模型预测驾驶员模型[7-8]。文献[1]以道路曲率半径作为约束条件，通过杠杆的原理与并联控制器的方法，获得了期望的方向盘转角，通过仿真验证表明，该模型运动过程平稳，适应于大曲率转向控制。文献[2]基于模糊逻辑控制器和PID控制的优点，建立了一种基于模糊PID控制理论的驾驶员模型，其仿真结果于车辆真实的行驶规程能较好吻合。文献[3]基于待定模糊规则参数，提出了一种驾驶员自适应神经模糊推理模型的建立与仿真，通过仿真验证表明，该模型与实际操作输出之间的拟合度更加理想。文献[4]基于驾驶员的记忆效应和模糊感知特性，建立了一种模糊感知时间窗的深度学习跟弛模型，该模型为异质交通行为仿真提供了一种有效方法。文献[5]建立了一种基于BP神经网络的驾驶员制动行为模型，通过仿真验证表明，该模型可以在辅助驾驶系统中进行广泛应用。文献[6]针对铰接式自卸车的转向特性，建立了一种基于驾驶员行为的神经网络无人驾驶控制方法，通过仿真验证可知，该模型收敛速度快，稳态特性好，具有良好的无人驾驶能力。文献[7]基于驾驶员需求转矩预测，通过模型预测控制算法，分别建立了一种基于驾驶员需求转矩预测的模型预测控制能量管理，通过仿真验证，该模型的燃油经济性有所提高。……