汽车驾驶员模型建立
汽车驾驶员视觉注意特性及信息处理结构模型的构建
结构 模型 ， 运 用并行 处理法 对模 型的结 构特 点进 行 了分析 。
１驾驶员视觉适应＇ １ ５
１ ． １静 视 力与动视 力 静视 力是 指 被试 者 和视标 在 静 态状 况下 的视 觉 感知 能 力 ，即 ，静 视 力 。静视 力主要 是采 用视 认 距离 判断 静视 力
条件等 ， 但视觉感知与 目标判断的正确与否是重要原 因之 驾驶 员是 一个 复杂的 主观个 体 ， 能依据 先验 知识作 出判 断 和操作 ， 是 交通 系统 的核心 ，在协 调和控 制交通 系统 中起 主 导 作用 并决 定其 性 能 。车辆 是 由人 驾驶 的是 客观 无意 识
力 ，即，动视力。驾驶员在驾驶过程中的视觉能力主要是
动 视 力起 作 用 。动 视 力 主 要 是 采 用 目标 跟 踪 法 评 定 动视
力 。当 目标 出现时 对动 态 目标 的速 度 、位 置和路 径 作 出反 应 ，测 量其 反 应 时 间 。研 究结 果 表 明 ， 驾驶 员的动 视 力是 随 驾驶 车辆 的 速度 变化 而 发生 变化 的 ，车辆 速 度高 时 反应
的 。交通 系统 中的 感知信 息 ， 包括行 驶车辆 的形状 与颜 色 、 道路宽窄与车道数量信息 、路面标识与标志 ，驾驶员生理 心 理 感知 变化 等是 根 据驾 驶 员 自身的 主动 视觉 特性 进行 及 时 的并 行处理 。因此 ， 对于 驾驶过程 中的人车 环三要 素构成 的交通 系统模 型的 构建需 要深 入研 究 ， 在 分析 驾驶 员动态视 觉行 为特 性 的基 础上 ，对 驾 驶 员的视 觉处 理 信息 的过 程进 行 详 细分 析 ，深 入揭 示其 内 在的 相关 性并 采 用 系统模 型 的
一
。
汽车驾驶员模糊控制模型研究
（ 重庆大学 机械工 程学 院， 重庆 ４ ０ ３ ） ０ ０ ０
摘 要： 建立合适 的汽车方向控制驾驶员模 型是人 一 车 一 路 闭环系统最重要 的环节之一 。 传统驾驶员模型的建立依 赖于汽车 系统传递 函数 ， 但汽车动力学控制 系统具有 强非线性 ， 其传递 函数 不易确 定 ， 这使 驾驶员模 型难 以建 立。 “ 瞄最优 曲率 在 预 模 型” 的基础上对驾驶员 校正环节采用模糊控制 ， 对包括“ 魔术公式 ” 轮胎 模型在 内的汽车模型建立 带有 自调 整因子的加 速度反馈 模糊控制驾驶 员模 型。 该模 型不需要知道汽车系统精确的传递 函数 ， 用模糊逻 辑推理直接模拟人 的操纵过程来 采 进行控制。 仿真结果表明 ， 所建立 的模糊控制驾驶员模型很好地描述 了驾驶员的方向控制行为 ， 为人 一 车 ～ 路 闭环 系统 的
基于模糊PID控制理论的驾驶员模型的建立
式中： “为 车速 ； 为 比例增 益 ； 实 际车 速 与 目 ｋ ｅ为 标 车速 的差值 ； 为积分 增益 ； 为微 分增 益 。 ｋ ｋ
究 ［］ 中 国水 运 ，０ ８ ５ ． Ｊ． ２０ （）
收稿 日期 ：０ ２ ０ —２ ２１－ ３ １
建立 仿真模 型现 已成 为汽车设 计 中不可 或缺 的
关 键过程 。建立 驾 驶 员仿 真 模 型 ， 以实 现 一 定 的 可
试验 标定 。
ｒ
一
ｋＰ ［ｄ ＋ｋ （ｅｄ） ＋ｋｌｅｔ ｄｄ￣ｒ］ ｐ
Ｊ
（） １
反 馈作用 ， 动力部 件 转 矩 可靠 性 和 正确 性 大 大 提 使 高 。该 文 以混 合 动力 汽 车 为研 究 对 象 ， Ｍａｌ ／ 在 ｔ ｂ ａ Ｓｍｕｉｋ仿 真环境 下建 立 驾驶 员 仿 真模 型 ， 据前 ｉ ｌ ｎ 根
长 春 ： 林 大 学 ，０ ７ 吉 ２ ０．
Ｂ ｎ ｂ ａ Ｄｏ ｉ ｏ Ｍ ， ｅ ａ ｌｚ Ｇ． ｎ ｐ ｒ ｔ ｎ ｆ ｒ ｏ ａ ｅ ｕ Ｅ． ｒ ｇ Ｔｈ ｒ ｕ ａ Ｉ ｓ ｉａ ｉ ｏ ｏ
［２ 李 楠 ， １１ 胡即明． 群算法在 Ｐ Ｄ参数优 化 中的应 用研 蚁 Ｉ
模糊 控 制器 输 入 量有 ２个 ， 个是 汽 车实 际 车 一
所得 的 目标车速 与 当 前 车速 作 为输 入 信 号 ， 算加 计Ｕ 与 目标 车 速 ，的差 值 ｅ 另 一 个 是 车 速 差 值 ， 的变化 率 ｅ 。控 制 器 的输 出 量 为 Ｐ Ｄ控 制 器 的 ３ ｃ Ｉ 个参数 ｋ 、 ｋ ｋ 、 。控 制算法 如下 ：
汽车驾驶员模型的研究现状及发展趋势
摘 要 ： 车 驾驶 员模 型 是 汽 车 交 通 安 全 、 能 交通 系统 、 车 自动 驾 驶 和 车 辆 巡 航 等 技 术 的基 础 研 究 内 容 和 关键 环 汽 智 汽
节 之 一 。按 照 汽车 驾 驶 员模 型 的 研 究 方 向 及 应用 ， 驾 驶 员模 型 分 为基 于 人 一 车 一 环 境 闭环 系 统 汽 车 操 纵 稳定 性 的 将 驾 驶 员模 型 、 于 智 能 交通 系统 的驾 驶 员 行 为 模 型 和 基 于 交 通 安 全 的驾 驶 员 疲 劳 模 型 等 类 型 ， 述 了上 述 各 类汽 车 基 综
汽 车驾驶 员模 型是 对驾驶 员 操纵 汽车 的行 为 的
收 稿 １期 ：０ ０ ０ — ０ ３ ２ １— ３ １
数 学表 达 ， 是一 个复 杂 的控制 系统 。 驶员 的操纵 行 驾 为包 括对 信 息 的感 知 、 合 、 断 、 理 、 断 ， 后 综 判 推 决 最 通 过 神经 肌 肉的反 应 产生 汽 车 所 需要 的 方 向控 制 、 驱 动控 制 、 制动控 制 等操纵 力 。 操纵 行 为具 有很 强的 随 机性 、 自适 应性 、 散性和 时 变性 。 离 因此 ， 用数 学 要
ａ ａ ｙ ｅ ｈ ｈ ｒ ｏ ｎ ｓ ｏ ｈ ｒ ｅ ｄ ｌ ， ｎ ｕ ｓ ｆｒｈ ｔ ｅ ｔ ｎ ｓ ａ ｄ ｔ ｅ ｄ ｖ ｌ ｐ ｎ ｉｅ ｔ ｎ ｏ ｈ ｒ ｅ ｎ ｌ ｚ ｓ ｔ ｅ ｓ ｏ ｃ ｍｉ ｇ ｆｔ ｅ ｄ ｖ ｒ ｍｏ ｅ ｓ ａ ｄ ｐ ｔ ｏ ｈ ｒ ｄ ｎ ｈ ｅ ｅ ｏ ｍｅ ｔ ｄ ｒ ｃｉ ｆ ｔ ｅ ｄ ｉ ｒ ｔ ｉ ｔ ｅ ｏ ｖ ｍｏ ｅｓ ｄ ｌ．
汽车 驾驶员模型的 研究现 状及发展趋势／ 刘晋霞
驾驶员行为的多维度分析与建模
驾驶员行为的多维度分析与建模随着社会的发展和交通工具的不断普及，道路交通安全越来越受到人们的关注。
而驾驶员行为是造成交通事故的主要原因之一，在交通安全领域扮演着重要的角色。
因此，对驾驶员行为进行多维度的分析和建模，对于制定交通安全策略和提高道路交通安全水平具有重要意义。
一、驾驶员行为的多维度分析驾驶员行为是指驾驶员在行驶过程中的行为表现，主要包括速度、加减速、转向、变道、超车、酒后驾驶、疲劳驾驶等，是造成交通事故的主要原因之一。
为了更好地理解驾驶员行为，可以从以下几个维度进行分析。
1. 心理维度驾驶员的个体心理特征对于其行为的影响十分重要。
例如，焦虑、紧张、疲劳等情绪都可能影响驾驶员对道路交通的感知和处理能力。
另外，驾驶员的性格特征和驾驶经验也会对其行为产生影响。
2. 生理维度驾驶员的生理特征也对其行为有一定的影响。
例如，身体状况、视力、听力、反应速度等都会影响驾驶员对道路交通的认知和处理能力。
3. 车辆维度驾驶员所驾驶的车辆也会影响其行为。
例如，车辆的品牌、型号、年份、质量等因素都会影响驾驶员对车辆的控制能力。
另外，车辆的座椅舒适度、空调温度等细节问题也可能影响驾驶员的舒适感，从而影响其驾驶行为。
4. 道路环境维度道路环境因素是指路面、天气、交通流量、路段类型等因素。
这些因素会对驾驶员的行为产生直接或间接的影响。
例如，恶劣的天气会影响驾驶员的行驶速度和车辆控制能力，高峰期通行的交通流量会影响驾驶员的红绿灯处理能力等。
二、驾驶员行为的建模通过对驾驶员行为的多维度分析，可以建立驾驶员行为的模型。
驾驶员行为模型是一种科学的描述和预测驾驶员行为的方法，可以帮助交通管理部门了解驾驶员行为的主要特征和影响因素，制定相应的交通安全政策和管理措施。
1. 传统行为模型传统的驾驶员行为模型主要包括微观和宏观模型。
微观模型建立在个体交通参与者的行为基础上，常用的微观模型有加速度-速度模型和轨迹模型等。
宏观模型主要研究车流量的变化，描述了车速、密度和流量之间的关系。
智能驾驶员模型idm公式推导过程
智能驾驶员模型是指采用先进的计算机技术和人工智能算法，使汽车能够像人类驾驶员一样感知和决策，从而实现自动驾驶。
在智能驾驶员模型中，IDM（Intelligent Driver Model）是一种基于交通流动力学理论的模型，用于描述车辆在道路上的运行行为，并在自动驾驶系统中发挥重要作用。
1. IDM模型的基本原理IDM模型是由D. Helbing和M. Treiber于1999年提出的，它基于微观交通流动力学理论，用于描述车辆与车辆之间的相互作用和影响。
IDM模型的基本原理包括以下几点：- 车辆之间存在相互影响和作用力，主要表现为跟驰效应和交通行为的调整。
- 车辆的加速度受到车辆之间的距离和速度差的影响，根据交通流动力学理论，车辆之间的相互作用可以用力学公式来描述。
- IDM模型将车辆间的相互作用建模为一种加速度函数，通过该函数可以计算车辆的加速度，并据此进行自动驾驶控制。
2. IDM模型的数学表达IDM模型的数学表达主要包括以下几个方面：- 车辆的加速度受到期望速度、车辆当前速度、前车距离以及速度差的影响。
根据IDM模型的描述，加速度函数可以用数学公式来表示。
- IDM模型中的参数包括期望速度、舒适加速度、期望车头距离等，这些参数的选择对于模型的精确度和鲁棒性有重要影响。
- 通过数学推导和理论分析，可以得到IDM模型的具体数学表达式。
这些数学表达式通常以微分方程或差分方程的形式呈现，并包括车辆的位置、速度、加速度等变量。
3. IDM模型的推导过程IDM模型的推导过程包括以下几个步骤：- 基于交通流动力学理论和力学原理，建立车辆之间的相互作用和加速度函数的数学模型。
- 根据车辆之间的相互作用和影响，推导出加速度函数的数学表达式。
- 通过理论分析和模型假设，确定IDM模型中的参数和变量，包括期望速度、舒适加速度、期望车头距离等。
- 将参数和变量代入加速度函数的数学表达式中，得到IDM模型的具体数学表达式。
基于路程预瞄的驾驶员模型
基于路程预瞄的驾驶员模型杨浩;黄江;李攀;韩中海【摘要】为真实反映驾驶员在人-车-路闭环系统中对汽车的操纵特性,提出了一种基于路程预瞄的智能控制驾驶员模型.通过对一段路程进行预瞄,提出了用于判断目标路径相对于预瞄方向的位置关系的路程预瞄曲率阈值理论,建立了预瞄距离可变的自适应跟踪模型,同时,建立了智能控制转向盘的决策模型,提出了最优速度控制策略.CarSim和Simulink联合仿真结果显示,建立的驾驶员模型具有较高的路径跟踪精度和合理的速度控制策略.【期刊名称】《汽车技术》【年(卷),期】2019(000)002【总页数】7页(P7-13)【关键词】路程预瞄;路程预瞄曲率阈值;预瞄距离可变;模糊控制理论;最优速度控制策略【作者】杨浩;黄江;李攀;韩中海【作者单位】重庆工商职业学院,重庆 401520;重庆理工大学,汽车零部件先进制造技术教育部重点实验室,重庆400054;重庆理工大学,汽车零部件先进制造技术教育部重点实验室,重庆400054;重庆理工大学,汽车零部件先进制造技术教育部重点实验室,重庆400054;重庆理工大学,汽车零部件先进制造技术教育部重点实验室,重庆400054【正文语种】中文【中图分类】U469.71 前言驾驶员行为规律及其建模在人-车-路闭环系统的仿真、评价与优化中具有至关重要的作用。
研究人员根据预瞄理论提出了各种驾驶员模型：MacAdam提出了最优预瞄控制模型[1]，郭孔辉院士提出了单点预瞄最优曲率模型[2]，张慧豫提出了两点预瞄的新型驾驶员模型[3]，同时，汽车动力学仿真软件CarSim中采用了5点预瞄驾驶员模型。
近年来，随着控制理论的不断发展和完善，基于预瞄的各种驾驶员模型不断提出，主要有模糊控制驾驶员模型[4]、预瞄优化神经网络驾驶员模型[5]和自适应最优预瞄控制驾驶员模型[6]。
上述方法在路径跟踪方面取得了一定进展，但并没有充分反映驾驶员的预瞄行为。
郭孔辉院士的研究表明[2]，驾驶员预瞄更一般的形式是其目光不只集中于前方一点，而是着眼于前方的一段路，并争取使汽车在这一段路程内的运动误差最小，同时根据路程预瞄的有效信息和当前车速来调整预瞄距离，即预瞄距离应可变。
驾驶员行为模型和驾驶员状态监测技术实现
驾驶员行为模型和驾驶员状态监测技术实现随着汽车技术的不断改进和智能化的发展，车辆的自主驾驶技术已经逐渐走进了我们的生活，成为了当代最为热门的汽车技术之一。
而自动驾驶技术的实现离不开驾驶员行为模型和驾驶员状态监测技术。
本文将详细介绍驾驶员行为模型和驾驶员状态监测技术的实现。
一、驾驶员行为模型驾驶员行为模型是自动驾驶车辆设计的重要组成部分。
它通过对驾驶员操作动作的分析和描述，建立一个能够反映驾驶员驾驶行为的数学模型，从而进一步推断出驾驶员的意图和福利状况，为车辆控制提供有效的信息。
驾驶员行为模型包括三个方面的内容：（1）驾驶员意图推断驾驶员行为模型可以通过分析驾驶员的行为，推断驾驶员的意图，从而更好地适应不同的场景，提供更加精准的控制策略。
例如，在自动驾驶汽车中，当驾驶员希望更改目的地或者更改路线时，车辆可以根据驾驶员的意图，调整自己的方向和速度，从而达到更好的驾驶效果。
（2）驾驶员心理和生理状态识别驾驶员心理和生理状态是影响驾驶员驾驶行为的重要因素，在自动驾驶汽车中，可以通过识别驾驶员的心理和生理状态，优化车辆的控制策略，提高驾驶效率和安全性。
例如，在自动驾驶汽车中，如果车辆能够识别到驾驶员的注意力分散或疲劳等状态，可以采取相应措施，例如减速或提示驾驶员休息等，从而避免交通事故的发生。
（3）驾驶员行为预测驾驶员行为预测是指通过对驾驶员驾驶行为的分析和模拟，预测驾驶员未来的行为，为车辆控制提供更加可靠的信息。
例如，在自动驾驶汽车中，如果车辆能够准确预测驾驶员未来的驾驶行为，可以提前做好相应的准备，避免交通事故的发生。
二、驾驶员状态监测技术实现驾驶员状态监测技术是指通过对驾驶员心理和生理状态的检测和分析，为车辆控制提供。
有效的信息，使得车辆能够在车辆无人驾驶的情况下，快速反应驾驶员异常状态，采取相应的措施，提高驾驶员的安全性和控制效率。
驾驶员状态监测技术包括以下方面的内容：（1）眼动追踪技术眼动追踪技术可以监测驾驶员的注视点移动情况，识别驾驶员的视线偏移或者注意力分散等异常状态，车辆可以根据驾驶员的状态变化，调整自己的控制策略，从而保证驾驶的安全性和效率。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
汽车驾驶员模型建立
【摘要】根据预瞄最优曲率理论及模糊控制理论，利用Matlab/Simulink软件建立模糊PID控制驾驶员模型，并引入对驾驶员预瞄时间的控制，分析预瞄时间函数对轨迹跟踪效果的影响，从更广的方面研究驾驶员的特性。
通过仿真与实车实验证明，所建立的驾驶员模型具有较高的准确度，能够较好的拟合车辆的行驶轨迹，其操作特性与真实驾驶员较为接近。
【关键词】驾驶员模型；模糊PID控制；预瞄时间函数
1.引言
驾驶员模型是个复杂的控制系统，它包括方向控制、驱动控制、制动控制等，其中方向控制是驾驶员模型研究的核心。
自上世纪中期以来，基于传统控制理论、模糊控制理论、神经网络控制理论等，人们先后提出了各种驾驶员控制模型。
Ashkens I I and Me Ruer D t提出的Crossover模型用来估计有扰动闭环控制系统的稳定性，但不适用于快速驾驶[1]。
MarAdam C C提出了一种可以投入到实际应用工程中更灵活、有效的模型，但这些研究结果也存在弊端，表现在预瞄的固定时间无法适应车速的变化，导致预瞄的距离不确定[2]。
郭孔辉院士于1982年提出了预瞄跟随系统理论[3]，认为驾驶员的决策分为预瞄阶段和补偿跟随阶段，其驾驶员的校正环节依赖于汽车动力学模型，对整车方向控制至关重要。
上述这些驾驶员模型都是建立在传统控制理论基础上，通过大量的试验或仿真确定汽车的传递函数，然后再根据汽车的动力学传递函数特性来确定驾驶员模型。
然而，对于汽车这种复杂的被控对象，不易建立精确的传递函数，并且在现有试验条件下通过系统辨识建立的传递函数同样存在精度低的缺点，甚至不可被用于驾驶员模型，不能满足车辆控制。
模糊逻辑能比较好的解决无法建模的复杂问题，分析问题时更加符合人的要求。
因此，本文在建立可调预瞄时间函数的同时，建立模糊PID控制驾驶员模型，将驾驶员的校正环节与汽车动力学模型分开分析。
2.驾驶员模型建立
2.1 道路偏差
驾驶员对汽车方向的控制源于预瞄点处道路偏差[4]的存在，在0时刻，汽车从大地坐标系原点处以速度开始做平面行驶，汽车沿大地坐标系X轴方向的速度为Vx，沿Y轴方向的速度为Vy，则在任何时刻：
图1是车辆行驶轨迹偏差示意图。
2.2 驾驶员模糊PID控制器设计
模糊PID控制器根据偏差和偏差变化率输出PID参数、、，或者PID参数的增量、、，能够实现PID参数的在线整合，具有控制灵活及适应性强的优点，又具有PID控制精度高的特点，能够实现驾驶员模型对于车辆方向的良好控制。
2.2.1 输入输出变量的选取和量化
本文所建立的模糊PID控制驾驶员模型，其模糊控制部分基于预瞄点处道路偏差反馈，以预瞄点处道路偏差和偏差变化率为模糊控制器的输入，PID参数的增量、、为输出。
输入、输出变量的变化范围，以及它们的量化等级、量化因子、比例因子见表1所示。
选择各变量的隶属度函数为三角形函数。
2.2.2 模糊规则设计及解模糊
参数模糊自整定PID控制器在系统运行中，实时监测误差e及误差变化ec，并根据模糊控制原理对、、三个参数实行在线修改，以使其不断适应时刻变化的e和ec，使控制器具有一定鲁棒性能，且被控系统具有良好的稳定性[3]。
根据他人对PID参数整定经验制定模糊规则：
（1）当偏差较大时，取较大的，可以加快系统的响应速度，并且为了避免偏差e的瞬时变大可能出现的微分过饱现象，应取较小的值；积分饱和会使系统响应出现超调，限制甚至取消积分作用，可以防止这一现象的发生。
（2）当和处于中等大小时，取较小的值，可以减小系统超调，的取值要适当，并根据现场情况取合适的，保证系统响应速度。
（3）当较小，接近于设定值时，要同时考虑的影响，应取和较大值，以使系统由良好的稳态特性；当较小时，取较大值；当较大时，取较小值，兼顾系统抗振荡及抗干扰的要求。
（4）表征偏差变化的速率，值较大时，应取较小值，应取较大值。
通过间接法进行模糊推理，在得出模糊控制器的输出、、后，可实时计算PID 的参数。
其中，Kp0，KI0，KD0为PID参数初始值。
建立PID控制驾驶员模型，并在一般弯曲道路上进行仿真试验，通过不断调整使轨迹误差达到最小的方法可以得到该初始值
进行大量的仿真试验，最终确定：Kp0=7，KI0=0.0002，KD0=0.001。
2.3 预瞄时间函数建立
驾驶员的预瞄距离因道路曲率的不同而发生变化，而道路曲率可以简化为道路偏差，因此有必要建立预瞄时间T对于道路偏差的较为理想的函数关系，并分析可调整预瞄时间T对车辆轨迹跟踪的影响。
驾驶员预瞄距离调整过程如图2所示。
在时刻，预瞄距离为，预瞄点落在大地坐标系上的点，此时，道路偏差由小变大，驾驶员需要对预瞄距离进行调整；在时刻，车辆行驶距离为s，预瞄距离减小为，预瞄点落在处，预瞄距离变化，由图得：。
对于调整后的预瞄点，可能落在的前方，也可能落在的后方。
当落在的后方，即，预瞄距离不变与落在的后方相矛盾，此时预瞄距离发生严重振荡，因此必须保证落在的前方，即。
设车速为u，预瞄距离的平均变化率为k，由得：。
在车速u一定的情况下，可以用预瞄时间T代替预瞄距离d，当道路偏差时，T应该是关于的单调递减函数，并且随的增大，T逐渐趋于一稳定值。
符合这些要求的函数有很多，图3列举其中两种。
图（a）为sigmoid函数的变形，图（b）为概率曲线。
图（a）中T在ep=0不可导，当ep由负变正的过程中，T由增大趋势迅速变为减小趋势，即预瞄点A由远离车辆迅速变为靠近车辆，易发生上述的s1<0的情况，因此这是应该避免的情况；图（b）中因为T在ep=0处可导，不会发生上述情况，因此选择图（b）中类型曲线作为预瞄时间函数曲线较为合适。
经过仿真试验及参数调整，最终确定预瞄时间函数为：2.4 驾驶员模型完整补偿校正
在建立驾驶员模糊PID控制器及预瞄时间函数之后，并且根据驾驶员神经反应滞后及手臂、方向盘惯量滞后的特点，可建立驾驶员模型补偿校正环节，如图4所示。
其中，输入为预瞄点处道路偏差，输出1为预瞄时间T，输出2为方向盘实际转角，驾驶员神经滞后环节，惯量滞后环节时间常数。
3.动力学仿真
3.1 仿真模型建立
完整的驾驶员模型，包括感知环节、预瞄环节、补偿校正环节[4]。
感知环节根据车辆的y方向速度，及预瞄时间T，感知在T时刻后，车辆y方向的位置；预瞄环节根据当前车辆x方位向置，以及车辆方位角，计算预瞄距离d处的y 坐标；补偿矫正环节根据预瞄点处y坐标偏差，计算出补偿该偏差的方向盘转角，并且进一步调节预瞄时间T。
将在Matlab/Simulink仿真环境下建立的驾驶员模型放入到相同环境下的整车控制模型中，建立完整的仿真模型。
如图5所示。
3.2 仿真结果分析
本文以“偏置直线+半S”曲线作为车辆行驶道路轨迹，在其他参数相同的情况下，分别进行有预瞄时间控制的仿真，和无预瞄时间控制的仿真，以便研究可变预瞄时间对于车辆跟踪轨迹的影响。
图6对比了两种情况下的轨迹偏差，可以看出，无预瞄时间控制的偏差的几何平均值要远远大于有预瞄时间控制的情况，进一步验证了预瞄时间控制的优越
性。
4.试验结果对比
图7、图8为跟踪“偏置直线+半S”时，熟练驾驶员操纵试验车真实情况，与驾驶员模型操纵车辆模型仿真情况对比图，为了便于对比两种情况，方向盘转角和横摆角速度仿真值都进行了取相反数处理。
从图7可以看出，在跟踪相同道路时，驾驶员模型与熟练驾驶员在方向控制上并不完全一样，在某一时刻，方向盘转角幅值并不相同，但是两条曲线的形状接近，变化趋势相似，图8的横摆角速度响应曲线也具有同样的特点。
图9为熟练驾驶员轨迹跟踪曲线、驾驶员模型跟踪曲线和目标轨迹对比图。
图9中驾驶员模型跟踪曲线与熟练驾驶员轨迹跟踪曲线比较接近。
因此，可以认为，所建立的基于可调预瞄时间的模糊PID控制驾驶员模型具有较高的精度，其行为特性与熟练驾驶员较为相似。
5.结论
（1）依据预瞄最优曲率理论及模糊控制理论，建立了模糊PID控制驾驶员模型，将驾驶员的校正环节与汽车动力学模型分开分析，从更广的方面研究驾驶员的特性。
（2）建立预瞄时间函数，分析预瞄时间函数对轨迹跟踪效果的影响。
通过仿真证明，验证了预瞄时间的可调性，且预瞄时间函数能够提高车辆轨迹跟踪品质。
参考文献
[1]AshkenasIL，McRuer DT.A theory of handling qualities derived from pilot-vehicle system considerations A.Pro-ceedings of IEEE IndustryApplications Socicty Meeting[C].1962.
[2]MacAdam C C.An optimal preview control for linear sys-terns[J].Journal of Dynamic Systems，Measurement，and Control，1980，102（3）：188-190.
[3]郭孔辉，马凤军，孔繁森.人—车—路闭环系统驾驶员模型参数辨识[J].汽车工程，2002，24（1）：20-24.
[4]高振海，管欣，郭孔辉.驾驶员方向控制模型及在汽车智能驾驶研究中的应用[J].中国公路学报，2000，13（3）：106-109.。