作为人车路闭环系统中核心的决策控制单元,驾驶员的建模对于设计智能驾驶系统的决策控制模块具有重要意义。其中视觉信息是驾驶员最重要的信息来源,研究视觉认知特性可以进一步分析人-车-路交互关系、获得更人性化的控制效果。本文在深入分析国内外关于驾驶员视觉认知研究的基础上,提出了一种考虑视觉认知特性的驾驶员模型。该模型根据车辆当前车速与当前车道曲率,基于实验中采集的实际驾驶员的前视预瞄时间分布实时求解特定工况下预瞄时间权重分布,以此作为预瞄策略输入基于模型预测控制方法建立的驾驶员模型。以下是具体研究内容:首先,通过实车实验采集驾驶员行驶过程中视觉行为,实验中同时采集驾驶员视觉信息以及操纵行为信息、车辆运动学和动力学信息。其中视觉信息需要进行畸变校正、图像匹配消除抖动等预处理,视觉信息中的原始眼动数据通过离差阈值法(I-DT)获取注视点。使用JB(Jarque-Bera)检验方法验证了注视点分布的正态性后用一般正态函数拟合驾驶员注视点数据,发现在直线工况下注视点分布的均值、标准差均与车速线性相关,弯道工况注视点分布的均值与弯道曲率的对数线性相关,弯道工况注视点分布的标准差与车速线性相关,不同驾驶员视觉认知特性具有一定的规律性。接着通过摄像头位姿参数计算鸟瞰投影的透视矩阵H,据此构建前视预瞄时间与注视点之间的转化函数。最终获取了前视预瞄时间的分布函数,以此作为后续驾驶员模型的预瞄策略。其次,建立基于模型预测控制方法的考虑视觉认知特性驾驶员模型。使用模型预测方法的驾驶员模型将驾驶员控制车辆的问题抽象为设计带约束的优化问题,并进一步把问题转化为一般QP问题,通过预测模型、滚动优化系统性地为驾驶员预测行为建模,拥有更好的控制效果且更符合驾驶员实际行为。在此基础上融入驾驶员的视觉认知特性,实时求解特定工况下预瞄时间权重分布,以此作为预瞄策略输入驾驶员模型替代预测时域权重矩阵Q,实现了考虑视觉认知特性的驾驶员模型。最后,搭建模型和编写程序对建立的驾驶员模型离线仿真验证。离线仿真通过Car Sim和Simulink联合仿真平台完成,测试场景为连续弯道,仿真结果显示考虑视觉认知特性后驾驶员模型弯道跟随性能有明显提高,侧向跟随误差相比于融入视觉认知之前最大减少了30%,证明了本文提出的建模方式的有效性。