在人-车-环境组成的闭环驾驶系统中,驾驶员由于驾驶技能良莠不齐、生理与心理状态、性格与体力情况等诸多方面各不相同,被认为是驾驶系统中不确定因素最多,最不可靠的环节。而智能汽车通过通信设备,传感器和智能算法替代了人在车辆行驶中的作用,被认为可以极大的解决交通安全问题。而路径跟随控制作为智能汽车领域的关键技术之一,在车辆智能化的发展下,已经成为了研究的热点。当前大部分关于智能汽车路径跟随控制的研究方法中,普遍将提高跟随精度,保证安全性作为最重要的研究目的。相比之下,对于智能汽车控制策略是否符合驾驶员的普遍驾驶习惯却考虑不足。本文通过对驾驶员在自然驾驶环境中的减速行为进行统计分析,将分析结果应用到车辆路径跟随控制系统的算法设计中,并在仿真环境中验证了该控制系统的有效性。主要开展如下研究:1.驾驶员的减速行为分析作为智能汽车人性化制动控制系统设计的基础,已经成为各方研究的重点。驾驶员减速有两种模式:(1)踩下制动踏板,使用制动系统以降低速度;(2)释放加速踏板,在不踩下制动踏板的情况下释放油门踏板,从而通过自然驾驶阻力减速。目前,已经有大量学者研究过驾驶员选择“踩下制动踏板”的驾驶行为,而“释放加速踏板”这种制动行为并未得到足够的重视。本文依靠中国汽车工程研究院自动驾驶车辆测试和评估项目所采集的自然驾驶数据,通过设置边界条件,从数万公里的车辆行驶数据中截取出由数据流和视频流所构成的样本案例。随后,通过观看视频流,为每个样本的离散变量统一赋值。最终通过建立逻辑回归模型与t检验,找出了影响驾驶员制动行为的显著性变量,以及这些变量与驾驶员行为之间的定量关系。2.路径跟随控制作为无人驾驶领域的关键技术之一,在车辆智能化的发展下,已经成为了各方研究的热点,本文基于前文对驾驶员制动行为的分析和得出的逻辑回归模型,设计了基于驾驶员行为特性的路径跟随纵向控制系统。该控制系统可以通过对车辆油门开度和制动系统轮缸压力的调节使得车辆能够按照期望的速度行驶,实现车辆的纵向速度(车辆行驶方向)跟随。此外,本文为了提高基于预瞄理论的路径跟随控制算法的计算效率与适应性,在预瞄最优曲率模型的基础上,提出了一种依据车辆实际行驶路程获取预瞄点侧向位移的弧长预瞄方法。并在该方法下,通过推导预瞄点侧向位移与车辆前轮转角之间的关系,最终建立了路径跟随的侧向控制模型。3.本文根据前文推导的路径跟随横向与纵向控制模型,在Simulink中建立路径路径控制系统,并利用该控制系统在Carsim/Simulink联合仿真环境下建立“人—车—路”闭环仿真系统。最后在该仿真系统环境下,通过建立若干典型仿真工况,对控制系统的有效性进行了仿真分析。研究结果表明:(1)对驾驶员减速行为造成显著性影响的因素有:路口类型,交通流量,自车运动状态,目标运动状态,自车制动初速度,自车制动时刻THW(车头时距)值,期望加速度;(2)逻辑回归模型可以定量的描述这7个影响因素与驾驶员减速行为之间的关系,以及驾驶员在减速时采取“释放加速踏板”模式的概率;(3)采用弧长预瞄方法下的人-车-路闭环系统方向盘稳定性同时受驾驶人(或者车辆)响应延迟时间,预瞄距离和路径点方向连续性的影响,当期望路径点方向具有较高连续性,且系统预瞄距离大于临界前视距时,方向盘趋于稳定;(4)本文在预瞄最优曲率模型的基础上提出的依据车辆实际行驶路程获取预瞄点侧向位移的弧长预瞄方法在人-车-路闭环仿真系统下具有较高的运算速度;(5)通过引入逻辑回归模型作为逻辑控制阀而设计的纵向跟随三相闭环控制系统使得节气门开度的切换次数,节气门打开的总时长,制动轮缸压力切换次数,以及制动总时长均得到了明显下降。