近年来,随着自动驾驶技术的不断发展,传统自动驾驶框架中的规划控制技术已经较为成熟,但距离全自动化无人驾驶仍有较远的距离,人机共驾仍将持续一段时间。在人机共驾阶段,驾驶员的角色面临着操纵者到监督者的转变,因此,不能忽略人类驾驶员对车辆控制性能的感受。传统纵向规划控制技术大部分采用PID及其衍生算法、MPC、LQR等控制理论方法,在车辆跟驰控制中取得了较好的成果。但在车辆弯道驾驶时,仅根据弯道曲率对最大车速进行限制,简单的规则控制逻辑易导致对加减速的时机把握与人类驾驶员差别较大。为了更好地借鉴驾驶员的驾驶经验,使得驾驶员具有更好的驾乘体验,考虑以驾驶员驾驶数据为驱动,将人类驾驶员的驾驶行为特征纳入算法设计,本文针对自动驾驶车辆弯道自由驾驶情况下的纵向个性化控制进行研究。通过分析驾驶员弯道自由驾驶数据,结合道路设计规范,可将驾驶员在弯道自由驾驶工况下的驾驶阶段分为入弯驾驶,弯内驾驶和出弯驾驶三部分。弯内驾驶时,驾驶员倾向于保持特定舒适车速驾驶,入弯驾驶和出弯驾驶时驾驶员分别会采取一定的减速和加速操作。结合驾驶员弯道自由驾驶三段驾驶特点,建立弯道自由驾驶模型,包含针对入弯驾驶段和出弯驾驶段的基于高斯混合模型-高斯混合回归(GMM/GMR)的加减速模型和针对弯内驾驶段的速度跟踪模型。为了在横向精确路径跟踪的前提下实现驾驶轨迹的一致性,且考虑到算法的鲁棒性和计算效率,选用纯跟踪算法进行路径跟踪,并针对原始纯跟踪算法预瞄距离调整参量单一、具有稳态误差的缺点进行相应改进。为了验证本文提出的弯道自由驾驶模型,基于CMSP(CarSim/MATLAB/Simulink/PreScan)联合仿真平台设计了模型验证实验。首先,采用联合仿真平台和实车平台进行多个驾驶员的驾驶数据采集。而后,为了实现在线验证该模型的精确控制,分别针对分模式速度控制算法和改进后纯跟踪算法设计了仿真和实车实验以验证算法的有效性,最后分别针对仿真驾驶数据和实车驾驶数据进行弯道自由驾驶模型的在线仿真验证实验。实验结果表明该算法在自动驾驶车辆弯道自由驾驶过程中有效地模拟了驾驶员纵向操控行为并在改进纯跟踪算法的横向控制下实现了与驾驶员驾驶轨迹的一致性。