驾驶员模型是智能汽车实现自动驾驶的关键技术之一,弯道行驶工况是评价智能汽车自动驾驶性能的重要环节。研究熟练驾驶员的弯道行驶轨迹特征,用于优化智能汽车的驾驶员模型,使智能汽车具有接近熟练驾驶员的弯道驾驶操控特性,从而保证智能汽车与有人驾驶的传统汽车在道路上和谐共存,是具有重要研究价值的课题。本文通过采集熟练驾驶员在弯道行驶的轨迹数据,研究智能汽车仿人转向评价方法和仿人转向控制驾驶员模型及其优化方法,并进行仿真与试验验证,论文主要研究内容如下:首先,在城市双车道弯道采集了多名熟练驾驶员在不同车速下的行驶轨迹数据,为便于对多组轨迹数据进行对比分析,将基于时间的轨迹数据转化为基于道路虚拟桩的侧向偏差序列,通过分析侧向偏差序列的相似性,得出了用于优化仿人转向驾驶员模型的目标轨迹,提出了基于轨迹相似性的仿人转向特性评价方法。其次,通过分析人类驾驶员在弯道行驶工况的视觉注意机制,利用模糊推理系统构建了能够对预瞄点进行横、纵向自适应调节的预瞄决策模块,并与最优曲率预瞄驾驶员模型相结合,提出了一种仿人转向控制驾驶员模型。基于改进蚁群算法与模糊强化学习,分别提出了仿人转向控制驾驶员模型预瞄规则的离线优化和在线优化方案。然后,运用PreScan/Simulink构建了仿真试验环境,基于Matlab/Simulink进行了仿人转向控制驾驶员模型优化研究。仿真结果表明,在不同目标车速下,优化后的仿人转向控制模型具有接近熟练驾驶员的行驶轨迹特性,离线优化方案具有更好的优化效果,在线优化方案具有更高的优化效率,所提出的驾驶员模型在不同曲率的弯道均能实现良好的仿人转向特性。最后,进行了实车弯道行驶方向盘转角控制跟踪试验,结果表明,本文提出的驾驶员模型所生成的方向盘转角序列能够通过现有汽车的电动助力转向系统实现,具有实际应用的可行性。此外,还采用智能小车进行弯道行驶轨迹跟踪试验,结果表明,本文提出的驾驶员模型能够在实际行驶环境中实现轨迹跟踪。