个性化自适应巡航控制：融合驾驶员特征与行为识别

本文主要探讨了"考虑驾驶员特征的个性化自适应巡航控制"这一主题，发表于2018年4月，由Chen Su, Weiwen Deng, Rui He, Jian Wu和Yuande Jiang等人来自吉林大学的研究团队。随着先进驾驶员辅助系统（ADAS）的发展，为了提高驾驶者对这些系统的接受度和适应性，论文强调了驾驶员驾驶行为在自适应巡航控制系统（ACC）设计中的关键作用。 作者们认识到，不同驾驶者的习惯和特性会对ACC的各种因素产生影响，如行驶速度、反应时间、决策偏好等。因此，他们提出了一种基于高斯混合模型（Gaussian Mixture Model, GMM）的方法，用于识别驾驶员的行为和意图。这种方法有助于系统理解驾驶员的驾驶风格，以便更精确地调整巡航控制参数，以适应不同的驾驶情况，如巡航、减速、加速、急刹车、变道等复杂动态驾驶场景。 研究采用了诸如RT3002、RTrange等高精度传感器，以及踏板压力传感器来收集实时数据，确保了系统能够获取到驾驶员的实时驾驶输入。测试车辆设置了多种行驶模式，并由84位随机挑选的驾驶员在实际道路条件下操作，以此验证个性化控制策略的有效性。 评估驾驶员驾驶风格既包括主观评价，也包含客观参数，主观评价通过问卷调查的方式从驾驶员和乘客的角度获取反馈，客观评价则依赖于从特定测试条件中提取的数据。所有车辆跟踪数据通过MATLAB进行收集和分析，这一步骤有助于深入理解驾驶员行为与系统性能之间的关系。 模糊PID控制（Fuzzy Proportional-Integral-Derivative Control）是实现个性化ACC策略的核心技术，它允许根据驾驶员的行为特性和驾驶环境实时调整控制策略参数，从而提高了系统的动态适应性和安全性。 这篇研究论文提供了一个创新的框架，将驾驶员特征融入自适应巡航控制系统，旨在提升驾驶者与高级辅助驾驶系统的互动体验，通过精确的个性化控制策略，增强了系统的实用性与人性化。通过实际测试和数据分析，这项工作对于改善驾驶员对ADAS的接受度以及提升驾驶安全水平具有重要意义。