一種基于實(shí)車工況的LKA仿真方法

張峻熒，蘇芮琦，黃波，王士焜

摘? 要：本文提出了一種用于驗(yàn)證車道保持輔助系統(tǒng)（LKA）控制策略的仿真方法，在分析從仿真測(cè)試到實(shí)車驗(yàn)證過(guò)程中關(guān)鍵環(huán)節(jié)對(duì)策略驗(yàn)證可靠性的影響的基礎(chǔ)上，提出的仿真方法綜合考慮了傳感器特性、控制器特性和執(zhí)行部件特性。本文中LKA控制策略采用了單點(diǎn)預(yù)瞄模型，用于驗(yàn)證的測(cè)試用例是依據(jù)LKA典型應(yīng)用場(chǎng)景定義的，車輛動(dòng)力學(xué)模型是在VeDYNA中搭建的，交通場(chǎng)景模型是在VTD中搭建的，實(shí)車工況數(shù)據(jù)來(lái)源于真實(shí)攝像頭、真實(shí)控制器和線控轉(zhuǎn)向機(jī)。通過(guò)對(duì)比添加誤差模塊前后的仿真數(shù)據(jù)和實(shí)車測(cè)試數(shù)據(jù)驗(yàn)證了本文提出的仿真方法的合理性。

關(guān)鍵詞：車道保持輔助系統(tǒng);LKA;仿真方法;實(shí)車工況

中圖分類號(hào)：U467.5? ? 文獻(xiàn)標(biāo)識(shí)碼：A? ? 文章編號(hào)：1005-2550（2021）04-0008-07

A LKA Simulation Method based on Real Vehicle Conditions

ZHANG Jun-ying， SU Rui-qi， HUANG Bo， WANG Shi-kun

（ Xiangyang Da An Automobile Test Center CO. LTD， Xiangyang 441004， China ）

Abstract： This paper proposes a simulation method for verifying the control strategy of Lane Keeping Assist System （LKA）.On the basis of analyzing the impact of key points on the reliability of strategy verification from simulation testing to actual vehicle verification. The simulation method comprehensively considers sensor characteristics， controller characteristics and executive component characteristics. In this paper， the LKA control strategy uses a single-point preview model. The test cases used for verification are defined based on the typical application scenarios of LKA. The vehicle dynamics model is built in VeDYNA， and the traffic scene model is built in VTD. The vehicle data comes from cameras， controllers and wire-controlled steering gears. The rationality of the simulation method in this paper is verified by comparing the simulation data with deviation module ， the simulation data without deviation module and the actual vehicle test data.

Key Words： Lane Keeping Assistance System; Lka; Simulation Method; Working Condition Of Actual Vehicle

1? ? 引言

行業(yè)普遍預(yù)測(cè)，自動(dòng)駕駛車輛落地量產(chǎn)前至少需要開(kāi)展170億公里以上的測(cè)試來(lái)完成系統(tǒng)功能驗(yàn)證和迭代開(kāi)發(fā)，通過(guò)實(shí)車測(cè)試來(lái)覆蓋如此龐大的里程周期長(zhǎng)、成本高，且很多場(chǎng)景只能在特定的道路結(jié)構(gòu)、氣象條件和交通環(huán)境中實(shí)現(xiàn)，而這些因素大多不受控，構(gòu)建代價(jià)大、危險(xiǎn)系數(shù)高甚至無(wú)法構(gòu)建。而通過(guò)交通場(chǎng)景和車輛動(dòng)力學(xué)模擬的仿真手段，可以解決實(shí)車測(cè)試的諸多難點(diǎn)，在仿真測(cè)試中可以快速發(fā)現(xiàn)自動(dòng)駕駛策略中可能存在的風(fēng)險(xiǎn)點(diǎn)，是加速自動(dòng)駕駛研發(fā)過(guò)程和保證安全的核心環(huán)節(jié)。2020年年初，發(fā)改委、工信部等11個(gè)國(guó)家部委聯(lián)合出臺(tái)的《智能汽車創(chuàng)新發(fā)展戰(zhàn)略》明確虛擬仿真測(cè)評(píng)技術(shù)是健全智能汽車測(cè)試評(píng)價(jià)體系中的研發(fā)重點(diǎn)之一，可見(jiàn)仿真測(cè)試已成為自動(dòng)駕駛領(lǐng)域公認(rèn)的研發(fā)和評(píng)測(cè)技術(shù)手段。根據(jù)仿真驗(yàn)證目的和適用階段的不同，大致可以按照表1進(jìn)行分類。

Simulink自帶品類繁多、功能強(qiáng)大的模塊庫(kù)，不僅支持基于模型的策略驗(yàn)證，自帶的嵌入式代碼生成工具也支持生成C/C++、PLC等代碼直接應(yīng)用于主流廠商芯片平臺(tái)，包括飛思卡爾、因特爾、英飛凌、恩智浦、瑞薩等。較早期因?yàn)樾酒?jì)算能力限制，從SIL環(huán)節(jié)開(kāi)始基本要進(jìn)行定點(diǎn)化處理來(lái)節(jié)約計(jì)算資源，如今DSP和最新MCU的浮點(diǎn)運(yùn)算功能都已經(jīng)很強(qiáng)大，支持用浮點(diǎn)數(shù)生成或者編寫(xiě)的代碼。因此將浮點(diǎn)運(yùn)算的MIL環(huán)節(jié)中的策略模型直接生成代碼燒寫(xiě)到控制器中已成為較通用的技術(shù)手段。

2? ? 仿真驗(yàn)證與實(shí)車測(cè)試的分析

上圖為MIL仿真測(cè)試原理圖和架構(gòu)圖，就LKA測(cè)試驗(yàn)證而言，其與實(shí)車測(cè)試的區(qū)別主要體現(xiàn)在以下幾方面：

2.1? ?交通場(chǎng)景

LKA涉及的交通元素主要是車道線，實(shí)際道路測(cè)試時(shí)車輛前方車道線在LKA所用智能攝像頭中的成像效果是影響LKA識(shí)別特性的根源，這與車道線本身顏色、寬度、形狀、連續(xù)性有關(guān)，也與周邊環(huán)境如光照、天氣、污漬、陰影等有關(guān)，還與車輛顛簸等車輛動(dòng)態(tài)特性有關(guān)。MIL測(cè)試無(wú)真實(shí)攝像頭和車道線識(shí)別模塊，是將仿真場(chǎng)景中車輛上虛擬攝像頭視野中的車道線真值以二階/三階方程、坐標(biāo)點(diǎn)或其它的方式發(fā)給LKA控制策略，即基本不考慮前述因素的影響。

LKA涉及的主要車輛動(dòng)力學(xué)為轉(zhuǎn)向系統(tǒng)動(dòng)力學(xué)，其核心部件目前較通用的為線控轉(zhuǎn)向機(jī)，影響轉(zhuǎn)向機(jī)轉(zhuǎn)向能力的因素有很多，除轉(zhuǎn)向系統(tǒng)自身以外還有如輪胎特性、道路結(jié)構(gòu)、車輛載荷分布、車輛懸架設(shè)計(jì)等，轉(zhuǎn)向機(jī)控制器一般會(huì)通過(guò)多層閉環(huán)或者補(bǔ)償算法來(lái)減少這些因素對(duì)轉(zhuǎn)向能力的影響，但轉(zhuǎn)向時(shí)滯和轉(zhuǎn)向誤差是無(wú)法完全避免的。在仿真軟件中可以通過(guò)配置方向盤(pán)與轉(zhuǎn)向輪的傳遞關(guān)系來(lái)定義轉(zhuǎn)向特性，可以為線性或者非線性，仿真時(shí)系統(tǒng)就會(huì)按照配置的關(guān)系進(jìn)行轉(zhuǎn)向，轉(zhuǎn)向是理想化的，基本無(wú)動(dòng)態(tài)時(shí)滯和誤差。

2.2? ?實(shí)時(shí)性

實(shí)車測(cè)試中，從行車交通場(chǎng)景成像到車輛執(zhí)行完成過(guò)程中，主要耗時(shí)包括攝像頭圖像處理時(shí)間、控制器運(yùn)行時(shí)間和執(zhí)行器響應(yīng)時(shí)間，其中攝像頭車道線識(shí)別處理耗時(shí)一般在幾十毫秒級(jí)，控制器中策略運(yùn)行耗時(shí)一般也在幾十毫秒級(jí)，執(zhí)行器的響應(yīng)時(shí)間一般在幾百毫秒級(jí)。仿真場(chǎng)景中耗時(shí)主要包括圖形工作站運(yùn)行VTD交通場(chǎng)景耗時(shí)、VeDYNA生成的車輛數(shù)學(xué)模型計(jì)算耗時(shí)和Simulink 中LKA策略模塊運(yùn)算的耗時(shí)，其中交通場(chǎng)景耗時(shí)與工作站性能有關(guān)，一般在十毫秒級(jí)，在性能強(qiáng)大的硬件平臺(tái)上車輛數(shù)學(xué)模型和LKA策略模塊的運(yùn)行耗時(shí)即便將Simulink求解器定步長(zhǎng)設(shè)置為毫秒或者秒級(jí)時(shí)實(shí)際耗時(shí)一般也在微秒級(jí)?？梢?jiàn)在實(shí)時(shí)特性方面，仿真測(cè)試與實(shí)車測(cè)試差異極大。

2.3? ?誤差

根據(jù)前述對(duì)模型生成代碼過(guò)程、MIL測(cè)試原理、實(shí)車測(cè)試與仿真測(cè)試場(chǎng)景差異的介紹和分析可知，誤差的產(chǎn)生主要包括數(shù)據(jù)類型轉(zhuǎn)換誤差、傳感器識(shí)別誤差和執(zhí)行器響應(yīng)誤差幾個(gè)方面。

3? ? 仿真方法的實(shí)現(xiàn)

3.1? ?仿真軟件環(huán)境

本文方法論實(shí)現(xiàn)和驗(yàn)證過(guò)程中的車輛動(dòng)力學(xué)模型和交通場(chǎng)景模型采用的軟件分別是VeDYNA和VTD。VeDYNA通過(guò)可視化界面配置整車參數(shù)，動(dòng)力學(xué)模型搭建過(guò)程簡(jiǎn)單;擁有較豐富的車輛動(dòng)力學(xué)模型庫(kù)，不需要龐大的工作量即可搭建滿足控制策略功能驗(yàn)證需求的測(cè)試車輛模型;采用Simulink建模接口，易于擴(kuò)展自定義功能。VTD可提供復(fù)雜交通環(huán)境視景建模，為智能駕駛提供逼真的場(chǎng)景和傳感器模型;內(nèi)部高度模塊化的同時(shí)外部接口兼容性又極強(qiáng)，支持OpenCRG/OpenDrive/OpenSCENARIO等外部數(shù)據(jù)導(dǎo)入。因此通過(guò)VeDYNA、VTD和Simulink 聯(lián)合仿真來(lái)驗(yàn)證控制模塊是目前自動(dòng)駕駛領(lǐng)域較通用的技術(shù)手段之一。

3.2? ?LKA策略模型搭建

基于單點(diǎn)預(yù)瞄最優(yōu)曲率模型的橫向控制理論是一個(gè)經(jīng)典的算法，在橫向控制領(lǐng)域現(xiàn)有公開(kāi)的研究成果中很多都是在單點(diǎn)預(yù)瞄理論上進(jìn)行了算法補(bǔ)償或優(yōu)化得到算法簡(jiǎn)單且魯棒性強(qiáng)的工程應(yīng)用效果。本文LKA控制策略是在單點(diǎn)預(yù)瞄控制基礎(chǔ)上加入了目標(biāo)軌跡規(guī)劃功能和反饋控制模塊，策略架構(gòu)如圖2所示，控制的目標(biāo)包括車輛位置和航向角，目標(biāo)是使車輛中心與車道中心線距離為零的同時(shí)使車輛航向與車道中心線的夾角為零。

3.3? ?車輛動(dòng)力學(xué)模型搭建

車輛動(dòng)力學(xué)模型從VeDYNA車輛庫(kù)中選擇了一輛中卡，按照道路測(cè)試搭載車輛參數(shù)設(shè)置了關(guān)鍵參數(shù)，包括：轉(zhuǎn)向形式為前輪轉(zhuǎn)向，輪距為2.4m、軸距為5m、轉(zhuǎn)向比為定比25、方向盤(pán)轉(zhuǎn)向角度范圍為±900°。

3.4? ?基于實(shí)車特性的模型搭建

LKA的控制方式一般包括轉(zhuǎn)向角度控制和轉(zhuǎn)向力矩控制兩種模式，本文以方向盤(pán)角度和角速度作為控制目標(biāo)，攝像頭識(shí)別車道線結(jié)果的表達(dá)方式本文采用二階曲線方程。在實(shí)車測(cè)試中的關(guān)鍵數(shù)據(jù)傳遞關(guān)系如圖4所示，具體傳遞的關(guān)鍵信息如表2所示：

結(jié)合章節(jié)2對(duì)仿真測(cè)試與實(shí)車測(cè)試差異的分析，在MIL仿真環(huán)節(jié)搭建傳感器誤差模型、系統(tǒng)時(shí)滯模型和轉(zhuǎn)向誤差模型，以提升仿真能力和仿真可靠性。表2數(shù)據(jù)流中部分變量因子對(duì)結(jié)果的影響是相同的，因此進(jìn)行合并后建立的誤差模型包括：1）傳感器誤差模型DstLft、AgLft、CrvLft、DstRgt、AgRgt、CrvRgt;2）方向盤(pán)轉(zhuǎn)向誤差模型，因?qū)嶋H轉(zhuǎn)向響應(yīng)效果可以用車道線相對(duì)攝像頭的位姿關(guān)系來(lái)間接體現(xiàn)，因此此處不考慮數(shù)據(jù)流③的誤差，而轉(zhuǎn)向機(jī)模式響應(yīng)誤差一般只在故障診斷功能測(cè)試時(shí)使用，本文聚焦于LKA控制功能策略的測(cè)試，因此此部分只建立數(shù)據(jù)流②中TrgtSteerSpeed、TrgtSteerAg的誤差模型;3）系統(tǒng)時(shí)滯誤差模型將攝像頭計(jì)算耗時(shí)、轉(zhuǎn)向機(jī)計(jì)算耗時(shí)和轉(zhuǎn)向系統(tǒng)響應(yīng)耗時(shí)整合為一個(gè)時(shí)滯SysDelay Time。

傳感器誤差模型構(gòu)建思路：根據(jù)LKA配置在實(shí)車上搭載配套具備車道線識(shí)別功能的智能攝像頭，依據(jù)LKA適用場(chǎng)景范圍采集典型場(chǎng)景中攝像頭識(shí)別車道線的輸出結(jié)果，如高速直道、高速?gòu)澋?、城際直道、城際彎道等;根據(jù)經(jīng)驗(yàn)分析影響識(shí)別誤差的主要因素有氣象條件、車道線磨損情況、車道線相對(duì)攝像頭距離、道路形狀，因仿真能力限制和仿真測(cè)試需求本文僅依據(jù)車道線相對(duì)距離和道路形狀兩種影響因素統(tǒng)計(jì)各場(chǎng)景中車道線各參數(shù)的誤差均值和方差形成數(shù)據(jù)庫(kù)，依據(jù)車道線相對(duì)攝像頭距離分為遠(yuǎn)距、中距、近距，依據(jù)彎道半徑將道路形狀分為直道、彎道1、彎道2、彎道3，通過(guò)分類進(jìn)行組合形成誤差模型;本文中LKA適用于左右車道線基本平行的道路，因此AgLft和AgRgt可采用相同的誤差模型，CrvLft和CrvRgt可采用相同的誤差模型。以AgLft/AgRgt為例形成的傳感器誤差模型庫(kù)如表3所示：

本文試驗(yàn)采集的部分實(shí)車數(shù)據(jù)如圖5所示，通過(guò)數(shù)據(jù)統(tǒng)計(jì)記錄左側(cè)車道線、右側(cè)車道線、航向角、曲率的誤差均值和均方差值。

在假設(shè)車道線數(shù)據(jù)、方向盤(pán)轉(zhuǎn)角數(shù)據(jù)均符合高斯正態(tài)分布的前提下，本文中誤差模型是通過(guò)在仿真數(shù)據(jù)基礎(chǔ)上疊加Simulink中的Random Number 模塊來(lái)實(shí)現(xiàn)誤差模擬。Random Number的輸入包括均值、方差、隨機(jī)數(shù)種子和采樣時(shí)間，其中均值和方差來(lái)源于實(shí)車數(shù)據(jù)采集和統(tǒng)計(jì)形成的數(shù)據(jù)庫(kù)，采樣時(shí)間依據(jù)攝像頭數(shù)據(jù)處理周期進(jìn)行配置，隨機(jī)數(shù)種子作用是區(qū)分均值、方差、采樣時(shí)間均相同的兩組數(shù)據(jù)。攝像頭誤差模塊DstLftErr 、DstRgtErr、AgLaneToVehErr、LaneCrvErr添加在VeDYNA數(shù)據(jù)解析后、LKA控制策略前，如圖6紅色模塊所示：

方向盤(pán)轉(zhuǎn)向誤差模型構(gòu)建思路：根據(jù)LKA配置在實(shí)車上搭載配套的線控轉(zhuǎn)向機(jī)，通過(guò)發(fā)送目標(biāo)角度，統(tǒng)計(jì)轉(zhuǎn)向系統(tǒng)響應(yīng)的情況。從實(shí)測(cè)某量產(chǎn)轉(zhuǎn)向機(jī)響應(yīng)情況來(lái)看，誤差大小的主要影響因素有道路橫坡程度、道路縱坡程度、車輛左右載荷差異程度、路面摩擦系數(shù)、當(dāng)前方向盤(pán)角度和目標(biāo)角度差值、目標(biāo)角速度等。前四個(gè)影響因素均需借助額外傳感器進(jìn)行統(tǒng)計(jì)，受限于試驗(yàn)條件限制，本文僅依據(jù)后兩個(gè)因素統(tǒng)計(jì)方向盤(pán)轉(zhuǎn)向角度誤差形成誤差數(shù)據(jù)庫(kù)，根據(jù)當(dāng)前方向盤(pán)角度和目標(biāo)角度差值分為小角度、中角度、大角度，根據(jù)角速度分為低速、中速、高速。因控制策略中對(duì)輸出的方向盤(pán)目標(biāo)轉(zhuǎn)向角度進(jìn)行限斜率處理時(shí)已引入目標(biāo)轉(zhuǎn)向角速度作為斜率限制參數(shù)，無(wú)法將其與目標(biāo)轉(zhuǎn)向角度解耦，因此本文的方向盤(pán)轉(zhuǎn)向誤差模型只有TrgtSteerAg，形成的誤差模型庫(kù)如表4所示：

本文試驗(yàn)采集的部分轉(zhuǎn)向系統(tǒng)響應(yīng)數(shù)據(jù)如圖7所示，統(tǒng)計(jì)其中轉(zhuǎn)向模式為自動(dòng)駕駛模型（數(shù)據(jù)中WorkMode為1）時(shí)的目標(biāo)方向盤(pán)轉(zhuǎn)向角度指令和實(shí)際方向盤(pán)轉(zhuǎn)向角度的誤差。

同理，轉(zhuǎn)向誤差模塊也是通過(guò)Random Number 實(shí)現(xiàn)的，其中采樣時(shí)間依據(jù)轉(zhuǎn)向系統(tǒng)響應(yīng)耗時(shí)進(jìn)行配置。轉(zhuǎn)向誤差模塊TrgtSteerAgErr疊加在LKA策略輸出的方向盤(pán)目標(biāo)轉(zhuǎn)向角度上，即設(shè)置在VeDYNA輸入端，如圖8紅色模塊所示：

系統(tǒng)時(shí)滯誤差模型的搭建相對(duì)簡(jiǎn)單。雖然在Simulink中VeDYNA生成的數(shù)學(xué)模型和LKA控制策略模型運(yùn)行耗時(shí)與實(shí)車運(yùn)行耗時(shí)不在一個(gè)量級(jí)，但按照Simulink設(shè)置的定步長(zhǎng)設(shè)置時(shí)延也能正確表達(dá)時(shí)延與策略運(yùn)行間的數(shù)學(xué)關(guān)系，從而模擬實(shí)車測(cè)試中時(shí)延的影響。本文中LKA實(shí)車數(shù)據(jù)采集和測(cè)試采用的攝像頭數(shù)據(jù)處理耗時(shí)約66ms，LKA控制器運(yùn)行周期為20ms，轉(zhuǎn)向機(jī)控制器運(yùn)行周期為10ms，轉(zhuǎn)向系統(tǒng)時(shí)延約100～200ms，因此總的系統(tǒng)時(shí)延取200～300ms，該時(shí)延可以設(shè)計(jì)在方向盤(pán)目標(biāo)轉(zhuǎn)向角度輸入到VeDYNA端處來(lái)實(shí)現(xiàn)。根據(jù)LKA控制器運(yùn)行周期設(shè)定Simulink定步長(zhǎng)為20ms，系統(tǒng)時(shí)延SysDelayTime設(shè)置10-15個(gè)定步長(zhǎng)即可，如圖9紅色模塊所示：

4? ? 仿真方法的驗(yàn)證

4.1? ?測(cè)試用例定義

本文根據(jù)LKA適用場(chǎng)景設(shè)計(jì)了直道和彎道場(chǎng)景，依據(jù)ISO 11270-2014測(cè)試程序?qū)y(cè)試道路的要求設(shè)計(jì)了道路結(jié)構(gòu)，依據(jù)ISO 11270-2014橫向加速度限值設(shè)計(jì)了不同彎道的測(cè)試速度。表5列舉了部分典型測(cè)試用例。

根據(jù)測(cè)試用例定義在VTD中搭建的直道和彎道交通場(chǎng)景效果如圖10所示：

4.2? ?測(cè)試結(jié)果

本文將相同的LKA控制策略分別應(yīng)用于未添加誤差模塊的MIL測(cè)試、添加誤差模塊的MIL測(cè)試和相似場(chǎng)景的實(shí)車測(cè)試，分別采集測(cè)試中車輛車速VehSpd_kmph、車輛中心相對(duì)車道中心線的實(shí)際距離ActDst_m、車輛中心相對(duì)車道中心線的目標(biāo)距離TrgtDst_m、車輛航向相對(duì)車道中心線的實(shí)際夾角ActAg_rad、車輛航向相對(duì)車道中心線的目標(biāo)夾角TrgtAg_rad、LKA觸發(fā)狀態(tài)StLKA（1表示觸發(fā)）。圖11和圖12是場(chǎng)景Test1和場(chǎng)景Test3的測(cè)試數(shù)據(jù)。

從數(shù)據(jù)可以看出，直接將仿真場(chǎng)景數(shù)據(jù)用于LKA策略驗(yàn)證測(cè)試時(shí)，車輛的橫向位置和航向角都會(huì)非常平穩(wěn)、準(zhǔn)確地趨向目標(biāo)，基本完全滿足LKA系統(tǒng)開(kāi)發(fā)需求;而添加誤差模塊之后的仿真場(chǎng)景數(shù)據(jù)用于該LKA策略驗(yàn)證測(cè)試時(shí)，車輛的橫向位置和航向角會(huì)在目標(biāo)位置左右擺動(dòng)，需要優(yōu)化LKA策略才能滿足系統(tǒng)開(kāi)發(fā)需求;實(shí)車驗(yàn)證該LKA策略時(shí)，車輛的橫向位置和航向角均在目標(biāo)位置左右擺動(dòng)，該策略未達(dá)到系統(tǒng)開(kāi)發(fā)需求。因?qū)嵻嚭头抡嬗|發(fā)時(shí)刻車輛初始航向角、方向盤(pán)初始轉(zhuǎn)角等初始條件不一致，所以實(shí)車測(cè)試時(shí)車輛擺動(dòng)的具體數(shù)值與添加誤差模塊測(cè)試時(shí)的數(shù)值不完全相同，但趨勢(shì)和現(xiàn)象基本一致，可以驗(yàn)證本文方法論的合理性。

5? ? 結(jié)語(yǔ)

本文提出的將基于實(shí)車工況建立的攝像頭識(shí)別誤差模型、轉(zhuǎn)向誤差模型、系統(tǒng)時(shí)延模型應(yīng)用于LKA仿真測(cè)試的方法，能夠大大縮小MIL測(cè)試與實(shí)車測(cè)試的差異，提高仿真測(cè)試的準(zhǔn)確性和可靠度，提升LKA系統(tǒng)開(kāi)發(fā)和迭代效率。因現(xiàn)有傳感器配置條件限制，本文誤差模型分類時(shí)依據(jù)的影響因素尚不完整，后續(xù)計(jì)劃將更多誤差影響因素納入到誤差模型數(shù)據(jù)庫(kù)建立中，進(jìn)一步提高模型準(zhǔn)確度。

參考文獻(xiàn)：

[1]丁能根，冉曉鳳，張宏兵.基于單點(diǎn)預(yù)瞄最優(yōu)曲率模型的單軌車輛駕駛員模型[J].機(jī)械工程學(xué)報(bào)，2008，44（11）：220-223.

[2]Intelligent transport systems—Lane keeping assistance systems （LKAS） — Performance requirements and test procedures[S]. ISO 11270-2014.

[3]陳無(wú)畏，談東奎，汪洪波，王家恩，夏光.一類基于軌跡預(yù)測(cè)的駕駛員方向控制模型[J].機(jī)械工程學(xué)報(bào)，2016，52（14）： 106-115.

[4]曾杰，夏鈞，王戡，胡雄，蘇占領(lǐng)，吳昆侖.商用車車道保持輔助系統(tǒng)測(cè)試分析[J].客車技術(shù)與研究，2019（3）：45-48.

[5]孟醒，甘海云，嚴(yán)英.基于虛擬場(chǎng)景的車道保持輔助系統(tǒng)仿真測(cè)試[J].智能網(wǎng)聯(lián)汽車，2019（24）：34-36，51.