在智能车驾驶决策方面，Filho 等人[36]针对年青驾驶人在驾驶中易出现分心、疲劳等而导致发生交通事故的现象，提出一种基于预估最小安全距离的智能车模式接管方法，并采用∞鲁棒模型设计控制算法实现对车辆行为的控制。严利鑫等人[37]以车速、加速度、车头时距等指标为特征向量，采用序列最小优化算法构建智能车驾驶模式决策选择模型，并与多种机器学习算法进行了对比分析，结果表明，该算法在解决智能车模式选择问题上具有显著的优越性。Flemisch 等人[38]提出采用A2RC 人机共驾模式选择控制模型对智能车辆进行协同控制，该模型从驾驶人和车辆的能力、责任、权利和控制权四个方面进行分析建模。Geyer 等人[39]充分考虑智能车的智能化水平和系统控制策略二者之间的有机融合，采用线性处理方法（Conduct-by-Wire）构建了智能车不同模式驾驶的协同控制模型，该算法在部分特殊测试路段（如交叉路口）得到了较好的应用。此外，Fu 等人[40]从驾驶速度、停车过程和行驶过程三方面出发，采用规则库推理方法对智能车进行实时的推理和决策。王韦钰等人[41]综合考虑人-车-路-环境等因素对驾驶人决策行为的影响，采用模糊控制和神经网络等方法，构建了智能车驾驶决策机制模型，实现了对下一刻智能车驾驶决策的准确预判。
目前，虽然智能车驾驶模式决策影响因素和决策建模方面的研究已经逐渐引起了业内专家学者们的重视，但总体而言，该部分内容还有待更为深入的研究。多模式共驾智能车行驶过程中受到人-车-路-环境等各方面因素的影响，所以在分析模式决策因子过程中涉及高维海量数据的挖掘，目前针对这一问题的属性挖掘方法还有待于进一步改进。另一方面，现有的智能车驾驶模式决策模型多基于驾驶人特性或者某一类单一指标进行设计的，而实现智能车多模式协同共驾是一个更为综合和复杂的问题，需要形成更为全面和完善的决策方法来指导智能车的决策控制，进而避免由于决策失误而造成的安全问题和社会问题。(www.xing528.com)
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
