无人驾驶汽车是目前的研究热点,越来越多的无人驾驶汽车已经开始进入到实际道路测试阶段。从实际用途而言,无人驾驶汽车提供的是乘坐出行服务,而我国汽车乘客中存在较大比例的晕动症人员,即易晕车者。实际经验表明,车辆运动状态特性与晕动症之间存在密切联系。有研究指出,无人驾驶车辆的出现会让车内乘员的晕车现象更为突出。因此,如果在无人驾驶车辆控制算法中考虑乘员舒适性特性,可有效提升无人驾驶车辆的出行服务质量,也能促进社会大众对无人驾驶车辆的接受程度。汽车动力学领域内相关研究表明,车辆运动是导致汽车舒适性变化的直接因素,所以对无人驾驶汽车舒适性与车辆运动关系的研究是解决其舒适性问题的关键所在。为探讨无人驾驶车辆运动特征与乘员舒适性之间的关系,本文通过组织实际驾驶乘坐实验,模拟无人驾驶车辆的典型运动状态,在相同的运动状态下对被试乘员进行舒适性分析,确定导致乘员舒适性差异的运动状态特性,为无人车控制算法考虑乘员舒适性提供技术支持。主要的研究内容如下:(1)以自愿有偿方式公开招募了36名被试乘员,在长安大学汽车试验场开展了真实乘坐舒适性评价实验。按个体生理特性差异,分别从性别和晕车易感性角度对乘员进行分类。实验过程中,选取大众朗逸轿车作为实验车辆,设计执行车辆加速、减速及转弯工况,模拟无人驾驶汽车的真实运动状态。实验过程中,被试乘员不清楚车辆运动状态,由驾驶人口头提示乘员操作的开始与结束,在单次操作结束后乘员需对当前的乘车体验给出实时评价,模拟真实的乘车工况。测试过程中,采用评价结果采集设备和IOS智能设备分别实时采集被试乘员对车辆加速、减速及转弯工况的主观舒适性评价结果以及车辆相关运动状态参数,共获取了1296组实验数据。(2)分别统计分析了车辆在加速、减速及转弯工况下的单次操作时长、加速度及加加速度,并得出了完成正常车辆加速、减速及转弯工况,所需的单次操作时长依次约为8～14s、4～8s、6～18s,加速度范围依次约为0.06～0.15g、0.1～0.5g、0.1～0.4g,加加速度范围依次约为0～0.2(g/s)、0.2～0.8(g/s)、0.1～0.6(g/s)。(3)采用单因素分析方法确定影响乘员评价结果的因素,引入二元Logistic回归分析模型,确定具体因素及影响效果:加速工况下,易晕车乘员比不易晕车乘员更容易评价为不舒适,车辆纵向加速度越大,越容易引起乘员乘车的不舒适;减速工况下,易晕车乘员比不易晕车乘员更容易评价为不舒适,车辆纵向加速度越大,越容易引起乘员乘车的不舒适,且易晕车乘员可接受的车辆纵向加速度明显小于不易晕车乘员;转弯工况下,女性乘员比男性乘员更容易评价为不舒适,车辆侧向加速度越大,越容易引起乘员乘车的不舒适。因此,车辆纵向和侧向加速度是影响乘员乘车舒适性的关键因素,且不同性别、晕车易感性乘员乘坐车辆的舒适性体验存在显著性差异,以上结论可为无人驾驶汽车建立考虑不同乘员的驾驶模式提供想法及素材。(4)针对本文所研究的乘员乘车舒适性特性分析,在Python软件中,基于双向长短时记忆网络模型建立了乘员舒适性预测模型。将模型的基本输入变量按照车辆运动状态参数和个体生理特性参数分为4种输入参数组合,探讨不同输入组合参数情况下模型的预测准确率。分析结果表明:考虑车辆纵向、侧向加速度和运动状态分类情况下,预测模型的准确率为75%。考虑车辆纵向、侧向加加速度和运动状态分类情况下,预测模型的准确率69%;综合考虑加速度、加加速度和运动状态分类情况下,预测模型的准确率为79%;考虑车辆加速度、加加速度、运动状态分类、乘员性别以及晕车易感性变量后,预测模型的准确率达到最高值84%。上述准确率变化规律表明,车辆加速度与舒适性之间的关联性要高于加加速度,而乘员个体特征的加入对于提升模型准确性也具有重要意义。(5)本文研究结果表明,在无人车控制算法体系中要重点考虑对车辆运行过程中加速度、加加速度的控制规律,尽量确保数值不落入易引起乘员不舒适的区间。同时,无人车控制算法中还应该通过各类技术手段,获取乘员的个体特征,并根据乘员的个体特征实时调整无人车控制算法,避免无人车内乘员处于不舒适状态,理论上可以实现对无人车的个性化乘客定制算法,以此提升无人车的适用度和接受度。