基于驾驶员变道意图识别的LDAS GC协调控制策略*

汪选要,王其东,罗家亮,王金波

(1.合肥工业大学机械与汽车工程学院，合肥 230009； 2.安徽理工大学机械工程学院，淮南 232001)

2016134

基于驾驶员变道意图识别的LDAS GC协调控制策略*

汪选要1,2,王其东1,2,罗家亮1,王金波1

(1.合肥工业大学机械与汽车工程学院，合肥 230009； 2.安徽理工大学机械工程学院，淮南 232001)

基于CarSim和LabVIEW RT硬件在环仿真获得了正常变道转向盘角速度阈值，并基于中心区操纵特性设计了驾驶员变道意图识别模块。提出了车道偏离防止系统(LDAS)的分层控制算法，设计了基于保性能(GC)上层控制器和下层后轮制动控制律，其中，上层GC控制器用于产生保证车辆稳定性的转向角补偿和校正横摆力矩。基于车辆稳定性指标设计了监测器以限制后轮制动器的使用。基于Alt3 from FHWA道路模型仿真验证了GC协调控制器在保证LDAS性能的前提下，减少了制动，从而提高了乘坐舒适性。最后对驾驶员因疲劳或注意力不集中没有意识到前方的弯道而导致的车道偏离进行仿真。结果表明，当跨道时间小于设定的阈值时LDAS启动，验证了GC协调控制策略的有效性。

变道意图识别；LDAS；分层控制；车道偏离

前言

随着汽车使用数量的急剧增加，带来了一系列新的问题，比如安全性、乘坐舒适性、交通管理和环境保护等，过去10年德国由于车道跑偏导致的事故占到所有交通事故的15%，美国交通死亡事故中车道跑偏占28%[1]，为了避免此类事故的发生，提出了车道保持辅助系统(lane keeping assistance system, LKAS)和车道偏离防止系统(lane departure avoidance systems, LDAS)。如果LDAS对驾驶员行为进行不必要的干预，不仅不能保证车辆操纵性，甚至会导致危险发生。因此，正确识别由于驾驶员的注意力不集中或疲劳驾驶导致的车道跑偏是研究LDAS的关键问题之一。

不少文献提出了驾驶员变道意图识别方法：文献[2]中使用转向系统信号基于HMM(hidden markov models)提出了一个驾驶员变道意图识别方法，但没有考虑道路曲率；文献[3]中基于MDPS(motor driven power steering)模块预测驾驶员变道意图，需要额外的电机驱动模块；文献[4]中基于跨道时间(time to line crossing, TLC)开发了驾驶员变道意图识别模块，需要多传感器信息融合；文献[5]中基于自适应巡航系统的雷达、侧滑预警辅助系统的雷达、车道跑偏预警系统的相机和驾驶员头部运动跟踪相机等多传感器信息生成的分类器能够提前3s预测驾驶员变道意图，且具有较高的可靠度，但其所需的传感器太多，成本昂贵；文献[6]中考虑车速和道路曲率提出了驾驶员变道意图识别指标(steering behavior index, SBI)，但其识别函数有待进一步确定；文献[7]中建立了不同风格驾驶员高速公路行车环境下的换道意图识别模型，从准确率、灵敏度和特异性等方面研究了驾驶风格、特征参数类型及建模方法等对换道意图识别效果的影响；文献[8]中基于对驾驶员换道前后视镜注视特性及头眼协作模式的探索，综合确定了有效表征驾驶员换道意图的视觉特征参数；文献[9]中提出了利用驾驶员不同任务下眼动行为差异性识别换道意图的方法，并运用证据理论确定识别框架和证据链，构造基于广义汉明距离的基本信任分配函数。本文中基于中心区操纵特性参数识别驾驶员变道意图，识别模块需求的信息可由装配EPS和ESP的车辆传感器获取。

由于ESP逐渐成为车辆标配，直接横摆力矩控制的LDAS算法很容易应用于车辆，文献[10]中为了阻止车道跑偏事故设计了一个制动压力控制算法，它基于车辆动力学模型直接计算期望控制输入，然后建立动力学模型过程中由于车辆的时变参数和外部扰动存在与实际情况的不匹配，这会影响直接由动力学模型计算的期望控制输入。鉴于此，本文中LDAS采用分层控制算法，上层为基于视觉期望横摆角速度参考模型和期望质心侧偏角的1阶模型。近年，车辆动力学集成控制成为研究的热点，使用前/后转向与前/后/差动制动力矩分配需要考虑若干执行器配置[11-12]，为了解决这一复杂系统控制问题提出了许多控制算法，例如模型预测控制[13]和鲁棒控制[14]等。本文中基于LDAS提出一个协调后轮制动与前轮转向的控制策略，采用线性2自由度车辆模型设计控制器，控制目标为使得车辆尽可能跟踪基于视觉的期望横摆角速度和期望质心侧偏角，为了保证乘坐的舒适性，仅当车辆处于非线性区域才使用制动器。基于车辆质心侧偏角及其1阶微分的相平面来判断车辆非线性区域和稳定区域并用于设计车辆动力学监测器。设计的保性能(guaranteed cost, GC)控制律不仅使得不确定闭环系统是鲁棒渐近稳定的，且具有一定的鲁棒性能。

1 驾驶员变道意图识别

中心区通常是指在直线行驶位置附近，转向盘转动范围不大，转速缓慢，所产生的侧向加速度较小的行驶工况。对于评价中心区操纵特性参数的分别为转向盘力矩TSW、转向盘转角θSW和车辆侧向加速度ay。文献[15]中发现了紧急变道能够从车辆传感器获取的最敏感参数为转向盘角速度ωSW和车速vx，并提出了基于中心区操纵特性驾驶员紧急变道意图识别算法，得出紧急变道转向盘角速度阈值为±200°/s[16]，而正常变道转向盘角速度应该低于此值，所以本文中基于CarSim和LabView RT硬件在环仿真获取正常变道转向盘角速度的阈值。上位机基于CarSim实时获取车辆侧向加速度和纵向车速。转向盘转角传感器实时获取θSW和ωSW，某车型的EPS转向盘力矩传感器实时获得TSW。

硬件在环仿真试验采用NI PXIe-1071，数据采集卡PXIe-6361，控制器PXIe-8840，CAN卡PXI-8512/2。通用型交流伺服系统(伺服驱动器SV-DB100-2R0-2-1R、伺服电机SV-MM13-2R3B-2-1A0)和减速比为16的减速器用来给转向管柱施加实时负载。为实现硬件在环LDAS试验，基于某车型的EPS自行开发的控制器替代原装的控制器，系统结构如图1所示。

图2为不同车速下车辆正常变道的轨迹，图3为不同车速转向盘角速度，可见车速变化对于车辆正常变道的转向盘角速度影响不大，可以设定正常变道转向盘角速度阈值为±50°/s，因此可得驾驶员变道意图识别参数，如表1所示。

名称驾驶员无变道意图的阈值范围转向盘力矩/(N·m)-1

为便于区分转弯与变道工况转向盘角速度的阈值，防止识别意图模块的误判，引入典型的3 Turns w/Banking道路模型，如图4所示，仿真得到的不同车速转向盘角速度如图5所示，可得正常转弯转向盘角速度低于设定的阈值。

2 LDAS的侧向驾驶员模型

车辆处于LDAS控制时，稳定性可能会受侧向风等外部干扰的影响，高速行驶时外部干扰可能导致危险，而电动转向对于车辆的不稳定能够通过横摆角速度和质心侧偏角反馈及时提供转向控制，将车辆带回驾驶员模型期望的行驶路线上来，这与基于单点预瞄最优曲率驾驶员模型所提出的“最小误差原则”十分契合，因此本文选择郭孔辉院士提出的单点预瞄最优曲率驾驶员模型，最优转向盘转角为

(1)

式中：i为转向系传动比；lf和lr分别为车辆质心到前后轴的距离；ls为预瞄距离；Δt为预瞄时间。详见文献[17]。

3 GC协调控制策略

由于轮胎的非线性特性和侧向力饱和，当车辆接近操纵极限时，电动转向不能提供足够的侧向力使车辆稳定，因此电动转向仅限于线性操纵区域，即侧向加速度较小的工况；而直接横摆力矩控制(direct yaw control, DYC)在线性或非线性操纵区域都是有效的，由于制动会加剧轮胎磨损、干扰车辆纵向动力学且影响乘坐舒适性，仅当车辆达到操纵极限时才希望DYC介入。因此，通过协调电动转向和DYC使其整体性能最优，由于车辆ECU计算能力的提高，使协调多个执行器的控制算法成为可能，为了避免电动转向与DYC之间的干涉，仅采用后轮制动，因此通过协调前轮转向与后轮制动来保证车辆的稳定性。控制系统如图6所示，包括一个GC控制器、一个监测器和一个观测器，转向盘转角θSW、轮速n、横摆角速度r、纵向加速度ax和侧向加速度ay等信号可以通过车辆的ESP模块获取，道路曲率ρ估计值为

(2)

3.1 基于视觉的期望横摆角速度

LDAS的控制目标是对于给定的期望路径调节车辆的侧向偏移量，即LDAS控制等同于侧向加速度控制[18]。然而，DYC实际上是一个使用轮胎纵向力直接控制横摆运动的策略，因此，更适合用于控制车辆横摆角速度而不是侧向加速度，因此基于CCD相机的信息应用2阶预测模型计算期望的横摆角速度。在固定坐标系中的车辆模型如图7所示。

根据Tailor 2阶展开式，在预瞄距离ls处预测的侧向偏移量为

(3)

其中Δt=ls/vx

(4)

(5)

路面附着系数μ不能提供高横摆角速度下的轮胎力，因此，理想横摆角速度必须控制在根据与轮胎-路面附着系数的关系所确定范围的上限值附近，假设车辆质心侧偏角及其导数都比较小，则横摆角速度上限值rd_bound=0.85μg/vx。

3.2 期望质心侧偏角

一般情况下期望的质心侧偏角响应由车辆线性2自由度模型产生，为便于控制器设计，1阶质心侧偏角模型[19]为

(6)

式中：δf为前轮转向角；lf和lr分别为车辆质心到前后轴的距离；l为车辆轴距，l=lf+lr；Cf和Cr分别为前后轮胎的侧偏刚度；m为整车质量；Iz为车辆横摆转动惯量。对于确定的转向角和车速，期望的质心侧偏角可由式(6)得到。在大质心侧偏角下，轮胎失去线性特性并且接近附着极限，因此目标侧偏角必须在上限值附近，由经验得出的侧偏角上限值βd_bound=arctan(0.02μg)[20]。

3.3 监测器设计

3.4 上层GC控制器设计

尽管轮胎的侧向力受多方面因素影响，但是路面附着系数μ是最主要的因素，为便于控制器设计，轮胎侧偏刚度可等效为

Ci=μCi0，i=f,r

(7)

式中：Ci0为轮胎名义侧偏刚度；f和r分别表示前后轮胎。基于线性2自由度车辆模型设计控制器，系统的状态方程为

(8)

其中：x=[β,r]T；u1=δf；u=[Δδf,ΔMz]T

式中Δδf和ΔMz分别为转向角补偿和纠正横摆力矩。

如果把βd和rd作为状态变量，车辆转向时的线性2自由度车辆操纵特性状态方程[23]为

(9)

其中xd=[βd,rd]T

令e(t)=x(t)-xd(t)，根据文献[19]可得系统状态方程为

(10)

其中：e=[Δβ,Δr]T；u=[Δδf,ΔMz]T

由于轮胎的侧向力不是固定值而是随附着系数而变化，因此等效轮胎侧偏刚度的不确定性表示为

(11)

式中：Δf和Δr分别为前、后轮胎等效侧偏刚度偏移Cf0和Cr0的幅值；kf和kr为扰动。由式(10)和式(11)可得该线性不确定系统的状态方程为

(12)

其中：ΔA=DFE1；ΔB=DFE2

对于式(12)定义二次型性能指标为

(13)

式中Q和R为给定的对称正定加权矩阵。

对式(12)和式(13)，如果存在一个控制律u*(t)和一个正数J*使得对所有允许的不确定性，闭环系统是渐近稳定的且闭环性能指标满足J≤J*，则J*称为式(12)不确定系统的一个性能上界，u*(t)称为式(12)不确定系统的一个GC控制律。如果存在对称正定矩阵P和矩阵K，使得对所有允许的不确定性，存在标量ε>0、矩阵W和对称正定矩阵X，使

(14)

其中Γ=AX+BW+(AX+BW)T+εDDT

如果式(14)不等式有一个可行解(ε，W，X)，则

u*(t)=WX-1e(t)=Ke(t)

(15)

式(15)是式(12)不确定系统的一个状态反馈GC控制律。令不确定性偏移幅值Δf=Δr=0.5，通过Matlab的LMIs工具箱求解可得控制器参数。为避免在线计算LMIs方程，保证控制系统的实时性，工程实际中可事先离线计算出在不同车速的反馈系数，形成数据表，如表2所示，在实际系统中通过查表的方式来确定反馈系数。

表2 不同车速反馈系统

3.5 下层制动控制律设计

通过上层控制器产生的纠正横摆力矩ΔMz由施加于后左、后右轮的制动力矩产生，车轮传递的制动力矩为

Tb,ij=RwFx,bij,ij=rl,rr

(16)

式中：Rw为轮胎有效半径；Fx,bij为轮胎纵向制动力；rl和rr分别表示后左和后右车轮。由控制器产生的纠正横摆力矩为

ΔMz=trΔFx,b/2

(17)

式中：tr为车辆的后轮距；ΔFx,b为后左与后右轮纵向制动力之差。因此对应的后左车轮制动力矩Tb,rl与后右车轮制动力矩Tb,rr之差为

ΔT=Tb,rl-Tb,rr=2ΔMzRw/tr

(18)

为了优化控制选择后单轮制动产生纠正横摆力矩，使用单轮制动另一个优点在于车速降低的程度比多轮制动时小。在不足转向情况下，实际横摆角速度绝对值小于期望横摆角速度绝对值，选择后内轮制动产生纠正横摆力矩；在过度转向情况下，实际横摆角速度绝对值大于期望横摆角速度绝对值，选择后外轮制动产生纠正横摆力矩。令ξ=|rd|-|r|，基于以上分析假设逆时针方向为正，下层制动器控制律如表3所示，左转弯后制动车轮选择示意图如图8所示。

表3 后轮制动器控制律

4 Carsim/Simulink车道保持仿真

CarSim仿真车辆采用一辆E级轿车，车辆模型参数如表4所示，道路模型为Alt3 from FHWA，道路总长度1 200m，其跟踪路径如图9所示，路面附着系数μ=0.85，3个弯道的曲率半径依次近似为155，150和125m，车速为108km/h，仿真时间为40s。图10为LDAS的侧向偏移量，其绝对值均值、方差和最大值如表5所示。由表可见，LDAS的GC控制器的侧向偏移量的绝对值均值、方差和最大值分别比侧向驾驶员模型约减少了79%，92%和67%，而GC控制器与GC协调控制器(以“GC+M”表示)LDAS的性能接近，均实现了较高的路径跟踪精度。由图11和图12可见，采用GC控制器与GC+M控制器控制车辆的稳定性指标和转向盘转角基本一致，侧向驾驶员模型均大于二者。由图13和图14可见，基于GC+M控制器控制车辆的后左、后右轮的制动力矩干预要远小于GC控制器，仅仅在进入第3个弯道稳定性指标大于0.3时才有后轮制动干预，因此GC+M控制策略在保证LDAS性能的前提下，减少了制动，提高了乘坐舒适性。

表4 车辆模型参数

m

5 LDAS硬件在环仿真

无论对于LKAS或LDAS，驾驶员都拥有最高的转向控制权，驾驶员操作状态判断在LDAS协调控制中具有重要地位。驾驶员控制切换到LDAS控制的判别条件是若跨道时间TLC小于设定阈值(0.4s)[24]，则认为有车道偏离危险，通过驾驶员变道意图识别模块识别变道意图，若此时驾驶员变道参数均小于设定的阈值，则由驾驶员控制切换到LDAS控制，而该辅助系统通过侧向驾驶员模型得到转向盘转角，然后由期望的模型获得转向角补偿从而获得目标转向角，目标转向角与转向盘实际转向角之差通过PID控制器后得到PWM信号，由助力电机来执行[17]；由期望的模型获得的纠正横摆力矩通过监测器控制后轮制动力矩来实现，保证车辆侧向加速度较大时LDAS的稳定性。正常行驶可通过转向灯信号由LDAS切换到驾6驶员控制；紧急避障工况，驾驶员作用于转向盘上的力矩TSW大于阈值(2N·m)由LDAS控制切换到驾驶员控制[25]。电动助力转向系统恢复到常规工作模式。

硬件在环仿真的道路模型为Alt3 from FHWA中直道至第1个弯道结束，如图10所示，路面附着系数μ=0.85，车速90km/h，路宽3.75m。12.05s时跨道时间TLC为0.4s，如图15所示。仿真驾驶员可能由于疲劳或注意力不集中没有意识到前方的弯道，驾驶员变道意图的参数如图16～图19所示，可得各参数均在设定的阈值范围内，驾驶员无变道意图，此时LDAS启动。图20为稳定性指标，可见人机切换过程车辆处于稳定性状态，图21可为车辆右前轮至车道右边界的距离，可见最小距离为0.31m，避免了车辆车道跑偏，验证了直道进入弯道基于驾驶员变道意图识别LDAS的GC协调策略的有效性。

6 结论

获取了正常变道转向盘角速度的阈值并基于中心区操纵特性设计了驾驶员变道意图识别模块，不需要驾驶员头部运动识别模块。仿真分析了正常转弯驾驶员转向盘角速度，从而验证了变道意图识别模块角速度阈值的有效性。提出了车道保持辅助分层控制算法，包括监测器、上层GC控制器和下层制动控制律，基于TLC确定了LDAS的介入时机。

上层GC控制器用于产生保证车辆稳定性的转向角补偿和纠正横摆力矩，而基于车辆稳定性指标来判断车辆非线性区域及稳定性区域的监测器用来限制下层制动器的使用。为了避免前轮转向与前轮制动的耦合，执行器采用前轮转向与后轮制动。仿真验证了GC协调控制器在保证LDAS性能的前提下，减少了制动，从而提高了乘坐舒适性。

基于硬件在环仿真驾驶员可能由于疲劳或注意力不集中没有意识到前方的弯道，验证了基于驾驶员变道意图识别LDAS的GC协调策略的有效性。本文仅仅考虑驾驶员变道意图，对于驾驶员左、右变道意图识别和实车试验还有待进一步研究。

[1] POHL J, BIRK W, WESTERVALL L. A driver-distraction based lane keeping assistance system[C]. Proceedings of the Institution of Mechanical Engineers, Part I: Journal of Systems and Control Engineering,2007,221:541-552.

[2] RAKSINCHAROENSAK P, MIZUSHIMA T, NAGAI M. Direct yaw moment control system based on driver behavior recognition[J]. Vehicle System Dynamics,2008,46:911-921.

[3] MINOIU N, MAMMAR S, GLASER S, et al. Driver assistance system for lane departure avoidance by steering and differential braking[C]. In 6th IFAC Symposium Advances in Automotive Control,2010:471-476.

[4] HABENICHT S, WINNER H, BONE S, et al. A Maneuver-based lane change assistance system[C]. 2011 IEEE Intelligent Vehicles Symposium(IV). Baden-Baden, Germany, June 5-9,2011:375-380.

[5] MORRIS B, DOSHI A, TRIVEDI M. Lane change intent prediction for driver assistance: On-road design and evaluation[C]. 2011 IEEE Intelligent Vehicles Symposium(IV). Baden-Baden, Germany, June 5-9,2011:895-901.

[6] LEE J, CHOI J, YI K, et al. Lane-keeping assistance control algorithm using differential braking to prevent unintended lane departures[J]. Control Engineering Practice,2014,23:1-13.

[7] 侯海晶.高速公路驾驶人换道意图识别方法研究[D].长春:吉林大学,2013.

[8] 彭金栓.基于视觉特性与车辆相对运动的驾驶人换道意图识别方法[D].西安:长安大学,2012.

[9] 袁伟,付锐,郭应时,等.基于视觉特性的驾驶人换道意图识别[J].中国公路学报,2013,26(4):132-138.

[10] LEBLANC D, VENHOVENS P, LIN C, et al. A warning and intervention system to prevent road-departure accidents[J]. Vehicle System Dynamics,1996,25(1):383-396.

[11] POUSSOT-VASSAL C, SENAME O, DUGARD L, et al. Vehicle dynamic stability improvements through gain-scheduled steering and braking control[J]. Vehicle System Dynamics,2011,49(10):1597-1621.

[12] TJONNAS J, JOHANSEN T A. Stabilization of automotive vehicles using active steering and adaptive brake control allocation[J]. IEEE Transactions on Control Systems Technology,2010,18(3):545-558.

[13] CAIRANO S D, TSENG H E. Driver-assist steering by active front steering and differential braking: design, implementation and experimental evaluation of a switched model predictive control approach[C]. Proceedings of the 49th IEEE Conference on Decision and Control, Atlanta, USA,2010:2886-2891.

[14] GUVENC B A, GUVENC L, KARAMAN S. Robust yaw stability controller design and hardware-in-the-loop testing for a road vehicle[J]. IEEE Transactions on Vehicular Technology,2009,58(2):555-571.

[15] HONG T, KWON J, LEE K, et al. Development of a driver’s intention determining algorithm for a steering system based collision avoidance system[C]. SAE Paper 2013-01-0054.

[16] LEE J, YI K. Development of a coordinated strategy of steering torque overlay and differential braking for unintended lane departure avoidance[C]. SAE Paper 2012-01-0281.

[17] 张海林,罗禹贡,江青云,等.基于电动助力转向的车道保持系统[J].汽车工程,2013,35(6):525-531.

[18] RAKSINCHAROENSAK P, NAGAI M, SHINO M. Lane keeping control strategy with direct yaw moment control input by considering dynamics of electric vehicle[J]. Vehicle System Dynamics,2006,44:192-201.

[19] YANG Xiujian, WANG Zengcai, PENG Weili. Coordinated control of AFS and DYC for vehicle handling and stability based on optimal guaranteed cost theory[J]. Vehicle System Dynamics,2009,47(1):57-79.

[20] RAJAMANI R. Vehicle dynamics and control(second edition)[M]. New York: Springer,2012.

[21] DOUMIATI M, SENAME O, DUGARD L, et al. Integrated vehicle dynamics control via coordination of active front steering and rear braking[J]. European Journal of Control,2013,19:121-143.

[22] DOUMIATI M, VICTORINO A, CHARARA A, et al. Onboard real-time estimation of vehicle lateral tire-forces and sideslip angle[J]. IEEE Transactions on Mechatronics,2011,16(4):601-614.

[23] 丁海涛,郭孔辉,陈虹.汽车稳定性控制中横摆力矩决策的LQR方法[J].吉林大学学报(工学版),2010,40(3):597-601.

[24] MAMMAR S, GLASER S, NETTO M. Time to line crossing for lane departure avoidance: A theoretical study and an experimental setting[J]. IEEE Transactions on Intelligent Transportation Systems,2006,7(2):226-241.

[25] ENACHE N M, MAMMAR S, NETTO M, et al. Driver steering assistance for lane-departure avoidance based on hybrid automata and composite Lyapunov function[J]. IEEE Transactions on Intelligent Transportation Systems,2010,11(1):28-39.

GC Coordinated Control Strategy for Lane Departure Avoidance SystemBased on Driver’s Lane Change Intention Recognition

Wang Xuanyao1,2, Wang Qidong1,2, Luo Jialiang1& Wang Jinbo1

1.SchoolofMechanicalandAutomotiveEngineering,HefeiUniversityofTechnology,Hefei230009;2.SchoolofMechanicalEngineering,AnhuiUniversityofScienceandTechnology,Huainan232001

The threshold value of steering wheel angular speed in normal lane change is obtained based on hardware-in-the-loop simulation with CarSim and LabVIEW RT, and the recognition module for driver’s intention of lane change is designed based on on-center handling characteristics. A hierarchical control algorithm of lane departure avoidance system (LDAS) is proposed, and a guaranteed cost (GC)-based upper-layer controller and a lower-layer control law for rear wheel braking are designed, in which upper-layer GC controller is used for generating compensative steering angle and corrective yaw moment. A monitor is designed based on vehicle stability indicators to limit the use of rear wheel brakes. Based on the road model of Alt3 from FHWA, a simulation is conducted, verifying that on the premise of ensuring LDAS performance, GC coordinated controller can reduce the number of braking applied and hence improve the ride comfort of vehicle. Finally a simulation on the situation is performed that a risk of lane departure arises from driver’s ignorance of front bend due to his fatigue or distraction. The results show that when the time to line crossing is less than its threshold value preset, LDAS is actuated and starts to work, verifying the effectiveness of the GC coordinated control strategy proposed.

lane change intention recognition; LDAS; hierarchical control; lane departure

*国家自然科学基金(51175135,51405004)资助。

原稿收到日期为2015年5月26日。