A human-like race driver model based on risk field theory

Vehicle development increasingly relies on simulation to reduce prototype costs and shorten development time. However, the effectiveness of these tools depends on their ability to expose the vehicle and its subsystems to realistic driver inputs. Conventional driver models are useful for performance evaluation, but they generally represent an idealised driving strategy and do not capture the variability of human drivers with different levels experience, confidence, and driving style. This limits their ability to assess how a vehicle responds to the range of behaviours that may occur in real driving scenarios. This thesis develops a human-like race driver model based on the Driver's Risk Field (DRF), a risk-based framework in which driving behaviour is governed by the subjective perception of risk. Originally developed for road driving by Kolekar et al., the DRF is extended to the motorsport domain to generate racing behaviour without predefined racing lines, reference speed profiles, or driver-specific training data. In the proposed formulation, the risk field is constructed around a spline which is optimised at each driver simulation step, allowing racing trajectories to emerge from the interaction between perceived risk and track boundaries. The control logic is extended to incorporate an internal vehicle model to translate perceived risk into feasible steering, braking, and acceleration commands, according to the driver's understanding of the vehicle and ability to exploit the available grip. Finally, the risk evaluation is reformulated in Frenet coordinates to improve computational efficiency. The model is evaluated in MATLAB/Simulink with a double-track vehicle model on Melbourne Gran Prix Circuit and Autodromo Nazionale di Monza, two circuits with completely different dynamic demands. Compared with Kolekar's original framework, the proposed model generates racing trajectories and control inputs consistent with near-limit vehicle dynamics, completing full laps with lap times comparable to those of real human drivers. The sensitivity analysis shows that the DRF parameters preserve a clear physical interpretation and can be tuned to reproduce different driving behaviours. These results show that the proposed framework can support the evaluation of high-performance vehicles under realistic and tunable human-like driver inputs.

Lo sviluppo dei veicoli si basa in misura crescente su strumenti di simulazione, con l’obiettivo di ridurre i costi legati alla prototipazione fisica e accorciare i tempi di sviluppo. L’efficacia di questi strumenti dipende tuttavia dalla capacità di riprodurre condizioni di utilizzo realistiche, necessarie per studiarne il comportamento e valutarne le prestazioni in scenari rappresentativi dell’utilizzo reale. I modelli di pilota convenzionalmente impiegati descrivono strategie di guida idealizzate e non rappresentano in modo esplicito la variabilità del comportamento umano, legata a fattori quali esperienza, confidenza e stile di guida. Questo limite riduce la possibilità di analizzare la risposta del veicolo rispetto all’ampio spettro di comportamenti che possono manifestarsi nella guida reale, soprattutto in condizioni prossime al limite di aderenza. La presente tesi sviluppa un modello di pilota per la guida in circuito ispirato al comportamento umano basato sul Driver’s Risk Field (DRF), un approccio nel quale le azioni di guida sono determinate dalla percezione soggettiva del rischio. Il modello, originariamente proposto da Kolekar per applicazioni di guida stradale, viene esteso al contesto motorsport con l’obiettivo di generare comportamenti di guida racing senza ricorrere a traiettorie di riferimento, profili di velocità predefiniti o dati di training specifici del pilota. Nella formulazione proposta, il campo di rischio viene costruito attorno a una traiettoria predetta, descritta da una spline ottimizzata a ogni step di simulazione del pilota. In questo modo, la traiettoria racing emerge direttamente dall’interazione tra rischio percepito e vincoli della pista. La logica di controllo viene inoltre estesa mediante l’introduzione di un modello interno del veicolo, attraverso il quale il rischio percepito viene tradotto in comandi di sterzo, frenata e accelerazione compatibili con le capacità del pilota di sfruttare l'aderenza disponibile e con la sua comprensione del veicolo. Infine, la valutazione del rischio viene riformulata in coordinate di Frenet, al fine di migliorare l’efficienza computazionale del modello. Il modello di pilota viene valutato in ambiente MATLAB/Simulink con un modello di veicolo a doppia traccia sul Melbourne Grand Prix Circuit e sull’Autodromo Nazionale di Monza, due tracciati caratterizzati da richieste dinamiche profondamente differenti. Rispetto alla formulazione originale del DRF, il modello proposto genera traiettorie racing e comandi di controllo coerenti con la dinamica del veicolo al limite, completando giri in tempi confrontabili con quelli di piloti reali. L’analisi di sensitività mostra inoltre che i parametri del DRF mantengono una chiara interpretazione fisica e possono essere tarati per riprodurre diversi comportamenti di guida. Nel complesso, i risultati indicano che il framework proposto può supportare la valutazione di veicoli ad alte prestazioni mediante comandi di guida realistici, regolabili e ispirati al comportamento umano.