等相关国家进行的认证），并对需要认证的项目进行了详细的描述，并重点比较了欧盟认证标准与现行国标的差异，并对国外标准的更新进行了跟踪，提出了目前生产企业必须面对的一些问题，对整车企业的出口认证具有一定的参考价值。参考文献：
［1］2003/102/EC ，Relating to the protection of pedestrians and
other vulnerable road users before and in the event of a collision with a motor vehicle and amending Council Direc tive 70/156/EEC ［S ］.
［2］96/79/EC ，On the protection of occupants of motor vehicles
in the event of a frontal impact and amending Directive 70/156/EEC ［S ］.
［3］GB18352.2-2001，轻型汽车污染物排放限值及测量方法
Ⅱ［S ］.
［4］GB18352.3-2005，轻型汽车污染物排放限值及测量方法
Ⅲ［S ］.
［5］70/221/EEC ，on the approximation of the laws of the Mem -
ber States relating to fuel tanks and rear underrun protec -tion of motor vehicles and their trailers ［S ］.
［6］李怀彬.国外汽车碰撞标准面面观［J ］.汽车工业研究，
2006，（1）：18～22.
doi:10.3969/j.issn.1005-2550.2010.05.005
数学表达，是一个复杂的控制系统。驾驶员的操纵行为包括对信息的感知、综合、判断、推理、决断，最后通过神经肌肉的反应产生汽车所需要的方向控制、驱动控制、制动控制等操纵力。操纵行为具有很强的随机性、自适应性、离散性和时变性。因此，要用数学
汽车驾驶员模型的研究现状及发展趋势
刘晋霞
（山东科技大学机械电子工程学院，青岛266510）
摘要：汽车驾驶员模型是汽车交通安全、智能交通系统、汽车自动驾驶和车辆巡航等技术的基础研究内容和关键环节之一。按照汽车驾驶员模型的研究方向及应用，将驾驶员模型分为基于人—车—环境闭环系统汽车操纵稳定性的驾驶员模型、基于智能交通系统的驾驶员行为模型和基于交通安全的驾驶员疲劳模型等类型，综述了上述各类汽车驾驶员模型的研究现状，对各类驾驶员模型存在的不足进行了分析论述，并展望了汽车驾驶员模型的发展方向及趋势。
关键词：驾驶员模型；方向控制；速度控制；车辆跟驰；车辆换道；驾驶疲劳中图分类号：U491.2+54
文献标志码：A
文章编号：1005-2550（2010）05-0019-06
Review of the Driver Model Research State and Development Trend
LIU Jin-xia
（Shandong University of Science and Technology ，Qingdao 266510，China ）
Abstract :Driver model is the basic research content and the key section of traffic safety,intelligent transportation systems,automobile driving and vehicle automatic cruise technologies.According to the application and research direction,driver models are divided into three types:based on the human-vehicle-environment(HVE)closed-loop vehicle stability system of driver model ，based on the intelligent transport system of driver behavior model and based on the traffic safety of driver fatigue model.This paper summarizes the present research status of various types of driver models ，analyzes the shortcomings of the driver models ，and puts forth the trends and the development direction of the driver models.
Key words:driver model ；steering control ；velocity control ；car following ；lane change ；driving fatigue
收稿日期：2010-03-10
基金项目：山东科技大学“春蕾计划”项目（2008AZZ031）
作者简介：刘晋霞（1976-），女，山西晋城人，副教授，博士，主要从事汽车操纵稳定性、汽车系统动力学、虚拟样机技术的研究。
··
19
模型来精确描述驾驶员的操纵行为是比较困难的。随着驾驶员监控技术、通信技术、计算机技术、人工智能以及控制理论的不断发展，驾驶员模型的研究已取得不少成果，并且已成为当前国内外学者研究的一个热点问题。
本文按照汽车驾驶员模型的研究方向及应用情况，将驾驶员模型分为基于人—车—环境闭环系统汽车操纵稳定性的驾驶员模型、基于智能交通系统的驾驶员行为模型和基于交通安全的驾驶员疲劳模型等类型，并对各类驾驶员模型研究现状、存在不足及发展方向进行论述评价。
1汽车驾驶员模型研究概况
1.1基于人—车—环境闭环系统汽车操纵稳定性的驾驶员模型
该类模型最初由McRuer等人将飞机驾驶员模型的研究推广到汽车上来，初期主要集中于汽车方向控制的驾驶员模型研究。随着研究的深入，逐渐形成了基于汽车稳定状态下，汽车方向和速度联合控制为中心的研究。该模型主要应用于人—车—环境闭环系统汽车操纵稳定性的研究与评价、智能车辆与汽车安全等技术研究。
20世纪中期以来，各国研究学者相继提出许多不同种类的驾驶员模型。根据是否具有预瞄环节，这些模
型可分为补偿驾驶员模型和预瞄驾驶员模型；根据研究方法不同，可以将这些模型大致分为基于传统控制、模糊控制、神经网络控制、模糊—神经网络控制、自适应控制等理论建立的驾驶员模型［1］。其中，具有预瞄功能的模糊控制、神经网络控制、模糊—神经网络控制以及自适应控制等驾驶员模型，代表着当前该类驾驶员模型研究的最高水平。
文献［2］在郭孔辉的“预瞄最优曲率模型”的基础上，对驾驶员校正环节采用模糊控制，建立了自调整因子的加速度反馈模糊控制驾驶员模型。该模型不需要知道汽车系统精确的传递函数，而是采用模糊逻辑推理直接模拟人的操纵过程来进行控制。仿真结果表明，所建立的模糊控制驾驶员模型很好地描述了驾驶员的方向控制行为，为人—车—路闭环系统的进一步研究和智能车辆自动驾驶控制提供了可行的路径。
文献［3］建立了四层前馈神经网络驾驶员模型，网络拓扑结构为10-4-3-1，模型的输入分别是：横摆角速度、侧向速度、侧向加速度、侧向位移、预瞄侧向偏差以及各个输入量的前十个时刻的记忆值，输出是方向盘转角。仿真结果表明，利用人工神经网络可以产生具有相当准确性及很高计算效率的驾驶员模型。
文献［4］提出了五层全网络化模糊—神经网络驾驶员模型，此模型的输入、输出层分别为1层和5层，代表非模糊变量x=（x
1
，x2，x3）和y。输入变量x经输入层1到达2层后被转变成了模糊变量上相应的隶属函数。隶属函数的选取中笔者采用了梯形隶属函数法；第3层是规则基础层，第4层是结果层，这两层合起来即相当于模糊控制中的模糊推理，形成规则库，其原则为：If A and B then C。第5层是反模糊化层，采用加权平均法。模糊-神经网络充分利用了模糊推理的结构原理，但在具体的模糊化、模糊推理及反模糊化的过程中，却采用的是神经网络自学习的思想来确定每个步骤的权系数，消除了一般模糊控制中模糊规则建立时专家经验不足和精度不够的局限。
文献［5］在郭孔辉的“预瞄最优曲率模型”的基础上，对驾驶员校正环节采用模糊PID控制，建立加速度反馈自适应模糊PID控制驾驶员模型，该模型通过模糊控制器在线实时调整PID的3个参数。仿真结果表明，所建立的自适应模糊PID控制驾驶员模型很好地描述了驾驶员的方向控制行为。
此外，一些学者针对某些特定的车型和道路，建立了针对性相对较强，且具有预瞄功能的各种驾驶员模型，对处理某些特殊情况的驾驶员模型做了一定的研究［6-10］。
1.2基于智能交通系统的驾驶员行为模型
驾驶员行为研究内容主要包括：驾驭的表现特性、表现与心理和生理的能力或完成驾驶任务能力的关系
以及表现与驾驶员卷入事故频率之间的关系［11］。随着交通科技的进步，驾驶员因素及其所起的作用被广泛认为是智能运输系统成功发展的关键。进入二十一世纪以来，驾驶员行为模型研究已成为一个新的研究热点［11］。目前驾驶员行为模型主要分为跟驰模型和换道模型两类，各国学者也分别运用神经网络、模糊控制以及自适应控制等理论建立了不少具有实际意义的模型，为智能交通系统的建立提供了理论基础。
1）跟驰模型
··20
车辆跟驰状态下驾驶行为的研究对于交通流微观模拟、驾驶员诱导系统、车辆自动巡航系统等具有重要意义。
文献［12］通过真实交通环境下的驾驶员实验获得了稳定跟车状态数据，并利用Kalman滤波器对数据进行了处理和估计。设计了以BP神经网络为核心的车辆模型与驾驶员模型集成式的模型结构，该模型以前车速度为输入，通过两层结构的BP前馈式神经网络模拟驾驶员基于车辆运动状态对车辆的控制结果，输出为车辆的加速度。该模型通过训练后，在前车较大的速度范围内反复加减速行驶进行仿真，得出模型能够较好响应前车的速度变化，稳定地跟车行驶。
文献［13］是基于自适应巡航控制策略建立的跟驰驾驶员模型，该模型能够在车辆之间以及基础设施与车辆之间，准确地判断交通状况，在微观交通仿真中具有很好的适应性，并能够改善交通运行的稳定性和道路的利用率。
文献［14］在对驾驶员认知过程详细分析之后，根据因子分析方法提取了车辆跟驰影响因素，建立了车辆跟驰过程中驾驶员认知结构模型和基于驾驶员认知过程的车辆跟驰模型，通过仿真对模型进行了验证。
文献［15］提出由期望速度、安全车间时距、最大加速度、舒适减速度、阻塞距离以及车辆长度等参数，根据经验数据标定的智能驾驶员模型（Intelligent Driver Model），成功地用统一的模型形式描述了从自由流到完全拥堵流的不同状态。
文献［16］认为文献［15］在理论上存在期望距离为负和没有引入反应时间的问题。通过对期望距离非负判断和引入反应时间的办法改进了文献［15］所建模型，然后以车辆在信号灯前的排队行为为例，讨论了IDM模型的实际应用，并得出关于停车排队和停车引起的密度波传播的不同影响的结论。
2）换道模型
驾驶员选择换道的动因一般为车辆行驶速度达不到驾驶员的最低期望速度或者超出了驾驶员心理期望值。
期望速度是在特定条件下驾驶员的心理期望而产生的。一般而言，期望速度与道路等级以及交通状况、车辆性能、驾驶员性格等各种因素有关［17］。
文献[18]基于车辆纵横向动力学的耦合模型，依靠车载传感器获得车辆横摆角速度信息，研究了自动化功率系统车辆换道纵横向耦合控制策略，并进行仿真。仿真结果表明应用其控制规律，车辆在纵向速度变化的情况下能够良好跟踪期望换道轨迹。
文献［19］基于误差反馈学习规则用神经网络建立了自适应巡航控制换道驾驶员模型，通过训练，用装有该模型的仿真模拟器收集驾驶员数据，结果表明该模型的换道情况比真实的人操纵汽车还要理想。
此外，还有一些学者从不同角度建立了驾驶员行为模型［20-21］。
1.3基于交通安全的驾驶员疲劳模型
驾驶疲劳指驾驶车辆时，由于驾驶员作业引起的身体上的变化、心理上的疲劳以及客观测定驾驶功能低落的总称。驾驶疲劳又分为感知疲劳、判断疲劳和动作疲劳。驾驶员疲劳驾驶是现代社会的一种通病，更是交通安全的重大隐患之一［22］。
驾驶疲劳涉及一系列不确定、不可量化的因素，例如人的感知、判断和动作能力，生理、心理和年龄变化情况等，因此，其模型的建立更加复杂。目前，关于驾驶员疲劳的研究集中于对驾驶员疲劳驾驶的调
查统计、疲劳状态监测及疲劳监测仪器的开发和研制［23-33］，也有不少学者通过对驾驶员疲劳机理及产生过程进行分析，并根据驾驶员疲劳监测内容和结果，推导出一些具有一定实际指导意义的疲劳驾驶员模型。
文献［34］通过对驾驶疲劳过程分析，将驾驶员执行驾驶行为的过程看作是由两部分环节构成的闭环控制负反馈系统：一是疲劳随着驾驶员结构输入信号的增加而增长的惯性环节，且增加趋势是接近于指数函数形式的非线性关系；二是驾驶员感到疲劳时，自身对其抑制的比例微分环节。
文献［35］以驾驶疲劳状态监测为研究对象，提出驾驶行为操纵和驾驶员生理指标相结合建立疲劳识别模型的思想，通过大量模拟器驾驶试验，建立了驾驶操作和驾驶员生理指标之间的关系模型。
文献［36］在大量实验、调查研究基础上，对驾驶疲劳产生过程、规律等机理进行了分析，对多种疲劳因素的影响建立不同的驾驶疲劳函数模型，并通过主因子分析，最后筛选出驾驶员反应能力、平衡稳定性、视觉功能、注意能力、速度判断能力的五大指标，建立驾驶员疲劳评价的多因素模型。
··
21
2汽车驾驶员模型研究存在的不足
综上所述，基于人—车—环境闭环系统汽车操纵稳定性的驾驶员模型与基于智能交通系统的驾驶员行为模型的研究，均运用各种现代控制理论，在理论上进行了比较深入的研究。但是，各类驾驶员模型的研究进展不尽相同，基于交通安全的驾驶员疲劳模型的研究相对薄弱，并且，各类驾驶员模型的研究主要还处于理论研究阶段，大部分研究还未进行试验验证，与实际运用还有很大差距。详细来讲，各类模型研究状况存在的不足可以概况为以下几个方面。
2.1基于人—车—环境闭环系统汽车操纵稳定性的驾驶员模型存在的不足
如前所述基于人—车—环境闭环系统汽车操纵稳定性的驾驶员模型的研究，运用各种智能化控制理论来研究驾驶员模型的性能，已有不少成果，但是该类模型还存在某些不足：
1）该类驾驶员模型的输出一般都是方向盘转角（或轮胎转角）和汽车速度、加速度所需控制量的大小。然而，在实际中，驾驶员驾驶汽车是要根据不同的路况、车况，在方向盘和制动踏板或油门等部件上，施加不同操纵力的。目前所见的研究中，普遍未注重路况的影响，并且在汽车悬架系统、转向系统、制动系统等具体结构和人机工程学的角度建立输出为驾驶员力的驾驶员模型的研究尚显不足；
2）目前，该类驾驶员模型的建立均基于汽车稳定行驶的状态，对于汽车某些特殊状态（包括汽车接近侧滑、侧翻、急转等即将失稳的临界状态）下，驾驶员驾驶行为特性的研究尚待关注；
3）关于空气动力特性和各种阵风等各种外界随机特性对驾驶员操纵行为的影响情况没有进行深入研究。
2.2基于智能交通系统的驾驶员行为模型存在的不足
近10年来，基于智能交通系统的驾驶员行为模型成为更加活跃的驾驶员模型研究方向，目前存在的不足可归纳为以下几个方面：
1）在模型建立过程中主要考虑了车辆密集度、车道数、发车模型等外部因素，而没有充分考虑汽车动力学特性、不同类型汽车总体尺寸以及驾驶室布局等汽车性能对驾驶员行为模型建立的影响情况；
2）具有不同性别、不同情绪、不同性情以及不同年龄和驾龄等特点的驾驶员驾驶行为存在较大差异，驾驶员行为模型的建立还需要细致、深入、全面地考虑以上驾驶员特性对其行为的影响情况；中国汽车模型网
3）模型的建立应该从研究驾驶员的认知、意向和人格等心理认知角度出发，充分考虑驾驶员自身因素。
2.3基于交通安全的驾驶员疲劳模型存在的不足
驾驶员疲劳模型的关键在于对疲劳产生机理的研究以及合适的数学表达。因为对驾驶员疲劳产生机理还
有很多未知环节，还存在很大研究空间，精确的数学表达式也需要进一步根据驾驶员疲劳的机理的研究状况来跟进。因此，目前驾驶员疲劳模型主要不足之处为以下几点：
1）应该全面地从人机工程学角度对驾驶疲劳形成机理和模型进行研究，目前针对驾驶员感知、判断疲劳的机理研究较多，而不同类型的汽车根据人机工程学理论设计的驾驶室及驾驶室内部各种操纵装置布局不同，驾驶员视野、操纵空间，操纵力也不同，随着驾驶时间的延长，疲劳（感觉疲劳、判断疲劳、操纵疲劳）增加也完全不一样。
2）关于驾驶员疲劳与其精神状态及具体行为的关系还未揭示，具体模型还有待于深入研究。
3驾驶员模型的发展方向
3.1复合型驾驶员模型的研究
上述三类驾驶员模型从不同研究角度划分，分别从不同的侧面反映驾驶员驾驶汽车过程中的一些性能、行为。而一个实际的驾驶员应该能够根据车况、路况以及其他环境因素，按照一定的操作规范安全、平稳驾驶汽车，并且在一定驾驶时间后会在感觉、判断、动作上出现疲劳症状。所以，驾驶员模型也应该具备以上特征，也就是说需要综合研究驾驶员的各种行为、性能来建立复合型驾驶员模型。
目前也有一些文献对复合型驾驶员模型进行了初步探索，提出以闭环系统驾驶员模型和驾驶员行为模型
以及驾驶员行为模型和疲劳模型的“混合型”驾驶员模型［37-41］。但这些文献的研究内容主要是在侧重某类驾驶员模型研究的基础上加上另外一类驾驶员的某些特性，还不能从整体上集中反映驾驶员应有的全部特性。
因此，能够全面反映驾驶员对道路、汽车、环境
··22
的心理和生理感受，采用生理心理学、认知心理学、协同运算方法深入研究人对外界信息的获取、加工、贮存、使用等认知过程、心理过程及做出的行为，并对这一过程链进行抽象，再结合人机工程学、交通工程学、交通流理论、控制理论研究驾驶员的操纵行为及能力，建立多源信息协同认知的复合型驾驶员模型应该是今后驾驶员模型的主要发展方向之一。3.2特殊驾驶员模型的研究
针对不同类型汽车的某些特殊行驶状态，尤其是汽车处于危险情形，研究驾驶员应该做出的操纵行为，并建立驾驶员模型，并将研究结论用于汽车的自动驾驶中，将会显著地提高汽车安全性能，减少交通事故的发生。故特殊驾驶员模型也是一个主要研究的方向。
3.3驾驶员模型的实用化研究
随着计算机、通信、信息处理、控制、传感等相关技术的发展，为了提高交通安全、效率以及汽车的驾
驶性能，根据驾驶员模型的某些研究结论，国内外学者已经开发出智能交通系统、车辆自动智能巡航系统、驾驶员疲劳监测仪器，无人驾驶汽车等各式各样智能产品。但是，这些产品目前除了智能交通系统外，其他产品大多还处于试验与研究阶段，实际运用比较少。
所以，驾驶员模型的实用化研究将是其另一个主要发展方向。
4结束语
如前所述，虽然驾驶员模型研究已经取得许多卓有成效的成果，但也还存在着一些不足。伴随着现代汽车工业、交通系统的不断发展，计算机、传感器、控制理论以及通信等技术不断进步，驾驶员模型的研究将会更加细化、深入。对于驾驶员模型的进一步深入研究，必将促进汽车操纵稳定性的研究与评价以及智能车辆、智能交通系统、汽车安全技术、汽车自动驾驶和车辆巡航等技术的发展。
参考文献：
［1］李英.方向与速度综合控制驾驶员模型及在ADAMS中的应用［D］.吉林：吉林大学，2008.
［2］贺岩松，李兴权，徐中明，等.汽车驾驶员模糊控制模型研究［J］.计算机仿真，2007，（4）：255-258.［3］崔胜民，王斐，曹国辉.基于人工神经网络的汽车闭环系统的研究［J］.哈尔滨工业大学学报，2001，（2）：40-44.［4］李兴泉，贺岩松，徐中明，等.汽车方向控制驾驶员模型［J］.重庆大
学学报，2006，（4）：5-8.
［5］马军，贺岩松，李兴泉，等.汽车驾驶员自适应模糊PID控制模型［J］.机械与电子，2007，（2）：35-38.
［6］Zhaoheng Liu.Characterisation of optimal human driver model and stability of a tractor-semitrailer vehicle system with time delay［J］.Mechanical Systems and Signal Pro-cessing,21(2007),2080-2098.
［7］高振海，管欣，郭孔辉.驾驶员方向控制模型及在汽车智能驾驶研究中的应用［J］.中国公路学报,2000,3(13):106-109.
［8］柳金梅，鲁学柱，王国权.BP神经网络在智能车辆方向控制中的应用［J］.自动化与仪器仪表，2007，（5）：19-21.［9］程颖.基于误差分析法的驾驶员模型及其在ADAMS中的应用［D］.吉林：吉林大学,2002.
［10］唐智宏，李强，程峰，等.基于驾驶员-EPS闭环系统汽车操纵稳定性的研究［J］.森林工程，2008，（9）：32-34，38.［11］刘雁飞.驾驶员行为建模研究［D］.杭州：浙江大学，2007.［12］张磊，李升波，王建强，等.基于神经网络方法的集成式驾驶员跟车模型［J］.清华大学学报（自然科学版），2008，48（11）：1985-1988，1992.
［13］Arne Kesting,Martin Treiber,Martin Schohhof,ect.Adap-tive cruise control design for active congestion avoidance ［J］.Transporation Research Part C16(2008):668-683.［14］潘玲.基于驾驶室员认知过程的车辆跟驰模型的建立［D］.吉林：吉林大学，2006.
［15］D Helbing.Micro-and Macro-Simulation of freeway traf-fic［J］.Mathematical and computer modelling,2002,(35): 517-547.
［16］朱山江，屈山，史其信.对智能驾驶员模型的改进及其应用［J］.中南公路工程，2006，（6）：135-139.
［17］沈瑞豹.交通仿真系统中随机行为的建模与实现［D］.上海：华东师范大学，2009.
［18］任殿波，张京明，崔胜民，等.车辆换道纵横向耦合控制［J］.交通运输工程学报，2009,（6）：112-116.
［19］]Hiroshi Ohno.Analysis and modeling of human driving behaviors using adaptive cruise control［J］.Applied Soft Computing1(2001)237-243.
［20］贾洪飞，隽志才，王晓原.基于神经网络的车辆跟驰模型的建立［J］.公路交通科技，2001，（8）：92-94.
［21］甘霖，李灵犀，王飞跃.高速公路驾驶员行为模型的建立与仿真［J］.模式识别与人工智能，2003，（9）：357-362.［22］吴春莹.浅谈汽车驾驶员疲劳检测技术的研究进展［J］.
机电一体化，2007，（4）：43-47.
［23］Dallas L.Fell,Barbara Black.Driver Fatigue in the city［J］.
Accid.Anal.and prev.vol29(4):464-469.
··
23
发布评论