汽车驾驶员模型是人—车—环境系统中的一个重要研究内容。在智能车辆的研究中，建立合适的驾驶员模型是人—车—路三者构成的闭环系统研究的重要环节之一。驾驶员模型用于及时处理对路况和车况的感知信息并传递相应的控制信号给车辆的控制和执行机构以实现自动驾驶。同时，驾驶员模型还用于汽车的某些性能测试中，能消除人的疲劳等主观因素的影响。驾驶员模型的广泛应用促使很多学者对其展开深入的研究。
众所周知，人是一个非常复杂的大系统，具有很强的随机性、自适应性、离散性和时变性，如何用较准确的数学模型对人的行为进行描述是驾驶员模型要解决的首要问题。要建立一个描述任何人在任何环境下的精确数学模型，可以说是十分困难或根本不可能的。但是应当看到，人作为自然界最有灵性的动物，其行为具有很强的目的性，其活动通常受到社会的或个人的行为规范等方面的制约，受到空间客观条件的约束，因此，人的行为具有某种可预示或遵守某种规律的特征。
在驾驶员模型研究中，驾驶员的行为受到更加苛刻的环境和操纵准则等方面的限制，而那些能够反映驾驶员行为特征的一般性规律才是我们最感兴趣，也是对工程设计最有意义的。由此可见，在充分认识人的行为特征的基础上，用一定的数学理论来描述驾驶员在特定条件下的行为规律是完全可行且可能的。
通过对由驾驶员和车辆组成的系统进行分析，可以将驾驶员任务归纳成两种，即补偿操纵和跟踪操纵，如图2−5和图2−6所示。图中i(t)为外界输入信号（如目标运动量）。o(t)为车辆系统的动态响应，驾驶员根据状态显示器显示的信息进行操纵决策分析，然后输出控制量u(t)对车辆系统实施控制。跟踪和补偿是根据提供给驾驶员的有效信息量来区别的。跟踪操作除需要误差信息外还要有运动参考量，显然跟踪与补偿相比情况更为复杂。
图2−5 驾驶员补偿操纵任务
图2−6 驾驶员跟踪操纵任务
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。
