郭景华，李文昌，4，罗禹贡，陈 涛，李克强

（1. 厦门大学机电工程系，厦门 361005；2. 清华大学车辆与运载学院，北京 100084；3. 中国汽车工程研究院股份有限公司，重庆 401122；4. 同济大学汽车学院，上海 201804）

前言

智能驾驶系统通过现代传感、人工智能等先进技术辅助或代替驾驶员操控汽车，被认为是实现驾驶员、车辆和交通环境协同的有效手段［1］。为降低驾驶员的操作负担，提高驾驶员的操控能力和对智能驾驶系统的接受程度，须对驾驶员的驾驶习性进行深入研究。建立准确反映驾驶员跟车行为的驾驶员模型对于智能驾驶系统控制策略的开发具有重要的意义。

驾驶员跟车模型描述了单车道相邻车辆之间的相互作用，国内外学者建立了多种形式的跟车模型。Bando 等［2］提出了最优速度（optimal velocity，OV）模型，该模型假设车辆的最优速度与跟车距离相关，驾驶员通过加减速调整速度以实现最优车速。文献［3］中提出一种线性跟车模型，该模型在FVD（full velocity difference）模型［4］的基础上引入一个反映驾驶员特性的参数，以体现不同驾驶员的期望跟车距离。上述文献都是以运动学方程或经验公式的形式建立数学模型。驾驶员跟车时的决策是一个复杂的过程，以数学公式所拟合出的跟车模型不足以全面描述驾驶员的行为。

文献［5］中通过驾驶模拟器采集驾驶员跟车行驶数据，并使用人工神经网络学习驾驶员的速度规划行为。Papathanascpoulou 等［6］通过在意大利那不勒斯采集的驾驶试验数据，使用局部加权线性回归方法拟合驾驶员跟车模型，并将相同的数据用于校正Gipps模型进行验证。……