吴 兵，刘艳婷，倪代恒，王文璇，李林波

（1.同济大学道路与交通工程教育部重点实验室，上海 201804；2.马萨诸塞大学阿默斯特分校工程学院，阿默斯特 01003）

驾驶行为建模是交通流研究的重要内容，在微观交通仿真、通行能力分析、自动驾驶、交通安全评价等领域具有广泛的应用价值［1］。近年来，特斯拉、奥迪、沃尔沃等汽车制造商开始上市L2甚至L3自动驾驶水平的车型。虽然当前混合驾驶环境中自动驾驶车辆比例较小且自动驾驶水平较低，但是混合驾驶环境仍将持续一段较长时间。对人工驾驶车辆与自动驾驶车辆运动模型进行区别建模，更准确地描述混合交通流运行情况，是提高混合驾驶环境交通运行机动性与安全性的基础。

跟驰模型是最重要的驾驶行为建模研究内容之一。自20世纪50年代Reuschel［2］提出跟驰模型的初始原型后，产生了安全距离模型［3-4］、刺激-反应模型［5］、优化速度模型［6］、广义力模型［7］、全速度差模型［8］、Helly线性跟驰模型［9］、智能驾驶人模型（IDM）［10］等经典模型，但这些模型只考虑了反应时间、车间距离、速度差等因素，未考虑驾驶人感知的不确定性。通过引入感知势能压力，纵向控制模型（LCM）［11］更接近于人的驾驶状态，但依然属于确定性建模的范畴。

机器与人类的感知过程存在本质不同，前者使用传感器可准确测量的速度、距离等，后者通过以视觉为主的感知估计速度和距离等，准确性受到多种因素的影响。感知过程中驾驶人的行为特征被称为估计错误、不完美估计能力或感知错误等［12-13］。……