随着我国交通事业的快速发展和机动车保有量的迅速增加，道路交通事故也在不断增加，交通安全问题已引起了社会各界的广泛关注。车辆的安全行驶状况受到多方面因素的影响，其中很大一部分原因取决于驾驶员的驾驶行为。国内外众多文献都表明，与驾驶员有关的交通事故比例为95%[1-2]。

不同类型驾驶员在驾驶过程中表现各不相同，通过对驾驶员的驾驶特性进行研究，分析不同类型驾驶员的反应、判断和操作过程对行车安全的影响，可以为交通事故的预防和减少提供一定的理论依据。目前国内外学者对驾驶员行为特性的研究方法主要分为三大类：问卷调查研究、试验研究以及仿真研究[3]。问卷调查研究是目前国外较为流行的一种调查方法，主要用于采集驾驶员的主观特性数据。试验研究多用于对驾驶员生理因素和心理因素的研究，但是试验研究的周期往往较长，成本较高，而且对试验设备和试验条件的要求较高[4]。随着计算机技术的不断发展，虚拟仿真试验已成为人们研究驾驶员模型的首选方法[5]。

本文运用ADAMS和MATLAB联合仿真的方法建立人-车-路闭环仿真系统，首先通过仿真试验的方法验证模型的有效性。其次，根据驾驶员驾驶特性表征参数(预瞄时间Tp，神经反应滞后时间Td和惯性滞后时间Th)的不同将驾驶员分为不同的驾驶类型。最后通过仿真分析的方法，对不同类型的驾驶员展开了虚拟仿真试验，研究了驾驶员生理特性、熟练程度、疲劳程度对行车安全的影响程度。

1 人-车-路闭环仿真系统的构建

1.1 驾驶员模型

本文的驾驶员模型采用郭孔辉院士提出的POANN驾驶员模型，该模型中包含了驾驶员预瞄环节和滞后环节[6-7]，通过设置不同的预瞄时间和滞后时间可以来表征不同的驾驶员类型。该模型如图1所示。

图1 简化的POANN驾驶员模型

该驾驶员模型应用在二自由度车辆模型的基础上，主要输入信息为车辆当前位置的侧向速度、侧向加速度、侧向位移以及驾驶员提前一段时间观察到的前方道路轨迹点的坐标，并在滞后环节的反馈控制下，通过方向盘转角的输出控制车辆的行驶轨迹[8]。

1.2 车辆模型

本文采用ADAMS/Car中原有的轿车模型MDI_Demo_Vehicle，但由于此模型较为复杂，而简化的POANN驾驶员模型中应用的是二自由度车辆模型，因此在系统辨识理论的基础上，将ADAMS/Car中的车辆模型等效为二自由度车辆模型，采用系统辨识的方法得到了复杂车辆模型转换为二自由度模型的动力学参数Gay，T1，T2，Ty1，Ty2[9]。

利用Simulink中的辨识工具箱Tools/Parameter Estimation,对简化的二自由度车辆模型的参数进行辨识(见图2)，辨识结果如表1所示。

图2 车辆参数的辨识过程

表1 不同车速下MDI_Demo_Vehicle模型参数辨识结果

车速/km·h-1T1T2Ty1Ty2600.18860.04270.01800.0068800.15290.04620.01350.0068

1.3 驾驶员-车辆闭环系统的构建

在Simulink中建出简化的预瞄优化神经网络驾驶员模型。根据复杂车辆模型的参数辨识结果得到图3中模型所需的阈值和权值。通过修改模型中的阈值和权值就可以实现不同的驾驶员在不同车速下的方向控制。

图3 基于ADAMS和MATLAB联合仿真的 驾驶员-车辆闭环系统的构建

1.4 道路模型

[1]姜晓慧.沈阳市道路机动车尾气排放量及预测研究[D].哈尔滨:哈尔滨师范大学,2016.

图书馆面临新一轮的转型。这场转型不仅要求图书馆保管好已有的资源，而且要增强大局意识，融汇本地资源与全球资源，共同建设可持续的全球型知识共享空间；要加强服务意识，增强加值服务能力；并积极与出版机构合作，有力推动知识资源的开放获取化。为此，图书馆应充分发挥自身在资源管理、编目技能以及项目策划方面的专业优势，在开放获取、开放数据和开放科学的发展中扮演更为重要的角色。

根据DICAD中输出的道路逐桩坐标表，运用ADAMS/Car中的Road Build建立相应的道路模型，同时将该路段中的纵坡坡度设为零，以消除纵坡对行车安全的影响，道路建模窗口以及建立的部分道路模型如图4和图5所示。

图4 ADAMS/Car中的道路建模界面 图5 ADAMS/Car中建立的部分道路模型

1.5 系统模型的验证

选取上述道路模型中的部分直线路段，并参照国家标准GB/T 6323.1-94，对已建立闭环系统进行不同车速下的双移线进行仿真试验，验证系统的有效性。设车速分别为60 km/h和80 km/h，车辆在整个试验过程中匀速行驶。仿真试验如图6所示。

图6 车辆在不同车速行驶下的双移线仿真试验

由试验结果可知，车辆的实际行驶轨迹与道路中心线轨迹拟合较好，并且在行驶过程中车辆的侧向加速度和方向盘转角的变化都比较平缓，因此，以上建立的闭环仿真系统的有效性得到验证。

2 驾驶员行为特性的分类

影响驾驶员操纵行为的因素是多方面的，主要包括生理因素和心理因素，为了便于仿真试验的进行，并结合国内外研究现状[10-12]，根据驾驶员的生理特性(敏捷、轻率、慎重)、心理特性(熟练、非熟练)以及疲劳程度(正常驾驶、疲劳驾驶)，将驾驶员分为12种类型，分别选取预瞄时间Tp，神经反应滞后时间Td和惯性滞后时间Th作为表征不同类型驾驶员的参数，具体值如表2所示。

表2 不同类型驾驶员的表征参数

类型TpTdTh慎重非熟练、正常驾驶0.534-0.80.1-0.330.12-0.25非熟练、疲劳驾驶0.534-0.80.33-0.50.25-0.35熟练、正常驾驶0.8-1.50.1-0.330.12-0.25熟练、疲劳驾驶0.8-1.50.33-0.50.25-0.35敏捷非熟练、正常驾驶0.534-0.80.1-0.330.05-0.098非熟练、疲劳驾驶0.534-0.80.33-0.50.188-0.25熟练、正常驾驶0.8-1.50.1-0.330.05-0.098熟练、疲劳驾驶0.8-1.50.33-0.50.188-0.25轻率非熟练、正常驾驶0.534-0.80.33-0.40.056-0.118非熟练、疲劳驾驶0.534-0.80.4-0.50.188-0.25熟练、正常驾驶0.8-1.50.33-0.40.056-0.118熟练、疲劳驾驶0.8-1.50.4-0.50.188-0.25

3 不同类型驾驶员的行车安全仿真研究

对上述建立的人-车-路闭环仿真系统中的12种驾驶员进行仿真试验，并对试验结果进行分析，以验证不同类型驾驶员对行车安全的影响程度。

3.1 仿真条件的设定

(1)车辆速度：车速为80 km/h；

(2)路面模型：采用以上建立的道路模型为试验路段，在干燥的路面上进行试验，因此路面摩擦系数设为0.6，由于模型中路段较长，仿真结果只选取部分路段进行分析；

(1)对不同专业的学生采用相似的教学大纲。教学目标侧重于数据库的理论知识和基本操作，未能很好地将数据库技术与专业问题求解结合起来，使学生的学习目的不明确，对课程缺乏足够的重视和学习的积极性[3,5]。

土地经过整理后，郭书凤种上了大白桃品种桃树，还在稍微差些的地里种上了核桃和麦黄杏等。机遇是给有准备的人的，郭书凤就这几块零零碎碎的加起来二亩地的果园，经过精心管理，很快就要开始有收益了。

3.2 仿真结果分析

由于试验路段较长，为了便于分析不同类型驾驶员的行车安全状况，选取部分路段的仿真结果进行分析(见图7-图9)。

在行间清耕、间作小麦、自然生草3个处理分别选定500株苹果幼树。2015年7月调查当年定值成活率；2016年春季进行补栽，8月调查补栽成活率， 2017年4月调查越冬后成活率，统计总体成活率。

(1)不同类型驾驶员的行车状况仿真结果。

镁可以提高作物对不同矿质元素的吸收和同化。例如，足够的镁营养可以促进水稻根系的生长，提高对氮素的吸收与同化效率；当水稻地上部镁浓度低于1.1mg/g时，根系对氮素的吸收同化效率下降，植株生长速率减缓。

由图7-图9可知，无论驾驶员的操作技能是熟练还是非熟练，轻率型的驾驶员操纵稳定性较差，主要表现在轻率型驾驶员控制的车辆侧向加速度和方向盘转角曲线变化都较大；而敏捷和慎重型的驾驶员相比之下驾驶能力较强，车辆的侧向加速度和方向盘转角曲线变化都较为平缓，驾驶员能够更加平稳地操纵车辆，更好地完成道路轨迹的跟随。

最后，财税预算管理人员要及时了解新技术。随着信息技术的革新与发展，很多新兴的管理模式或理念，如财务共享管理中心、财务共享管理理念等，已经逐渐运用到财税管理的工作中，如果财务人员不能及时转变观念，掌握一些新的财务理念和技术，那么就不能对各类财务数据资源进行整合与分析，也无法得出科学准确的预算结果。

(3)驾驶员模型：由表1中给出的不同类型驾驶员的表征参数，计算得到不同类型驾驶员模型参数，带入到Matlab/Simulink中得到仿真中所需的驾驶员模型。分别进行基于驾驶员生理和心理状况下的行车状况仿真试验以及考虑驾驶员疲劳状态下的行车状况仿真试验。

企业的科技创新发展离不开企业内部审计部门的有效工作。企业只有重视审计部门的作用，才能使审计部门发挥他们最大的作用，这样对于企业的科技发展也有着很大的正面影响，也正因为这样，才能让企业提高自身的竞争能力，有利于企业的发展。

将图7-图9各图中的a与b进行比较可知，熟练驾驶员比非熟练驾驶员的驾驶能力更强，对车辆的操纵更平稳，主要表现在熟练驾驶员能够平稳地操纵方向盘，使车辆的侧向加速度和方向盘转角都变化比较平缓，能够更好地完成轨迹跟踪任务。

图7 不同类型驾驶员的车辆行驶轨迹

图8 不同类型驾驶员控制的车辆侧向加速度

图9 不同类型驾驶员控制的车辆方向盘转角

(2)考虑驾驶员疲劳程度的行车安全仿真试验。

选取敏捷型驾驶员为例，对不同疲劳状态及不同熟练程度的驾驶员进行仿真试验，选取部分路段的仿真结果，如图10所示。

图10 考虑驾驶员疲劳程度的行车安全仿真试验

由图10中的a、b、c图可以看出，在给定的4种类型的驾驶员中，疲劳驾驶的驾驶员比非疲劳驾驶的驾驶员操纵稳定性差，其中非熟练的疲劳驾驶的驾驶员操纵稳定性最差，而熟练的正常驾驶的驾驶员驾驶能力最强，车辆的方向盘转角及侧向加速度曲线都变化较平稳。

乾恒动，坤包容，中华文化，信步三百米甬道，阅历五千年沧桑。其中“知礼”“善美”是作为一名老师希望带给你的最好教育，也是你立心天地间的第一课！

4 结论

本研究采用ADAMS/Car和MATLAB/Simulink联合仿真的方法建立人-车-路闭环仿真系统，基于仿真分析的方法进行了蛇形线闭环仿真试验，验证了该模型的有效性。并在总结国内外现有研究成果的基础上对驾驶员的驾驶特性进行分类，确定了各类型驾驶特性的表征参数。在此基础上，采用已建立的闭环仿真系统对六种不同类型的驾驶员进行了仿真试验，试验结果表明，熟练驾驶员对车辆的操控性较强，车辆的整体操纵稳定性较好，并且敏捷型和慎重型的驾驶员的驾驶能力比轻率型驾驶员的驾驶能力强。为了进一步研究疲劳驾驶对车辆安全性能的影响，选取敏捷性驾驶员为例，对不同疲劳状态及不同熟练程度的驾驶员进行仿真试验，试验结果表明，疲劳驾驶的驾驶员比非疲劳驾驶的驾驶员操纵稳定性差，其中非熟练的疲劳驾驶的驾驶员操纵稳定性最差，而熟练的正常驾驶的驾驶员驾驶能力最强。

参考文献:

道路模型以安徽省某省道的部分路段为例，建立相应的仿真模型，该道路为双向4车道，设计车速为80 km/h，设路面为干燥路面，摩擦系数为0.6，排除天气状况对行车安全的影响。

[2]蔡娜.女性驾驶员道路交通事故影响因素分析[D].北京:北京工业大学,2010.

1.1 试验地概况 试验在旱农中心河村旱作节水基地进行，试验地块前茬为玉米，土壤为黄土质淡褐土性土，有机质10.5 g/kg，全氮1.12 g/kg，全磷0.72 g/kg，全钾21.6 g/kg，碱解氮53.7 mg/kg，速效氮125.0 mg/kg，速效磷6.87 mg/kg。

观察PICC置管期间患者并发症的发生情况，记录导管留置时间，患者出院前，利用本院自制问卷调查患者对护理的满意程度，内容包含服务态度、护理操作、并发症预防、护理方式4项，每项内容包含25个条目，每条目1～4分评价，每项总分100分，总分≥80分判定为满意，分数越高表示满意程度越高[2]。

本文建立了基于蒙特卡罗方法和束流光学的带电粒子输运程序，对磁谱仪进行了全过程物理建模和性能模拟，获得了反冲质子在焦平面上的空间分布和相互关联的性能参数，可为反冲质子磁谱仪的优化设计、能量刻度及应用提供参考。

[3]何杰,杨娇,杭文,等.考虑驾驶员行为特性的行车安全仿真试验[J].解放军理工大学学报(自然科学版),2013,(06):668-673.

[4]林英姿,余群.车辆转向操纵过程中驾驶员的生理/心理分析与测试[J].汽车工程,1998,20(2):71-76.

[5]江发潮,曹正清,陈全世.虚拟试验技术及其在车辆上的应用[J].拖拉机与农用运输车,2004(4):3-5.

[6]GUO K H,PAN F,CHEG Y,et al.Driver Model Based on the Preview Optimal Artificial Neural Network[C].In:Proceedings of AVEC′02,2002:677-682.

[7]丁能根,冉晓凤,张宏兵.基于单点预瞄最优曲率模型的单轨车辆驾驶员模型[J].机械工程学报,2008(11):220-223,228.

[8]GUO Konghui,PAN Feng,CHENG Yang,et al.Driver Model Based on the Preview Optimal Artificial Neural Network[C].Proceeding of the International Symposium on the Advanced Vehicle Control (AVEC′02),Netherlands Lisse:Swets & Zeitlinger Publisher,2002.

[9]杨娇.考虑驾驶员行为特性的行车安全仿真试验研究[D].南京:东南大学,2012.

[10]吴超仲,张晖,毛喆,等.基于驾驶操作行为的驾驶员疲劳状态识别模型研究[J].中国安全科学学报,2007,17(4):162-165.

[11]YAMADA K,KUCHAR J K.Preliminary study of behavioral and safety effects of driver dependence on a warning system in a driving simulator[J].IEEE Transactions on Systems,Man and Cybernetics(Part A:Systems and Humans),2006,36(3):602-610．

[12]赵栓峰,徐光华.基于驾驶员模型参数辨识的疲劳驾驶研究[J].中国安全科学学报,2012,20(9):38-44．

声 明

《蚌埠学院学报》自2018年起版面作以调整，第1、3、4、6期(2、6、8、12月份20日出版)为社科版；第2、5期(4、10月份20日出刊)为自科版。

欢迎赐稿！