駕駛員轉向行為建模的研究進展

馬愛靜，毛建國，沈 ，劉 昊

（南京航空航天大學 能源與動力學院，江蘇，南京 210016）

汽車轉向系統的研究是轉向系統乃至整車操縱穩定性能研究中的基本課題，其中對轉向研究不能拋開駕駛員因素，即轉向行為因素。

從20世紀40年代起，研究者開始致力于汽車動態性方面的研究，直到20世紀50年代，汽車駕駛員的研究才得到關注。但起初，將駕駛員模型看作是駕駛員對車輛的操縱行為，基于經典控制理論的思想，將駕駛員模型看作是具有時滯性的數學傳遞函數，但早期研究將重心放在汽車特性的研究上，將人-車系統看做一般的機械運動，對人-車動力學因素中人的因素考慮有限。為此，研究者開始關注駕駛員轉向行為特點及技巧的研究。首先，基于視覺轉向機制提出的單點、兩點及多點建模方式很好地體現了駕駛員的真實駕駛特點，而且運用的模糊、神經網絡等控制方法都具有典型的現代控制技術特點。目前最新的駕駛員行為研究傾向于從人類的認知過程出發[1-2]，探尋人類駕駛員對環境、車輛本身的感知和預測，以及在此基礎上做出的決策、動作的機理。這些模型包含人類駕駛員的“感知-決策-動作”能力（例如視覺感知，神經肌肉動作、反應等）和自身的限制，所涉及的學科領域不再僅僅局限于車輛領域，而是擴大到了人機工程學、生理學、心理學等諸多領域，成為各界人士廣泛關注的焦點。

駕駛員轉向建模從不同的方面可以進行不同的分類，但從時間線索來看，各種分類方法具有緊密的內部聯系。本文主要按照有無預瞄環節將駕駛員轉向行為建模分為補償與預瞄控制兩大類。在第1、2部分中，首先分別介紹補償控制與預瞄控制的結構形式及其特點，然后針對各類模型概述分析其發展現狀與優缺點，在第3部分對駕駛員轉向行為建模進行總結與展望。

1 補償控制模型的結構形式及其發展現狀

從20世紀50年代開始，各國研究者提出了許多基于方向控制的駕駛員模型，開始主要集中于駕駛員補償控制方面的研究。為了保持理想轉向角位置，駕駛員的任務主要是糾正外部干擾。不考慮駕駛員的前視作用，直接根據車輛當前的狀態，利用控制理論和方法進行控制。

駕駛員補償跟蹤模型（Compensation Tracking Model）的結構圖如圖1所示，其輸入是當前時刻預期軌跡的信息與汽車行駛的狀態信息之間的偏差，模型假定根據前方道路信息及汽車自身狀態信息、預期軌跡與行駛軌跡的偏差進行補償校正，輸出方向盤轉角，從而實現對汽車的控制。

1.1 補償控制模型

該類模型起初主要是由McRuer等人將飛機閉環系統的研究推廣到汽車上來，后來McRuer等人發展了廣泛應用及具有實用價值的Crossover模型[3]，這是第一個描述人類自適應性的模型，而且Crossover模型引入了駕駛員的反應滯后、神經遲滯等生理特征參數，在一定程度上體現了駕駛員駕駛汽車時的某些生理和心理特征。Crossover駕駛員模型通過函數建模。

式中，K為增益；s為拉普拉斯算子；td為駕駛員反應的時間延遲；TN為神經肌肉系統固有的一階延遲；TL、TI分別為超前和滯后時間常數。

Crossover模型是通過使用側向偏離作為輸入的基本反饋模型，指出穩定閉環系統的開環傳遞函數增益在Crossover區域-20 dB/dec處減小。盡管并沒有給出一個可直接應用的模型，但它提供了一種設計準則，為建立更復雜、精密的模型奠定了基礎。

Hess[4]等人在文獻[3]的基礎上建立了一個由高頻、低頻與預瞄3部分組成的人-車-路閉環穩定的魯棒控制系統。該模型不但考慮了駕駛員對不同轉向頻率的反應特性，對其進行動態補償，而且考慮了駕駛員的身體因素，利用二階系統來描述駕駛員的手臂神經肌肉系統。

2 預瞄駕駛員模型的結構形式及其發展現狀

基于補償反饋的早期駕駛員模型，在不同速度、保持低頻特性的情形下很難確保足夠的相位角，主要是由于駕駛員的神經處理延遲限制控制的頻帶寬度。可以利用道路前向信息，通過提供理想的相位超前的方式來解決此問題，特別是針對駕駛員高速行為建模。通過預瞄駕駛員道路前方信息能預測需要的控制輸入及補償內在時間延遲。方向控制的駕駛員模型隨著控制理論的發展而不斷發展起來，出現了預瞄駕駛員模型（Preview Tracking Model）。

2.1 預瞄駕駛員模型

此類模型并不是集中于補償控制而是體現出駕駛員的預瞄跟蹤性能，更加符合駕駛員的操縱特性。此類模型考慮了駕駛員駕駛車輛時的預瞄作用，根據未來時刻汽車理想位置與預估位置的偏差進行決策，從而實現對車輛的控制。由于考慮了駕駛員的預瞄作用，這類模型無疑比前一類模型更接近實際，其模型計算精度也與實際情形比較吻合。其預瞄環節框圖，如圖2所示。

駕駛員轉向過程中視覺注意機制從20世紀90年代中期受到行為學家的關注。Land M. 等人首先提出了轉向過程中駕駛員傾向于注意彎道內側的一點，稱之為“Tangent Point”[5]。Richard M. Wilkie闡述之所以駕駛員轉向時會注視“Tangent Point”是因為該點正是駕駛員轉向行駛的“目的地”所在。

基于不同的駕駛員視覺預瞄機制可將預瞄模型分為單點預瞄、兩點預瞄及多點預瞄。

2.1.1 單點預瞄

單點預瞄駕駛員模型是對駕駛員行為的一種簡化，假設駕駛員的目光集中于一點處。通過前人的研究分析，大量文獻表明大多數學者主要針對單點預瞄開展研究，即假定駕駛員將預瞄點固定在道路前方的某一固定點，這種假設與實際經驗相當符合。

基于單點預瞄的不同轉向控制策略，從建模方式上可分為基于經典控制理論、基于模糊邏輯、神經網絡等非線性控制理論及基于認知架構的駕駛員行為建模3種建模方法。

第1階段：基于經典控制理論的駕駛員建模

早期的駕駛員轉向模型的研究，主要是針對汽車閉環穩定性分析和汽車部件設計用的，也稱為“虛擬測試駕駛員”，后來的仿真軟件如Carsim、Adams以及Simpack等便是基于這些駕駛員模型發展而來。最早研究駕駛員預瞄轉向模型可以追溯到1953年的Kondo，他建立如圖3所示的單點預瞄模型[6]，預瞄距離為L，從控制理論的角度來講，轉向控制的目的就在于將Δyp逐漸減少到0。

圖4是駕駛員模型傳遞函數示意圖，P(s)是期望軌跡到輸入軌跡的傳遞函數；H(s)代表駕駛員控制特性；G(s)是車輛的傳遞函數；B(s)是反饋模塊的傳遞函數。而后的20世紀60年代到80年代之間，McRuer、Weir、MacAdam等都嘗試對P(s)、H(s)、B(s)進行設計和優化以獲得更好的駕駛員模型[7]。

其中最典型的是MacAdam根據最優控制理論提出一種更靈活有效的單點最優預瞄模型(Optimal Preview Control，OPC)[8]。除了預瞄時間之外，此模型的參數可以直接由汽車動力學特性確定，而且由于該模型是根據軌道跟隨誤差平方和最小而推導的。假設車輛在小曲率路徑上行駛，這時車輛可以看作是一個線性模型，而且仿真結果汽車軌道跟隨精度相當高。實踐證明該模型已經投入到實際應用工程中，并被應用到Carsim、Adams等商業軟件中。

在文獻[8]的基礎上，郭孔輝院士于1982年提出了預瞄-跟隨系統理論，認為駕駛員的決策分為預瞄和補償跟隨階段，理想的跟隨控制系統是從輸入到輸出兩環節的傳遞函數之積為1，并在此基礎上建立了預瞄最優曲率模型[9]。該模型建立了模型參數與汽車操縱特性和駕駛員特性參數之間的關系，適用于小曲率情況下的轉向。隨后，提出將預瞄跟隨理論與預瞄最優曲率模型結合，對大曲率情況下的轉向行為進行了討論，指出決定預瞄策略的權函數對系統跟隨性的影響，主要在于預瞄的遠近，而權函數在預瞄區之間的變化影響是次要的，因而駕駛員常常用最簡單的“單點預瞄”來代替“區域預瞄”，從而獲得良好的系統跟隨性[10]。高振海、管欣[11-12]等人結合自適應算法，提出最優預瞄加速度決策、車輛自適應軌跡以及預瞄時間自適應等改進的駕駛員模型。

文獻[13]設計了一種基于“Tangent Point”的預瞄駕駛員轉向控制模型，通過模擬駕駛員的視覺注意機制，力求以最簡單的視覺參數作為控制的參數輸入，同時對方向盤及方向盤轉速進行決策，與大多數轉向控制相比，其轉向的控制更加合理，同時還能夠解決大曲率轉向的難題。

另外一個被廣泛應用的駕駛員轉向模型是Donges提出的兩層駕駛員模型[14]。如圖5所示，該兩層模型包含1個開環控制環節和1個閉環補償環節。開環控制層是根據當前期望軌跡曲率做出相應的轉向動作，通過測量期望軌跡的曲率和駕駛員的轉向盤角度，結合適當的評價指標獲得合適的駕駛員模型參數。Donges模型使用閉環補償控制，將實際曲率反饋到輸入端得到曲率誤差Δk，同時將航向誤差ΔΨ和側向距離誤差Δy一起作為反饋狀態。

第2階段：基于非線性控制理論的駕駛員建模

到20世紀80年代末期，隨著非線性理論的發展和成熟，人們嘗試用非線性理論來逼近駕駛員模型，其中最典型的就是模糊邏輯系統和神經網絡系統。模糊邏輯被稱作是最能模糊人類思維和決策的工具之一，并且特別適用于數學模型異常復雜的系統。

文獻[15]是基于預瞄最優曲率駕駛員模型建立的模糊PID模型，在分析駕駛員行為的基礎上，考慮到模糊控制一定程度上能表示人的思維與駕駛行為及最大預瞄距離對人-車-路系統的影響，采用最優控制的理論和方法對駕駛員閉環控制系統的穩定性進行了分析，驗證了駕駛員方向控制的能力。

文獻[17]根據“單點預瞄假設”、“預瞄-跟隨理論”及人工神經網絡的基本原理，將BP算法和遺傳算法相結合，建立了兩層前饋預瞄優化神經網絡駕駛員模型，同時基于汽車操縱動力學，獲得了可靠的訓練樣本。

文獻[18]針對駕駛員操縱的多通道、非線性的特點，利用BP神經網絡對駕駛員的操縱行為進行了建模，通過對比可以發現神經網絡駕駛員模型可以較好地跟蹤指令的變化，再現駕駛員的操縱行為。

隨著人們對車輛安全性和舒適性等駕駛體驗要求的逐步提升，對于車輛的主動安全性能和自主駕駛性能也提出了更高的要求。傳統的駕駛員模型對于人車動力學中人的因素考慮有限，因此，希望能夠建立更全面精確的體現車輛動態性及駕駛員行為特性的模型。

第3階段：基于認知架構的駕駛員建模

（1）駕駛員身體建模

駕駛員身體建模主要聚焦于神經肌肉系統（Neuromuscular System， NMS）建模。

轉向過程中神經肌肉系統的研究從20世紀60年代開始涉及。駕駛員轉向行為建模前期大量的研究主要針對如何根據預瞄和狀態量信息決策出理想的方向盤轉角，但針對具體的轉向角執行過程的建模存在不足。然而，該過程往往伴隨著慣性和時滯等因素，完全對其忽略是不合理的。現實中，駕駛員通過手臂的神經肌肉系統完成轉向，既是轉向動作的直接施加體，又是轉向路感的感知體。近期的駕駛員行為研究傾向于探尋人類駕駛員對車輛本身的感知和預測，以及在此基礎上做出的決策和實現操縱的機理。因此，神經肌肉在研究駕駛員認知方面具有重要作用，其重要性并不亞于視覺系統對駕駛員的導向性。轉向系統給駕駛員的神經肌肉力學反饋為駕駛員的轉向穩定性也提供了十分重要的線索。

為了更好地理解駕駛員轉向過程中的神經肌肉動態性，Hillc[19]及Wilkie[20]通過一種三元素模型來體現肌肉的機械特性，此模型被廣泛使用。

最早試圖去理解駕駛員神經肌肉動態性在駕駛員-車輛轉向系統中重要作用的是Modjtahedzadeh與Hess，建立的模型[21]如圖6所示，該模型考慮了駕駛員對不同轉向頻率的反應，對其動態性進行補償，建立一個由高頻、低頻與預瞄3部分組成的人-車-路閉環穩定的魯棒控制系統。其中，模塊GNM是駕駛員神經肌肉系統的二階結構形式；模塊GP1、GP2、GNM代表來源于駕駛員胳膊及肌肉組織運動的變量的反饋，主要是指人體的生理感受能力；GL代表時間延遲模塊，主要是人生理反應的延遲。

文獻[22]建立的模型包含駕駛員胳膊轉動慣量、肌肉及延長反射動態性的神經肌肉系統，而且在文獻[23]中通過試驗對駕駛員協同收縮肌肉的能力進行研究，并驗證出盡管在轉向過程中，協同收縮肌肉消耗能量，但當駕駛員轉向力矩行為并不是非常精確的時候，卻是最優的控制策略。

在文獻[22]和[23]的基礎上，Hoult等人[24]主要聚焦于肌肉內在動態性的測量及建模。

文獻[25]呈現了融合轉向力矩反饋的駕駛員模型，但是并沒有精確考慮反射動態性。

文獻[26]建立了融合神經肌肉動態性的駕駛員-車輛模型，主要關注于肌肉反射的α-γ協同激勵。

在文獻[27]中模型的基礎上，Pick等人進行了進一步的拓展，主要考慮轉向力矩反饋影響的動態性能響應與認知響應，進一步建立了認知延遲特性及α-γ協同激勵，體現肌肉低頻動態性的模型，且在驗證內在肌肉反射及其認知動態性方面都有提高[28]。

駕駛員身體建模廣泛應用于人機工程分析領域。雖然提供了與實際更接近的駕駛員模型，但是對于人類如何獲取、處理信息，還有待研究。

（2）駕駛員學習機制

駕駛員學習機制主要是闡釋人類駕駛員行為、決策和預測的內部機制，揭示人類組織知識，產生智能行為的思維運動規律。

文獻[29]提出一種帶有內部學習機制的駕駛員轉向模型，如圖7所示。內部模型將神經肌肉力學獲得的路感反饋和車輛運動狀態作為更新內膜的觸發信號，內膜對于研究駕駛員的自適應學習機制具有重要影響。對于此，行為和心理學家展開研究，最終發現內模存在于小腦中的科學事實，但是對于具體的學習機制，即駕駛員如何根據車輛的轉向動力學和運動學特性進行學習和更新，以到達適應新的轉向需求及駕駛員本身的內模形式的更新機理，有待進一步探明。

2.1.2 兩點預瞄

有關研究表明真實駕駛員并非總是采用單點預瞄的方式，很可能結合遠、近兩個預瞄點來感知前方道路信息[14]。隨著對人類視覺轉向機制研究的深入，2004年Salvucci提出了駕駛員轉向過程中是通過預瞄一個近點和一個遠點來決策轉向，通過近點獲得保持車輛行駛在道路中心，通過遠點來補償道路曲率的變化[30]。在兩層駕駛員模型[14]及Hess的模型[4]的基礎上，Sentouh提出了兩點預瞄駕駛員模型。此模型也包含兩層：預期與補償控制層，分別與遠、近兩點的點視覺角度相關，主要是通過增益產生與遠、近點視覺角度成一定比例的力矩來達到控制的目的。Salvucci模型的不足之處在于，沒有考慮視覺輸入延遲以及人體動作機制。

文獻[31]基于遠近兩點預瞄設計了一種自適應滑膜控制器，通過使用二階動態系統建立前饋內部模型可以獲得更好的轉向控制效果。

兩點預瞄方式對后期進一步研究更加符合實際的駕駛員預瞄行為有很好的借鑒意義。

2.1.3 多點預瞄

多點預瞄與區域預瞄有著密切的關系，若多點預瞄方式下的預瞄點取得足夠多，則可認為與區域預瞄方式等價。但與單點或兩點預瞄方式相比，在預瞄信息的處理，以及后續的控制器設計、優化方法上卻有較大區別。單點及兩點預瞄模型能較好地模擬駕駛員駕駛行為，但采用更多的預瞄點，可以獲得更理想的控制效果，這對于分析駕駛員的理想駕駛行為具有參考價值。

文獻[32]提出一種考慮轉向和制動的多點預瞄模糊邏輯控制裝置。該控制器通過兩個并聯的模糊邏輯控制器分別控制車輛的轉向行為和縱向行為。通過預瞄獲得左側、右側、左前方及右前方的距離信息，來決定車輛的轉向角大小及方向。

Sharp[33]提出多點預瞄路徑轉向控制方法，將道路模型與整車動力學模型組合在一起構成離散系統，利用線性二次調節理論（LQR）實現最優控制。道路模型通過采樣轉化為離散模型，其道路離散模型，如圖8所示。

3 結論

以上綜述各類駕駛員模型是從不同的研究方面劃分，可以了解到駕駛員轉向建模發展的大致情況。從最早的只考慮車輛的情形，發展到目前涉及生理、心理、控制、人機工程等眾多領域，可以看出駕駛員建模越來越注重于駕駛員駕駛時的行為、身體、心理與生理特點。

補償控制駕駛員模型雖然沒有考慮駕駛員的預瞄作用，且系統參數需要靠大量統計試驗來確定，這與駕駛員在實際駕駛時的操作過程有較大差距，不適應于快速駕駛，但為后期的研究工作奠定了堅實的基礎。

從單點預瞄方式的效果（按軌跡誤差觀點）來看，通常不比更復雜的預瞄方式差，主要是通過采用固定預瞄時間，從而確定預瞄距離，通過不斷調節預瞄時間來達到最優控制的方式，且主要是針對特定工況，不具有普遍性。而對于多點預瞄方式來說，控制精度很高，且不需要反復調整預瞄時間。但是實際駕駛過程中駕駛員并不能同時觀察或者精確地獲得如此多點的側向偏差信息。如用于汽車操縱穩定性評價，多點預瞄只需要離線設計控制器增益便可仿真，且控制精度高，但若用于無人車或其它實際應用，則存在多點預瞄信息難以獲取的困難。此時，單點預瞄信息的獲取方式顯得更加可取。

前期研究的預瞄駕駛員模型，側重于研究駕駛員在典型的場景下（雙移線、單移線等）駕駛汽車的建模，希望能夠代替駕駛員完成繁重、危險的測試任務，以期對汽車設計和改進提供幫助。在這個層面上可以說前期基于經典控制理論和非線性控制理論的駕駛員轉向模型已經能夠適應于當前的車輛研發需求。但是隨著人們不斷對車輛安全性和舒適性等駕駛體驗要求的逐步提升，對于車輛的主動安全性能和自主駕駛性能提出了更高的要求和挑戰。傳統的駕駛員模型對未知環境的自適應能力不足，對于人車動力學中的人的因素考慮有限。

就目前的駕駛員轉向建模研究進展來看，值得進一步研究的內容包括：

（1）駕駛員轉向行為建模首先根據視覺預瞄機制、狀態量信息決策出理想的方向盤轉角，但是對于駕駛員在轉向過程中究竟采用何種視覺注意機制，駕駛員如何根據各種狀態來切換注視道路的位置需要進一步探索。

（2）駕駛員如何根據車輛動力學及運動學狀態信息，經過人腦決策汽車操縱命令的過程，以及如何學習、利用多種內模進行規劃與決策，對汽車實施操縱控制，確保汽車穩定、安全行駛的報道還很匱乏。

（3）針對具體的轉向角執行過程，即神經肌肉建模也存在不足，如何通過神經肌肉力學研究，分析駕駛員在轉向操縱中的動作反應，進一步探討駕駛員轉向操縱的特點，從更深入層面開展人-車閉環操縱研究，以實現駕駛員轉向行為更加準確的建模及應用。

總之，駕駛員建模是一個多學科交叉的難題，需要用到生理學、心理學、控制論、信息論、系統論、機械、電子、計算機等眾多基礎學科的知識，其研究將促進控制理論向智能化、擬人化發展，將會把汽車產品向一個新的環保、安全、舒適的目標推進，對于實現感知、探測、規劃、決策的智能型無人駕駛車輛，對于提高汽車輔助駕駛性能都有重要作用。而以上諸多探索將是一個長期而反復的過程，其研究將會持續得到關注。

References)

[1]李力，王飛躍，鄭南寧.認知車——結合認知科學和控制理論的新研究方向[J].控制理論與應用，2011，28(2)：137-142.Li Li，Wang Feiyue，Zhang Nanning. Cognitive Vehicle：A New Research Direction Integrating Cognitive Science and Control Theory[J]. Control Theory and Applications，2011，28(2)，137-142. (in Chinese)

[2]劉雁飛，吳朝輝.駕駛ACT-R認知行為建模[J].浙江大學學報(工學版)，2006，40(10)：1657-1662.Liu Yanfei，Wu Zhaohui. Driver Behavior Modeling in ACT-R Cognitive Architecture[J]. Journal of Zhejiang University(Engineering Science)，2006，40(10)：1657-1662. (in Chinese)

[3]MCRUER D T，ALLEN R W，WEIR D H，et al. New Results in Driver Steering Control Models[J]. Human Factors，1977，19(4)，381–397.

[4]HESS R A，MODJTAHEDZADEH A. A Control Theoretic Model of Driver Steering Behavior[J]. Control Systems Magazine，1990，10(5)：3-8.

[5]LAND M，HORWOOD J. Which Parts of the Road Guide Steering[J]. Nature，1995，377(6547)：339-341.

[6]KONDO M. Directional Stability(When Steering is Added)[J]. Journal of the Society of Automotive Engineers of Japan(JSAE)，1953，7(5–6)：1-28.

[7]MACADAM C C. Understanding and Modeling the Human Driver[J]. Vehicle System Dynamics，2003，40(1–3)：101-134.

[8]MACADAM C C. Application of an Optimal Preview Control for Simulation of Closed-Loop Automobile Driving[J].Transactions on Systems，Man，and Cybernetics，1981，SMC-11(6)：393-399.

[9]郭孔輝.駕駛員-汽車閉環系統操縱運動的預瞄最優曲率模型[J]. 汽車工程，1984，6(3)：1-16.Guo Konghui. Drivers-Vehicle Close-Loop Simulation of Handling by Preselect Optimal Curvature Method[J].Automotive Engineering，1984，6(3)：1-16. (in Chinese)

[10]郭孔輝. 預瞄跟隨理論與人-車閉環系統大角度操縱運動仿真[J]. 汽車工程，1992，14(1)：1-11.Guo Konghui. Preview Follow Theory and Simulation of Large Angle Cornering Motion of a Man-Vehicle System [J].Automotive Engineering，1992，14(1)：1-11. (in Chinese)

[11]管欣，王景武，高振海.基于最優預瞄加速度決策的汽車自適應巡航控制系統[J]. 吉林大學學報，2004，34(2)：189-193.Guan Xin，Wang Jingwu，Gao Zhenhai. Vehicle Adaptive Cruise Control System Based on Optimal Preview Acceleration Decision Making[J]. Journal of Jilin University(Engineering and Technology Edition)，2004，34(2)：189-193.(in Chinese)

[12]李洪志，李亮，宋健，等.預瞄時間自適應的最優預瞄駕駛員模型[J].機械工程學報，2010，46(20)：106-111.Li Hongzhi，Li liang，Song Jian，et al. Optimal Preview Control Driver Model with Adaptive Preview Time[J].Journal of Mechanical Engineering，2010，46(20)：106-111. (in Chinese)

[13]沈峘，凌銳，李舜酩.基于預瞄最優曲率模型的大曲率轉向控制方法[J].中國機械工程，2012，23(17)：2111-2116.Shen Huan，Ling Rui，Li Shunming. Steering Control on Large Curvature Road Based on Preview Optimal Curvature Model[J]. China Mechanical Engineering，2012，23(17)：2111 - 2116. (in Chinese)

[14]DONGES E. A Two-Level Model of Driver Steering Behavior [J]. Human Factors，1978，20(6)：691-707.

[15]蔣文娟，黃海濱.基于預瞄駕駛員模型的車輛操控穩定性分析[J]. 重慶交通大學學報，2011，30(6)：1420-1424.Jiang Wenjuan，Huang Haibin. Stability Analysis for a Vehicle Control System Based on Spatial Previewed Driver Model [J]. Journal of Chongqing Jiaotong University (Natural Science)，2011，30(6)：1420-1424. (in Chinese)

[16]MACADAM C C，JOHNSON G E. Application of Elementary Neural Networks and Preview Sensors for Representing Driver Steering Control Behavior[J]. Vehicle System Dynamics，1996，25(1)：3-30.

[17]徐謹，趙又群，阮米慶.基于汽車操縱動力學的神經網絡駕駛員模型[J].動力學與控制學報，2008，6(4)：381-384.Xu Jin，Zhao Youqun，Ruan Miqing. The Artificial Neural Network Driver Model Based on Vehicle Handling Dynamics[J]. Journal of Dynamics and Control，2008，6(4)： 381-384. (in Chinese)

[18]顏世偉，高正紅.基于人工神經網絡的駕駛員操縱行為模型[J].飛行力學，2012，30(2)：105-108.Yan Shiwei，Gao Zhenghong. Research on Pilot Behavior Model Based on Artificial Neural Network[J].Flight Dynamics，2012，30(2)：105-108. (in Chinese)

[19]HILL A V，SES R S. The Heat of Shortening and the Dynamic Constants of Muscle[C]//Proceedings of the Royal Society London，Series B，UK：[s.n]，1938(76)：136-195.

[20]WILKIE D R. The Mechanical Properties of Muscle[J].British Medical Bulletin，1956，12(3)：117-182.

[21]HESS R A，MODJTAHEDZADEH A. A Model of Driver Steering Control Behavior for Use in Assessing Vehicle Handling Qualities[J]. Journal of Dynamic System，Measurement，and Control，1993，115(3)：456-464.

[22]PICK A J，COLE D J. Neuromuscular Dynamics and the Vehicle Steering Task [J]. Vehicle System Dynamics，2004(41)：182–191.

[23]PICK A J，COLE D J. Driver Steering and Muscle Activity During a Lane-Change Manoeuvre[J]. Vehicle System Dynamics，2007(45)：781–805.

[24]HOULT W，COLE D J. A Neuromuscular Model Featuring Co-activation for Use in Driver Simulation[J]. Vehicle System Dynamics，2008(46)：175–189.

[25]SENTOUH C，CHEVREL P，MARS F，et al. A Human-Centered Approach of Steering Control Modeling [C].Proceedings of 21st IAVSD Symposium on Dynamics of Vehicles on Roads and Tracks，Stockholm：[s.n]，2009.

[26]KATZOURAKIS D，DROOGENDIJK C，ABBINK D，et al. Driver Model with Visual and Neuromuscular Feedback for Objective Assessment of Automotive Steering Systems[C]. Proceedings of 10th International Symposium on Advanced Vehicle Control AVEC10，Loughborough，UK：[s.n]，2010.

[27]PICK A J，COLE D J. A Mathematical Model of Driver Steering Control Including Neuromuscular Dynamics[J].Journal of Dynamic Systems，Measurement，and Control，2008，130(031004)：1-9.

[28]DAVID J. COLE D J. A Path-Following Driver-Vehicle Model with Neuromuscular Dynamics，Including Measured and Simulated Responses to a Step in Steering Angle Overlay[J]. Vehicle System Dynamics，2012(4)：573–596.

[29]COLE D J.The Role of the Neuromuscular System[C].Presentation to Vehicle Dynamics Expo，2007.

[30]SALVUCCI D D，ROB G. A Two-Point Visual Control Model of Steering[J]. Perception，2004，33(10)：1233-1248.

[31]Shen Huan，Ling Rui，Mao Jianguo，et al. Steering Control Strategy by Two Preview Vision Cues [J]. Science China Technological Sciences，2012，55(9)：2662-2670.ZEYADA Y，EL-BEHEIRY E，EL-ARABI M，et al.

[32]Driver Modeling Using Fuzzy Logic Controls for Humanin-the-Loop Vehicle Simulations [C]. Current Advances in Mechanical Design and Production VII：Proceedings of the Seventh Cairo University International MDP Conference. Cairo，Egypt：[s.n]，2000.

[33]SHARP R S. Driver Steering Control and a New Perspective on Car Handling Qualities[J]. Journal of Mechanical Engineering Science，2005，219(10)：1041-1051.