驾驶行为的认知计算模型研究

国家自然基金委重大研究计划"视听觉信息的认知计算"研究内容包括了驾驶行为的认知机理和无人驾驶车辆智能行为的测试内容、评价标准。本项目就是以这两部分研究内容为依据提出的。本项目以QN-MHP认知体系为整体框架，通过产生式系统实现驾驶知识的表示和认知决策，从而研究驾驶行为的认知计算模型，揭示驾驶行为的认知机理。并运用驾驶行为的认知计算模型结合调度理论实现驾驶和辅助多任务的建模，以此为基础解释和预测辅助驾驶任务对主驾驶任务的影响，发展车载系统人机交互界面和任务流程的设计方法。本项目将在模拟驾驶系统中对提出的各种方法和模型进行实验验证。在理论方面，本研究有助于对驾驶行为的科学理解,有助于揭示辅助任务对主驾驶任务的影响机理;可以为无人驾驶车辆智能行为的测试内容和评价标准提供理论依据。在应用方面，本研究提出的车载系统人机交互界面和任务流程的设计方法有助于设计更加有效的智能辅助驾驶系统,提高驾驶安全性。

驾驶员车辆控制行为的认知计算模型是智能辅助驾驶系统和智能车辆研究的前沿问题。它不仅可以帮助科学理解驾驶员的车辆控制本质，揭示辅助任务对主驾驶任务的影响机理，而且可以帮助改善车辆和辅助驾驶系统的开发过程。此外，该计算模型能够为智能辅助系统以及无人驾驶车辆控制技术的研究提供新的视野。本项目对单、多任务条件下的驾驶员车辆控制行为的认知计算模型、不同类型辅助任务对驾驶性能的影响规律和机理、以及基于驾驶员车辆控制行为认知计算模型的应用展开了研究。项目达到了预期目标，主要研究进展和成果：.1）通过融合车辆动力学、控制理论和QN认知体系，建立了驾驶员车辆控制行为认知计算模型的理论框架，在此基础上提出了一种新的驾驶员车辆控制模型，分析了模型参数对驾驶性能的影响以及和驾驶风格的关系。.2）在驾驶员车辆控制行为认知计算模型的理论框架下，通过融合多任务调度理论，建立了一种新颖的驾驶和辅助多任务条件下的驾驶员车辆控制行为认知计算模型，分析了不同类型辅助任务对驾驶性能的影响并揭示其影响机理。.3）建立了基于该认知计算模型和脑电信号的驾驶意图识别方法,也初步提出了基于该认知计算模型的汽车操纵稳定性、驾驶员干扰状态的检测方法，发展了车载系统的人机交互界面设计方法。. 这些研究成果已经发表在IEEE Transactions on Intelligent Transportation Systems等国际主流学术期刊上，也申请了国家发明专利。