驾驶员作为人机共驾系统中重要且难以进行数学描述的一环,建立精确的驾驶员模型,更准确和更真实地刻画驾驶员的行为,对于人机共驾系统的设计、测试和评价是至关重要的。传统的驾驶员模型往往关注于特定场景下的群体性的正常驾驶行为,与智能系统和其他交通参与者的互动有限,更多关注于对交通流的分析,并不完全适用于人机共驾测试。本文从人机共驾汽车测试需求出发,针对人类驾驶员所固有的感知局限性和风险认知模糊性、驾驶行为的多元化与随机性进行了分析与建模,开展的具体工作包括:基于实测数据的驾驶特性表征与分类方法研究。为了满足人机共驾测试对于驾驶员类型多元化的要求,从驾驶技能和驾驶风格两个方面对驾驶特性进行描述。基于实测数据从驾驶员的自我评估、跟车能力和换道能力三个维度对驾驶员的驾驶技能水平进行量化评估并基于量化结果对驾驶技能水平进行聚类分析,提出了一种驾驶技能主客观分类方法。采用预设模型的标定结果代替原始数据的主成分进行驾驶风格聚类。基于实测数据对驾驶员特性进行表征与分类,为建立满足人机共驾测试所需的个性化驾驶员模型提供了理论基础和数据准备。考虑感知受限和风险评估特性的跟车行为分析与建模。对驾驶员的生理和心理特性考虑不足是制约驾驶员模型代替真实驾驶员进行L3级人机协同纵向控制算法测试的关键问题。本文提出了一种考虑驾驶员感知受限特性和风险评估特性的个性化跟车模型。对驾驶员的间距感知特性和风险评估特性进行建模,基于真实道路数据建立交通环境信息与期望加速度之间的映射关系,使所建立的模型具有参数调整灵活,物理意义清晰、可适应多种工况且精度可靠等优点。基于行车风险量化的拟人化换道行为分析与建模。考虑到换道行为的高频性和复杂性以及在这一过程可能出现的人机冲突,需要一种具有自主决策和交互能力的驾驶员换道模型用于测试人机冲突时的协同控制能力和控制权切换决策的合理性。通过分析驾驶员在换道动机生成、换道轨迹规划、换道风险评估和换道轨迹跟踪等过程中的固有特点,基于行车风险水平的不同,建立一种面向避障行为和非避障行为的驾驶员换道行为模型。基于实测数据对换道动机进行描述与辨识,探究拟人化换道轨迹的生成方法并对换道过程中的风险进行量化,实现拟人化换道过程的全链条建模。模型集成验证与测试应用。对驾驶员模型的集成化程度、个性化差异和仿真精度分别进行验证。对所建立的驾驶员模型在多车交互的复杂场景中的集成化程度进行验证,对比不同驾驶技能水平和驾驶风格的驾驶员模型之间的个性化差异,基于实测数据对所提出驾驶员模型的仿真精度进行验证。以前向碰撞预警系统为例,探究了驾驶员模型在人机共驾系统测试中的应用,测试结果表明基于驾驶员模型的人机共驾汽车测试方法可以暴露出系统的问题,并可以为后续的改进提供一定的借鉴与指导。