随着汽车保有量的增加,交通事故的发生率也越来越高,而这其中由驾驶员不当操作而引起的交通事故占有率达到80%。因此,现在越来越多的辅助驾驶系统被开发,以便可以辅助驾驶员完成驾驶任务,从而可以减少交通事故的发生。但是,开发人员围绕智能车辆进行辅助驾驶系统开发,在对周围物体进行态势感知时,却没有考虑到驾驶员本身。使得辅助驾驶系统在同一环境下,采取的控制策略完全相同,而不会根据驾驶人员熟练程度的不同而对控制策略进行改变。基于此,本文提出使用驾驶员的操作信号以及眼动信号,对驾驶员技能进行评估,并提出驾驶员技能评价模型,本文主要完成了以下的研究工作:(1)在驾驶员硬件在环仿真平台上,设计并搭建适合的实验场景。在Carsim和Labview联合搭建的驾驶员在环仿真平台中,搭建虚拟的道路场景,要求驾驶员戴上眼动仪,在驾驶员进行模拟驾驶时,同步采集驾驶员的眼动信号以及操作信号(转向盘转角、侧向加速度、车速),经NI的数据采集卡将这些数据进行实时传递到RT终端的VI,进而将数据共享给主机VI并进行保存,从而建立驾驶员熟练程度数据库,进而为训练驾驶员技能模型提供数据支持。(2)建立基于操作信号与眼动信号的驾驶员技能等级模型,对驾驶员技能等级识别方法进行总结,分析SVM的优缺点。先使用采集的驾驶员眼动信号对驾驶员技能进行贴标签以减少误差率。随后使用在仿真平台上采集的驾驶员操作信号(车速、转向盘转角、侧向加速度)进行驾驶员技能等级辨别,并比较使用单一操作信号以及多操作信号进行组合作为特征量的区别。结果表明,使用车速以及侧向加速度作为组合特征量时。准确率最高,达到90%。(3)建立基于操作信号的驾驶员技能等级量化模型。提出使用标准函数建立驾驶员技能等级量化模型,得出使用指数函数和线性函数有比较好的表现,从而将两者进行组合,发现在使用公式(0.3×exp(6×V)+0.7×(8×Ac)进行驾驶员技能等级量化时,可以得到很好的效果。同时也说明使用车速和侧向加速度可以得到很好的效果,也验证了第二部分的结果。