随着汽车质量的日益提升,人们对驾驶舒适性的要求越来越高。在汽车产品的设计过程中,需要进行大量的人机工效分析,然而大多数的研究分析主要采用统计学方法,而这种方法费时又费力,且不易操作。因此,本文主要侧重于多种关键技术的研究,基于多种数学方法建立相应的驾驶员运动学模型,通过验证模型的结果来表明该种方法的可行性。首先,本文主要从一维和二维的角度对美国、加拿大、法国、日本和韩国这五个国家的人体尺寸的差异性进行了分析。在一维人体尺寸方面,分别从个体差异和群体差异进行了分析;在二维人体尺寸方面,建立并分析了上述五个国家人群的二维人体尺寸置信区间。通过分析表明了不同国家、不同种族的人体尺寸之间确实存在很大的差异性。其次,选取了人体尺寸中的us100、us94、us125作为预测因子,基于GS-RBF插值方法建立了各项人体尺寸的预测模型,对模型进行了误差分析,并且与传统的回归模型进行了对比,结果表明对于相关度比较好的预测变量,RBF插值和回归分析的预测效果均不错,且RBF插值要好于回归分析;当预测变量的相关度较差时,采用RBF插值方法可以大大提高预测精度。然后,基于UMTRI的生物科学实验室提供的驾驶员手伸及数据,利用回归分析法,BP和RBF神经网络法,GS-RBF和MQ-RBF插值方法分别建立了驾驶员的伸及姿势角度以及伸及困难度的预测模型,并且对这几种模型分别进行了验证和对比,验证结果表明了BP神经网络和径向基函数插值方法均优于回归分析法,而传统的回归分析的预测效果又好于RBF神经网络。且神经网络和RBF插值的预测精度与各自函数中的相关参数有关,不同类型的样本数据又会对应着不同的最佳参数值。另外,本文还选取人体尺寸(身高S、坐高H、BMI)以及目标点球坐标(、)作为自变量,利用GS-RBF插值方法建立了不同困难度下的驾驶员伸及能力界面,并且与SAE手伸及界面进行了对比,对比发现SAE手伸及界面的困难度处于中等水平。最后,基于CPM模型,通过仿真驾驶员的主要驾驶姿势,得到了不同百分位的眼椭圆,计算了95th和99th百分位眼椭圆的相关参数,并与SAE眼椭圆标准的参数进行了对比验证,表明了99th眼椭圆的仿真结果要优于95th的眼椭圆,同时表明本文的方法是可行的。