道路交通事故占安全生产事故的80％以上，成为安全生产领域的“头号杀手”，研究证明超过95％的交通碰撞是由驾驶员错误这一因素造成的。实践证明驾驶行为研究对提高道路交通安全可以起到积极作用。驾驶行为研究一直以来广泛被人们所关注。驾驶行为研究在传统领域取得了显著进展，研究成果广泛应用于汽车工业。随着计算机科学和生命科学的崛起和迅速发展，认知科学在汽车工业中应用的研究成为新的研究热点。驾驶行为研究的重要目的之一是解决道路交通中的安全问题，孤立驾驶行为的研究无法体现驾驶行为研究的真正意义，驾驶行为模型的集成以及在交通工程实际中的应用将是驾驶行为研究的发展趋势和最终目标。本文从以下六个方面展开驾驶行为研究工作：一、安全舒适跟车驾驶行为建模跟车是最为普遍的驾驶行为，是驾驶行为典型的研究对象，跟车模型成为许多研究领域的重要基础。文章该部分以业界普遍关注焦点安全和舒适研究为切入，针对驾驶跟车情况下可能出现的安全问题以及人类生理上对紧急刹车引起的驾驶不适进行研究。该部分以基本运动学定律为理论基础，以工程实际经验数据为判据，考虑实际边界条件，阐释了跟车情况下的安全舒适模型建模过程，用实验方法验证了模型的有效性。论文引入模型的普适计算概念，阐释模型在汽车应用中的新理念。本文研究安全舒适跟车驾驶行为，旨在指出传统驾驶行为研究是驾驶行为研究的重要组成部分，它的研究成果可以作为驾驶认知行为建模的有益借鉴并在集成驾驶行为模型中应用。二、紧急情况驾驶认知行为建模紧急情况在驾驶经历中并不常见，然而极多数的交通碰撞发生在紧急情况下，因此，紧急情况的驾驶行为研究具有重要的意义。ACT-R是典型认知体系理论架构，因具有诸多优点而得到广泛应用。该部分阐述紧急情况下基于ACT-R驾驶认知行为建模过程，并通过基于模型的驾驶行为预测以及基于实验的驾驶模型验证方法验证了模型的适用性和灵活性。通过对认知体系驾驶行为建模优势的分析，论述了驾驶认知行为模型在交通安全领域的应用可以有效地建立起来并发挥重要作用。三、多任务驾驶认知行为建模通过对人类驾驶中的情景感知、事件认知与决策以及运动系统决策执行过程的分析，阐述人类这一复杂系统驾驶任务的并行多处理的事实普遍存在特性。通过采用驾驶任务分类、危险程度分级以及在ACT-R模型中引入潜意识行为处理方法，改进ACT-R模型为多生成系统、多监测模块以及多运动模块实现驾驶认知模型的多任务并行处理，不仅提高了模型的实际执行效率且模型更加符合客观真实。利用软件多线程方法实现了驾驶多任务的并行处理。通过软件模拟方法证明了改进模型对处理多任务的有效性。四、交通事故数据库驾驶行为数据挖掘基于Multi-Agent技术及KDD~*模型实现道路交通事故数据库驾驶行为相关知识的数据挖掘。Multi-Agent技术解决驾驶行为挖掘的复杂性、驾驶行为关联知识的挖掘等问题，使驾驶行为知识挖掘智能化。KDD~*模型的应用使驾驶行为知识挖掘沿着系统自动聚焦的方向定向挖掘，提高系统的整体效率。引入多线程技术、综合使用不同数据挖掘方法挖掘道路交通事故数据库中的驾驶行为相关知识。挖掘结果证明，道路交通事故数据库中基于该算法的知识挖掘是有效的，得到了有益于驾驶行为建摸研究的相关知识。五、驾驶行为模型计算机模拟与仿真软件模拟仿真是评估和分析新系统设计、系统修改、控制系统和操作规则变化有力的工具。该部分工作旨在建立驾驶模型的模拟与仿真环境，通过该环境的应用使驾驶行为建模研究更加方便和直观。文章在对现有认知体系建模工具进行分析比较的基础上阐述开发驾驶行为模拟与仿真环境的必要，并从环境构建角度描述软件的实现过程。开发软件的主要功能模块包括行为建模、模型修改、模型验证以及场景设计等模块，软件主要理论支撑包括ACT-R认知体系等。六、驾驶行为模型集成与应用集成驾驶行为模型并服务于交通工程应用，从而达到提高道路通行能力、减少交通事故的驾驶行为研究目标。该部分通过建立集成驾驶行为研究平台，并基于平台设计驾驶训练来提高驾驶员处理紧急情况的行为能力。平台的构建思想是：把驾驶行为研究、驾驶认知行为建模、驾驶行为模型实验验证、驾驶行为模型软件模拟验证以及它们最终在工程实际中的应用集成在一起，成为一个驾驶行为研究系统，实现驾驶行为研究目的是解决道路交通安全问题的问题回归。文章详细阐述了驾驶员的训练过程并对训练结果进行比较，结果证明：集成驾驶行为模型真正体现了驾驶行为研究的重要意义。