道路安全问题目前已经成为整个社会不能忽视的问题。驾驶次任务通常被看做是相对于控制车辆、保持车道、监控道路状况等主驾驶任务而言与驾驶无关或不直接相关的其它任务。这些任务通常会因为在不同程度上占用驾驶员的视觉资源、认知资源和动作资源,分散驾驶员的注意力而被视作对驾驶行为产生负面作用的行为。许多研究都已经证明车内次任务严重影响着驾驶员的驾驶绩效和交通安全,各种辅助型智能交通系统终端的负面评价也不乐观。但随着智能交通系统的发展,利用辅助型工具提高驾驶效率又势在必行。本文从驾驶任务和驾驶行为入手,对影响驾驶员驾驶行为的因素进行分析,通过对信息加工模型的分析总结出驾驶员的注意分配模型,并根据知觉的加工模型建立以用户为中心的注意资源优化分配模型,通过提高视觉信息加工的效率从而达到优化分配注意资源的目的。根据多资源理论提出通过听觉通道转换视觉通道的信息的辅助型驾驶次任务。通过在虚拟驾驶平台上的眼动实验对这种辅助型驾驶次任务对驾驶主任务的辅助能力进行验证。对于驾驶员来说,主动介入次任务时,在考虑其对驾驶效率是否有提升效果的同时,还必须考虑驾驶员对这种方式的主观满意度。本文对驾驶员驾驶行为的分析归纳出了影响驾驶员驾驶行为的视觉因素,通过KANO模型的用户研究方法,对部分辅助型驾驶次任务的用户需求进行分析。