驾驶员转向行为建模的研究进展

马爱静，毛建国，沈 ，刘 昊

（南京航空航天大学 能源与动力学院，江苏，南京 210016）

汽车转向系统的研究是转向系统乃至整车操纵稳定性能研究中的基本课题，其中对转向研究不能抛开驾驶员因素，即转向行为因素。

从20世纪40年代起，研究者开始致力于汽车动态性方面的研究，直到20世纪50年代，汽车驾驶员的研究才得到关注。但起初，将驾驶员模型看作是驾驶员对车辆的操纵行为，基于经典控制理论的思想，将驾驶员模型看作是具有时滞性的数学传递函数，但早期研究将重心放在汽车特性的研究上，将人-车系统看做一般的机械运动，对人-车动力学因素中人的因素考虑有限。为此，研究者开始关注驾驶员转向行为特点及技巧的研究。首先，基于视觉转向机制提出的单点、两点及多点建模方式很好地体现了驾驶员的真实驾驶特点，而且运用的模糊、神经网络等控制方法都具有典型的现代控制技术特点。目前最新的驾驶员行为研究倾向于从人类的认知过程出发[1-2]，探寻人类驾驶员对环境、车辆本身的感知和预测，以及在此基础上做出的决策、动作的机理。这些模型包含人类驾驶员的“感知-决策-动作”能力（例如视觉感知，神经肌肉动作、反应等）和自身的限制，所涉及的学科领域不再仅仅局限于车辆领域，而是扩大到了人机工程学、生理学、心理学等诸多领域，成为各界人士广泛关注的焦点。

驾驶员转向建模从不同的方面可以进行不同的分类，但从时间线索来看，各种分类方法具有紧密的内部联系。本文主要按照有无预瞄环节将驾驶员转向行为建模分为补偿与预瞄控制两大类。在第1、2部分中，首先分别介绍补偿控制与预瞄控制的结构形式及其特点，然后针对各类模型概述分析其发展现状与优缺点，在第3部分对驾驶员转向行为建模进行总结与展望。

1 补偿控制模型的结构形式及其发展现状

从20世纪50年代开始，各国研究者提出了许多基于方向控制的驾驶员模型，开始主要集中于驾驶员补偿控制方面的研究。为了保持理想转向角位置，驾驶员的任务主要是纠正外部干扰。不考虑驾驶员的前视作用，直接根据车辆当前的状态，利用控制理论和方法进行控制。

驾驶员补偿跟踪模型（Compensation Tracking Model）的结构图如图1所示，其输入是当前时刻预期轨迹的信息与汽车行驶的状态信息之间的偏差，模型假定根据前方道路信息及汽车自身状态信息、预期轨迹与行驶轨迹的偏差进行补偿校正，输出方向盘转角，从而实现对汽车的控制。

1.1 补偿控制模型

该类模型起初主要是由McRuer等人将飞机闭环系统的研究推广到汽车上来，后来McRuer等人发展了广泛应用及具有实用价值的Crossover模型[3]，这是第一个描述人类自适应性的模型，而且Crossover模型引入了驾驶员的反应滞后、神经迟滞等生理特征参数，在一定程度上体现了驾驶员驾驶汽车时的某些生理和心理特征。Crossover驾驶员模型通过函数建模。

式中，K为增益；s为拉普拉斯算子；td为驾驶员反应的时间延迟；TN为神经肌肉系统固有的一阶延迟；TL、TI分别为超前和滞后时间常数。

Crossover模型是通过使用侧向偏离作为输入的基本反馈模型，指出稳定闭环系统的开环传递函数增益在Crossover区域-20 dB/dec处减小。尽管并没有给出一个可直接应用的模型，但它提供了一种设计准则，为建立更复杂、精密的模型奠定了基础。

Hess[4]等人在文献[3]的基础上建立了一个由高频、低频与预瞄3部分组成的人-车-路闭环稳定的鲁棒控制系统。该模型不但考虑了驾驶员对不同转向频率的反应特性，对其进行动态补偿，而且考虑了驾驶员的身体因素，利用二阶系统来描述驾驶员的手臂神经肌肉系统。

2 预瞄驾驶员模型的结构形式及其发展现状

基于补偿反馈的早期驾驶员模型，在不同速度、保持低频特性的情形下很难确保足够的相位角，主要是由于驾驶员的神经处理延迟限制控制的频带宽度。可以利用道路前向信息，通过提供理想的相位超前的方式来解决此问题，特别是针对驾驶员高速行为建模。通过预瞄驾驶员道路前方信息能预测需要的控制输入及补偿内在时间延迟。方向控制的驾驶员模型随着控制理论的发展而不断发展起来，出现了预瞄驾驶员模型（Preview Tracking Model）。

2.1 预瞄驾驶员模型

此类模型并不是集中于补偿控制而是体现出驾驶员的预瞄跟踪性能，更加符合驾驶员的操纵特性。此类模型考虑了驾驶员驾驶车辆时的预瞄作用，根据未来时刻汽车理想位置与预估位置的偏差进行决策，从而实现对车辆的控制。由于考虑了驾驶员的预瞄作用，这类模型无疑比前一类模型更接近实际，其模型计算精度也与实际情形比较吻合。其预瞄环节框图，如图2所示。

驾驶员转向过程中视觉注意机制从20世纪90年代中期受到行为学家的关注。Land M. 等人首先提出了转向过程中驾驶员倾向于注意弯道内侧的一点，称之为“Tangent Point”[5]。Richard M. Wilkie阐述之所以驾驶员转向时会注视“Tangent Point”是因为该点正是驾驶员转向行驶的“目的地”所在。

基于不同的驾驶员视觉预瞄机制可将预瞄模型分为单点预瞄、两点预瞄及多点预瞄。

2.1.1 单点预瞄

单点预瞄驾驶员模型是对驾驶员行为的一种简化，假设驾驶员的目光集中于一点处。通过前人的研究分析，大量文献表明大多数学者主要针对单点预瞄开展研究，即假定驾驶员将预瞄点固定在道路前方的某一固定点，这种假设与实际经验相当符合。

基于单点预瞄的不同转向控制策略，从建模方式上可分为基于经典控制理论、基于模糊逻辑、神经网络等非线性控制理论及基于认知架构的驾驶员行为建模3种建模方法。

第1阶段：基于经典控制理论的驾驶员建模

早期的驾驶员转向模型的研究，主要是针对汽车闭环稳定性分析和汽车部件设计用的，也称为“虚拟测试驾驶员”，后来的仿真软件如Carsim、Adams以及Simpack等便是基于这些驾驶员模型发展而来。最早研究驾驶员预瞄转向模型可以追溯到1953年的Kondo，他建立如图3所示的单点预瞄模型[6]，预瞄距离为L，从控制理论的角度来讲，转向控制的目的就在于将Δyp逐渐减少到0。

图4是驾驶员模型传递函数示意图，P(s)是期望轨迹到输入轨迹的传递函数；H(s)代表驾驶员控制特性；G(s)是车辆的传递函数；B(s)是反馈模块的传递函数。而后的20世纪60年代到80年代之间，McRuer、Weir、MacAdam等都尝试对P(s)、H(s)、B(s)进行设计和优化以获得更好的驾驶员模型[7]。

其中最典型的是MacAdam根据最优控制理论提出一种更灵活有效的单点最优预瞄模型(Optimal Preview Control，OPC)[8]。除了预瞄时间之外，此模型的参数可以直接由汽车动力学特性确定，而且由于该模型是根据轨道跟随误差平方和最小而推导的。假设车辆在小曲率路径上行驶，这时车辆可以看作是一个线性模型，而且仿真结果汽车轨道跟随精度相当高。实践证明该模型已经投入到实际应用工程中，并被应用到Carsim、Adams等商业软件中。

在文献[8]的基础上，郭孔辉院士于1982年提出了预瞄-跟随系统理论，认为驾驶员的决策分为预瞄和补偿跟随阶段，理想的跟随控制系统是从输入到输出两环节的传递函数之积为1，并在此基础上建立了预瞄最优曲率模型[9]。该模型建立了模型参数与汽车操纵特性和驾驶员特性参数之间的关系，适用于小曲率情况下的转向。随后，提出将预瞄跟随理论与预瞄最优曲率模型结合，对大曲率情况下的转向行为进行了讨论，指出决定预瞄策略的权函数对系统跟随性的影响，主要在于预瞄的远近，而权函数在预瞄区之间的变化影响是次要的，因而驾驶员常常用最简单的“单点预瞄”来代替“区域预瞄”，从而获得良好的系统跟随性[10]。高振海、管欣[11-12]等人结合自适应算法，提出最优预瞄加速度决策、车辆自适应轨迹以及预瞄时间自适应等改进的驾驶员模型。

文献[13]设计了一种基于“Tangent Point”的预瞄驾驶员转向控制模型，通过模拟驾驶员的视觉注意机制，力求以最简单的视觉参数作为控制的参数输入，同时对方向盘及方向盘转速进行决策，与大多数转向控制相比，其转向的控制更加合理，同时还能够解决大曲率转向的难题。

另外一个被广泛应用的驾驶员转向模型是Donges提出的两层驾驶员模型[14]。如图5所示，该两层模型包含1个开环控制环节和1个闭环补偿环节。开环控制层是根据当前期望轨迹曲率做出相应的转向动作，通过测量期望轨迹的曲率和驾驶员的转向盘角度，结合适当的评价指标获得合适的驾驶员模型参数。Donges模型使用闭环补偿控制，将实际曲率反馈到输入端得到曲率误差Δk，同时将航向误差ΔΨ和侧向距离误差Δy一起作为反馈状态。

第2阶段：基于非线性控制理论的驾驶员建模

到20世纪80年代末期，随着非线性理论的发展和成熟，人们尝试用非线性理论来逼近驾驶员模型，其中最典型的就是模糊逻辑系统和神经网络系统。模糊逻辑被称作是最能模糊人类思维和决策的工具之一，并且特别适用于数学模型异常复杂的系统。

文献[15]是基于预瞄最优曲率驾驶员模型建立的模糊PID模型，在分析驾驶员行为的基础上，考虑到模糊控制一定程度上能表示人的思维与驾驶行为及最大预瞄距离对人-车-路系统的影响，采用最优控制的理论和方法对驾驶员闭环控制系统的稳定性进行了分析，验证了驾驶员方向控制的能力。

文献[17]根据“单点预瞄假设”、“预瞄-跟随理论”及人工神经网络的基本原理，将BP算法和遗传算法相结合，建立了两层前馈预瞄优化神经网络驾驶员模型，同时基于汽车操纵动力学，获得了可靠的训练样本。

文献[18]针对驾驶员操纵的多通道、非线性的特点，利用BP神经网络对驾驶员的操纵行为进行了建模，通过对比可以发现神经网络驾驶员模型可以较好地跟踪指令的变化，再现驾驶员的操纵行为。

随着人们对车辆安全性和舒适性等驾驶体验要求的逐步提升，对于车辆的主动安全性能和自主驾驶性能也提出了更高的要求。传统的驾驶员模型对于人车动力学中人的因素考虑有限，因此，希望能够建立更全面精确的体现车辆动态性及驾驶员行为特性的模型。

第3阶段：基于认知架构的驾驶员建模

（1）驾驶员身体建模

驾驶员身体建模主要聚焦于神经肌肉系统（Neuromuscular System， NMS）建模。

转向过程中神经肌肉系统的研究从20世纪60年代开始涉及。驾驶员转向行为建模前期大量的研究主要针对如何根据预瞄和状态量信息决策出理想的方向盘转角，但针对具体的转向角执行过程的建模存在不足。然而，该过程往往伴随着惯性和时滞等因素，完全对其忽略是不合理的。现实中，驾驶员通过手臂的神经肌肉系统完成转向，既是转向动作的直接施加体，又是转向路感的感知体。近期的驾驶员行为研究倾向于探寻人类驾驶员对车辆本身的感知和预测，以及在此基础上做出的决策和实现操纵的机理。因此，神经肌肉在研究驾驶员认知方面具有重要作用，其重要性并不亚于视觉系统对驾驶员的导向性。转向系统给驾驶员的神经肌肉力学反馈为驾驶员的转向稳定性也提供了十分重要的线索。

为了更好地理解驾驶员转向过程中的神经肌肉动态性，Hillc[19]及Wilkie[20]通过一种三元素模型来体现肌肉的机械特性，此模型被广泛使用。

最早试图去理解驾驶员神经肌肉动态性在驾驶员-车辆转向系统中重要作用的是Modjtahedzadeh与Hess，建立的模型[21]如图6所示，该模型考虑了驾驶员对不同转向频率的反应，对其动态性进行补偿，建立一个由高频、低频与预瞄3部分组成的人-车-路闭环稳定的鲁棒控制系统。其中，模块GNM是驾驶员神经肌肉系统的二阶结构形式；模块GP1、GP2、GNM代表来源于驾驶员胳膊及肌肉组织运动的变量的反馈，主要是指人体的生理感受能力；GL代表时间延迟模块，主要是人生理反应的延迟。

文献[22]建立的模型包含驾驶员胳膊转动惯量、肌肉及延长反射动态性的神经肌肉系统，而且在文献[23]中通过试验对驾驶员协同收缩肌肉的能力进行研究，并验证出尽管在转向过程中，协同收缩肌肉消耗能量，但当驾驶员转向力矩行为并不是非常精确的时候，却是最优的控制策略。

在文献[22]和[23]的基础上，Hoult等人[24]主要聚焦于肌肉内在动态性的测量及建模。

文献[25]呈现了融合转向力矩反馈的驾驶员模型，但是并没有精确考虑反射动态性。

文献[26]建立了融合神经肌肉动态性的驾驶员-车辆模型，主要关注于肌肉反射的α-γ协同激励。

在文献[27]中模型的基础上，Pick等人进行了进一步的拓展，主要考虑转向力矩反馈影响的动态性能响应与认知响应，进一步建立了认知延迟特性及α-γ协同激励，体现肌肉低频动态性的模型，且在验证内在肌肉反射及其认知动态性方面都有提高[28]。

驾驶员身体建模广泛应用于人机工程分析领域。虽然提供了与实际更接近的驾驶员模型，但是对于人类如何获取、处理信息，还有待研究。

（2）驾驶员学习机制

驾驶员学习机制主要是阐释人类驾驶员行为、决策和预测的内部机制，揭示人类组织知识，产生智能行为的思维运动规律。

文献[29]提出一种带有内部学习机制的驾驶员转向模型，如图7所示。内部模型将神经肌肉力学获得的路感反馈和车辆运动状态作为更新内膜的触发信号，内膜对于研究驾驶员的自适应学习机制具有重要影响。对于此，行为和心理学家展开研究，最终发现内模存在于小脑中的科学事实，但是对于具体的学习机制，即驾驶员如何根据车辆的转向动力学和运动学特性进行学习和更新，以到达适应新的转向需求及驾驶员本身的内模形式的更新机理，有待进一步探明。

2.1.2 两点预瞄

有关研究表明真实驾驶员并非总是采用单点预瞄的方式，很可能结合远、近两个预瞄点来感知前方道路信息[14]。随着对人类视觉转向机制研究的深入，2004年Salvucci提出了驾驶员转向过程中是通过预瞄一个近点和一个远点来决策转向，通过近点获得保持车辆行驶在道路中心，通过远点来补偿道路曲率的变化[30]。在两层驾驶员模型[14]及Hess的模型[4]的基础上，Sentouh提出了两点预瞄驾驶员模型。此模型也包含两层：预期与补偿控制层，分别与远、近两点的点视觉角度相关，主要是通过增益产生与远、近点视觉角度成一定比例的力矩来达到控制的目的。Salvucci模型的不足之处在于，没有考虑视觉输入延迟以及人体动作机制。

文献[31]基于远近两点预瞄设计了一种自适应滑膜控制器，通过使用二阶动态系统建立前馈内部模型可以获得更好的转向控制效果。

两点预瞄方式对后期进一步研究更加符合实际的驾驶员预瞄行为有很好的借鉴意义。

2.1.3 多点预瞄

多点预瞄与区域预瞄有着密切的关系，若多点预瞄方式下的预瞄点取得足够多，则可认为与区域预瞄方式等价。但与单点或两点预瞄方式相比，在预瞄信息的处理，以及后续的控制器设计、优化方法上却有较大区别。单点及两点预瞄模型能较好地模拟驾驶员驾驶行为，但采用更多的预瞄点，可以获得更理想的控制效果，这对于分析驾驶员的理想驾驶行为具有参考价值。

文献[32]提出一种考虑转向和制动的多点预瞄模糊逻辑控制装置。该控制器通过两个并联的模糊逻辑控制器分别控制车辆的转向行为和纵向行为。通过预瞄获得左侧、右侧、左前方及右前方的距离信息，来决定车辆的转向角大小及方向。

Sharp[33]提出多点预瞄路径转向控制方法，将道路模型与整车动力学模型组合在一起构成离散系统，利用线性二次调节理论（LQR）实现最优控制。道路模型通过采样转化为离散模型，其道路离散模型，如图8所示。

3 结论

以上综述各类驾驶员模型是从不同的研究方面划分，可以了解到驾驶员转向建模发展的大致情况。从最早的只考虑车辆的情形，发展到目前涉及生理、心理、控制、人机工程等众多领域，可以看出驾驶员建模越来越注重于驾驶员驾驶时的行为、身体、心理与生理特点。

补偿控制驾驶员模型虽然没有考虑驾驶员的预瞄作用，且系统参数需要靠大量统计试验来确定，这与驾驶员在实际驾驶时的操作过程有较大差距，不适应于快速驾驶，但为后期的研究工作奠定了坚实的基础。

从单点预瞄方式的效果（按轨迹误差观点）来看，通常不比更复杂的预瞄方式差，主要是通过采用固定预瞄时间，从而确定预瞄距离，通过不断调节预瞄时间来达到最优控制的方式，且主要是针对特定工况，不具有普遍性。而对于多点预瞄方式来说，控制精度很高，且不需要反复调整预瞄时间。但是实际驾驶过程中驾驶员并不能同时观察或者精确地获得如此多点的侧向偏差信息。如用于汽车操纵稳定性评价，多点预瞄只需要离线设计控制器增益便可仿真，且控制精度高，但若用于无人车或其它实际应用，则存在多点预瞄信息难以获取的困难。此时，单点预瞄信息的获取方式显得更加可取。

前期研究的预瞄驾驶员模型，侧重于研究驾驶员在典型的场景下（双移线、单移线等）驾驶汽车的建模，希望能够代替驾驶员完成繁重、危险的测试任务，以期对汽车设计和改进提供帮助。在这个层面上可以说前期基于经典控制理论和非线性控制理论的驾驶员转向模型已经能够适应于当前的车辆研发需求。但是随着人们不断对车辆安全性和舒适性等驾驶体验要求的逐步提升，对于车辆的主动安全性能和自主驾驶性能提出了更高的要求和挑战。传统的驾驶员模型对未知环境的自适应能力不足，对于人车动力学中的人的因素考虑有限。

就目前的驾驶员转向建模研究进展来看，值得进一步研究的内容包括：

（1）驾驶员转向行为建模首先根据视觉预瞄机制、状态量信息决策出理想的方向盘转角，但是对于驾驶员在转向过程中究竟采用何种视觉注意机制，驾驶员如何根据各种状态来切换注视道路的位置需要进一步探索。

（2）驾驶员如何根据车辆动力学及运动学状态信息，经过人脑决策汽车操纵命令的过程，以及如何学习、利用多种内模进行规划与决策，对汽车实施操纵控制，确保汽车稳定、安全行驶的报道还很匮乏。

（3）针对具体的转向角执行过程，即神经肌肉建模也存在不足，如何通过神经肌肉力学研究，分析驾驶员在转向操纵中的动作反应，进一步探讨驾驶员转向操纵的特点，从更深入层面开展人-车闭环操纵研究，以实现驾驶员转向行为更加准确的建模及应用。

总之，驾驶员建模是一个多学科交叉的难题，需要用到生理学、心理学、控制论、信息论、系统论、机械、电子、计算机等众多基础学科的知识，其研究将促进控制理论向智能化、拟人化发展，将会把汽车产品向一个新的环保、安全、舒适的目标推进，对于实现感知、探测、规划、决策的智能型无人驾驶车辆，对于提高汽车辅助驾驶性能都有重要作用。而以上诸多探索将是一个长期而反复的过程，其研究将会持续得到关注。

References)

[1]李力，王飞跃，郑南宁.认知车——结合认知科学和控制理论的新研究方向[J].控制理论与应用，2011，28(2)：137-142.Li Li，Wang Feiyue，Zhang Nanning. Cognitive Vehicle：A New Research Direction Integrating Cognitive Science and Control Theory[J]. Control Theory and Applications，2011，28(2)，137-142. (in Chinese)

[2]刘雁飞，吴朝辉.驾驶ACT-R认知行为建模[J].浙江大学学报(工学版)，2006，40(10)：1657-1662.Liu Yanfei，Wu Zhaohui. Driver Behavior Modeling in ACT-R Cognitive Architecture[J]. Journal of Zhejiang University(Engineering Science)，2006，40(10)：1657-1662. (in Chinese)

[3]MCRUER D T，ALLEN R W，WEIR D H，et al. New Results in Driver Steering Control Models[J]. Human Factors，1977，19(4)，381–397.

[4]HESS R A，MODJTAHEDZADEH A. A Control Theoretic Model of Driver Steering Behavior[J]. Control Systems Magazine，1990，10(5)：3-8.

[5]LAND M，HORWOOD J. Which Parts of the Road Guide Steering[J]. Nature，1995，377(6547)：339-341.

[6]KONDO M. Directional Stability(When Steering is Added)[J]. Journal of the Society of Automotive Engineers of Japan(JSAE)，1953，7(5–6)：1-28.

[7]MACADAM C C. Understanding and Modeling the Human Driver[J]. Vehicle System Dynamics，2003，40(1–3)：101-134.

[8]MACADAM C C. Application of an Optimal Preview Control for Simulation of Closed-Loop Automobile Driving[J].Transactions on Systems，Man，and Cybernetics，1981，SMC-11(6)：393-399.

[9]郭孔辉.驾驶员-汽车闭环系统操纵运动的预瞄最优曲率模型[J]. 汽车工程，1984，6(3)：1-16.Guo Konghui. Drivers-Vehicle Close-Loop Simulation of Handling by Preselect Optimal Curvature Method[J].Automotive Engineering，1984，6(3)：1-16. (in Chinese)

[10]郭孔辉. 预瞄跟随理论与人-车闭环系统大角度操纵运动仿真[J]. 汽车工程，1992，14(1)：1-11.Guo Konghui. Preview Follow Theory and Simulation of Large Angle Cornering Motion of a Man-Vehicle System [J].Automotive Engineering，1992，14(1)：1-11. (in Chinese)

[11]管欣，王景武，高振海.基于最优预瞄加速度决策的汽车自适应巡航控制系统[J]. 吉林大学学报，2004，34(2)：189-193.Guan Xin，Wang Jingwu，Gao Zhenhai. Vehicle Adaptive Cruise Control System Based on Optimal Preview Acceleration Decision Making[J]. Journal of Jilin University(Engineering and Technology Edition)，2004，34(2)：189-193.(in Chinese)

[12]李洪志，李亮，宋健，等.预瞄时间自适应的最优预瞄驾驶员模型[J].机械工程学报，2010，46(20)：106-111.Li Hongzhi，Li liang，Song Jian，et al. Optimal Preview Control Driver Model with Adaptive Preview Time[J].Journal of Mechanical Engineering，2010，46(20)：106-111. (in Chinese)

[13]沈峘，凌锐，李舜酩.基于预瞄最优曲率模型的大曲率转向控制方法[J].中国机械工程，2012，23(17)：2111-2116.Shen Huan，Ling Rui，Li Shunming. Steering Control on Large Curvature Road Based on Preview Optimal Curvature Model[J]. China Mechanical Engineering，2012，23(17)：2111 - 2116. (in Chinese)

[14]DONGES E. A Two-Level Model of Driver Steering Behavior [J]. Human Factors，1978，20(6)：691-707.

[15]蒋文娟，黄海滨.基于预瞄驾驶员模型的车辆操控稳定性分析[J]. 重庆交通大学学报，2011，30(6)：1420-1424.Jiang Wenjuan，Huang Haibin. Stability Analysis for a Vehicle Control System Based on Spatial Previewed Driver Model [J]. Journal of Chongqing Jiaotong University (Natural Science)，2011，30(6)：1420-1424. (in Chinese)

[16]MACADAM C C，JOHNSON G E. Application of Elementary Neural Networks and Preview Sensors for Representing Driver Steering Control Behavior[J]. Vehicle System Dynamics，1996，25(1)：3-30.

[17]徐谨，赵又群，阮米庆.基于汽车操纵动力学的神经网络驾驶员模型[J].动力学与控制学报，2008，6(4)：381-384.Xu Jin，Zhao Youqun，Ruan Miqing. The Artificial Neural Network Driver Model Based on Vehicle Handling Dynamics[J]. Journal of Dynamics and Control，2008，6(4)： 381-384. (in Chinese)

[18]颜世伟，高正红.基于人工神经网络的驾驶员操纵行为模型[J].飞行力学，2012，30(2)：105-108.Yan Shiwei，Gao Zhenghong. Research on Pilot Behavior Model Based on Artificial Neural Network[J].Flight Dynamics，2012，30(2)：105-108. (in Chinese)

[19]HILL A V，SES R S. The Heat of Shortening and the Dynamic Constants of Muscle[C]//Proceedings of the Royal Society London，Series B，UK：[s.n]，1938(76)：136-195.

[20]WILKIE D R. The Mechanical Properties of Muscle[J].British Medical Bulletin，1956，12(3)：117-182.

[21]HESS R A，MODJTAHEDZADEH A. A Model of Driver Steering Control Behavior for Use in Assessing Vehicle Handling Qualities[J]. Journal of Dynamic System，Measurement，and Control，1993，115(3)：456-464.

[22]PICK A J，COLE D J. Neuromuscular Dynamics and the Vehicle Steering Task [J]. Vehicle System Dynamics，2004(41)：182–191.

[23]PICK A J，COLE D J. Driver Steering and Muscle Activity During a Lane-Change Manoeuvre[J]. Vehicle System Dynamics，2007(45)：781–805.

[24]HOULT W，COLE D J. A Neuromuscular Model Featuring Co-activation for Use in Driver Simulation[J]. Vehicle System Dynamics，2008(46)：175–189.

[25]SENTOUH C，CHEVREL P，MARS F，et al. A Human-Centered Approach of Steering Control Modeling [C].Proceedings of 21st IAVSD Symposium on Dynamics of Vehicles on Roads and Tracks，Stockholm：[s.n]，2009.

[26]KATZOURAKIS D，DROOGENDIJK C，ABBINK D，et al. Driver Model with Visual and Neuromuscular Feedback for Objective Assessment of Automotive Steering Systems[C]. Proceedings of 10th International Symposium on Advanced Vehicle Control AVEC10，Loughborough，UK：[s.n]，2010.

[27]PICK A J，COLE D J. A Mathematical Model of Driver Steering Control Including Neuromuscular Dynamics[J].Journal of Dynamic Systems，Measurement，and Control，2008，130(031004)：1-9.

[28]DAVID J. COLE D J. A Path-Following Driver-Vehicle Model with Neuromuscular Dynamics，Including Measured and Simulated Responses to a Step in Steering Angle Overlay[J]. Vehicle System Dynamics，2012(4)：573–596.

[29]COLE D J.The Role of the Neuromuscular System[C].Presentation to Vehicle Dynamics Expo，2007.

[30]SALVUCCI D D，ROB G. A Two-Point Visual Control Model of Steering[J]. Perception，2004，33(10)：1233-1248.

[31]Shen Huan，Ling Rui，Mao Jianguo，et al. Steering Control Strategy by Two Preview Vision Cues [J]. Science China Technological Sciences，2012，55(9)：2662-2670.ZEYADA Y，EL-BEHEIRY E，EL-ARABI M，et al.

[32]Driver Modeling Using Fuzzy Logic Controls for Humanin-the-Loop Vehicle Simulations [C]. Current Advances in Mechanical Design and Production VII：Proceedings of the Seventh Cairo University International MDP Conference. Cairo，Egypt：[s.n]，2000.

[33]SHARP R S. Driver Steering Control and a New Perspective on Car Handling Qualities[J]. Journal of Mechanical Engineering Science，2005，219(10)：1041-1051.