王曉原，張敬磊，張?jiān)?/p>

（山東理工大學(xué)交通與車輛工程學(xué)院智能交通研究所，山東淄博255091）

在影響交通安全的因素中，駕駛員自身的內(nèi)在因素是造成交通事故的主要因素之一，車－路－環(huán)境通過駕駛員未影響交通安全．駕駛員自身因素包括駕駛員的生理、心理特性，其中生理因素是心理因素的物質(zhì)基礎(chǔ)并最終會(huì)反映到心理特征中來．由于駕駛員個(gè)體年齡、性別、駕齡、行車經(jīng)驗(yàn)、個(gè)性等的不同而具備的不同駕駛心理特征可以歸納為駕駛員的駕駛傾向性，反映了駕駛員在車輛操作和運(yùn)動(dòng)過程中表現(xiàn)出的心理情感狀態(tài)．駕駛員生理－心理等特性對(duì)交通安全的影響主要表現(xiàn)在對(duì)駕駛傾向性的影響上．因此，將駕駛傾向性差異引入到車輛輔助駕駛系統(tǒng)能夠使系統(tǒng)更加智能的對(duì)人車實(shí)施保護(hù)，提高保護(hù)的準(zhǔn)確度，有效的避免交通事故．

駕駛員傾向性的辨識(shí)對(duì)汽車輔助駕駛及主動(dòng)安全預(yù)警系統(tǒng)的研究極為重要．汽車安全駕駛預(yù)警系統(tǒng)用于彌補(bǔ)駕駛員行車時(shí)的失誤和感官不足，在到達(dá)安全臨界條件時(shí)對(duì)駕駛員發(fā)出預(yù)警信號(hào)提醒駕駛員注意調(diào)整車輛，或自動(dòng)對(duì)車輛進(jìn)行調(diào)整以保證行車安全，是目前預(yù)防人為交通事故最為行之有效的技術(shù)設(shè)施，對(duì)改善交通安全起到重要的作用．

對(duì)于典型的安全警告系統(tǒng)，作為汽車安全駕駛預(yù)警系統(tǒng)的核心部分——碰撞預(yù)警算法，由于其中的態(tài)勢(shì)評(píng)估和意圖辨識(shí)忽略了駕駛員心理生理特性的影響，預(yù)警的有效性和準(zhǔn)確性不高，易產(chǎn)生誤報(bào)現(xiàn)象而對(duì)正常行駛造成干擾．實(shí)際行車過程中，具有不同駕駛傾向的駕駛員對(duì)于相同交通態(tài)勢(shì)做出的反應(yīng)以及反應(yīng)的程度是不同的，例如，針對(duì)駕駛傾向性偏于遲鈍的駕駛者，當(dāng)前方障礙物距離低于通常意義上的安全距離時(shí)再發(fā)出警報(bào)，雖然其可能具有減速意圖，但由于其反應(yīng)的遲滯性，可能為時(shí)已晚，預(yù)警無效；而對(duì)于駕駛傾向性偏激進(jìn)的駕駛員，其反應(yīng)通常較為靈敏，在駛近前方車輛或障礙物時(shí)，駕駛員自身確定的期望間距一般會(huì)低于普遍意義上的安全預(yù)警間距，此時(shí)車輛預(yù)警系統(tǒng)往往出現(xiàn)誤報(bào)警．產(chǎn)生這種現(xiàn)象的根本原因是系統(tǒng)在態(tài)勢(shì)評(píng)估和意圖辨識(shí)中沒能識(shí)別駕駛傾向性，預(yù)警系統(tǒng)對(duì)不同駕駛員在相同環(huán)境中的差異性缺乏認(rèn)知．再一方面，即使是同一駕駛員，其傾向性當(dāng)處于不同行駛環(huán)境中時(shí)也表現(xiàn)出較大的差異．如：平時(shí)駕駛傾向偏于普通型的駕駛員，在車流密度較大且交通流構(gòu)成復(fù)雜時(shí)可能表現(xiàn)出興奮型駕駛員的特性，而車流密度較小且交通流構(gòu)成簡(jiǎn)單時(shí)又可能出現(xiàn)偏安靜駕駛員的特征．因此，系統(tǒng)在態(tài)勢(shì)評(píng)估和意圖辨識(shí)中必須具備動(dòng)態(tài)識(shí)別駕駛傾向性及其演化規(guī)律的能力，避免誤報(bào)．

因此，如果將駕駛員特性中反映駕駛員個(gè)體差異的駕駛傾向性引入到汽車安全駕駛預(yù)警系統(tǒng)中（如圖1所示），就可以利用預(yù)先采集的駕駛員行為、車輛狀態(tài)和行駛環(huán)境歷史數(shù)據(jù)（即人車環(huán)境動(dòng)態(tài)數(shù)據(jù)）建立駕駛傾向性特征指標(biāo)體系和辨識(shí)模型，然后利用辨識(shí)模型識(shí)別駕駛員的類型，并針對(duì)不同類型的駕駛員建立個(gè)性化駕駛預(yù)警系統(tǒng)，此預(yù)警系統(tǒng)能在駕駛員采用異于常態(tài)的駕駛行為時(shí)進(jìn)行預(yù)警，并在不同駕駛傾向性間轉(zhuǎn)換時(shí)進(jìn)行不同程度的預(yù)警，實(shí)現(xiàn)對(duì)人車單元較為精確的保護(hù)．

圖1 （未）引入駕駛員傾向性的汽車安全駕駛預(yù)警系統(tǒng)

1 相關(guān)研究現(xiàn)狀

人工心理學(xué)是利用信息科學(xué)的手段，對(duì)人的心理活動(dòng)（著重人的情感意志、性格、創(chuàng)造）更全面內(nèi)容的再一次人工機(jī)器（計(jì)算機(jī)、模型算法等）實(shí)現(xiàn)，它以感覺、知覺＋情感決定行為的人腦控制模式為思路，進(jìn)行真正意義上的擬人機(jī)械研究以及人性化商品和市場(chǎng)的開發(fā)．人工情感（Artificial Emotion）是利用信息科學(xué)的手段對(duì)人類情感過程進(jìn)行模擬、識(shí)別和理解，使機(jī)器能夠產(chǎn)生類人情感并與人類自然和諧地進(jìn)行人機(jī)交互的研究領(lǐng)域［3]．所謂情感計(jì)算研究就是賦予計(jì)算機(jī)像人一樣的觀察、理解和生成各種情感特征的能力［3]．對(duì)于汽車駕駛員來說，其對(duì)環(huán)境信息的認(rèn)知及處理（即駕駛員的行為特征）是受心理情感等狀態(tài)即駕駛傾向性影響的結(jié)果．因此，駕駛傾向性的辨識(shí)屬于人工心理、情感辨識(shí)范疇．

1．1 人工心理、情感研究

人工心理是人工智能的高級(jí)階段，其利用人工智能已有的基礎(chǔ)，對(duì)人的心理活動(dòng)（尤其是情感、意志、性格、創(chuàng)造等）全面進(jìn)行人工模擬．人工心理的研究?jī)?nèi)容與情感計(jì)算和感性工學(xué)相似．情感計(jì)算的具體研究?jī)?nèi)容包括：情感機(jī)理、情感信息的獲取、情感模式識(shí)別、情感的建模與理解、情感計(jì)算的計(jì)算機(jī)實(shí)現(xiàn)等．

日本從20世紀(jì)90年代就開始了感性工學(xué)（Kansei Engineering）（即將感性與工程結(jié)合起來，在感性科學(xué)的基礎(chǔ)上，通過分析人類的感性，把人的感性情感加入到商品設(shè)計(jì)和制造中去，生產(chǎn)出“感性商品”）的研究［4]．歐盟國(guó)家也在積極地對(duì)情感信息處理技術(shù)（表情識(shí)別、情感信息測(cè)量、可穿戴計(jì)算等）進(jìn)行研究［5]．歐洲許多大學(xué)成立了情感與智能關(guān)系的研究小組，其中比較著名的有：日內(nèi)瓦大學(xué)Klaus Scherer領(lǐng)導(dǎo)的情緒研究實(shí)驗(yàn)室、布魯塞爾自由大學(xué)的D．Canamero領(lǐng)導(dǎo)的情緒機(jī)器人研究小組以及英國(guó)伯明翰大學(xué)的A．Sloman領(lǐng)導(dǎo)的Cognition and Affect Project．

我國(guó)對(duì)人工情感的研究始于20世紀(jì)90年代，大部分研究工作針對(duì)人工情感單元理論與技術(shù)實(shí)現(xiàn)．北京科技大學(xué)研究了情感計(jì)算在機(jī)器人和商品選購(gòu)系統(tǒng)的應(yīng)用．哈爾濱工業(yè)大學(xué)研究了多功能感知機(jī)，主要包括表情識(shí)別、人臉識(shí)別、人臉檢測(cè)與跟蹤、手語識(shí)別、手語合成、表情合成、唇讀等內(nèi)容．清華大學(xué)研究了基于人工情感的機(jī)器人控制體系結(jié)構(gòu)．北京交通大學(xué)進(jìn)行多功能感知機(jī)同情感計(jì)算的融合研究．中國(guó)科學(xué)院自動(dòng)化研究所主要研究基于生物特征的身份驗(yàn)證．中科院心理學(xué)所、生物所主要側(cè)重于情緒心理學(xué)與生理學(xué)關(guān)系的研究．中國(guó)科技大學(xué)開展了基于內(nèi)容的交互式感性圖像檢索的研究．中國(guó)科學(xué)院軟件所主要研究智能用戶界面．浙江大學(xué)研究E－Teatrix中虛擬人物及情緒系統(tǒng)構(gòu)造．

1．2 心理、情感辨識(shí)方法

情感計(jì)算本質(zhì)是一個(gè)典型的模式識(shí)別問題．目前國(guó)內(nèi)外與情感計(jì)算相關(guān)的研究主要包括心理、情感與行為機(jī)理、情感狀態(tài)辨識(shí)方法及在各個(gè)領(lǐng)域的應(yīng)用等方面．在擬人機(jī)械和產(chǎn)品方面，日本各大公司于近年來已開發(fā)出領(lǐng)先世界水平的情感機(jī)器人如AIBO機(jī)器狗和QRIO型情感機(jī)器人；與情感計(jì)算密切相關(guān)的可穿戴計(jì)算機(jī)的研究也迅猛發(fā)展起來；另外還有情感玩具、情感地毯（可根據(jù)腳的壓力自動(dòng)生成各種音樂等）、情感眼鏡、情感鼠標(biāo)、虛擬現(xiàn)實(shí)中的情感真實(shí)再現(xiàn)等方面的應(yīng)用．

（1）商品推薦系統(tǒng)中消費(fèi)者心理辨識(shí)方法

德國(guó)Mehrdad Jalali－Soli等人在2001年提出了基于EMBASSI系統(tǒng)的多模型購(gòu)物助手．國(guó)內(nèi)這一領(lǐng)域也慢慢展開，王志良、趙彥玲、郝春輝等人于2001年應(yīng)用人工心理理論，對(duì)人性化商品設(shè)計(jì)開發(fā)及商品選購(gòu)中的重要因素——消費(fèi)者心理進(jìn)行研究，構(gòu)建了考慮消費(fèi)者心理的數(shù)學(xué)模型，并編制了基于這個(gè)模型的商品選購(gòu)專家系統(tǒng)［9]等．

（2）遠(yuǎn)程教育領(lǐng)域中學(xué)生情感辨識(shí)方法

針對(duì)現(xiàn)代遠(yuǎn)程教育系統(tǒng)（E－learning系統(tǒng)）中缺少的學(xué)生情感辨識(shí)．馬希榮、劉琳、桑婧于2005年將E－Learning系統(tǒng)和情感計(jì)算結(jié)合在一起，提出了一個(gè)基于情感計(jì)算的E－Learning系統(tǒng)模型［10]．解迎剛、王志良于2008年結(jié)合Agent技術(shù)、情緒心理學(xué)相關(guān)理論，設(shè)計(jì)了一個(gè)基于Agent技術(shù)的ELearning系統(tǒng)，以個(gè)性化教學(xué)、情感交互及人性化智能交互為核心，實(shí)現(xiàn)了現(xiàn)代遠(yuǎn)程教育（E－learning系統(tǒng)）過程的個(gè)性化、人性化和智能化［11]等．

（3）駕駛傾向性辨識(shí)方法

駕駛傾向性反映的是時(shí)變動(dòng)態(tài)環(huán)境中汽車操作者的心理情感狀態(tài)，無法直接精確測(cè)量而只能根據(jù)駕駛過程中的間接信息進(jìn)行推測(cè)，因此是交通安全研究領(lǐng)域中的一個(gè)難點(diǎn)．以往的研究主要集中在駕駛員意圖的辨識(shí)、駕駛員性格分析及駕駛行為的預(yù)測(cè)上，絕大部分沒有涉及到時(shí)變條件下的駕駛員個(gè)性、心理、情感等及其演化規(guī)律，特別是利用時(shí)變條件下的人車環(huán)境數(shù)據(jù)對(duì)其動(dòng)態(tài)量化計(jì)算等深層次的內(nèi)容．

如在駕駛員意圖的辨識(shí)方面，瑞典學(xué)者Gunnarsson將駕駛意圖與車載信息系統(tǒng)采集得到的車輛軌跡相結(jié)合并設(shè)計(jì)了一種新的預(yù)警模型，運(yùn)用該模型的車輛主動(dòng)安全系統(tǒng)，可實(shí)時(shí)預(yù)測(cè)發(fā)生交通事故時(shí)車輛周邊交通狀況［12]；希臘學(xué)者Tsogas應(yīng)用D－S證據(jù)理論研究駕駛員在駕車過程中的決策類型，并通過調(diào)查駕駛員的真實(shí)意圖來優(yōu)化模型的意圖識(shí)別能力［13]；Tarek Taha等使用部分可觀性馬爾科夫決策過程（Partially Observable Markov Decision Processes，POMDPs）來進(jìn)行大范圍的操作者意圖識(shí)別并將其應(yīng)用到新型輔助輪椅駕駛系統(tǒng)中［14]；其他學(xué)者如美國(guó)加州大學(xué)圣迭戈分校Trivedi、Shinko Yuanhsien Cheng、我國(guó)學(xué)者宗長(zhǎng)富、王玉海、何忠波等也從其它多個(gè)角度對(duì)駕駛員意圖進(jìn)行了分析等．

情感是人類具有智能的一個(gè)重要體現(xiàn)，然而如何通過情感來提高Agent的智能性已成為亟待解決的關(guān)鍵問題．余臘生、何滿慶于2009年在綜述跟馳模型研究的基礎(chǔ)上，對(duì)司機(jī)駕駛行為中與人的因素有關(guān)的經(jīng)典模型及其研究進(jìn)展進(jìn)行評(píng)述，提出未來智能交通流中應(yīng)充分考慮司機(jī)情感對(duì)智能車輛建模與仿真的影響，以期正確地揭示出交通流的特性和本質(zhì)［19]．

2 已有研究不足及發(fā)展趨勢(shì)

通過對(duì)已有研究成果的分析，可得到如下結(jié)論：

（1）心理、情感是可以進(jìn)行量化研究的．國(guó)內(nèi)外的研究已經(jīng)在個(gè)性機(jī)器人、個(gè)性化商品導(dǎo)購(gòu)系統(tǒng)、遠(yuǎn)程情感數(shù)字化教學(xué)系統(tǒng)等方面取得了成果并得到了應(yīng)用，說明心理及情感可以進(jìn)行量化并可以進(jìn)行準(zhǔn)確的辨識(shí)．

（2）不同領(lǐng)域情感辨識(shí)在研究方法上存在較大的差別．不同領(lǐng)域的情感由于表現(xiàn)形式不同，所使用的方法也不一樣．各個(gè)領(lǐng)域的情感辨識(shí)方法可以相互借鑒，但不能完全照搬．

（3）以往涉及駕駛員心理情感等方面相對(duì)微觀的研究很少，且主要側(cè)重于探討駕駛員特性及其對(duì)駕駛行為的影響、以及從人車環(huán)境等因素出發(fā)對(duì)駕駛行為的推導(dǎo)和預(yù)測(cè)上．但是反過來，從人車環(huán)境多源信息出發(fā)推演駕駛員特性，特別是駕駛傾向性等更深刻的問題卻極少考慮．而這一問題，對(duì)汽車駕駛安全，從主動(dòng)安全預(yù)警，到黑匣子分析系統(tǒng)，都極為重要．

（4）汽車駕駛傾向性的研究尚處于起步階段．以往研究多集中于在相對(duì)靜態(tài)條件下從交通安全宏觀角度進(jìn)行的駕駛員心理測(cè)量及其對(duì)道路交通安全的影響分析等方面，有少數(shù)研究成果將駕駛員的個(gè)體差異引入到了汽車主動(dòng)安全系統(tǒng)的理論研究中，但沒有對(duì)如何識(shí)別駕駛員的個(gè)體差異做出詳細(xì)研究．由于駕駛員、車輛、行駛環(huán)境等因素都存在個(gè)體顯著差異，而不同因素的動(dòng)態(tài)組合導(dǎo)致系統(tǒng)的極端復(fù)雜性，因此駕駛員傾向性的動(dòng)態(tài)辨識(shí)極其復(fù)雜．駕駛傾向性機(jī)理如圖2所示．

圖2 駕駛傾向性機(jī)理

目前駕駛傾向性辨識(shí)的研究存在以下不足：

a．缺乏面向汽車安全駕駛預(yù)警系統(tǒng)的駕駛傾向性研究．現(xiàn)在已有駕駛意圖識(shí)別方面的研究，而更進(jìn)一步的駕駛員傾向性辨識(shí)及其對(duì)意圖識(shí)別和態(tài)勢(shì)評(píng)估影響方面的研究少見報(bào)道，缺乏具有較強(qiáng)識(shí)別能力和自適應(yīng)能力的駕駛傾向性動(dòng)態(tài)辨識(shí)模型．

b．駕駛傾向性識(shí)別方法單一，用于辨識(shí)駕駛傾向性的信息不夠全面．目前文獻(xiàn)大多采用相對(duì)靜態(tài)的普通心理測(cè)量方式，沒有考慮與時(shí)變環(huán)境中駕駛行為、車輛狀態(tài)和行駛環(huán)境的歷史信息聯(lián)系起來協(xié)同推理．駕駛傾向性反映的是駕駛員在車輛操作和運(yùn)動(dòng)過程中表現(xiàn)出的心理情感狀態(tài)，采用傳統(tǒng)靜態(tài)研究方法必然導(dǎo)致對(duì)駕駛傾向性辨識(shí)這一基本科學(xué)問題認(rèn)識(shí)的不足．

針對(duì)汽車安全駕駛預(yù)警系統(tǒng)中的駕駛傾向性辨識(shí)，具體研究?jī)?nèi)容包括：揭示駕駛員行為、車輛狀態(tài)以及行駛環(huán)境與駕駛傾向性之間的對(duì)應(yīng)機(jī)制；運(yùn)用心理測(cè)量、模擬駕駛、計(jì)算機(jī)仿真與實(shí)車道路實(shí)驗(yàn)相結(jié)合等手段，開展汽車駕駛傾向性的度量、建模、辨識(shí)等理論和方法研究，從而準(zhǔn)確、快速識(shí)別各種駕駛傾向；探討利用人車環(huán)境動(dòng)態(tài)數(shù)據(jù)榨取用于表征駕駛傾向性特征向量和指標(biāo)體系的方法，進(jìn)而建立駕駛傾向性辨識(shí)模型．

［1] 王志良．人工心理［M] ．北京：機(jī)械工業(yè)出版社，2007．

［2] 楊國(guó)亮．人工心理相關(guān)技術(shù)研究［D] ．北京：北京科技大學(xué)，2006．

［3] 王志良，祝長(zhǎng)生，解侖．人工情感［M] ．北京：機(jī)械工業(yè)出版社，2009．

［4] Ann H，Picard R W．Affective－cognitive learning and decision making：a motivational reward framework for affective agents［C] ／／The 1st International Conference on Affective Computing and Intelligent Interaction，ACII 2005．Beijing：China，2005：866－873．

［5] Ward R D，Marsden P H．Affective computing：problems，reactions and intentions［J] ．Interacting with Computers，2004，6（4）：707－713．

［6] 張迎輝，林學(xué)誾．情感可以計(jì)算——情感計(jì)算綜述［J] ．計(jì)算機(jī)科學(xué)，2008，35（5）：5－8．

［7] De Freitas J S，Queiroz J．Artificial emotions：are we ready for them［C] ／／9th European Conference on Advance in Artificial Life，ECAL 2007．Lisbon：Portugal，2007：223－232．

［8] Zadeh S H，Shouraki S B，Halavati R．Artificial emotions forartificial systems［C] ／／2008AAAI Spring Symposium．Stanford，CA：United states，2008：46－49．

［9] 王志良，趙彥玲，都春輝，等．采用人工心理理論的商品選購(gòu)專家系統(tǒng)［J] ．北京科技大學(xué)學(xué)報(bào)，2001，23（4）：376－378．

［10] 馬希榮，劉琳，桑婧．基于情感計(jì)算的E－Learning系統(tǒng)建模［J] ．計(jì)算機(jī)科學(xué)，2005，32（8）：131－133．

［11] 解迎剛．基于人工心理的智能化E－Learning系統(tǒng)研究［D] ．北京：北京科技大學(xué)，2007．

［12] Gunnarsson J，Svensson L，Bengtssont F．Joint driver intention classification and tracking of vehicles［C] ／／Nonlinear Statistical Signal Processing Workshop．Cambridge：United Kingdom，2006：95－98．

［13] Tsogas M，Polychronopoulos A，F(xiàn)loudas N．Situation refinement for vehicle maneuver identification and driver’s intention prediction［C] ／／2007 10th International Conference，IEEE，2007：1－8．

［14] Taha T，Miro J V，Dissanayake G．Wheelchair driver assistance and intention prediction using POMDPs［C] ／／2007International Conference on Intelligent Sensors，Sensor Networks and Information Processing，ISSNIP．Melbourne，VIC：Australia，2007：449－454．

［15] Trivedi M M．Driver intent interface and dynamic displays for active safety：an overview of selected recent studies［C] ／／SICE（Society of Instrument and Control Engineers）Annual Conference，SICE 2007．Takamatsu：Japan，2007：2402－2403．

［16] 宗長(zhǎng)富，楊肖，王暢，等．汽車轉(zhuǎn)向時(shí)駕駛員駕駛意圖辨識(shí)與行為預(yù)測(cè)［J] ．吉林大學(xué)學(xué)報(bào)：工學(xué)版，2009，39（s1）：27－32．

［17] 王玉海，宋健，李興坤．基于模糊推理的駕駛員意圖識(shí)別研究［J] ．公路交通科技，2005，22（12）：113－118．

［18] 何忠波，白鴻柏，孔慶春，等．基于駕駛員意圖的AMT車輛控制研究［J] ．軍械工程學(xué)院學(xué)報(bào)，2005，17（3）：24－28．

［19] 余臘生，何滿慶．基于Agent和情感計(jì)算的司機(jī)駕駛行為模型研究［J] ．企業(yè)技術(shù)開發(fā)，2009，28（3）：19－21．

［20] 馬艷，王令，郭華．駕駛員交通心理劃分與個(gè)性化訓(xùn)練研究［J] ．公路交通科技，2008，25（9）：363－366．

［21] Barrett G V B，Thornton C L．Relationship between perceptual style and driver reaction to an emergency situation［J] ．Journal of Applied Psychology，1968，52（2）：169－176．

［22] 王曉原．基于心理物理綜合認(rèn)知結(jié)構(gòu)的微觀交通仿真模型［J] ．計(jì)算機(jī)仿真，2005，22（11）：233－236．

［23] Fang C Y，F(xiàn)uh C S，Yen P S，Cherng S，et al An automatic road sign recognition system based on a computational model of human recognition processing［J] ．Computer Vision and Image Understanding，2004，96（2）：237－268．

［24] 王曉原，楊新月．基于決策樹的不同駕駛行為決策機(jī)制研究［J] ．系統(tǒng)仿真學(xué)報(bào)．2008，20（2）：415－420．

［25] 吳超仲，馬曉鳳，嚴(yán)新平．考慮駕駛員反應(yīng)能力的跟馳模型［J] ．武漢理工大學(xué)學(xué)報(bào)（交通工程與科學(xué)版）2007，31（4）：630－632．

［26] Kumaqai T，Akamatsu M．Prediction of human driving behavior using dynamic bayesian networks［C] ／／IEICE Transactions on Information and Systems，2006：857－860．

［27] 王海林，劉仲國(guó)，朱凱曼．影響汽車駕駛員行車安全的內(nèi)在因素分析［J] ．汽車安全，2002，（1）：33－35．

［28] 馬艷麗，王要武．駕駛員注意分配特性及其對(duì)行車安全的影響［J] ．交通運(yùn)輸工程學(xué)報(bào)，2009，9（4）：115－117．

［29] 王建強(qiáng)，遲瑞娟，張磊，等．適應(yīng)駕駛員特性的汽車追尾報(bào)警－避撞算法［J] ．公路交通科技，2009，26（s1）：8－12．

［30] Abe G，Richardson J．Alarm Timing Trust and Driver Expectation for Forward Collision Warning System［J] ．Applied Ergonomics，2006，37（5）：577－586．