人机共驾智能汽车紧急工况下的驾驶员应激反应.pdf

江苏大學学报（自然科学版）JOURNAL OFJIANGSUUNIVERSITY(Natural Science Edition)D0I:10.3969/j.issn.1671 7775.2023.05.0012023年9 月第44卷第5期Sept.2023Vol.44No.5开放科学（资源服务）标识码（OSID）：人机共驾智能汽车紧急工况下的驾驶员应激反应袁朝春，夏林，陈龙，JIE Shen，何友国l（1.江苏大学汽车工程研究院，江苏镇江2 12 0 13；2 密西根大学迪尔本分校计算机科学与信息科学系，密西根州迪尔本MI48128)摘要：基于L2-L3级别智能汽车在人机共驾工况下驾驶员的认知特征，建立人机共驾智能汽车紧急工况下的驾驶员应激转向模型，该模型反映了驾驶员在应激过度状态下的转向特性.通过应激转向曲线中转向盘转角幅值与转向频率之间的拟合关系来表征驾驶员的应激程度.考虑高速大转角下的车身侧倾，并引入非线性轮胎模型，建立3自由度非线性整车动力学模型，通过侧向加速度的跟踪仿真对驾驶员应激转向模型进行验证.结果表明：驾驶员在应激过度行为下会使车辆产生过度的前轮转角；模型输出结果和实车试验结果有较好的匹配度，模型可以描述驾驶员应激转向特征.关键词：智能汽车；驾驶员模型；人机共驾；驾驶员应激反应；车辆非线性动力学模型中图分类号：U461.1文章编号：16 7 1-7 7 7 5(2 0 2 3)0 5-0 49 7-0 8引文格式：袁朝春，夏林，陈龙，等人机共驾智能汽车紧急工况下的驾驶员应激反应J.江苏大学学报（自然科学版），2023,44(5):497 504.Driver stress response of human-vehicle co-drivingintelligent vehicle under emergency conditions文献标志码：AYUAN Chaochun,XIA Lin,CHEN Long,JIE Shen?,HE Youguo(1.Automotive Engineering Research Institute,Jiangsu University,Zhenjiang,Jiangsu 212013,China;2.Department of Computer andInformation Science,University of Michigan-Dearborn,Dearborn,Michigan MI 48128,USA)Abstract:Based on the cognitive characteristics of drivers in L2-L3 level intelligent vehicles under thecondition of human-vehicle co-driving,a stress steering model for drivers was established under theemergency conditions of human-vehicle co-driving intelligent vehicles.The steering characteristics ofdrivers in the overstressed state were reflected by the model.The degree of driver stress was characterizedby the fiing relationship between steering wheel angle amplitude and steering frequency in the stresssteering curve.Considering the body roll under high speed and large turning angles,a nonlinear tiremodel was introduced to establish three-degree-of-freedom nonlinear vehicle dynamics model.The driverstress steering model was verified by tracking the simulation of lateral acceleration.The results indicatethat drivers in the state of excessive stress can cause excessive front wheel turning of vehicle.The modeloutput results are well consistent with the actual vehicle test results,and the model can describe thedriver stress steering characteristics.收稿日期：2 0 2 1-10-2 5基金项目：国家自然科学基金资助项目（52 17 2 346）作者简介：袁朝春（19 7 8 一），男，江苏徐州人，教授，博士生导师（yuancc_），主要从事车辆主动安全研究.夏“林（19 9 9），男，河南驻马店人，硕士研究生（9 7 8 315433 ），主要从事人机共驾智能汽车稳定性研究。498江苏大学学报（自然科学版）第44卷Key words:intelligent vehicle;driver model;human-vehicle co-driving;driver stress response;nonlinear dynamics model of vehicle近年来，智能汽车成为汽车工业发展的新热潮.根据美国汽车工程师学会（society of automotiveengineers,SAE）对于智能汽车进行的等级划分，当前的智能汽车处于L2-L3级别,属于人机共驾智能汽车,即系统在一定程度上辅助驾驶员进行驾驶.由于在系统辅助驾驶下的交通事故频发，这对人机共驾智能汽车安全性与驾驶员特性研究提出了新的要求.目前,国内外已经有许多学者将研究的目光投人到了人机共驾智能汽车的安全性上.在人机共驾系统中,驾驶员仍处于车辆驾驶权的主导地位，所以对于驾驶员的研究是其中的重点.根据美国国家公路交通安全管理局（nationalhighwaytrafficsafetyadministration，NH T SA）统计数据显示，约有2 5%30%的道路交通事故是由于驾驶员分心造成.而在人机共驾系统中，系统辅助驾驶是造成驾驶员分心的主要原因2-3。一些学者对人机共驾系统中驾驶员的状态进行了研究.J.NILOSSON等4 通过估计驾驶员当前驾驶能力以及车辆当前运动状态搭建了车辆驾驶权切换的安全评估模型，对驾驶员的驾驶状态进行了量化，确定了车辆驾驶权安全切换的准则.A.HUESMANN等5 分别从可控性与安全性2 个方面对辅助驾驶系统的驾驶权进行了评估.林庆峰等 基于二元Logistics 回归模型以及实车试验数据建立了L3级智能汽车驾驶权接管的安全性评价模型，分析了驾驶权切换过程中安全性的影响因素.刘文丽7 从驾驶员的角度出发，分析了人机共驾系统中驾驶员的分心程度与生理指标对于车辆运动状态的影响，建立了基于车辆运动状态反馈的驾驶员驾驶能力评估模型.但以上研究均是针对正常驾驶环境下驾驶员的状态进行评估，没有考虑紧急工况下驾驶员的应激反应.在驾驶员转向模型的研究中，目前主流是基于预瞄跟踪的驾驶员转向模型，该模型较少考虑紧急避撞时驾驶员的转向特征，但是当前方出现障碍物时,有相当比例的驾驶员首先采取转向进行避撞8-9 .在驾驶员紧急转向避撞研究中,通常将驾驶员转向行为模拟为正弦曲线10 .朱西产等1 基于自然驾驶数据建立了驾驶员紧急转向变道避撞开环模型,分析了驾驶员在紧急变道过程中的转向行为参数.吕爱红等12 对驾驶员认知分心时的应激反应特征进行分析，通过驾驶模拟器得到驾驶员应激状态下的操作行为.关于驾驶员紧急转向避撞的研究中，大多针对传统汽车驾驶员的转向行为进行研究.根据驾驶员应激场景下的特征分析，人机共驾环境下的驾驶员由于认知分心，在紧急工况下更易出现应激驾驶行为13.当车辆处于辅助驾驶状态正常行驶时，驾驶员分心并不会影响车辆正常驾驶，但在紧急工况下，分心状态下驾驶员认知分心导致面对突发事件时的反应程度加剧12】,此时,驾驶员易出现过度的驾驶行为，使车辆处于危险行驶工况.笔者针对人机共驾智能汽车紧急工况下的驾驶员应激转向进行建模研究，分析驾驶员应激状态下的驾驶行为特征，并建立整车动力学模型对驾驶员应激转向模型进行验证.1人机共驾驾驶员应激转向模型驾驶员的驾驶行为决定了车辆的动力学响应，驾驶员在应激状态下，由于应激过度产生的驾驶行为可能让车辆处于危险工况.为了分析驾驶员应激驾驶行为特征，建立人机共驾智能汽车驾驶员应激转向模型,基于实车试验数据对其参数进行拟合与量化.作如下假设：紧急工况下驾驶员采取应激避撞时，车辆纵向速度不变，驾驶员仅采用转向行为进行避撞；不考虑转向系统传动机构的机械损失，即转向盘转角与车辆前轮转角间满足线性关系.1.1驾驶员应激转向模型的建立根据人机共驾智能汽车驾驶员注意力机制研究 以及驾驶员分心状态下的应激反应研究,驾驶员在紧急工况下会出现应激过度驾驶行为，此时较正常驾驶行为有1个过度值.前轮将会产生过度的前轮转角,2 种不同的前轮转角所对应的理想转向避撞路径与应激转向避撞路径对比如图1所示.1图1理想避撞路径与应激避撞路径避撞区域理想避撞路径应激避撞路径499第5期袁朝春等：人机共驾智能汽车紧急工况下的驾驶员应激反应根据理想避撞路径与应激避撞路径对比，建立如下人机共驾智能汽车驾驶员应激转向模型：.w-urgen=(1+h.)wmn in(wugent),(1)式中：Sw-urgen为车辆应激避撞前轮转角；k。为驾驶员应激程度；sw-min为车辆理想避撞前轮转角，是驾驶员避免碰撞所需最小前轮转角;wurgen为驾驶员应激状态下转向角速度；t为驾驶员转向时间.车辆在理想避撞路径下，前轮转角与车辆质心转过的避撞角度关系如图2 所示,其中：为理想避撞路径下车辆质心转过的避撞角度；L,为车辆质心与前方障碍物的距离;L,为车辆避撞所需要的最小横向距离,在理想避撞路径下,取L,=3.5m;R为车辆的转向半径.1.2#驾驶员应激转向试验已假设转向盘转角与前轮转角呈线性关系，因此,通过采集转向盘转角数据来确定驾驶员应激状态下的转向行为特征.采用南京某车企智能汽车试验平台，试验场地为封闭道路.试验中模拟驾驶员的不同应激状态，在与前方障碍物距离相同的条件下，通过转向盘转角传感器采集不同应激状态下驾驶员操纵转向盘进行转向避撞时转向特征的变化情况，包括转向盘转角幅值以及转向频率，以此确定驾驶员应激程度与转向特征之间的关系.试验所采用的转向盘转角传感器如图4所示，该传感器采集周期为0.1 s.一理想避撞轨迹RLxR图4转向盘转角传感器图2 车辆理想避撞路径试验条件如下：路面为附着系数=0.8的平直一保持直行在理想避撞路径下，车辆前轮转角一般较小，假设车辆以理想路径进行转向避撞时整车的动力学响应处于线性范围内，将车辆简化为单轨车辆模型,如图3所示,其中L为车辆的轴距.Osw-minROsw-min图3转向半径与前轮转角的关系由图3可知,转向半径与前轮转角间的关系为LR=-sin Osw-min在理想避撞路径下,前轮转角可视为关于L的函数：L,+L,sin Owminf(L,ow-min)/4L-(L,+L.)sin0win柏油路面；车速为6 0 km/h.分别选取保持直行、理想转向避撞以及5组不同应激程度的应激转向避撞数据进行对比，转向盘转角对比曲线如图5所示.L12080（。）/回转4040-8050图5不同避撞情况下转向盘转角对比曲线为了研究转向盘转角幅值与转向频率之间的关系,以理想转向避撞曲线为例,将该曲线在时间(2)轴上划分为3个不同的阶段，如图6 所示,3个阶段分别对应转向盘转向、转向盘回正以及转向盘修正3个阶段,对应的时间间隔分别为t、t 2、t 3.根据图6,驾驶员操作转向盘完成转向时间t1，则驾驶员转向避撞时的转向频率为(4)(3)4t理想转向避撞应激转向避撞1一应激转向避撞2一应激转向避撞3应激转向避撞4应激转向避撞524时间/s6810500江苏大学学报（自然科学版）第44卷4030(.)/回20100-10-20-3006040200-20-4001006020-20-60010080（。转舞回转604020F00.10.200.30.40.50.60.70.8转向频率/Hz图8 转向盘转角与转向频率的变化关系拟合结果从图8 可以看出：驾驶员应激转向避撞时，转向盘转角的幅值与转向频率之间呈线性关系，即车辆应激避撞前轮转角与驾驶员转向角速度之间呈线性关系：1500sw-urgentSsw-urgent根据式(5)可以得到车辆应激避撞前轮转角与驾驶员转向角速度之间的对应关系.根据前文中理想转向避撞路径下车辆前轮转角与前方障碍物距离之间的函数关系可知,车辆理想转向避撞所需的前轮转角可由车辆与前方障碍物的距离确定.根据前轮转角与转向盘转角的线性对应关系，即驾驶员理想转向角速度确定.因此，驾驶员的应激转向角选取试验中不同转向频率下几种典型的驾驶员应激转向避撞曲线与理想转向避撞曲线进行对比，结果如图7 所示.随着驾驶员应激程度的增大，驾驶员操纵转向盘的转向频率随之加快,转向盘转角幅值增大，由于驾驶员应激而产生的转角过度值t1t224时间/s图6 转向阶段划分一理想转向避撞-应激转向避撞12846时间/s(a)转向频率为0.2 Hz一理想转向避撞应激转向避撞24时间/s(c)转向频率为0.4 Hz图7 典型应激转向与理想转向避撞的转向盘转角对比曲线(5)2元3H66增大.为了进一步确定转向盘转角幅值与驾驶员转向81010810频率之间的关系,对试验中各组数据的转向盘转角幅值与转向频率的比值进行拟合，结果如图8 所示.60(.)/电40200-20-40012080400-40-800速度就代表了此时驾驶员的应激程度，驾驶员的应激程度为Wsw-urgent-Osw-nin,k=Wsw-min1.3#驾驶员应激转向模型输出对比通过将驾驶员应激程度、驾驶员应激转向频率与转向盘转角之间线性关系的拟合结果代入到驾驶员应激转向模型中，将模型输出曲线与实车试验采集的数据曲线进行对比，验证拟合结果的有效性.分别选取转向频率为0.2、0.3、0.4、0.5Hz的工况进行对比，结果如图9 所示，在车辆转向阶段，模型输出曲线与试验数据曲线吻合程度较好，转向盘转角幅值与转向频率误差较小.利用MATLAB中矩阵相关性系数对相同转向频率下的2 组数据进行相关性检验，模型输出数据与实车试验数据相关性分别达到0.9 8 18、0.9 7 8 6、0.9 6 12、0.9 535,因此，所建立的模型可以很好地描述驾驶员应激转向避撞时的转向特征；在车辆回正阶段，由于车辆在高速行驶状态下已经避开障碍物，驾驶员在回正阶段会选择适当减缓转向频率以及转角幅度，因此,在回正阶段模型输出的转向盘转角幅值略大于试验数据114.一理想转向避撞-应激转向避撞24时间/s(b)转向频率为0.3 Hz一理想转向避撞-应激转向避撞24时间/s(d)转向频率为0.5 Hz66881010(6)501第5期袁朝春等：人机共驾智能汽车紧急工况下的驾驶员应激反应40200-20-40080(.)/转回400-40-8001.4驾驶员应激转向模型对比试验为了验证所建立的驾驶员应激转向模型的准确性,选取现有的驾驶员紧急转向避撞模型 进行对比试验,并基于自然驾驶数据所建立的驾驶员紧急变道行为开环模型，选择同一转向频率下的转向曲线进行对比，如图10 所示.实车试验数据与2 个模型的相关性检验结果分别达到0.9 8 47、0.9 6 34.结果表明：在考虑驾驶员应激反应的情况下，本研究建立的驾驶员应激转向模型与实车试验数据较现有的驾驶员紧急转向避撞模型具有更高的相关性，可以更好地描述驾驶员应激状态下的转向特性.3020（。）/电转回转100-1020-300图10 试验及模型输出的转向盘转角曲线对比2驾驶员应激转向模型验证建立整车非线性转向动力学模型进行仿真，将驾驶员应激转向模型的输出作为整车动力学模型的输人参数,车辆转向时产生的侧向加速度作为输出参数，将整车动力学模型输出的侧向加速度与相同转向频率下实车试验数据中的侧向加速度进行对比.2.1整车转向动力学模型为了准确地描述驾驶员应激转向下车辆的动50一试验(.)/转回模型输出301010-3012-5046时间/s(a)转向频率为0.2 Hz一试验模型输出24时间/s(c)转向频率为0.4 Hz图9 转向盘转角试验数据曲线与模型输出曲线对比图11车辆行驶坐标系82试验一本研究的模型一文献11 的模型1024时间/s一试验模型输出10080(.)/转回400-40-8068682(b)转向频率为0.3 Hz100力学响应特征，建立SAE标准车辆行驶坐标系，如图11所示.由于在高速大转角下，车身外侧悬架处于压缩状态，内侧悬架处于拉伸状态，车身侧倾量较大，所以建立包含车身侧倾运动的3自由度转向动力学模型，如图12 所示.Z4X4uum,ayV-bFy3(a）车辆2 自由度动力学模型图12 车辆3自由度转向动力学模型图12 中：F为车辆第i个轮胎的侧偏力，i=1，2,3,4;8，为车轮转角;；为车轮侧偏角;u为纵向速度;u为横向速度;u,为车辆实际速度；为质心侧偏角;为横摆角速度;为车辆质心到前轴距离;b为车辆质心到后轴距离；m。为车辆簧上质量；g为重力加速度；,为侧向加速度；h为簧上质量质心到x轴距离;h。为车辆质心高度;为车身侧倾角度.3个自由度分别为车身绕x轴的侧倾运动、车4时间/s24时间/s(d)转向频率为0.5 Hz1F6一试验模型输出68VF.(b)车辆侧倾动力学模型1010OheF2502江苏大学学报（自然科学版）第44卷(16)身沿轴的侧向运动以及车身绕z轴的横摆运动.运动学方程如下：mu(+w)-m,h=(Fy+F2)cos S+F,a+F4,I,i=a(Fy+F,2)cos-b(Fyg+F,4),(8)I.+C,+K.p=m.u(+w)h+m.ghp,(9)式中：m为整车质量；8 为车辆前轮转角;l.为车辆绕z轴转动惯量;I为车辆绕轴转动惯量；C.为车辆悬架侧倾阻尼；K，为车辆悬架侧倾刚度.2.2非线性轮胎模型由于车辆在高速大转角的极限转向工况下，轮胎的侧偏角和侧偏力不再处于线性关系范围内，轮胎的动力学响应呈强非线性的特征，为了更好地描述轮胎非线性工况下的运动特性，需建立轮胎动力学模型.为了便于整车转向动力学模型的计算，选用多项式平方轮胎模型，对极限转向工况下的车辆轮胎进行建模，建立的模型为Fyi=uK;i,K,=C,iFs,+C,F,i=1,2,3,4,j=f,r,(11)式中：K,为第i个轮胎的等效侧偏刚度；Ci、Cj z 为经验常数;F,为第i个轮胎的垂向载荷；f、r 为车辆前、后轮。假设4个轮胎的物理特性相同,同轴两侧轮胎的侧偏角相等,那么前、后轴轮胎的侧偏角分别为a)-8,f+uba车辆发生侧倾时，由于车辆簧上质量的质心偏移，产生的侧倾力矩为AM=m,uoh.车辆发生侧倾时，各个轮胎由于载荷转移而发(7)生的垂向载荷变化为mgbm,uah.bFz1F22F232LFmgam,uoh.a2L24式中：d为车辆轮距.2.3整车非线性转向动力学模型将非线性轮胎模型代人整车动力学模型中得整车非线性动力学模型的一阶自治非线性方程组：x=f(x1,2,x,).(17)(10)选取该非线性系统的状态参数向量X=,或X=,系统的控制参数 P=uT,可得整车非线性转向动力学模型为if=Au+A12+A13x2+Aj4x2+A1s/2+A1gt2+A17x3+A1s4,4262，x3=x4,(12)i4=Aa+Aax+As2+Aut+Asit+As+(15)2LdLmgb十m,uoh.b2LdLmgam,uoh.adLdL24u(13)车辆未发生侧倾时，各个轮胎的垂向载荷为mgbFi=F2222Lmgaz3二F242LA47X;+A48X4,式中：A1-A48为车辆的结构参数.2.4驾驶员应激转向模型验证(14)在Simulink中搭建驾驶员应激转向模型与整车非线性动力学模型，如图13所示.(18)ay2u1inl纵向距离in2转向频率FyIuF侧向力子模型Fy驾驶员模型outl图13驾驶员应激转向模型与整车非线性动力学模型u3ay车辆转向动力学模型503第5期袁朝春等：人机共驾智能汽车紧急工况下的驾驶员应激反应保持整车非线性动力学模型系统控制参数中的车速与路面附着系数不变,将驾驶员应激转向模型中输出的转向盘转角作为整车动力学的输人，将整车模型中车辆侧向加速度作为输出参数.选取实车试验时车辆侧向加速度数据与相同转向频率下的整车动力学模型输出的侧向加速度进行对比，验证所建立驾驶员模型的有效性.转向频率分别为0.3、0.4H z 下的侧向加速度对比验证如图14所示.0.80.6F8/回0.4F0.200.2-0.4-0.600.80.4F02-0.4-0.80图14侧向加速度对比验证曲线从图14可以看出：以驾驶员应激转向模型为输入的整车动力学模型输出的侧向加速度与实车试验中相同转向频率下所测得的侧向加速度数据在转向阶段吻合度较好，回正阶段略有误差.借助该模型,通过驾驶员的转向频率可以预测车辆可能产生的前轮转角以及车辆转向过程中的车辆动力学响应.3 结 论1）建立驾驶员应激转向模型，该模型反映驾驶员应激状态下的转向特性，包括转向频率与转角幅值.2）通过实车试验，对比不同应激状态下驾驶员转向特性，对驾驶员应激转向模型参数进行量化.结果表明,驾驶员应激程度与转向频率呈正相关，与转角幅值呈线性关系.3）根据相关性系数原理，对驾驶员应激转向模型输出曲线与实车试验转向曲线进行相关性检验.检验结果表明：模型与实车数据有较高的相关性，模型输出的驾驶员应激转向曲线具有较高的准确性.4）建立整车3自由度非线性动力学模型，以驾驶员应激转向模型为输入，整车动力学中侧向加速度为输出，将侧向加速度与实车试验侧向加速度进行对比.结果表明：模型输出的侧向加速度与实车试验侧向加速度误差较小，在转向避撞阶段，转向曲线吻合程度高.可以借助该模型，通过驾驶员应激转向频率预测车辆前轮转角以及车辆动力学响应.一试验仿真24时间/s(a)转向频率为0.3 Hz24时间/s(b)转向频率为0.4 Hz5）所建立的人机共驾智能汽车驾驶员应激转向模型可以较好地描述驾驶员在应激状态下的转向特性，为后续人机共驾智能汽车紧急转向避撞的稳定性研究提供了参考。68一试验.仿真681010参考文献(References)1马艳丽，顾高峰，高月娥。基于驾驶绩效的车载信息系统操作分心判定模型J中国公路学报，2 0 16,2 9(4):123-129.MA Y L,GU G F,GAO Y E.Driver distraction judgingmodel under in-vehicle information system operationbased on driving performance J.China Journal ofHighway and Transport,2016,29(4):123-129.(inChinese)2HANSEN J H L,BUSSO C,ZHENG Y,et al.Drivermodeling for detection and assessment of driver distrac-tion:examples from the UTDrive test bed J.IEEESignal Processing Magazine,2017,34(4):130-142.3张新锋,左思，田圣哲基于人机共驾的车道保持驾驶辅助系统J重庆理工大学学报（自然科学），2021,35(3):1-9.ZHANG X F,ZUO S,TIAN S Z.Lane keeping assis-tance system based on man-machine mutual driving J.Journal of Chongqing University of Technology(NaturalScience),2021,35(3):1-9.(in Chinese)4NILOSSON J,FALCONE P,VINTER J.Safe transi-tions from automated to manual driving using driver con-trollability estimationJ.IEEE Transactions on Intelli-gent Transportation Systems,2015,16(4):1806-1816.5HUESMANN A,FARID M,MUHRER E.From control-lability to safety in use:safety assessment of driver as-sistance systemsJ.Automated Driving,DOI:10.1007/978-3-319-31895-0_21.6林庆峰，王兆杰,鲁光泉.L3级自动驾驶汽车的接管安全性评价模型J汽车工程，2 0 19，41（11）：1258-1264.504江苏大学学报（自然科学版）第44卷LIN Q F,WANG Z J,LU G Q.Takeover safety evalua-tion model for level 3 automated vehicles J.Automo-tive Engineering,2019,41（11):12 58 -12 6 4.（i nChinese)7刘文丽基于车辆行驶状态的驾驶员驾驶能力评价方法研究D重庆：重庆大学,2 0 19.8 CHEN Y,CHEN S Z,REN H B,et al.Path trackingand handling stability control strategy with collisionavoidance for the autonomous vehicle under extreme con-ditionsJ.IEEE Transactions on Vehicular Technolo-gy,2020,69(12):14602-14617.9H A SSA N N,ZA M ZU RI H,A RIFF M H M.M o d e l l i n gof drivers steering behaviour control in emergency colli-sion avoidance by using focused time delay neural net-work C/2018 International Conference on Informa-tion and Communications Technology,2018:730-734.10SCHNELLE S,WANG J M,SU HJ,et al.A persona-lizable driver steering model capable of predicting driverbehaviors in vehicle collision avoidance maneuvers J.IEEE Transactions on Human-Machine Systems,2017,47(5):625 635.11 朱西产,刘智超,李霖基于自然驾驶数据的驾驶员紧急变道行为开环模型J汽车安全与节能学报，2015,6(4):328 332.ZHU X C,LIU Z C,LI L.Open-loop model of driversemergency lane-change behavior based on the naturalis-tic driving data J.Journal of Automotive Safety andEnergy,2015,6(4):328-332.(in Chinese)12吕爱红，马勇，李腾飞，等认知分心时驾驶人应激反应特征分析J中国安全科学学报，2 0 18,2 8（7）：712.LYU A H,MA Y,LI T F,et al.Analysis of stress re-sponse characteristics of driver with cognitive distractionJ.China Safety Science Journal,2018,28(7):7-12.(in Chinese)13孟凡淞应激场景下驾驶人生理特性分析D长春：吉林大学,2 0 18.14吴斌,朱西产，沈剑平，等自然驾驶工况的驾驶员紧急转向变道行为J同济大学学报（自然科学版），2017,45(4):554-561.WU B,ZHU X C,SHEN J P,et al.Analysis of driveremergency steering lane changing behavior based on na-turalistic driving data J.Journal of Tongji University(Natural Science),2017,45(4):554-561.（i n C h i-nese)(责任编辑贾国方）