為驗該思想，進行大量實驗

自然駕駛數(shù)據分析結果

首先進行自然駕駛數(shù)據采集，在自然駕駛數(shù)據中提取了7631段幀號連續(xù)的跟車過程，通過計算各個過程的距離平均作用量，發(fā)現(xiàn)平均作用量分布較為集中，駕駛人的車過程中的決策行為趨于穩(wěn)定。

實車實驗

實驗采用的是課題組的三調實驗平臺車，分別為：一輛本田雅閣車（作為車i）和兩輛長安悅用車（作為車j和車k），實驗分為自由行駛、跟車行駛和鄰車切入三個場在昌平區(qū)水南路進行。

實車實驗數(shù)據分析結果

上圖說明絕大多數(shù)駕駛員都能控制在一個穩(wěn)定值，實際上駕駛員的操作與理論值都有一些偏差，風險的判別就是看偏差的大小，如果超出一定的值危險就會發(fā)生。

按照19個作用量的大小來進行排序，發(fā)現(xiàn)另外一個現(xiàn)象，即為了分析駕駛人駕駛過程中的實際作用量S和理論的最小作用量S’之間的關系，我們計算S的均值和方差發(fā)現(xiàn)，S的均值越大，方差越大。當駕駛過程滿足作用量為最小值S’時，方差為0�？梢钥吹�，因此，如果評價一個駕駛員的駕駛水平和駕駛技能，優(yōu)秀的駕駛員可以用實際駕駛作用量與理論值的接近程度來衡量。

進一步的驗證，可用KW驗證方法，對六種行為過程的S與S’進行對比分析，結果顯示所有過程中的P－ valuel都遠大于0．05，說明駕駛人在這六種行為過程中的實際作用量S與理論的最小作用量S’之間沒有顯著性差異。

在這個基礎上用安全性和高效性的聯(lián)合評價指標——Dse來判斷行車的危險，實際作用量S和理論最小作用量S’之間的差異程度是影響寫過程中安全性和高效性的關鍵因素。為了分析兩者間的關系，定義Dse為行驗過程中安全和高效的聯(lián)合評價指標，并用歸一化形式描述。

實車實驗數(shù)據分析結果（跟車與切入場的加減速過程）

切入過程中的Dse高于跟車過程，制動過程中的Dse高于加速過程，且切入場中的制動過程Dse值最高（圖d），說明切入場景的相較跟車場更復雜也更危險，制動過程相較加速過程更易出現(xiàn)行車風險。

通過實車實驗數(shù)據證明：駕駛人的決策機制遵循最小作用量原理。因此在這樣的理論之下，就可以把人類的決策行為用于智能車的決策當中。

基于最小作用量原理的決策方法

在感知的基礎上基于場論進行風險評估，在評估風險的基礎上，基于最小作用量原理來實現(xiàn)模擬人的智能決策。

風險評估方法既可以用于綜合性的風險評、也可以用于路徑的規(guī)劃，而最小作用量可以用于復雜場景下的協(xié)同決策。

未來成果應用

應用框架

自動駕駛系統(tǒng)

交通風險監(jiān)控系統(tǒng)

交通設施設計評估

智慧城市——智慧交通