1.综合考虑感知过程与驾驶员行为的自适应驾驶人跟驰方法，其特征在于，包括以下步骤：获取当前车辆的运动轨迹数据，以及当前车辆跟驰车辆的运动轨迹数据；

基于外界感知扰动，根据当前驾驶员的历史运动轨迹数据估计跟驰车辆的速度以及当前车辆与跟驰车辆间的距离；

对当前车辆与跟驰车辆间的距离以及当前车辆行车速度中识别得到驾驶员特征参数，根据历史驾驶员特征参数统计得到最优驾驶员特征参数；

建立基于感知过程和驾驶员行为特征的跟车行为模型，将驾驶员特征参数以及当前车辆的速度作为输入，计算得到跟车距离离散值。

2.根据权利要求1所述的综合考虑感知过程与驾驶员行为的自适应驾驶人跟驰方法，其特征在于，估计当前车辆与跟驰车辆间的距离的过程包括：est

lns ‑lns＝Vsws(t)；

est

其中，s 为当前车辆与跟驰车辆间的距离的估计值；s为车载感知设备采集的当前车est辆与跟驰车辆间的距离实际值；Vs为车间据估计值s 实际值s对数的标准相对误差；ws(t)为当前车辆与跟驰车辆间的距离的估计值的误差。

3.根据权利要求1所述的综合考虑感知过程与驾驶员行为的自适应驾驶人跟驰方法，其特征在于，估计跟驰车辆的速度的过程包括：其中， 为跟驰车辆的速度的估计值；vl为车载设备提供的实际速度；s车载感知设备采集的当前车辆与跟驰车辆间的距离实际值；σr为视角变化率的标准偏差；wl(t)为前车速度估计误差的分布以及随时间的变化。

4.根据权利要求3所述的综合考虑感知过程与驾驶员行为的自适应驾驶人跟驰方法，其特征在于，视角变化率表示为：τTTC＝s/Δv；

其中，τTTC为碰撞时间；Δv为自车速度与前车速度之差。

5.根据权利要求2或3所述的综合考虑感知过程与驾驶员行为的自适应驾驶人跟驰方法，其特征在于，构建一个随机微分方程，选择一组伪随机数初始化的白噪声代入构建的方程中，求解得到的值作为跟驰车辆的速度的估计值的误差或者当前车辆与跟驰车辆间的距离的估计值的误差，随机微分方程的解表示为：其中，w(t)表示一个随机微分方程的解；a0、a1、a为中间参数，表示为t0表示某一时刻的时间；t表示跟驰行为时间；ξ(s)表示标准白噪声，s表示车载感知设备采集的当前车辆与跟驰车辆间的距离实际值；τ表示驾驶员估计误差时间。

6.根据权利要求5所述的综合考虑感知过程与驾驶员行为的自适应驾驶人跟驰方法，其特征在于，标准白噪声ξ(s)表示为：其中，w表示w(t)，表示一个随机微分方程的解。

7.根据权利要求1所述的综合考虑感知过程与驾驶员行为的自适应驾驶人跟驰方法，其特征在于，通过自车速度vf(t)识别驾驶员特征参数，具体包括以下步骤：其中， 为参数向量，其由驾驶员时间距离散值参数λ(k)和驾驶员停车距离的离散值L(k)构成，表示为 和 为过程矩阵； 为根据自车速度vf(t)构建的输入矩阵，表示为 I为单位矩阵。

8.根据权利要求7所述的综合考虑感知过程与驾驶员行为的自适应驾驶人跟驰方法，其特征在于，在N次迭代过程中，选取符合稳定标准的作为驾驶员参数候选集合，稳定标准为：Δλ(k)＝|(λ(k)‑λ(k‑1))/λ(k)|；

ΔL(k)＝|(L(k)‑L(k‑1))/L(k)|；

Δ＝max{Δλ(k),ΔL(k)}＜ε；

其中，ε为一个常数。

9.根据权利要求7所述的综合考虑感知过程与驾驶员行为的自适应驾驶人跟驰方法，其特征在于，建立基于感知过程和驾驶员行为特征的跟车行为模型，将驾驶员特征参数以及当前车辆的速度作为输入，计算得到跟车距离离散值：驾驶员纵向跟车过程中车辆动力学模型可以写成：

驾驶员纵向跟车过程中车辆动力学模型为三阶非线性系统，实际跟车间距与理想跟车间距sd之间存在误差，跟车误差描述如下：将可控制量u(t)代入车辆纵向动力学状态方程，得到：

其中，f(X)和g(X)分别是关于系统状态的名义函数，u(t)和y分别表示系统的控制输入以及系统输出，u(t)为根据驾驶员特征参数生成的控制； 系统的状态变量，xf为自车的行驶距离， 为自车的跟车速度， 为自车的跟车加速度，d(t)为系统的干扰；

表示关于跟车误差及其导数的向量，xl表示前车的行驶距离，s0为两车的初始距离； 表示前车的速度； 表示前车的加速度； 表示后车跟车加速度的变化率；μ表示发动机或刹车系统的滞后时间常数，M车辆自身重量，FR为车辆滚动阻力，L为驾驶员特征辨识函数得到的停车距离，λ为驾驶员特征辨识函数得到的时间距，c1、c2为满足Hurwitz稳定判据的特征参数， 为自车跟车速度的四阶导，表示模型切换增益的估计值，sat(S(X))为S(X)的饱和函数形式，S(X)为滑模函数。