在人车路闭环系统中,驾驶人是最为关键的一环。驾驶过程实际上就是驾驶人感知环境、决策判断、控制车辆的过程,因此在交通安全形势愈加严峻的今天,驾驶人行为的研究起着举足轻重的作用。即使随着人工智能的高速发展,智能网联汽车各项技术取得了突飞猛进的进步,驾驶人的作用在逐步弱化,但在完全的自动驾驶落地前,车辆都要或多或少的接受驾驶人的控制或者监督,因而驾驶人仍起着极其关键的作用。在驾驶人行为研究领域中,驾驶负荷研究是几个最重要的研究方向之一,驾驶负荷的累积会引起驾驶人的疲劳,而驾驶疲劳会危害交通安全和人民生命。现有的驾驶负荷相关研究多数是基于驾驶模拟器展开的,但即使仿真度再高的模拟器和实车驾驶在驾驶感受上也有区别,从而造成基于模拟器的研究存在误差。本文针对道路试验和模拟试验之间的驾驶负荷展开对比研究,提出了一种基于积分重组法的数据压缩方法,建立了道路试验与模拟试验驾驶负荷相似模型。具体研究内容如下:(1)试验方案设计与实施:设计了道路环境和模拟环境下的驾驶负荷对比试验,搭建了道路试验和模拟试验平台,分别完成了道路试验和模拟试验,采集了驾驶人的脑电数据、反应时间数据以及驾驶人主观自我评价。(2)驾驶负荷评价指标选取:对获取的试验数据进行预处理,将反应时间与脑电指标对比,求二者之间的皮尔逊相关系数,选取系数最大的脑电指标作为驾驶负荷的评价指标。通过计算选取α/β值作为本文的评价指标。(3)驾驶负荷分类:本文综合选定K均值聚类法这一无监督学习方法来对驾驶负荷进行初步分类,将驾驶负荷分为正常、中等和高负荷状态。并结合驾驶人主观评价对驾驶负荷分类结果进行准确性验证,结果表明分类结果可靠。(4)道路试验和模拟试验驾驶负荷对比分析:本文分别从时域上对道路试验和模拟试验过程中的驾驶负荷变化规律进行了分析,然后对这两种场景下驾驶负荷的变化展开了对比研究,对不同点进行了重点解析。(5)基于积分重组法的道路与模拟试验驾驶负荷相似模型建立:本文提出了一种基于积分重组法的数据压缩方法,将模拟试验和道路试验的驾驶负荷数据时长进行了统一,然后建立了重点考虑驾驶负荷变化规律的相似模型。