駕駛員行為是導致燃油消耗、CO 2排放、交通事故傷亡增加的主要原因之一。為了應對這些挑戰(zhàn)，駕駛員行為檢測并分類的概念是至關重要的。駕駛員行為的識別是一項艱巨任務，因為在真實世界中駕駛員的行為受很多因素影響，如交通、路況、行程持續(xù)時間等。許多方法考慮計算智能技術來開發(fā)駕駛員行為檢測系統(tǒng)。集中研究駕駛員行為對能量消耗的影響，以及隨之產(chǎn)生的對電動汽車行駛里程的影響。

駕駛員行為可以改善車輛性能，如限制燃油消耗。冷靜的駕駛風格有助于減少交通事故的發(fā)生。計算智能技術（CI）介紹了一種檢測駕駛行為不確定性的有效方法，通過考慮許多變量來確定駕駛員的狀態(tài)并進行分類。提出了駕駛員行為的主要元素和相關信息。

引入了一個新提出的體系結構來展示CI如何與從車輛、駕駛員和外部環(huán)境條件中收集的文本信息而進行交互。所提出的REEMS系統(tǒng)基于模糊邏輯及從純電動汽車實車試驗和高保真性能模型中收集數(shù)據(jù)，從而改善人工神經(jīng)網(wǎng)絡方法，高保真性能模型是在德蒙福特大學發(fā)動機研究實驗室通過使用從車輛CAN網(wǎng)絡和外部傳感器獲得的實時數(shù)據(jù)而試驗派生的。神經(jīng)網(wǎng)絡模型用于駕駛員行為的分類，然后將這種分類用于模糊邏輯控制器來對増程器操作進行平衡管理。考慮上述體系結構中提到的所有其它變量的試驗會進一步進行。

Moath Al- Doori et al. Hybrid and Electric Vehicles Conference (HEVC 2014), 5th IET London 2014.

編譯：王欣欣