驾驶员行为仿真模型可以再现各种道路、交通条件下交通流的实际动态行为,反映网络中单个车辆运行的随机特性及不同驾驶员组在车辆跟驰、车道变换等方面的个人偏好。该研究不仅日益成为交通运输系统仿真研究的理论基础和关键环节,也是交通运输领域以及目前广泛开展的智能运输系统(ITS)开发、研究的重要手段。传统的驾驶员行为模型研究主要集中于跟车行为模型的研究且大都未综合考虑交通环境中信息刺激的多源性和驾驶员任务集聚、协调反应的行为过程。从目前国内外的研究情况来看,多源信息融合技术虽然在电子信息等许多领域、特别是军事领域展开了广泛研究和应用,在交通工程领域也已应用到交通事件检测、交通流预测等研究方向,但在驾驶员行为的研究中却远未得到充分利用。本文主要从理论层面对驾驶员跟车行为进行了详尽和深入地研究,设计了多源信息刺激下驾驶员任务集聚心理-物理综合认知的拓扑结构及框架;构建了基于模糊积分理论和基于Bayes理论的多源信息融合算法,并利用模糊积分融合算法分析获取复杂行驶环境中车辆的运行模式;在已有跟驰模型的基础上,提出了基于前后车同步移动的车辆跟驰模型,将多源信息融合算法与该跟驰模型相结合确定驾驶员序贯反应行为;最后,论文通过具体数据利用非参数的符号检验法对所建立的模型和算法进行了标定及验证,结果表明本文所建立的模型及算法是有效的。