1.交通与运载系统中驾驶可信性分析方法，其特征在于：包括如下步骤，步骤一、明确交通运载系统中涉及的典型对象，分析驾驶人多资源信息处理决策机制，确定交通运载系统运行中道路交通环境、驾驶人、车辆及其车载系统之间的信息处理过程；步骤一实现方法为，步骤1.1、在道路交通系统中驾驶过程涉及到的对象包括驾驶人、车辆及其车载系统、道路交通环境；驾驶人通过视觉、听觉以及嗅觉感知通道从车辆及其车载系统和道路交通环境中获取信息，对实时更新的交通状态形成逻辑判断和控制策略；车辆及其车载系统受驾驶人的控制，并将汽车运行状况信息和外界信息反馈给驾驶人；道路交通环境在驾驶过程中对驾驶人起到外界影响作用；步骤1.2、分析驾驶人、车辆及其车载系统、道路交通环境因素之间的信息流传递关系；驾驶人根据多通道信息输入，对多类信息进行动态加权融合,依据当前交通状态和交通信息复杂性形成判断控制策略，并向驾驶人输出执行信息；步骤1.3、描述驾驶人、车辆及其车载系统、道路交通环境之间的信息流传递关系；步骤二、建立驾驶行为形成模式的内部结构，确定以驾驶人为核心的驾驶行为形成模式；步骤二实现方法为，步骤2.1、驾驶行为形成模式的内部结构包括感知层、判断层和执行层；步骤2.2、综合考虑驾驶行为形成模式的内部结构的复杂性与驾驶行为中人为差错发生的概率及人为差错产生的后果，将驾驶人为差错概率EPR、驾驶人为失误概率F、驾驶差错识别概率τ、驾驶差错校正概率μ和驾驶差错恢复度α作为度量驾驶行为形成中评价驾驶人为差错风险的指标；其中，所述评价驾驶人为差错风险的指标的构建具体包括如下步骤：步骤a、驾驶人为差错概率EPR是指规定时间内驾驶人未能完成规定驾驶任务，驾驶人为差错未及时校正会形成驾驶失误；驾驶人为差错包括感知差错、判断差错和执行差错；步骤b、驾驶人为失误概率F是指在有驾驶行为形成主导因素的约束下驾驶差错出现后未能予以恢复且持续一定的时间而产生极为严重的恶性后果，导致道路交通事故的概率；所述概率包括感知失误概率F S 、判断失误概率F O 和执行失误概率F R ，其表达式为：步骤c、驾驶差错识别概率τ是指在规定时间内驾驶人受驾驶行为主导因素影响下发现潜在的和已存在的驾驶差错的概率；驾驶差错校正概率μ是指在规定时间内驾驶人受驾驶行为主导因素影响下及时校正差错，从而避免使其形成驾驶失误而酿成道路交通事故的概率；步骤d、驾驶差错恢复度α是指在驾驶行为主导因素影响下对驾驶差错恢复的概率，驾驶差错恢复度α能够由驾驶差错识别概率τ和驾驶差错校正概率μ的乘积来表示，其表达式为：α＝τ·μ (2)由于驾驶人在驾驶行为形成内部结构的不同层级差错状态恢复能力不同，因此引入差错状态恢复的权重系数β S ，β O ，β R 来优化驾驶差错恢复度，其关系式为：式中，α S 、α O 、α R 分别为感知层差错状态恢复度，判断层差错状态恢复度、执行层差错状态恢复度；β S ，β O ，β R 分别为感知差错状态恢复的权重系数、判断差错状态恢复的权重系数和执行差错状态恢复的权重系数；步骤三、以交通运载系统安全失效为触发条件，确定驾驶行为形成主导因素；步骤三实现方法为，步骤3.1、从包含驾驶人自述的各类交通事故数据库中随机抽取事故作为案例样本；删除交通事故记录的缺失变量，对记录每个交通事故剩余变量进行数据规范化，其表达式为：式中，x mn 和V mn 分别指规范化前和规范化后的变量数据，y maxn 和y minn 分别是指第n个变量的最大值和最小值；步骤3.2、针对上述规范化后的事故变量数据与交通安全规则制定有关驾驶行为形成因素的排序评价问卷；步骤3.3具体为：将评价问卷发放给公共汽车驾驶人、具有驾驶经验的管理人员、未取得驾驶证的驾驶学员和货车驾驶人，给定评价指标值的两个极值点，其中极小值表示因素影响程度极低，极大值表示影响程度极大；步骤3.4、依据问卷各形成因素评分构建a行×b列的驾驶行为形成因素评价值矩阵K；步骤3.5具体为：根据得到的驾驶行为形成因素评价值矩阵并结合道路交通系统的特性，使用主成分分析法，得到各主成分初始特征值，以预设累积特征值占总体百分率阈值来选取主导因素，由此确定五个驾驶行为形成主导因素及各主导因素的特征值，五个主导因素分别为车辆人机界面质量、操作频率、差错后果危险性、生理心理机能及道路环境状况；步骤四、基于驾驶行为形成内部结构不同层级的人为失误概率对形成主导因素进行量化计算；步骤四实现方法为，步骤4.1、根据以驾驶人诱因导致道路交通事故分析结果，确定感知失误诱发的交通事故发生率A S 、判断失误诱发的交通事故发生率A O 和执行失误诱发的交通事故发生率A R ；步骤4.2、计算驾驶行为形成模式内部结构的形成主导元素量化值，计算公式为式中， 分别为感知层感知失误、判断层判断失误和执行层执行失误的基本概率， 分别为感知层、判断层和执行层的驾驶行为形成主导因素的量化值；步骤五、依据专家评估和交通运载安全系统特性分析，构建基于决策树的驾驶差错恢复度量化方法；步骤五实现方法为，步骤5.1、结合道路交通事故致因分析，按照好或差，低或中或高的方式定义每个主导因素的状态以满足状态的分配能够易于实现驾驶差错的恢复，完成驾驶差错未识别能力决策树与驾驶差错未校正能力决策树的构建；步骤5.2具体为：依据专家打分评估确定每个驾驶行为形成主导因素对驾驶差错未识别或未校正的影响程度，设定影响程度打分数值；步骤5.3、根据影响程度评分对决策树的各结点数值进行计算；对第一结点m 1 取任意值v 1 ，根据相关主导因素的影响程度来计算其余结点数值；步骤5.4、考虑所有相关驾驶行为主导因素的状态会导致决策树中驾驶差错未识别或未校正的最高概率为最后结点，结点m 17 的驾驶差错未识别概率(1-τ) 17 ＝1、驾驶差错未校正概率(1-μ) 17 ＝1，因此选取以驾驶差错未识别或未校正的决策树中最后结点作为基准点，按照不同结点的得分数值通过基准点的概率来计算其他结点的差错未识别或未校正的概率；计算公式式中，v i 表示驾驶差错未识别或未校正的决策树中第i个结点的得分数值，(1-τ) i 或(1-μ) i 表示驾驶差错未识别或未校正的决策树中第i个结点的驾驶差错未识别或未校正概率；步骤5.5、将计算后的驾驶差错未识别或未校正的决策树中所有结点的驾驶差错未识别概率1-τ和驾驶差错未校正概率1-μ代入式(2)可计算得到驾驶差错恢复概率的表达式为：α＝1-(1-τ)-(1-μ)+(1-τ)(1-μ) (8)步骤六、根据驾驶行为形成模式内部结构及主导因素，实现考虑驾驶差错恢复度的交通运载系统的可信性分析；步骤六实现方法为，步骤6.1、引入驾驶可靠度R分析方法，驾驶可靠度R是指在规定时间内，在规定的道路交通状态下，驾驶人完成规定驾驶任务的能力，驾驶可靠度在数学上的定义与驾驶失误概率F有关，具体函数关系的表达式为：R＝1-F (9)步骤6.2、依据驾驶可靠度分析的基本原理公式，得到感知层理论可靠度R S 、判断层理论可靠度R O 和执行层理论可靠度R R 与相应驾驶失误概率的表达式：步骤6.3、由于驾驶行为形成模式的内部结构为串联系统，同时在统计上相互独立，所以驾驶可靠度R的表达式为：R＝R S ·R O ·R R ＝(1-F S )(1-F O )(1-F R ) (11)步骤6.4、考虑驾驶行为形成主导因素对理论上驾驶可靠度的影响，进行优化得到实际驾驶可靠度表达式：式中R′ S ，R′ O ，R′ R 分别为感知层、判断层和执行层的实际可靠度，其中，j为各层级驾驶行为形成主导因素的数量，j＝1,2,...,5；步骤6.5、由于驾驶差错恢复能够避免不良交通事件演变为交通事故，因此在评定实际驾驶可信性时还需考虑驾驶差错恢复对内部结构各层级驾驶可信性的影响，同时考虑到驾驶行为差错在内部结构各层级恢复能力不同，引入各层级差错恢复度的权重系数β S ，β O ，β R 对公式(2)进行优化得到实际各层级驾驶可靠度的表达式：式中，β S ，β O ，β R 分别为感知差错状态恢复的权重系数、判断差错状态恢复的权重系数和执行差错状态恢复的权重系数；步骤6.6、将公式(3)代入公式(1)得到实际驾驶可靠度R的表达式：
2.如权利要求1所述的交通与运载系统中驾驶可信性分析方法，其特征在于：还包括步骤七，根据步骤六得到的考虑驾驶差错恢复度的交通运载系统的可信性分析结果，应用于交通运载系统可信性量化与安全风险评估领域，提升交通参与者人身及道路交通安全性；所述应用于交通运载系统可信性量化与安全风险评估领域，包括预测驾驶人失误行为、对交通事故前瞻性预测与预先性安全控制、优化道路交通系统。
3.如权利要求1所述的交通与运载系统中驾驶可信性分析方法，其特征在于：步骤三中，步骤3.3、将评价问卷发放给公共汽车驾驶人、具有驾驶经验的管理人员、未取得驾驶证的驾驶学员和货车驾驶人，给定评价指标值的两个极值点1和10，其中1表示因素影响程度极低，10表示影响程度极大；步骤3.5、根据得到的驾驶行为形成因素评价值矩阵并结合道路交通系统的特性，使用主成分分析法，得到各主成分初始特征值，以累积特征值占总体百分率0.95作为阈值来选取主导因素，由此确定五个驾驶行为形成主导因素及各主导因素的特征值，五个主导因素分别为车辆人机界面质量、操作频率、差错后果危险性、生理心理机能及道路环境状况。
4.如权利要求3所述的交通与运载系统中驾驶可信性分析方法，其特征在于：步骤五中，步骤5.2、依据专家打分评估确定每个驾驶行为形成主导因素对驾驶差错未识别或未校正的影响程度，设定影响程度打分数值为1至5，其中数值1表示最不可能、数值2表示较不可能、数值3表示可能、数值4表示较为可能、数值5表示最可能。
