随着人工智能技术的发展、硬件算力的提升,自动驾驶得到了长足发展,但是距离完全的车辆自动驾驶还需要一定的时间。智能汽车需要经历从辅助驾驶到完全自动化的渐进式发展过程,即人机联合驾驶阶段。本文以智能车为研究主体,搭建了人机联合驾驶仿真平台,对联合系统的权限分配问题展开研究,探索了一些高效可行的人机权限分配方法,本文的主要贡献如下:1)提出了考虑环境因素的模糊动态权限分配方法。以环境中雾的浓度、驾驶人的反应时间和操作次数作为输入,系统的权限等级作为输出,构建模糊推理系统完成权限分配。仿真实验表明,考虑环境因素的权限分配方法适应性更强,更具备可靠性,避免了环境的突然改变而导致任务失败。2)改进了基于人机能力比较的静态权限分配方法,将其转换为动态方法。不再以历史数据一次性评价人机能力,而是动态的评价每次执行驾驶子任务的能力,从而完成权限分配。这种方法能够根据人和机器当前的表现给出合理的权限分配方案,提高了系统整体的效率。3)利用虚幻引擎和Air Sim搭建了人机联合驾驶仿真平台。构建了逼真的场景地图,包括静态的道路、建筑和动态的交通环境;利用端到端的深度学习算法实现了仿真车辆的自动驾驶;开发了人机权限分配模块,可以测量环境和驾驶员的状态,嵌入不同的人机权限分配算法进行仿真实验。4)基于仿真平台,对提出的各种权限分配方法进行了仿真验证。实验的主要结论有:合理进行权限分配的人机联合驾驶能够取得比手动驾驶和自动驾驶更好的效果;动态权限分配能够根据人机状态动态地调整权限,改善驾驶人的不良状态,提高驾驶效率。