1.一种适用于人机共驾车辆驾驶人接管培训的方法，其特征在于：包括以下步骤：(1)建立数据库

生成接管场景库，建立虚拟仿真培训场景模型及虚拟仿真设备模型；

(2)情境生成

根据步骤(1)中所述接管场景库，利用所述虚拟仿真培训场景模型和虚拟仿真设备模型模拟车辆在不同场景不同道路事件下的接管情况；

(3)建立教学模型

根据步骤(2)中模拟的车辆在不同场景不同道路事件下的接管情况，建立教学模型；

(4)接管培训

根据车辆在不同场景不同道路事件下的接管情况，通过教学模型进行人机共驾车辆驾驶人接管培训；

(5)接管能力评价分析，具体包括，(5.1)采集参照指标数据

采集m名人机共驾车辆驾驶人的接管评价的指标数据作为参照指标数据，包括驾驶人的眼动特性指标、生理特性指标、车辆操纵指标和接管行为方面指标的多项指标数据；

所述眼动特性指标包括注视时间百分比、平均注视时间；所述生理特性指标包括RR间期、心率；所述车辆操纵指标包括制动踏板力、车道偏移量；所述接管行为指标包括第一次注视道路时间；

(5.2)采集培训驾驶人的指标数据在人机共驾车辆驾驶人接管培训过程中，获取驾驶人的注视时间百分比、平均注视时间、RR间期、心率、制动踏板力、车道偏移量、第一次注视道路的指标数据，作为待评价指标数据；

(5.3)数据标准化处理

培训驾驶人作为第m+1个驾驶人，将前述m+1个驾驶人Pi(i＝1，2，…，m+1，m为自然数)的n个评价指标Xij，(j＝1，2，…，n，n为自然数)进行标准化处理，转换到[0‑1]的范围，得到标准化的无量纲值Xi′j，数据标准化处理公式如下所示：正向指标：

负向指标：

适中型指标：

式5.1、5.2、5.3中，Xi′j指标准化后的无量纲数据，Xij指原始数据，X0指原始数据集中规定的适中值；

(5.4)计算第i个人第j项指标值的比重：(5.5)计算指标信息熵：

(5.6)计算信息熵冗余度：

dj＝1‑ej(5.6)

(5.7)计算指标权重：

(5.8)计算接管能力评价输出

′

将待评价指标数据标准化后的无量纲数据Xj输入到式5.8中，计算出第m+1个驾驶人的接管能力评价指标数值S，S越接近于1，说明该驾驶人的接管能力越强。

2.根据权利要求1所述一种适用于人机共驾车辆驾驶人接管培训的方法，其特征在于：步骤(3)中所述教学模型为引导式教学模型。

3.根据权利要求2所述一种适用于人机共驾车辆驾驶人接管培训的方法，其特征在于：所述引导式教学模型的建立，包括以下步骤：(3.1)根据培训需求制定培训课件；

(3.2)选择培训课件，基于课件内容中的接管行为培训流程，建立虚拟仿真培训场景；

(3.3)模拟虚拟仿真接管事件出现时的车辆状态及接管提醒方式；

(3.4)在所述虚拟仿真培训场景中通过语音提示，进行引导式培训。

4.根据权利要求3所述一种适用于人机共驾车辆驾驶人接管培训的方法，其特征在于：所述的人机共驾车辆驾驶人接管培训，包括以下步骤：(4.1)进入虚拟仿真引导式培训模式；

(4.2)在虚拟仿真自动驾驶环境中，进行接管前准备工作；

(4.3)接管请求发出，进行接管；具体接管步骤包括：a)观察道路环境，对驾驶环境形成初步认知；

b)将右脚放在刹车踏板上，同时左手放在方向盘上，提前做好控制车辆的准备；

c)驾驶人将视线移向退出自动化驾使的按钮处，右手按下按钮，退出自动化系统；

d)驾驶人将视线移回道路正前方，左右环视，并观察左右后视镜，同时将右手放在方向盘上，根据对驾驶环境状况的掌握和判断，进行后续的车辆操纵；

(4.4)本次人机共驾车辆驾驶人接管培训结束。