为提升智能汽车的自主决策能力,使其能够学习人的决策智慧以适应复杂多变的道路交通环境,需要揭示驾驶人决策机制.首先通过对自然驾驶数据的分析,发现在车辆行驶过程中能够反映驾驶人决策行为的主要运动特征参数存在极值现象,而产生极值现象的内在动因是驾驶人遵循“趋利避害”的基本决策机制,即驾驶过程中驾驶人力图实现机动性和安全性综合性能最优.受自然界包括物理和生物行为上的众多极值现象遵循最小作用量原理的启发,提出驾驶人决策机制遵循最小作用量原理的假设.随后建立抽象描述驾驶过程的物理模型,并提出最小作用量决策模型(Least Action Decision-making Model,LADM),通过与传统驾驶决策模型(经典跟车模型和换道模型)对比,分析结果显示LADM模型更具通用性.最后开展了实车试验,采集20名驾驶人在自由行驶、跟车行驶和邻车切入3种工况下的试验数据,分析计算并检验了不同驾驶人行车过程的理论最小作用量和实际作用量.试验结果表明:驾驶人在驾驶过程中的实际作用量与最小作用量之间无显著性差异,体现出驾驶人在行车过程中对安全和高效具有共性追求,验证了驾驶人决策机制遵循最小作用量原理.