为了能够提高行车的安全性、减少交通事故的发生,高级驾驶辅助系统（Advanced Driving Assistance System,ADAS）应运而生。然而,目前大多数的ADAS功能都没有考虑驾驶员的驾驶意图,这将影响行车的安全性和驾驶员的体验。此外,驾驶员与控制系统的交互关系即人机共驾,也是一个亟待解决的问题。因此,准确地识别出驾驶员的驾驶意图,由此决定是否执行辅助系统功能,并处理好人机共驾中驾驶权重分配问题,是提高ADAS安全性、可靠性和保证驾驶员驾驶体验的关键。本文首先对驾驶意图识别开展研究工作,通过模拟驾驶器开展数据采集实验。在Car Sim软件中搭建好高速公路下的双向六车道道路场景,招募了15名受试驾驶员来进行数据采集实验,共采集了2种头部运动参数和40种驾驶行为及车辆运动状态参数。然后对采集的40种驾驶行为和车辆运动状态参数进行统一地归一化处理以方便在同一范围内分析对比,初步筛选出11种参数。通过采集到的横摆角Yaw和车辆质心距车道中心线的位置YO,计算出车辆前轮压线点的时刻,确定了第一种意图时窗。然后通过对采集到的目标车辆的方向盘转角SW和车辆质心到车道中心线的位置YO这两种参数进行K-means聚类,确定了第二种意图时窗。而后,通过皮尔逊相关系数法对上述参数进行进一步筛选以减少模型的复杂程度从而提高识别效率,最终确定了8种意图特征参数。建立了基于条件随机场（Conditional Random Field,CRF）的驾驶意图识别模型,在两种不同的意图时窗下对车道保持意图、左换道意图、右换道意图三种驾驶意图进行识别,结果表明第二种意图时窗的识别效果更好。然后与隐马尔可夫模型（Hidden Markov Model,HMM）的识别结果进行对比分析,结果表明CRF的识别结果优于HMM。然后通过tic、toc函数验证了CRF算法的实时性。在识别出不同的意图后,对车道保持阶段下的车辆进行横向控制,建立基于三点预瞄的滑模控制驾驶员模型和基于模型预测控制的横向控制模型。通过与Car Sim自带的预瞄驾驶员模型在不同工况下进行分析对比,验证了模型的有效性。针对车道保持过程中的人机共驾驾驶权重分配问题,根据预瞄点距车道中心线的偏差制定驾驶权重分配策略,最后通过仿真分析验证了策略的有效性及对驾驶员的辅助作用。本文的研究成果对驾驶意图识别领域和人机共驾驾驶权重分配领域的发展提供了参考。