车载环境下用户的注意力主要集中于驾驶，人车交互须在不影响驾驶的前提下进行。相比于传统的交互方式，语音辅助驾驶提供了更为安全便捷的交互方式，用户只需动口，就可满足在行车过程中的相关需求。语音辅助驾驶需要结合语音识别技术与自然语言理解技术，它可以有效地改善用户的驾驶体验。本文在广泛分析国内外相关研究及实践的基础上，对如何智能的对语意信息进行理解进行了深入分析与研究，并依据理论对辅助驾驶信息系统进行了设计与实现。本文的主要研究内容和工作如下：（1）在广泛研究短文本分类问题的基础上，本文利用条件随机场、线性SVM及基于最大似然思想的权值相加等三种方法对广泛存在于中文辅助驾驶信息query中的特殊词及组织机构名进行自动分类。（2）针对车载辅助驾驶信息系统query，本文首先收集了大量语意信息、对语意种类进行划分并建立了供训练与测试的数据库。由于语意推断基于词进行且需用到词性信息，因此本文利用条件随机场定制了一个针对辅助驾驶信息的自动解析系统，该系统内置了单步法和双步法两种方法对辅助驾驶信息query进行分词与词性标注，实验结果表明设计的自动解析系统获得了良好的分词与词性标注精度。（3）在广泛研究自然语言理解及语意推断技术的基础上，本文对比了几种常见语意推断模型对本文研究的辅助驾驶信息的精度并定制了一个基于最大熵模型的语意推断系统。在选择特征时，本文除选择分词后的Unigram词特征外还选择了部分信息增益大且语法上有意义的Bigram词特征，实验结果表明这样的特征选择可获得更高的精度，基本可满足实用要求。本文的辅助驾驶信息系统正是特殊词与组织机构名分类器、辅助驾驶信息query自动解析模块与query语意推断系统的组合。对于一条辅助驾驶信息query，自动解析模块输出分词与词性标注结果并作为语意推断模块的输入，语意推断模块输出语意推断的结果，系统进而根据具体语意执行相应操作。而组织机构名及特殊词的分类器可有效对广泛存在于辅助驾驶信息query中的组织机构名与特殊名词进行处理，有效提升系统的性能。实验结果表明本文设计的辅助驾驶信息系统可以有效地进行辅助驾驶信息的语意理解，语意理解达到了较高的精度，可有效地辅助驾驶人员进行驾驶。