车辆安全换道预警机制作为车辆安全预警系统的核心部分,通过分析来自车辆感知层获得的车辆行驶工况数据,运用机器学习、模式识别等方法评估换道过程的危险程度,给出驾驶员合理的预警信息,并在必要时刻使得主动安全系统接管对车辆操控,甚至提前激发某些被动安全功能,保证车辆行驶以及碰撞安全,这对于车辆的安全可靠有着十分重要的意义。目前这种充分利用主动安全和被动安全各自的优势,实现主被动安全一体化的综合安全系统成为目前汽车行业发展的一个重要趋势。但是,目前针对车辆安全换道预警机制中的一系列技术难点并没有得到很好的解决,例如如何快速有效的检测到驾驶员的换道意图、如何合理的预测换道过程的轨迹、如何在保证低误报率的前提下对驾驶员进行有效的预警。针对上述亟待提高关键技术,本文提出了一种基于车车协同的车辆安全换道预警机制,并进行了相关的验证,同时就验证结果进行了分析。具体研究内容如下:首先本文提出了一种基于PCA和GMM-HMM的驾驶员换道意图识别方法。一款模拟驾驶平台采集换道过程中驾驶员操作和车辆自身的运行信息。将平台直接采集到的数据进行标准化处理,消除各种数据由于量纲和取值范围不同而造成的影响。基于标准化后的数据进行了PCA分析,在充分保留原始数据信息量的前提下,提取了能够表征驾驶员换道意图的前3主成分用于后续的模式识别。建立基于GMM-HMM的换道意图识别模型,模型的输入为滑动时窗法捕获到的前3主成分序列,输出为各换道意图的概率。利用EM算法建立了离线的模型学习方法,并利用训练集得到了模型参数。利用测试集对模型识别的准确性和时效性进行了验证。结果表明,使用该方法进行换道意图识别在换道开始点之后1.5s换道意图识别率可以达到近100%。其次提出了一种基于换道轨迹拟合的车辆换道碰撞预警模型。通过对实验采集到的换道数据进行分析,比较各种换道轨迹的描述方法的优缺点,确定由有较高拟合度的5次多项式对换道轨迹进行描述。建立了换道样本库,基于样本库数据和5次多项式拟合建立了换道轨迹预测模型。从对车辆运动轨迹预测出发,引入矩形车辆模型,建立了碰撞时间TTC的计算方法。接着对避免碰撞的时间TTA进行了分析和计算。综合分析TTC和TTA的关系,建立了危险系数R以便于对换道碰撞危险程度进行量化。最后结合换道过程的时间线并基于危险系数设计了换道预警机制。最后对建立的换道安全预警机制进行了测试验证。将用于换道数据采集的模拟驾驶平台进行扩展,将建立好的换道安全预警机制扩充到平台的软件部分。从NGSIM数据中抽取出典型的车辆运行轨迹作为目标车道车辆的运动状态。针对换道工况中的两种危险场景:目标车道车辆处于本车后方和目标车道车辆处于本车前方,分别进行场景设计。驾驶员按照日常操作习惯进行驾驶,得到相关数据。两次实验结果均表明:本文建立的换道安全预警能够及时准确的发现驾驶员的换道意图,并通过轨迹预测,对碰撞危险等级进行判定,给出合理的预警信号,保证了换道安全。