随着交通事故逐年增加,智能汽车的主动安全技术逐渐成为人们关注的焦点。换道行为及危险性的识别是主动安全技术中的一个重要研究内容,能够有效地避免车辆碰撞,减少交通事故。本文针对相邻车道上前方车辆换道行为及危险性的识别方法进行研究,以期能够准确快速地识别换道行为,并根据换道危险性采取避撞措施。本文的研究对于提高驾驶安全性具有重要的意义。本文分四章对智能汽车换道行为及危险性识别方法进行了研究。建立了车辆换道识别过程的统计学模型,设计了换道行为及危险性判断方法;推导了模型的参数训练算法,构建了仿真环境;在仿真环境中分析了算法的有效性。本文根据换道识别过程的特点,选用隐马尔可夫模型来建立换道识别模型。根据前车换道相对于本车的危险性,定义了安全换道过程和危险换道过程。依据车道保持和换道、安全换道和危险换道的特征,选取两车之间的横向距离、前车的横向速度、两车之间的纵向距离和本车的速度作为观测变量。将隐藏状态划分为车道保持、换道状态1和换道状态2,从而建立了安全换道识别模型和危险换道识别模型。设计了滑动时间窗的识别方法,依次对各个时间窗的驾驶状态进行判断,并给出了判断方法。为了确定换道识别隐马尔可夫模型的参数,推导了参数训练算法。基于veDYNA车辆动力学仿真软件,构建了仿真环境并设计了驾驶方式。从仿真环境获取数据并进行数据处理,得到训练样本。通过在Matlab软件中编写参数训练程序,得到了安全换道识别模型和危险换道识别模型的参数。为了检验本文换道行为及危险性识别算法的识别性能,在仿真环境中获取检验样本,包括安全换道样本和危险换道样本。基于对样本的识别,描述了滑动时间窗的识别过程,并说明各个时间窗的状态判断比较准确。仿真环境中的检验结果表明,换道行为及危险性识别算法对安全换道和危险换道均有较高的识别率,能在前车越线前作出换道识别。