在“人—车—路”的闭环系统中,驾驶员的转向控制对于车辆操纵稳定性来说十分重要。在实际驾驶场景中,驾驶员往往通过多种途径来获取驾驶环境信息,特别是通过视觉。车辆通过弯道时,驾驶员所需的视觉信息主要来自于远、近两个区域,远处用来估计车辆侧向位移偏差,近处用于补偿位置误差。然而在冰雪环境中,道路发生了一些改变,主要表现为车道行驶中心线以及路肩线被积雪掩盖,这使得驾驶员在无法准确获取道路预瞄点,对车辆的控制发生延迟,从而导致驾驶员产生紧张心理,不利于行车安全。针对这一问题,本文从轨迹预测角度考虑,首先建立自车的期望轨迹预测模型,能够获得未来几秒内车辆的期望轨迹,然后基于自车期望轨迹设置一种两点预瞄机制,能够在冰雪环境中有效地获取预瞄点,再通过传统的驾驶员操控模型实现辅助驾驶员通过弯道。基于此,本文的主要研究工作如下:（1）基于神经网络的自车驾驶员期望轨迹预测方法。通过神经网络的方法建立一种分层驾驶行为预测模型,包含驾驶员意图识别模块与自车期望轨迹预测模块,研究如何有效地利用自车历史轨迹信息,采用数据集对模型进行训练,并与其他方法进行对比分析。（2）周车对自车期望轨迹的影响。在实际的驾驶环境中,自车驾驶员需要与周车进行动态交互,自车驾驶员在做出下一步行为时,往往会对不同位置的周车施加以不同的注意力,比如自车产生了换道意图,驾驶员通常将更多的关注投入到目标车道上的他车,若与自车的距离过近,为了安全驾驶员往往选择暂时放弃换道。基于此,研究周车历史轨迹对自车的影响,在采用自车历史轨迹来预测未来轨迹的基础上,进一步建立考虑周车信息的期望轨迹预测模型。（3）基于自车期望轨迹建立两点预瞄模型的方法。由于在传统的两点预瞄模型中,预瞄点是基于车道线获得的,本文的研究背景是冰雪环境下车道行驶中心线与路肩线不可见的情景,因此需要建立一种基于自车期望轨迹的预瞄机制,然后将预瞄点的信息输入给驾驶员操控模型来操控车辆,并通过实验来验证所选取预瞄点的有效性以及所建立模型的准确性。