由于行驶速度快，高速公路事故造成的生命和财产损失相对其它道路事故更为严重。换道和车道保持是高速公路两类典型的驾驶行为模式，对行车安全有重大的影响。因此，研究人员开发了多种辅助换道系统。现有的换道辅助系统进行环境感知时，主要通过雷达或视觉感知周围环境信息和本车状态，忽略了驾驶人的行为动机和驾驶意图。这样，由于系统不能理解驾驶人的真实意图，往往会发出与驾驶人意图相异的警报或强制执行动作，从而导致驾驶人注意力分散、心理紧张甚至失去对机动车辆的正常操控，进而使得此类主动安全系统成为诱发道路交通事故的主要因素之一。因此，对高速公路行车环境下驾驶人换道意图进行识别对于提高驾驶安全性改善交通环境具有重要的意义。在特定的交通环境下，驾驶行为具有一定的规律性。驾驶意图是驾驶人的自我内心状态，在驾驶过程中无法直接获取，只能依靠驾驶过程中驾驶人的动作、姿态及车辆状态等间接信息进行推测。简单来说，驾驶意图决定驾驶行为，驾驶行为实现了驾驶意图。从驾驶人对车辆的控制及驾驶人本身的视觉特性两个角度进行分析与推演，是进行驾驶人意图识别的重要方法。本文结合国家自然科学基金青年科学基金项目“换道超车驾驶行为安全性预警方法研究”，在分析、总结国内外驾驶意图识别方法现有成果的基础上，以准确识别不同风格驾驶人高速公路行车环境下的换道意图为目标，对换道意图阶段和车道保持阶段驾驶人视觉特性参数及车辆运行状态参数进行了深入研究和分析，提出了表征驾驶人换道意图的不同类型特征参数组，研究并建立了不同风格驾驶人换道意图识别模型，从准确率、灵敏度和特异性等方面研究了驾驶风格、特征参数类型及建模方法对换道意图识别效果的影响，为换道意图识别系统的实用化奠定了一定的理论基础和技术支撑。具体研究内容如下：1.试验方案设计和数据采集。首先，在分析国内外相关研究的基础上，结合论文的研究目的，将换道行为划分为意图阶段和执行阶段。接着，进行试验方案的设计，包括采集设备的安装调试、试验场景的开发、试验过程的规范化及需求参数的选择等。同时，基于调查问卷对21名驾驶人按驾驶风格进行分类，分为谨慎型、正常型和激进型。通过异常数据剔除对原始数据进行了预处理，并结合换道意图时窗确定方法，分别建立了不同驾驶风格的驾驶人在左、右换道意图阶段和车道保持阶段的训练样本库和测试样本库，为后续章节的研究提供数据支撑。2.不同意图阶段驾驶人视觉特性分析。首先，采用基于驾驶人特性的静态及动态结合的注视区域划分方法，将驾驶人高速公路行车过程中的感兴趣区域划分为车辆正前方、左后视镜、右后视镜、仪表盘及内后视镜等五个区域。接着，结合试验数据及录像，分别从注视行为、扫视行为及头部转动情况三个角度，深入分析了不同风格驾驶人在换道意图阶段和车道保持阶段的视觉特性参数的变化规律，并运用独立样本T检验和单因素方差分析分别量化了驾驶阶段和驾驶风格对视觉参数的影响。最终，提出了表征驾驶人换道意图的视觉特性参数为：对后视镜的注视次数、平均扫视幅度和头部水平转角标准差。3.不同意图阶段车辆运行状态参数分析。首先，对转向灯使用情况进行了统计分析，结果表明，因驾驶风格及个人习惯的不同，转向灯开启率和提前开启时间存在显著差异，但整体来看，转向灯提前开启时间明显不足。接着，从车辆横向运动及纵向运动表征参数两个角度，研究了不同风格驾驶人在换道意图阶段和车道保持阶段车辆运行状态参数的变化规律，在对参数进行直观分析的基础上，运用独立样本T检验和单因素方差分析量化了驾驶阶段和驾驶风格对车辆运行状态参数的影响，利用相关性分析，研究了不同参数之间的相关性，为降低高维特征空间的维数提供了一定的依据。最终，提出了表征高速公路驾驶人换道意图的车辆运行状态参数为方向盘转角熵值。4.换道意图识别模型建立。基于混合高斯隐马尔科夫模型(GaussianMixture-Hidden Markov Model，GM-HMM)和支持向量机(Support Vector Machine，SVM)建立了驾驶人换道意图识别模型。为了对比不同特征参数类型对识别效果的影响，模型建立过程中采用了五类特征参数集分别对模型进行了离线训练，得到了相应的模型参数。5.模型评价及识别效果分析。利用测试样本集对所建立的模型进行测试，并利用准确率、灵敏度和特异性三个模型评价函数对所建立的模型进行评价，深入分析了驾驶风格、特征参数类型及建模方法对识别效果的影响。结果表明，以“Head&Eye&Vehicle”为特征参数，基于GM-HMM建立的驾驶人换道意图识别模型识别效果最优。论文针对高速公路驾驶人换道意图识别系统面临的关键技术问题进行了系统深入的研究，分析了驾驶风格对驾驶行为的影响，确立了表征高速公路驾驶人换道意图的特征参数组，并建立了换道意图识别模型。其研究成果能够为汽车主动安全辅助系统的研究和应用提供一定的理论和技术支持，从而提高驾驶人的行车安全性和舒适性并改善交通环境。