车辆换道预警系统通过使用传感器、模式识别与人工智能等技术手段评估换道风险，并在必要时预警干预驾驶行为，对于车辆的安全运行具有重要意义。然而，与换道预警密切相关的一些技术问题没有被深入研究，如真实换道行为地识别确认、换道冲突地预测与分析、不同风格驾驶人对换道预警的个性化需求等。针对这些问题，本文在分析实际换道行为数据的基础上，对换道预警系统所需要解决的若干关键问题进行研究，力求降低预警系统的误报率和漏报率。
采用雷达传感器、车道线识别系统、GPS系统、陀螺仪、CAN总线数据采集卡等仪器同步采集试验过程中与换道行为相关的驾驶人操作行为参数、车辆运行状态参数与交通环境参数。在不同道路环境下共对53名被试进行了实际道路驾驶试验，获取了超过2000次的自然换道数据。基于实测换道数据，利用模式识别等理论对换道预警系统的若干关键问题进行研究，主要的研究内容及成果如下：
1.运用实车换道样本数据，分别建立了一般换道行为识别模型与快速越线换道行为识别模型。采用卡尔曼滤波器对原始数据进行处理，削弱了测量仪器精度引起的数据阶跃性。针对一般换道行为识别模型，通过采取数据归一化、主成分分析数据降维方法，并利用遗传算法对支持向量机核函数的参数进行优化，提高了训练集的分类准确率和测试集的识别准确率。
2.运用实车换道过程的轨迹数据，建立了车辆换道过程越线时刻预测模型。对常见换道轨迹模型的实际拟合效果进行分析，提出了使用7次多项式模型对换道轨迹进行拟合的方法。对大量换道轨迹进行分析，结果表明，换道轨迹之间存在相似性。利用7次多项式换道轨迹模型，基于轨迹相似性对换道过程中的越线时间进行预测。预测结果中，绝大部分的越线时间预测误差值小于或等于0.1秒。
3.建立了基于道路曲率估算的车间位置关系辨识模型。基于自车横摆角速度和车速对道路曲率进行估算、利用数据滤波方法提高了曲率估算精度，但估算结果包含噪声较大。利用估算曲率值、自车与后方其他车辆之间的相对角度、相对距离，分别建立了直道路段和弯道路段情况下自车与后方其他车辆的位置关系辨识模型，实现对换道过程潜在危险目标车辆的辨识。利用实测数据对模型进行检验，结果表明，所建立的车间位置关系辨识模型对曲率估算误差不敏感，曲率估算误差超过20%时辨识模型的识别效果几乎不受到影响。
4.通过对实车试验数据进行分析，建立了考虑驾驶风格的换道预警方案。选择驾驶风格的表征参数，采用模糊数学方法对驾驶风格进行分类，将驾驶人分为冒进型驾驶人、比较冒进型驾驶人、比较谨慎型驾驶人和谨慎型驾驶人四类。基于TTC（Time ToCollison）数据和相对距离数据建立了车速高于50km/h情况下不同风格驾驶人的换道预警条件。验证试验表明，所建立的驾驶风格模糊分类模型能正确区分不同的驾驶人群体，考虑驾驶风格的换道预警方案能实现对不同风格驾驶人的换道预警功能。
本研究得到了国家自然科学基金项目（51178053）和国家科技支撑计划项目（2009BAG13A05）的资助。
