徐 婷，温常磊，张 香，李宝文，王 健，张亚坤

(1.长安大学汽车学院，西安710064；2.北京交通大学交通运输学院，北京100044)

0 引 言

不当换道行为导致交通事故屡见不鲜，造成惨重的人员伤亡及财产损失.美国高速公路安全管理局(NHTSA)调查数据显示：高达27%的交通事故由驾驶人换道引发[1]；我国由换道引发的交通事故约占4%～7%[2].因此，准确识别驾驶人换道行为对提高行车安全和降低交通事故发生率有非常重要的意义.

对于换道行为的研究，以不同角度的参数作为切入点，最常见的是环境参数和车辆参数，Yim等[3]将转向角等车辆运行状态数据作为模型输入，Schlechtriemen 等[4]将模型建立在与静态交通环境的关系上.研究换道行为的方法和模型也各有不同，有Logistic 回归模型[5]和支持向量机[6]等.有学者以驾驶人为研究对象，对驾驶人脑电图[7]、视觉特性[8]和头部特性[9]进行研究.

本文以降低城市道路换道事故率为目的，将城市道路换道行为作为研究对象，选取车载实时参数和前后车辆位置关系参数.车载实时参数有方向盘转角、转角方向、转向角速度、角速度方向、车速等；前后车辆位置关系参数有目标车辆与前方车辆相对距离、相对角度和相对速度.对参数进行统计学描述及独立样本T检验，确定将方向盘转角、转向角速度及本文定义的相对安全距离比作为表征城市道路驾驶人换道行为的特征参数，将3个参数的实时数据作为识别模型的观测矢量，识别模型混合了高斯混合模型(Gaussian Mixture Model，GMM)和……