任园园，赵兰，郑雪莲，李显生

（吉林大学交通学院，吉林长春 130022）

随着汽车智能化发展,高级辅助驾驶系统（Advanced Driver Assistance System，ADAS）被逐渐应用于车辆驾驶中以提高驾驶安全.ADAS 系统唯有理解驾驶人的意图及动作，才能更好地提供辅助及协作控制策略[1].

近年来,驾驶意图辨识的研究越来越多，机器学习作为主流方法之一，被较多研究学者所使用.在机器学习辨识换道意图的研究中，换道意图表征参数和换道意图阶段确定对模型的辨识效果具有重要影响，过多无用的表征参数会使模型复杂化，降低计算速度，意图阶段截取不当会混入非意图阶段信息，影响意图模型识别效果.因此，意图表征参数组的选择和意图阶段的确定对意图辨识具有重要意义.

意图表征参数可被分为交通环境参数、车辆动态参数和驾驶人行为参数三大类[2].对于具体的意图表征参数选取，现有研究常见提取方法有研究者观察选定、统计学分析差异性、分类器验证三种.Salvucci 等基于驾驶模拟器实验，分析8 位驾驶人的384 次指定换道实验数据，发现驾驶人换道前伴随轻微减速，且意图阶段驾驶人对后视镜的关注明显高于车道保持阶段，因此认为车速及驾驶人视觉特性可以表征驾驶人换道意图[3].李创以NGSIM 数据集作为数据依托，认为横向运动变化规律可以很好地区分车道保持和左右换道三种驾驶行为，选择前车与其初始所在车道左侧车道线的距离、前车的横向速度以及纵向速度……