随着城市化进展和车辆的普及,汽车作为主要的交通工具,给人们出行带来了极大方便,但同时也带来了交通安全问题。车辆辅助驾驶系统可以在驾驶异常时对人车单元实施保护,避免交通事故的发生,是应对交通安全问题较为积极、有效的措施。在影响交通安全的因素中,驾驶员自身的内在因素是造成交通事故的主要因素之一,车-路-环境通过人——驾驶员同时影响交通安全。目前的车辆辅助驾驶系统特别是主动安全预警系统中,由于没有考虑驾驶员的个体差异,使得系统精确保护人车的能力较弱。如果将驾驶员特性中反映驾驶员个体差异的驾驶倾向性引入到车辆主动安全预警系统中,通过辨识模型识别驾驶员的类型,就可针对不同类型的驾驶员建立个性化安全驾驶预警系统,实现对人车单元较为精确的保护。本文以实现驾驶倾向性的辨识为目的,将驾驶倾向性分为三种类型：冒险型、谨慎型和保守型,按四个方面对交通状况为自由流和跟驰时的驾驶倾向性辨识方法进行了研究：通过心理问卷测试、观测实验、实车实验和交互式并行驾驶模拟实验获取自由流和跟驰状态下各倾向性类型驾驶员的行车数据；采用智能模式识别中基于BP神经网络和粗糙集理论的特征提取方法筛选出自由流和跟驰状态对倾向性类型分类能力较好的特征向量；基于支持向量机的模式识别方法建立自由流状态下驾驶倾向性的动态辨识模型,结合车辆运动学理论给出跟驰状态倾向性类型的判定指标,并建立驾驶倾向性的动态辨识模型；利用实车实验、交互式并行驾驶模拟实验以及交通流微观仿真实验对驾驶倾向性的识别进行验证。结果表明,本文相关实验的设计方案、特征向量的提取方法以及所构建的辨识模型均合理可行,能够实现驾驶倾向性的动态识别。