近年来随着经济社会发展,我国汽车保有量持续增加,伴随着生活节奏不断加快,人们对自身驾车利益(比如时间、空间)的追求越来越高,对其他交通参与者的容忍度越来越低,致使道路上交通违法行为(例如近距离换道、频繁超车、不按规则让行等)屡见不鲜,甚者导致严重交通事故,对生命财产安全造成了严重威胁。本课题主要针对这类驾驶行为中的侵犯性驾驶行为展开研究,以期丰富汽车主动安全预警系统内容,为此类驾驶预警系统的开发提供理论支撑,主要研究工作分为以下几部分。首先,查阅了国内外对侵犯性驾驶行为的研究资料,阐明了研究侵犯性驾驶行为的背景意义,综述了该驾驶行为的研究现状,系统了解了侵犯性驾驶行为的发生机制、影响因素。在此基础上,总结了当前的研究不足,阐明了本文的研究内容及技术路线。其次,在广泛阅读、总结文献的基础上,结合本研究目的,主要完成了适应侵犯性驾驶行为研究的驾驶倾向性问卷设计和判定。本次驾驶倾向性的判定是在研究分析侵犯性驾驶行为的产生机制和驾驶倾向性的外延内涵以及攻击性行为特点基础上,借鉴行为测量学中专家讨论、现场调查、信效度分析等手段完成。再次,完成侵犯性驾驶行为实验及多维数据预处理研究。首先通过实验获取驾驶过程中的驾驶人生理-心理、车辆运行以及环境多维传感数据,然后基于数据挖掘技术和智能算法,设计了多维传感器异常值检测模型,完成对传感数据异常值的剔除,为后续驾驶行为辨识模型提供高质量的数据完成了实验数据的预处理。然后,完成对侵犯性驾驶行为的特征提取研究。首先对当前模式识别中的特征提取研究情况进行了简要说明,然后结合本研究对象的数据特点,针对简化数据维度和计算复杂度、提高后续辨识效率这一问题,建立了不同特征提取模型,对比验证、分析仿真结果,完成对不同驾驶倾向性驾驶员的侵犯性驾驶行为特征提取工作。最后,完成了驾驶行为辨识并为下一步预警系统的设计提供了初步思路。首先简述了模式识别和机器学习的研究进展,并对不同神经网络模型进行了研究、比较,然后基于神经网络基本模型利用Matlab工具和Python平台分别搭建了不同侵犯性驾驶行为深度神经网络辨识模型,最终完成对不同驾驶倾向性类型驾驶员的侵犯性驾驶行为识别,并提出了一种适应不同驾驶倾向性的精细化侵犯性驾驶行为预警系统初步思路。