随着自动驾驶技术的发展,推动了车辆智能化、网联化的稳步前进,人们对自动驾驶也有了更高的要求。在自动驾驶中,高级驾驶辅助系统和驾驶人的协同作用是很重要的一环。驾驶人在行驶过程中的倾向性行为具有的个性化差异,定义为驾驶风格。准确识别驾驶风格对于设计更加符合驾驶人期望的ADAS,提升道路交通安全有重要意义。在现有的驾驶风格研究中,数据来源多由驾驶模拟系统采集,这与真实驾驶数据存在一定差异;且多数研究仅关注单个工况或者特定场景。考虑到上述问题,选用真实路试数据集,分析各典型交通场景下的不同驾驶风格特性,并对比场景之间的差异,对多场景下的驾驶风格进行建模。主要研究内容如下:（1）考虑交通场景对驾驶行为的影响,研究车辆在各场景下的驾驶行为参量分布特性并得出可以表征驾驶风格的综合特征参数序列。首先基于NGSIM数据集划分出三种典型的交通场景:匝道汇入场景、换道场景和跟车场景,使用车辆位置和速度等约束条件筛选出各场景下的车辆轨迹数据样本;接着分析车辆在各典型交通场景下的车辆速度、车头时距等驾驶行为参量分布特点,以此作为驾驶风格特征参数选取的依据;最后使用因子分析方法对特征参数降维,得到可以表征驾驶风格的综合特征参数。（2）基于各典型交通场景的驾驶风格分类与识别研究。使用K-means++聚类算法对匝道汇入、换道及跟车场景下的综合特征参数进行聚类得到驾驶风格类别。分析每类驾驶风格的特征参数分布,发现不同驾驶风格之间存在明显差异,如速度、横向速度车头间距等;同时对比车辆在不同交通场景之间的特征参数分布,存在A场景的有效特征参数在B场景并不能表征驾驶风格的现象。（3）使用机器学习算法对驾驶风格进行建模。将传统的三协同训练算法与交叉熵结合,扩大基分类器之间的差异性,以降低训练过程中产生的噪声样本。基于不同交通场景构建驾驶风格识别模型,实验结果表明,所构建的识别模型在三种场景下的准确率均达到了93%以上。（4）使用驾驶员模型对驾驶风格进行建模。考虑横纵向动力学的综合影响,建立横纵向综合控制的驾驶员模型,使用MPC对车辆的横摆运动特性进行控制,PID对车辆纵向速度进行跟随控制,结合前文所得出的驾驶风格特征参数对仿真车辆模型加以约束,实现驾驶风格的差异化仿真。