高速公路由于车流量大、车辆运行速度快,导致其交通事故后果严重。一旦发生交通事故,不仅路产损失大,还容易引发交通拥堵、二次交通事故等现象,甚至造成大范围交通瘫痪,所以迫切需要交通管理部门采取高科技手段对交通隐患进行防范。高速公路车辆异常驾驶行为是引发交通事故的重要原因,实时监控车辆的运行状态,并预警异常驾驶行为,是实现交通智能化、交通安全出行的有效途径。基于微观参数多步预测的高速公路异常驾驶行为检测预警的研究,及时发现、识别和预判异常驾驶行为,进而对其影响范围进行预警,对于高速公路交通安全管理具有重要的理论意义和实用价值。论文首先基于混沌理论对车辆微观速度、加速度序列数据的混沌性进行分析,证明了车辆微观参数具有可预测性;然后基于R/S分析法证明了两参数具有分形特征,并基于分形理论构建了微观参数的预测模型;通过速度、加速度时间序列数据的指标量化,采用神经网络对其可预测步数进行了估计,得到微观参数可预测步数估计模型;结合分形预测模型和可预测步数估计模型得到分形多步预测模型,对车辆微观参数进行实时多步预测。基于文章提出的分形多步预测模型,实时预测车辆的未来多个时刻的定位数据。根据车辆的实际运行数据,以及预测的数据序列,分别采用阈值判断法和机械学习法对高速公路车辆超速行驶、低速行驶、紧急制动、紧急停车、临时停车、倒车逆行等多种异常驾驶行为进行了分类识别检测。本文还基于以上检测的各类异常驾驶行为,按其严重程度进行了分级反馈设计、分级预警设计,基于安全距离模型分析了各类异常驾驶行为的安全预警范围。最后,文章对提出的各种方法进行了实例验证。实例结论表明:车辆瞬时速度、加速度可以采用分形理论进行多步预测;基于预测数据下的异常驾驶行为识别模型具有较高的检测率,能够有效的提前检测部分异常驾驶行为;通过安全预警模型能够快速的给出其预警车辆。