交叉口是道路交通系统中事故发生率较高的区域，各国都在致力于开发车辆智能安全系统，以减少交叉口事故的发生。然而，现有的安全辅助系统仅依靠传感器、机器视觉感知车辆和周围环境的信息，忽略了驾驶员的行为特征和驾驶员的意图，这样不但影响系统对危险性交通态势评估的准确性，更有可能因系统无法理解驾驶员的操作意图，而发出与驾驶员意图相悖警告或强制干预，从而影响驾驶员的注意力，导致交通事故的发生。针对这一问题，本文从交叉口驾驶员行为特征入手，对交叉口驾驶员转向意图辨识进行研究，旨在服务于车辆智能安全系统，减少交叉口交通事故的发生。通过驾驶模拟采集表征驾驶员意图的车辆运行特征参数:方向盘转角、制动踏板开度、油门踏板开度、车速。运用支持向量机方法，建立交叉口驾驶员转向意图辨识模型，通过智能优化算法对模型参数进行寻优，提高模型的辨识准确率，达到对交叉口驾驶员转向意图准确辨识的目的。本文进行了以下几个方面的研究:　　(1)交叉口驾驶员转向意图辨识的试验设计与数据的获取。通过对交叉口驾驶员行为模型和交叉口驾驶员操作行为特性的分析，设计试验的总体方案，并通过基于SCANeR平台的六自由度动感驾驶模拟采集交叉口驾驶员的操作量数据:方向盘转角、油门踏板量、制动踏板量、车速。　　(2)交叉口驾驶员转向意图时间窗的确定。确定以交叉口停止线为意图时间窗终点，窗口宽度为3s，对停止线前3s内的驾驶员操作量进行研究，并对试验过程中采集的数据进行截取，确定用于模型建立的训练样本和测试样本。　　(3)基于支持向量机的基本理论，运用支持向量机方法建立交叉口驾驶员转向意图辨识模型。对确定的样本数据集进行归一化与降维处理，建立特征向量，作为模型的输入。使用matlab实现模型的训练，通过建立的模型对测试样本进行辨识，测试所建模型的辨识准确率。　　(4)模型参数的寻优。通过交叉验证的思想，运用网格搜索法、遗传算法、粒子群优化算法对影响模型准确率和泛化能力的惩罚参数c和核函数参数g进行寻优。根据最优参数的选取原则，比较三种方法的寻优结果，确定交叉口驾驶员转向意图辨识模型的最佳参数。采用最佳参数建立交叉口转向意图辨识模型，根据驾驶模拟仪二次采集的试验数据，测试基于最佳参数的模型辨识准确率。　　论文针对交叉口驾驶员转向意图辨识面临的关键技术问题进行了研究。分析了交叉口驾驶员行为特征，确定了交叉口驾驶员转向意图时间窗与表征参数，建立了交叉口驾驶员转向意图辨识模型。其研究成果能够为车辆智能安全系统的开发与研究提供一定的理论和技术支持，从而提高交叉口驾驶员行车安全性，改善交通环境。