轨道车载荷大,多用于运输大质量的物品,在长途运输和大型工业生产中有着不可替代的作用。轨道车工作环境恶劣,极易在运行过程中与周围的物体发生碰撞等事故,存在巨大的安全隐患。一旦轨道车发生碰撞事故,不仅会破坏其车辆结构、造成人员伤亡,还会严重影响工业生产运输效率,造成巨大的经济损失。因此,解决轨道车辆的碰撞安全性问题对保障轨道车运行的安全、提高工业生产效率有重大的意义。目前,预防碰撞事故的主要研究方向是提高车辆的主动安全性能,但鲜有专门针对轨道车辆而研发的主动安全方法,大多数都是针对道路汽车进行的研究。然而轨道车的运行速度、工作环境及工作生产方式不同于汽车,现有的主动安全算法难以直接应用。对于轨道车辆而言,研发其主动安全算法,使得其能够尽早识别可能存在的碰撞风险,准确预测出轨道车运行前方移动物体的下一刻运动方向与位置,这样就可以对“即将到来”的碰撞风险进行预警与控制,从而提高轨道车的主动安全性能。因此,如何通过现有车辆运行在道路上运行的参数和算法,对车辆场景中运动的物体进行轨迹预测是轨道车主动安全系统设计必须考虑的一个重要问题。基于主动安全设计思想,本文分别利用UWB定位系统,搭建轨道车运行轨道基站检测规律运动物体（固定工作人员）的运动轨迹,利用十六线激光雷达扫描检测不规律运动物体（随机行人及车辆）的运动轨迹,在宝钢焦炉区现场开展了试验与运行,获取了大量的运动物体移动轨迹的现场参数。考虑到四大车不同的工作性质和道路环境,预测各类运动物体的运动轨迹即下一步移动方向与位置,本文的主要研究内容及创新点概括如下:（1）针对煤车运行区仅有固定工作人员通过的情况,提出一种基于灰色马尔科夫模型的四大车混合增强智能轨迹预测方法,通过现场采集焦炉煤车运行区行人行走位置的数据,依据人在回路的混合增强智能方法,基于人的认知对规律运动物体进行分类并上传。在此基础之上结合灰色预测法建立煤车区行人行走轨迹的马尔科夫模型,辨别他们行走时轨迹的变化特征,与传统的灰色模型预测的结果进行比较,其相对误差较小,准确性更高,完全可以应用在焦炉煤车的无人化运行系统中,实现焦炉煤车的无人化主动安全控制。（2）针对推焦车运行大车道上有随机行人和各种车辆的情况,提出一种基于DEGWO-SVM的四大车混合增强智能轨迹预测方法。通过人在回路的混合增强智能方法,识别分类焦炉区不规律运动目标及其具体类型,从而准确对各类型的运动目标进行下一时刻预测,然后结合差分进化机制（Differential Evolution,DE）和灰狼算法（Grey Wolf Optimization,GWO）,优化支持向量机（Support Vector Machine,SVM）的核函数参数γ和惩罚因子C两个参数,减小恶劣环境对整体预测模型运行的影响,获取SVM参数的最优解,建立准确预测推焦车车道恶劣环境中的运动对象的轨迹,从而控制运行的推焦车实现主动安全。（3）提出一种改进的混合灰狼（Hybrid Grey Wolf Optimization,HGWO）优化SVM的混合增强智能预测算法。在DEGWO-SVM混合增强智能预测算法的基础上,自适应改进和调整了差分进化机制,并结合了莱维飞行优化SVM核函数参数γ和惩罚因子C,构建基于自适应差分和莱维飞行改进的HGWO-SVM混合增强智能预测模型,分别进行仿真和现场实验,并与DEGWO-SVM混合增强智能预测结果对比,验证该方法的准确性和优越性。