近年来，我国机动车保有量快速增长，新增驾驶人数目也逐年上升。与此同时，交通参与者的规则意识、文明意识和安全意识仍然比较薄弱，交通安全隐患大量存在，道路交通事故频繁发生，严重危害着人们的生命财产安全。模拟驾驶训练作为一种提高驾驶人技术水平和交通安全意识的现代训练方法，已在很多国家的驾驶训练中得到了应用。在当前不容乐观的交通形势下，若能在模拟驾驶训练中实时识别驾驶意图，并结合驾驶环境判断当前驾驶状态是否危险，并将危险的结果及时反馈给驾驶人，则可以使驾驶人能在训练中及时纠正错误的驾驶操作，加深驾驶人对危险驾驶状态的认识和理解，提升以后在真实驾驶中的安全性，降低道路交通事故发生率，同时提高模拟驾驶训练的效率和智能化水平。　　为了达到上述目的，本文在前人研究的基础上，将驾驶意图识别引入模拟驾驶训练中。论文主要进行了以下几方面工作:　　首先，根据驾驶意图和驾驶操作行为之间的关系，以及特定驾驶环境中驾驶行为呈现的规律性，建立了高速公路环境中6种常见的驾驶意图及其对应的驾驶操作行为序列。基于隐马尔可夫模型适用于处理时间序列的特性、模块化建模思想以及模式识别的功能，选择合适的模型表征参数，建立了一种用于识别上述6种常见驾驶意图的复合隐Markov模型(CHMM)，其底层子模型用于识别短时片段内的驾驶操作行为，顶层子模型用于识别一段时间内的驾驶意图。　　其次，根据模拟驾驶训练目的和交通安全法律规定，从危险驾驶意图和跟车行驶的危险车间距两个角度对CHMM模型识别结果对应的驾驶状态安全性进行了分析和定义。其中，当意图识别结果为“加速跟车行驶”时，则利用建立的充分安全车间距模型，根据本车和前车的速度、车间距等信息判断驾驶状态是否危险。　　然后，借助于江苏大学驾驶模拟器实验平台，利用视景VIEW4软件建立了高速公路模拟驾驶场景，并在该场景中完成了实验设计并进行了数据采集。将采集到的数据进行了转换、分类、分段和异常数据剔除处理之后，结合MATLABR2012a软件的HMM工具包，根据修改的Baum-Welch迭代算法和Baum-Eagon算法对CHMM模型进行了参数训练和识别验证。识别实验结果显示该CHMM模型能对高速公路场景中的“正确从左侧超车”等6种驾驶意图进行准确识别，平均识别率在90％以上。　　研究结果表明，基于隐马尔可夫理论的驾驶意图识别模型和危险驾驶状态分析方法可应用于模拟驾驶训练，且对提升驾驶人素质和预防道路交通事故具有一定的积极意义。