近年来,智能网联汽车（Intelligent Connected Vehicle,ICV）与先进驾驶辅助系统（Advanced Driver Assistance System,ADAS）相互融合,在保障驾驶员行车安全、减轻驾驶负担以及提高道路通行效率等方面做出了突出贡献。ADAS依据人、车、路以及交通环境等信息对驾驶员进行驾驶辅助。目前ADAS在实际工作过程中存在无法准确获知驾驶员驾驶意图的缺陷,与驾驶员存在控制冲突。因此,做好驾驶员驾驶意图的感知与预测,对避免控制冲突、实现车辆智能化具有重要意义。首先,本文基于线性链条件随机场（linear chain Conditional Random Field,linearchain CRF）进行驾驶意图识别建模,对车道保持、左换道以及右换道三种驾驶意图进行识别。然后,为驾驶意图识别模型的训练与测试提供数据支持,基于Lab VIEW RT与Car Sim RT搭建静态驾驶模拟器,用于驾驶行为、车辆状态以及道路环境等数据的采集工作。其中静态驾驶模拟器硬件部分主要由宿主机、实时目标机、转向系统、制动/加速系统以及数据采集卡等数据采集设备组成,其中实时目标机由普通PC转化而来。另外采用NI Veri Stand软件实现驾驶模拟器实时I/O通道配置、数据可视化以及仿真模型与控制算法导入等功能。应用Car Sim软件进行车辆模型、道路模型以及驾驶场景的搭建。招募20名拥有驾驶经验的驾驶员进行模拟驾驶实验,采集实验数据。基于Matlab编程环境,利用箱式图检测法,对原始数据中的异常值进行检测与剔除。通过数据分析,选取6种可以表征驾驶意图的观测参数。最后,基于驾驶员驾驶行为特征以及车辆横向位置数据,提出个性化的驾驶意图数据分割方法,模型学习阶段,利用数据分割方法建立模型训练样本数据库;模型测试阶段,针对单一工况（车道保持、左换道、右换道）与复合工况（左换道复合工况、右换道复合工况）分别建立模型测试样本数据库。模型测试结果表明本文建立的驾驶意图识别模型具有较高的准确识别率。本文研究成果可为后期开展LKAS控制策略的研究提供参考,另外搭建的静态驾驶模拟器可用于汽车主动安全技术、辅助驾驶技术以及自动驾驶技术的开发。