骑车人-车辆碰撞事故数在交通事故总数中占有较高比例,所以骑车人保护系统一直是高级辅助驾驶系统/自动驾驶系统研究的重要课题,其主要目的是保护骑车人安全,减少交通事故率。目前,大多数骑车人保护系统着眼于骑车人的检测和跟踪,而通过进一步对骑车人进行运动预测从而减小碰撞风险的研究较少,且存在对骑车人的运动、姿态信息,以及交通环境信息利用不充分,研究方向较分散等问题。因此,本研究面向无交通信号灯、机非混行十字路口中骑车人与车辆之间的交互场景,进行以骑车人多元特征提取为基础的骑车人意图识别和轨迹预测方法的研究。首先,本文针对十字路口场景,对骑车人相关的多元特征按照运动层、姿态层和交通环境层进行提取和分类,从对象因素和静态/动态环境因素的角度选取与骑车人行为相关的特征。根据多元特征,设计了十字路口场景下基于动态贝叶斯网络的骑车人意图识别方法,给出意图推断方程,用于骑车人意图后验概率的估计。其次,根据骑车人意图识别结果,本文设计了基于轨迹规划方法和运动模型的骑车人轨迹预测方法。根据Frenet道路坐标系下的十字路口交通场景定义,结合骑车人意图和当前交通环境,算法给出合理的骑车人未来轨迹集,并建立骑车人运动模型,沿预测轨迹进行骑车人未来数秒内的位置和速度分布的预测。最后,本研究搭建了基于ROS系统的数据采集软硬件平台,并对单目图像、激光点云等数据进行处理,建立了骑车人数据库,用于骑车人运动预测算法的参数估计和算法验证。根据骑车人与车辆在十字路口交互场景的特点,设计了12种试验场景,分别对骑车人意图识别和轨迹预测算法进行了验证。试验结果表明,骑车人意图识别算法能在骑车人进入十字路口区域0.8s内,以及骑车人与自车距离大于20m处,准确识别出骑车人意图;骑车人轨迹预测算法在此基础上,结合当前道路环境和骑车人运动模型可预测未来5-6s内骑车人的合理轨迹集,以及骑车人各时刻的位置和速度分布。本研究提出的骑车人运动预测算法有较高实际应用价值,可为车辆决策提供重要依据。