辨识车辆行驶的安全状态是车辆辅助驾驶甚至无人驾驶技术研究的基础,帮助驾驶员把握实时运行状态,分析行车安全性,形成正确驾驶经验的重要数据支撑,是一种有效的主动安全技术。近年来,汽车电子传感器以及智能仪表设备的增设,使得获取汽车的工况状态参数更简便、准确,智慧交通系统使路网信息的获取更易更全面,这些都为车辆运行安全状态辨识系统的研究提供了可靠的数据和技术支持,开发优异的辨识方法就显得十分重要。本文整体搭建了基于DBN-SVM算法的平纵组合线形车辆运行安全状态辨识系统框架,针对该辨识系统涉及的相关内容进行阐述,并且着重研究了关于模型建立的几个关键问题:（1）平纵组合线形道路参数以及车辆运行工况参数的选取;（2）车辆运行安全状态特征分析;（3）车辆安全状态辨识方法的研究。首先,分析车辆在平纵线形组合道路上行驶过程中的受力情况,从汽车运行工况和道路线形方面考虑影响驾驶安全性的因素,基于多因素的参数特征进行综合分析。其次,运用Adams Car汽车动力学仿真软件模拟小型轿车在不同平纵组合线形道路上,以不同运行工况行进时的运行状态,获取各参数数据,并通过对所有仿真试验数据进行对比分析,总结出平纵组合线形道路车辆运行安全状态特征,以此为依据对平纵组合线形道路车辆运行动力学仿真试验进行安全状态的判别。随后,对辨识方法做出整体综合分析研究,从自动和人工辨别两大方向探究平纵组合线形道路车辆运行安全状态辨识方法种类。提出了基于SVM算法建立平纵组合线形道路车辆运行安全状态辨识模型,但经试验发现,该模型只是利用单一时刻的单一样本分别提取特征,忽视了样本的前后状态的联系、反馈修正等问题,往往会导致特征提取有偏差,故对现有模型进行改善,构建了DBN-SVM结合算法,很好地改善了单一SVM模型对于样本数据特征提取的不足,直接将平纵组合线形道路车辆行驶安全状态辨识正确率提高6.68%,达到97.68%,然后又将样本库按不同方法划分,进行多次试验,最终得出不同样本集的辨识正确率浮动不大,因此说明DBN-SVM模型同时具有较好的泛化性,是进行平纵组合线形车辆运行安全状态辨识工作的有效方法。