近年来,智能网联汽车技术成为研究热点,而虚拟仿真测试对智能网联汽车的开发具有重要作用。虚拟测试场景的真实性仍是技术难题,本文针对提高虚拟测试场景的真实性和多样性,基于NGSIM（Next Generation Simulation）真实车辆轨迹数据,对驾驶风格进行分析,提取驾驶风格特征概率分布特性,建立考虑驾驶风格特征的运动预瞄模型,并应用于虚拟测试场景的交通车上,最终使交通车驾驶行为体现出不同的驾驶风格。本文研究内容主要包括:第一,对NGSIM车辆轨迹数据进行重构,为驾驶风格分析提供准确的数据支持。NGSIM车辆轨迹数据是开发交通仿真模型理想的数据来源,但其中存在误差和噪声,在计算速度和加速度时又会放大误差和噪声。所以,本文基于文献[1]提出的小波变换车辆轨迹重构两步法对NGSIM车辆轨迹数据进行重构:（1）识别并修正异常值:使用小波变换识别轨迹异常值,用高斯核回归对轨迹异常值进行修正;使用物理约束识别加速度异常值,用三次样条曲线插值对对应时刻的轨迹进行修正;（2）使用小波变换阈值去噪法去除速度噪声。然后,通过速度、加速度及其频谱和加速度变化率分析验证结果,并与其他重构方法的结果进行对比。结果表明,在保证车辆轨迹、速度、加速度基本特性不变前提下,本文采用的方法有效地去除了异常值和噪声。第二,对NGSIM直行工况驾驶员的驾驶风格进行分析,使用概率密度函数表达驾驶风格特征。针对横纵向特征一起聚类,聚类结果语义描述难以准确、统一的问题,提出横纵向特征分开聚类的驾驶风格分析法。首先,选择驾驶风格特征,使用主成分分析法（Principal Component Analysis,PCA）降维。然后将横纵向驾驶风格分开考虑,使用K-means聚类先根据纵向特征聚类,再根据横向特征聚类,最终把驾驶风格分为四类:纵向激进横向激进、纵向激进横向保守,纵向保守横向激进,纵向保守横向保守。对每类驾驶员的驾驶风格特征进行统计分析,结果表明,不同风格的驾驶员速度、加速度、加速度变化率以及横向偏差等特征具有明显区别。最后,对驾驶员横纵向加速度和横向偏差概率密度函数进行拟合,使用概率密度函数表达不同驾驶员的驾驶风格。第三,建立考虑驾驶风格特征的运动预瞄模型。在基于方向与速度综合决策的运动预瞄模型基础上对驾驶风格特征进行建模。主要包括:（1）建立横向随机偏差跟随性指标,使模型跟随依据不同概率分布特征随机产生的横向位移偏差,使不同风格运动预瞄模型体现出横向位移的差别;（2）建立加速度倾向性评价指标,使模型依据概率分布特征跟随加速度倾向,使不同风格运动预瞄模型体现出加速度的差别。最后,使用Matlab/Simulink与VTD（Virtual Test Drive）进行联合仿真验证,结果表明建立的模型可体现不同类别驾驶员驾驶风格的差异和同一类别内横向偏差随机化的差异。