近几年,发生在信号交叉口处的交通事故量较多,并且,产生交通事故必然导致区域交通堵滞、秩序混乱、资源浪费等情况,因此,减少交叉口交通事故已成为当前研究的热点,具有十分重要的意义。其中,对信号交叉口两难区的车辆驾驶员制动行为的研究是车辆主动安全领域研究的重要内容,是降低交叉口事故发生率的重要方法之一。针对传统汽车制动意图识别的研究仍局限于驾驶员操作部件,忽略了行车环境这一重要因素,并且,汽车驾驶本身是一个由人-车-路组成的闭环系统,而传统方法无法对驾驶员复杂的判断决策做出详细、准确的量化。本文搭建了由PreScan和G27组成的模拟驾驶仿真平台,并在总结国内外信号交叉口驾驶员制动行为和制动意图识别方面研究成果基础上,分成两种情形创新性的提出两难区域值、与停止线的距离这两种因素对信号交叉口驾驶员制动行为的影响。对多输入的参数进行主成分降维处理,并利用k-means聚类分析确定隶属度区间作为模糊推理的输入,建立制动意图识别模型。本文以交通运输部信息化技术研究项目(项目编号:2013-364-836-900)和国家自然科学基金项目(项目编号:61573171)为依托,开展相关研究。具体的研究内容如下:⑴针对发生在信号交叉口两难区交通事故量较多,本文进一步分析阐述了事故产生的原因。⑵根据信号交叉口车辆制动特点,分别从车辆行车角度和驾驶员角度提出两类两难区的定义,结合信号交叉口驾驶员的制动行为,得到交叉口两难区制动意图预测的关键影响因素,这些因素由机械部件和行车环境组成,机械部件因素包括制动踏板开度和制动踏板开度变化率,行车环境因素包括交叉口两难区域、与信号交叉口停止线间的距离、自车参数、前车参数、车头时距、碰撞时间倒数。⑶建立信号交叉口两难区制动行为模型。两难区车辆制动研究分成两种情景。第一种情景中研究车辆无前车,第二种情景中研究车辆包含前车。在第二种情景中,因神经网络输入量较多,采用PCA降维处理。仿真实验结果表明,该方法可准确的预测车辆减速度,更能充分的体现车辆的制动行为。⑷建立基于信号交叉口制动行为模型的制动意图识别研究。首先选取并确定模糊推理的输入参数,采用k-means聚类方法确定输入参数隶属度区间范围,建立模糊规则库,仿真实验结果表明,建立的基于模糊推理的制动意图模型可有效识别驾驶员制动意图,与BP网络预测模型相比,识别准确率达91.39%。