自动驾驶汽车经过了几十年的发展,是目前国内外汽车行业中的重要研究方向。自动驾驶汽车的智能化需要车辆能够有类“人”的行为,在决策策略上可以满足人的心理需求。人在驾驶过程中,会根据自身对交通规则和道路结构化的认知确定交通级的驾驶任务,针对不同的驾驶任务采取不同的决策策略。识别交通级的驾驶任务能够在车辆的驾驶历程中自动获取每种驾驶任务的行驶过程数据,是研究人在每种驾驶任务下的决策行为特点的前提。针对驾驶任务的识别研究,目前大多对车辆行驶过程采用滑动时间窗口的方法进行滑动截取识别,但车辆的行驶过程具有随机性,不同驾驶任务的完成时间并不相同,窗口大小的选取影响对驾驶任务识别的结果。为解决上述问题,本课题将重点研究车辆行驶过程的分段方法和驾驶任务的识别方法,具体研究内容如下:第一,建立了驾驶任务的识别模型。首先,根据车辆完成不同驾驶任务的运动特征以及驾驶任务识别和语音识别的相似性,确定以隐马尔可夫模型（HMM）作为驾驶任务的识别模型。其次,建立每个驾驶任务的隐马尔可夫模型,构成驾驶任务识别模板库,作为驾驶任务识别的匹配依据。根据模板库,完成对左转弯、右转弯、左换道、右换道、沿道行驶、掉头行驶六种驾驶任务的识别。第二,提出了一种基于任务特征的行驶过程分段方法。针对目前驾驶任务识别研究中常用的滑动时间窗口的信号截取方法存在的问题,本文提出了基于任务特征的行驶过程分段方法。车辆运动轨迹的曲率信息一定程度上反映了道路的结构信息,该方法以不同驾驶任务的曲率变化特征为依据,将行驶过程分为多个行驶段,每个行驶段都是一个独立的待识别驾驶任务,利用驾驶任务识别模型完成对每个行驶段的识别。本文进行驾驶模拟器随机工况仿真试验,采集试验数据,用以模型训练及系统验证。对每个单独的驾驶任务,由试验人员完成多次驾驶试验。以试验数据完成对驾驶任务识别模型的参数训练,并检验HMM识别模型的准确性,结果表明本文所建立的识别模型对每种独立的驾驶任务行驶过程的识别准确率能够达到98%。通过对基于任务特征分段的驾驶任务识别方法的验证,本方法能够以88.9%以上的准确率对每种驾驶任务进行分段识别,可以有效地对长时间的自由行驶过程进行分段并准确识别每个行驶段的驾驶任务。