驾驶员非主观状态下的车道偏离行为是引起道路伤亡事故主要原因之一。当前应用的车道偏离预警系统多是通过雷达或摄像头进行环境感知，当车辆有接近或脱离车道标志线的倾向时，通过方向盘信号、转向灯信号对驾驶员的无意识车道偏离进行判别。但由于实际行驶过程中转向灯开启不足、偏离决策算法不符合驾驶员自身行为习惯等情况，整个系统仍存在误报和漏报率高、可靠性差的问题。为了丰富驾驶员非主观意图下车道偏离的判别依据，避免由于车辆输入信号缺失导致系统过于敏感等类似现象的发生，本文提出了考虑驾驶员操纵特性、车辆运动状态特性和车辆与车道线相对运动特性的无意识车道偏离识别方法，在满足科研团队国际合作项目需求的基础上，为车道偏离预警系统决策提供一定的理论支持。参照国内外学者对无意识车道偏离诱发原因的归类，本文基于吉林大学汽车仿真与控制国家重点实验室的驾驶员在环试验台设计了无意识车道偏离试验。试验以12名不同性别、不同熟练程度、不同风格的驾驶员为研究对象，采集了能够反映驾驶员无意识车道偏离的操纵特性、车辆运动状态特性和车辆与车道线相对运动状态特性的相关参数，然后借助方向盘转角输入和车辆的横向位置确定车道偏离的起始时间，结合受试者工作特性曲线（Receiver Operating Character Curve，ROC）确定能够明显区别驾驶员正常换道和无意识车道偏离的识别时间窗。通常将驾驶员无意识车道偏离行为分为疲劳偏离和次任务偏离。将这两类行为与正常换道行为的偏离特性进行比较后发现，与正常换道相比，疲劳状态下驾驶员对车辆的操纵能力降低，相应的车辆偏离响应变慢；而次任务状态下，驾驶员出于对行车安全性的评估，会频繁调整车辆，致使车辆偏离响应变剧烈。车辆偏离响应可以推测出驾驶员对车辆的控制行为，且这类行为可映射出驾驶员不同的意识模式。因此，通过观测车辆运动状态和驾驶员操纵行为即可建立行为预测模型。根据车辆偏离响应的输出，本文采用了可分析连续时间序列数据，同时能够包容车辆行驶过程中各种环境突变的高斯隐马尔科夫模型（Gaussian Mixture-HiddenMarkov Model，GM-HMM）进行理论建模。借助Matlab编程完成模型训练和模型验证工作。最后，本文介绍了研究团队前期开展的基于安全性评价指标的偏离决策算法，并叙述了驾驶员无意识车道偏离识别在系统中的理论应用。