近年来,随着汽车的保有量不断上升,由此带来的交通安全问题也越来越严重。为了解决这一问题,汽车工业正在朝着更加智能化的方向发展。如果车辆能够提前对车辆的周边安全态势做出预判,就可以使车辆做出合理的决策和动作,从而避免交通事故的发生。因此,本文采用循环神经网络对周边车辆进行轨迹预测,并构建车辆周边安全数据场,根据周边车辆的预测轨迹与车辆的周边安全数据场提出了一种车辆周边安全态势的评价方法。首先,运用VISSIM仿真软件搭建三车道高速公路的交通仿真模型,并获取大量的车辆行驶仿真数据;其次,通过MATLAB编程从获取的原始仿真数据中提取出可用于周边车辆轨迹预测的样本数据;然后,根据车辆的行驶轨迹序列具有前后关联这一特点,利用PyTorch深度学习框架,搭建以车辆历史相对位置序列点为输入,车辆未来相对位置序列点为输出的循环神经网络预测系统,并利用获取的样本数据对搭建的循环神经网络预测系统进行训练和验证;最后,采用Hadamard乘积运算将车辆横向安全数据场与纵向安全数据场进行信息融合形成车辆的周边安全数据场,根据周边车辆的预测轨迹将周边各个车辆的周边安全数据场分别与智能车辆的周边安全数据场进行叠加,得到智能车辆周边安全数据场的变化趋势,进而利用安全评价指标对智能车辆的周边安全态势做出评价。通过验证表明,本文提出的智能车辆周边安全态势评价方法可以好地判定出智能车辆的周边安全态势,为智能车辆的路径规划提供了重要依据。