人们对汽车的需求越来越多,对驾驶过程中舒适性和安全性的要求也越来越高。智能车可以把驾驶员从枯燥的驾驶中解放出来,因此对自动驾驶技术的研究越来越多。由于技术、法规等一系列因素的限制,自动驾驶时代的到来还很漫长,而驾驶辅助系统作为传统汽车与自动驾驶汽车的过渡解决方案,受到越来越多的关注,如车道保持系统、自适应巡航控制系统。对于驾驶辅助系统而言,车辆能准确地识别驾驶员的驾驶意图尤为重要。本课题以行车过程中驾驶员需要多次换道为研究背景进行驾驶员换道意图识别的研究,并将研究结果应用于主动换道。本课题采用高斯混合隐马尔科夫模型进行换道行为的识别,借助于Matlab/Carsim仿真软件,以65km/h的车速模拟换道。设计两种方案进行换道意图建模:方案一以方向盘转角、转速为观测变量,选取从开始换道到方向盘转角达到最大值之间的数据作为训练样本;方案二以方向盘转角、转速、车身横摆角为观测变量,选取整个换道过程的数据作为训练样本。对于车道保持模型,从驾驶模拟试验台获取驾驶员在环的数据作为车道保持模型训练的样本。获得模型参数后,采用滚动时间窗的方式,对两种方案下的模型识别效果分别进行了检验和分析。考虑到不同车速下换道数据特征的差异性,对车速为100km/h下的换道行为进行了识别。结果表明,两种方案均能对该车速下的换道行为进行准确识别。本文采用识别延迟时间、识别提前时间、识别持续时间、识别结束时车辆质心位置等评价指标,反映识别过程。结果表明,两种方案均能在驾驶员开始变道后600ms内准确识别出换道意图,识别时刻比车辆质心到达中间车道线提前约1.9s,且方案二能准确识别整个变道过程。结合驾驶意图识别模型和模型预测控制,本文设计了主动换道系统。该系统能够在识别出换道行为后进行换道轨迹规划和路径跟踪。通过仿真对该系统进行验证,发现控制器直接介入会使方向盘转角发生跳变,提出了延迟控制器介入时间的解决方案。最后,借助于驾驶模拟试验台,对该主动换道系统进行了驾驶员在环在线试验,验证了该系统在实际应用中的可行性。