准确预测周围车辆的行为和轨迹是自动驾驶车辆等智能系统实现安全高质量决策和运动规划的必要前提。北方寒冷地区由于冬季道路条件变差引发的交通拥堵及安全问题日益严重,冰雪环境下道路条件复杂,交通车行为的随机变化概率增加,所以深入研究冰雪路面下的周车行为轨迹预测问题有着很大的现实意义和理论价值。为此本文研究如何对周车行为轨迹进行交互性预测、实现针对冰雪环境下周车行为轨迹预测以及智能车辆的碰撞风险评估,具体研究内容包含以下几个方面:（1）提出了一种基于注意力机制的深度交互周车多模态行为轨迹预测算法。针对预测场景内车辆之间存在着双向交互作用,先使用门控循环单元对车辆的历史信息进行编码,然后根据车辆之间的相对位置进行空洞卷积池化操作提取交互影响信息,本文将自车的历史轨迹也参与交互关系的建模里。再对不同时刻下的历史空间社交向量进行编码,最后使用了分层预测,先输出被预测车辆的行为机动,然后结合注意力机制解码输出被预测车辆未来运动轨迹的多模态预测分布。利用公开的高速公路场景数据集NGSIM训练和验证,结果表明模型可以准确预测车辆的行为与轨迹分布。（2）建立了适应冰雪环境的车辆行为轨迹预测方法。针对冰雪环境下车道线被覆盖、能见度低、车辆行为趋于谨慎保守的特点,在交互预测的基础上引入路口距离特征并嵌入车辆运动学模型。该方法可以预测周车的完整运动状态,从而实现更准确的位置预测,并保证了运动轨迹的可行性。使用CADC自然驾驶数据集中包含冰雪环境的行驶样本验证了算法在真实驾驶场景的有效性。（3）设计了一种基于交互轨迹预测的车辆碰撞风险评估方法。以车辆的轨迹预测分布概率为基础,使用几何碰撞模型和分离轴定理计算目标车在行车环境内的碰撞概率。引入临界碰撞概率剩余时间这一评价指标,解决了基于运动学模型的风险评估算法预测时间短、无法预测潜在危险的问题。与常规方法局限于特定场景、单一车辆不同,该方法是对任意驾驶环境下多目标车辆的碰撞风险评估。最后搭建横向换道和纵向追尾的驾驶工况对所提出的碰撞风险评估方法进行验证,结果表明该方法可以及时预估车辆的行车风险。