随着智能网联汽车成为我国交通强国战略中的重要建设方向,以智能汽车、自动驾驶、车路协同为代表的城市智能交通基础设施在保障驾驶安全、提高出行效率上发挥的作用愈发明显。作为“人-车-路-环境”出行生态中的核心组成部分,智能网联汽车是驾驶员参与出行活动的重要载体,如何根据驾驶员特征设计更加符合其驾驶行为偏好的智能辅助驾驶模式则是实现未来城市智能化和共享化出行的关键所在。因此,为了给面向驾驶员的智能网联汽车设计提供充分的理论参考,本文将驾驶员行为作为研究对象,基于丰富的驾驶行为数据搭建驾驶行为模型,探究驾驶员行为决策、驾驶风格以及驾驶环境之间的联动关系,揭示驾驶员行为特性受驾驶员个体因素和环境因素的影响机理。首先,应用特征工程技术和数理统计方法,从原始车辆轨迹GPS数据提取驾驶行为特征,通过分析行为特征序列变化规律,挖掘驾驶行为与驾驶员个体以及驾驶环境之间的相关关系,为驾驶行为建模和驾驶行为特性分析提供了基础参考。然后,借鉴自然语言处理领域经典的马尔可夫过程和狄利克雷过程理论,搭建了基于非参数贝叶斯学习的层次狄利克雷过程-隐半马尔可夫(Hierarchical Dirichlet Process-Hidden Semi-Markov Model,HDP-HSMM)驾驶员行为模型,建立的HDP-HSMM可将驾驶行为特征序列转变为具有行为语义的行为状态序列。基于驾驶员行为状态空间共享机制,不同驾驶员行为状态序列的分布特征可反映其行为偏好差异,建模结果可作为考虑驾驶员个体因素和驾驶环境因素下驾驶员行为特性分析的参照系。最后,引入特征选择和特征聚类技术以解析驾驶行为特征信息,识别了驾驶员群体中的不同驾驶风格;应用数理统计方法分析驾驶风格群体的行为特征差异,分别从驾驶特征的激进水平、稳定性、特征偏好程度三个语义维度揭示不同驾驶风格群体行为模式,最终给出了不同驾驶风格的语义理解。结合建立的HDP-HSMM驾驶行为模型,分别研究了驾驶员行为与驾驶风格因素、驾驶环境因素(包括交通状态、交通发生和吸引)之间的关系。同时,将不同驾驶环境因素映射至实际驾驶场景,分析驾驶员行为受到驾驶风格和驾驶环境因素综合影响下的表现,为阐明驾驶行为特性、驾驶员个体因素以及环境因素之间的关系提供了重要理论支撑。图62幅,表9个,参考文献65篇。