随着我国经济的快速发展,我国汽车保有量特别是私家车数量迅猛增加,道路交通系统中人车环境矛盾突出,在所发生的交通事故中,人因影响高达90%以上,其中驾驶员因素占70%以上。驾驶员生理-心理特性与交通安全紧密相关,其对交通安全的影响主要表现为其驾驶倾向性,以往研究多集中于从相对静态和宏观角度出发的驾驶员心理特性测量和对交通安全的影响,而关系汽车主动安全方面的,对驾驶员情感状态进行微观、动态测度和计算的研究很少。本文通过设计各类实验,采集车辆运动状态、驾驶员及操作行为、驾驶环境等微观动态信息;采用神经网络分类器以及误差反向传播算法,把微观动态信息作为神经网络输入层,驾驶员倾向性类型作为输出层,对数据进行训练,确定输入、输出层与隐含层之间的连接权重,获得分类正确率估计,再运用离散粒子群算法,对驾驶倾向性的特征数据进行了提取;针对双车道情况并重点考虑环境因素中直接影响驾驶员情感的态势因素,运用遗传模拟退火算法,提取时变环境下不同的驾驶倾向性特征,利用动态贝叶斯网络建立适应环境演化的驾驶倾向性识别模型;通过不同环境下驾驶倾向性数据统计分析,揭示了双车道条件下,随着交通环境演化汽车驾驶倾向性转移规律。验证结果表明,本文所建辨识模型能够适应多车道环境下驾驶员倾向性类型的实时辨识,为以人为中心的个性化汽车主动安全系统的实现提供理论基础。