根据汽车自动化和智能化的发展进程,美国汽车工程师协会（SAE）将智能汽车的发展分为手动驾驶、辅助驾驶、半自动驾驶、有条件自动驾驶、高度自动驾驶和完全自动驾驶六个阶段。虽然不同级别和功能的智能汽车正发展迅猛,但是要在短期内实现真正的无人驾驶却很困难。因此,未来的智能汽车将不可避免地面临人机共驾的局面。人机共驾亟待解决的难题是不确定性因素:驾驶人的不确定,车辆的不确定,驾驶权是否有条件切换不确定等。针对以上不确定性问题,本文基于贝叶斯网络融合驾驶员因素、车辆因素及外部环境因素,建立驾驶环境风险等级评估模型,该模型可以定量的输出驾驶环境风险等级。首先,将影响驾驶风险的因素分为两个大方面:原始风险和动态风险。其中将动态风险划分为驾驶人动态风险和车辆动态风险,并对相关影响指标进行分析选取;其次,根据各种影响因素搭建了驾驶环境风险的贝叶斯网络,并通过该网络推导出驾驶环境风险等级模型;再次,对影响车辆驾驶风险的指标进行分析优化,并划定了相关影响指标的风险阈值及其风险等级范围;最后通过Netica软件对驾驶环境风险等级模型进行敏感性分析与风险预测,并结合相关驾驶数据证明了该模型的可行性,另外还通过两种实车运用场景验证了该模型的有效性。研究结果表明,本文构建的驾驶环境风险等级模型能够实时输出当前的驾驶环境风险大小。本文的研究结果可为L3、L4级别的人机共驾汽车在驾驶权切换时提供理论支撑。当需要切换驾驶权时,系统通过该模型分别输出驾驶人、车辆的风险大小,以判断当前是否有条件进行驾驶权的移交,从而决定是否发起驾驶权的移交;除此之外,该模型还可定量、实时地监测驾驶过程中的总体风险大小,以随时纠正驾驶员的危险驾驶行为。