智能汽车可有效提高行驶安全性,减少交通事故,是未来汽车技术的发展趋势。智能汽车防碰撞技术是提高汽车安全的重要技术手段。本文针对智能汽车防碰撞技术中的变道行为判断和碰撞风险估计问题进行研究,其目的是给出判断前车是否产生变道,以及产生碰撞风险的估计方法。本文的研究对智能汽车的行驶安全具有一定的理论以及实际意义。本文共分四章对智能汽车变到行为和碰撞风险估计方法进行了研究,给出了一种描述车辆变道行为的模型,以及模型参数训练方法;讨论了本车行驶轨迹和依据本车与前车相对运动参数的碰撞风险估计方法;通过实验数据分析了方法的可行性。本文依据驾驶员驾驶行为符合马尔科夫过程的原理,以及变道车辆的出现和变道行为具有不确定性和随机性的特点,建立了描述相邻车辆变道行为的混合高斯-隐马尔科夫模型。利用该模型对车道变换过程中前车驾驶员的决策状态进行了分段,描述了车辆变道过程中决策状态的变化趋势,并以传感器测量的前车与本车中心的横向距离的变化来表征驾驶员决策状态的变化。给出了一种用来训练模型参数的期望最大化训练方法,在仿真条件下验证了该方法的有效性。为检验本文给出的混合高斯-隐马尔科夫模型和模型参数训练方法的有效性,本文阐述了以毫米波雷达和摄像头为传感器的车辆行驶数据采集系统构建方法,给出了针对高速公路工况使用本文方法进行前方车辆变道行为判断的实验结果。实验结果表明本文给出的模型及判断方法可有效、实时的对相邻车辆的变道行为做出判断。为了对前方车辆与本车之间的碰撞风险进行估计,本文建立了本车的行驶轨迹预测模型,在考虑测量不确定性的条件下根据前车与本车之间的相对运动参数,利用蒙特卡洛采样方法设计了两车之间的碰撞概率计算方法。采用高精度车辆动力学软件veDYNA模拟前方车辆,在仿真条件下对本文设计的风险评估方法进行了验证,结果表明本文方法可以有效的反映两车之间的碰撞风险。