交叉口是城市道路交通流汇集、疏散的重要节点。由于渠化设计及信号控制等管控措施，交叉口进口车流流向与车道功能均有明确划分，导致多数驾驶员在信号交叉口进口路段进行变道操作。但是部分变道行为是危险变道行为，会严重干扰信号交叉口的正常通行秩序，同时也是引发信号交叉口交通事故的主要原因之一。本文结合数学模型及机器学习算法，研究了信号交叉口进口路段变道行为危险度辨识方法，提出了具有针对性的干预策略，具体进行了以下研究：
　　首先，根据现有跟驰理论，考虑变道特性，建立变道行为危险度的评价指标，根据现有研究及变道事故数据标定各个评价指标的危险性阈值，建立变道行为危险度的混合性评价指标，确立分级依据，并对危险性影响因素进行分析；
　　其次，制定不同的数据采集方案，对信号交叉口进口变道行为数据进行采集，定性分析驾驶员、车辆行驶、道路交通及环境特性对变道行为危险性的影响；
　　然后，对变道危险性的影响因素进行量化处理，利用有序多分类Logistic回归及LARS-Lasso算法建立变道行为危险度影响因素模型，通过对比分析，确定最优判别模型及关键性影响因素；
　　最后，针对关键性影响因素，提出交叉口进口变道行为的干预原则及干预原理，从驾驶员、车辆、道路交通及环境四个角度提出不同的干预措施。
　　本研究基于图像处理及计算机视觉技术的驾驶数据提取系统，通过制定变道行为危险度等级的评价及划分依据，研究各因素对信号交叉口进口变道行为危险性的影响，基于有序多分类Logistic回归及LARS-Lasso算法建立变道行为影响因素判别模型并进行对比分析，选取最优模型并确定各影响因素的相关性大小，在此基础上提出干预策略，以减少变道行为发生率或降低变道行为的危险度，提升信号交叉口进口的变道安全性。