近年来,随着汽车保有量的增加,交通拥堵日益加剧。换道事件作为车辆行驶过程易发生的事件之一,它不仅会对道路交通流的运行效率造成一定影响,不恰当的换道过程还容易造成交通冲突,影响道路交通安全。因此,对于车辆换道事件的研究,如何能让后车迅速有效预判换道事件是否发生,是智能交通领域当前研究的热点之一。目前,大多数换道辅助系统通过转向灯信号状态来判断是否会发生换道事件,但在实际事件发生过程中车辆转向灯的提前开启率较低,使系统无法及时准确地判别换道事件,如果能结合其他换道特征指标来识别换道事件是否发生,不再仅仅依据转向灯信号这单一指标,则可以提前对驾驶员周围的行车环境进行评估,降低潜在的行驶风险。本文基于大量车辆行驶轨迹数据,选取车辆行驶速度、横向加速度、换道时间、转向灯开启、相对距离、碰撞时间等作为换道事件的表征参数,引入Logistic模型对换道事件进行判别,提出了换道事件的判别方法。本文的主要工作如下:（1）选取苏州市交通流状况良好的部分路段,采用视频拍摄法对车辆的行驶轨迹数据进行采集,使用Tracker数据处理软件从视频中提取车辆行驶轨迹,基于相机成像原理,对轨迹坐标进行转换,对转换后的行驶轨迹做平滑处理,通过车辆横向位置的变化确定换道起始点,将数据筛选分为换道事件样本和车道保持事件样本,为后续分析换道特性指标奠定基础。（2）从行驶轨迹数据中提取出换道事件的整个过程,深入研究换道阶段和车道保持阶段下车辆运行参数的基本变化规律,结果表明:各参数差异显著;约68%的换道样本车速范围在45 km/h-60 km/h之间;车道保持和车辆换道的横向加速度标准差均值分别为0.21m/~2和0.07 m/~2,且差异性显著;换道样本中转向灯的开启率约为78.5%,截止换道起始时刻,转向灯处于开启状态的样本仅有45.3%;换道时间分布总体趋势比较集中,集中在3-6s间;在换道起始时刻,自车与当前车道前车的相对距离D1集中在50-60m间,碰撞时间TTC1在10s左右;自车与目标车道后车的相对距离D2集中在50m左右,当D2>50m时,碰撞时间TTC2在15s左右,当D2<50m时,TTC2值大多数大于20s。（3）基于对相关参数指标的差异性分析确定了以车辆行驶速度、横向加速度、转向灯开启、车辆相对距离及碰撞时间作为判别换道事件的指标体系,构建了基于Logistic回归的换道事件判别模型,并使用待识别样本对模型的预测准确性进行检验,总体准确率达到93.2%,表明此模型预测效果良好,通过指标及模型判别换道事件的方法有效。