随着智能化、网联化、电动化和共享化“新四化”技术飞速发展,行车服务系统已逐步成为智能车辆与智能交通领域的重要研究方向。近年来,能够对行车用户的服务需求进行主动、有效的感知与辨识,实现向行车用户主动推送服务并对服务质量提供有效保障的行车主动服务系统(Driving Active Service System,DASS)正成为研究热点。智能车辆作为行车过程的执行载体,可以更充分地掌握行车信息,通过服务平台提高行车安全,对促进无人驾驶技术发展具有重要应用价值。主要研究内容有:(1)针对DASS多设备多车辆协同推理、信息处理和分层集中控制需求,以多智能体协同控制框架为基础,构建了分层集中式协同DASS体系结构与服务流程。DASS中各层级感知与决策能力,为DASS的服务流程及其关键算法的设计奠定了基础。(2)针对传统行车服务方法无法满足自动化需求,提出了一种基于多智能体的服务生成平台。该框架通过行车环境建模、服务需求模型化、可执行能力匹配和服务评价的流程,使得DASS具有需求匹配和服务生成能力。在混行交通仿真场景中,一方面,以服务匹配度验证服务生成准确性和及时性;另一方面,通过特定行车场景,以不同策略连续的车流量变化特征验证了服务生成算法的主动性。(3)针对DASS在服务“自动生成-主动推送”过程中忽视服务推送与行车用户的相互影响,设计了基于用户特征行为的服务推送平台,包括存储层、应用层和评价层。在应用层基于用户操作行为预测设计了B-Num.BT算法,提高了服务推送用户接受度;在评价层基于推送流程设计性能评价指标;最后通过PreScan/Simulink验证了主动推送功能,并探讨了其对行车用户分类作用。(4)针对行车过程中面向突发场景主动控制需求,设计了面向危险并道场景的智能车避让控制模型,并且应用DASS验证了该突发场景下的主动干预控制性能。首先,以BP神经网络模拟驾驶人的紧急避让行为,同时增加高斯混合隐马尔科夫概率因子预测侧方车辆并道概率。最后,以车速差实验和网联车渗透率实验验证了避让模型对危险并道场景的适用性,以干预时机性验证了DASS的服务能力。综上,针对传统行车服务系统在行车过程中被动式服务请求模式、服务耗时长和安全性低等不足,本文从“模型设计-核心算法-平台搭建-典型应用”四个层面进一步突破和提升DASS的智能化、个性化以及接受度等性能,形成了更为细致的DASS实现方案,进一步丰富了智能交通系统理论方法及应用途径。