城市快速路的拥堵问题是许多大城市的交通难题,拥堵的行车环境会使驾驶员的驾驶操作受到影响,甚至引发攻击性驾驶行为。强行换道是一种常见的攻击性驾驶行为,严重影响到行车安全。若在换道操作前识别出换道意图,则可预先评估换道安全性,及时进行预警。目前,关于换道意图识别的研究多将研究场景设置为畅通状态,未考虑到拥堵的情况。另外,尚未有针对城市快速路场景的研究。本文在总结国内外研究成果的基础上,对城市快速路拥堵状态下驾驶人换道意图的识别展开了研究。首先,从换道类型、换道决策机制、换道阶段划分等角度对车道变换行为进行分析。在此基础上,从试验仪器、试验人员、试验路线、试验过程等方面设计了两阶段的实车试验方案。通过得到的试验数据,确定了不同拥堵状态下的换道意图时窗宽度,并对换道意图样本与车道保持样本进行了筛选,为换道意图识别提供了数据支撑。其次,利用自述式调查问卷进行驾驶风格调查,建立驾驶风格数据库,利用主成分分析法对驾驶风格进行量化,通过K-means聚类分析法将调查对象的驾驶风格分为谨慎型、正常型与激进型三类,再从数据库中提取出试验人员的驾驶风格。根据第一阶段调查的数据,将驾驶风格与行程速度作为影响基于驾驶人感受的拥堵强度的影响因素,建立基于多项Logit的拥堵强度模型。再次,分析畅通、轻微拥堵与中度拥堵三种拥堵状态下驾驶人在行车过程中的眼动特征、心率特征以及车辆运动状态的基本参数,包括:平均注视时间、后视镜注视次数、扫视幅度、扫视速度、心率增长率、速度标准差、加速度标准差、横摆角速度标准差。采用显著性检验,分析了各种交通状态下车道保持阶段与换道意图阶段的各参数的差异性,提取差异显著的参数作为表征换道意图识别的指标。最后,基于支持向量机理论,将表征换道意图的特征参数导入模型,根据交叉验证思想,使用网格搜索法与粒子群算法,对模型进行惩罚参数C、核函数参数g的寻优,最终得到最优参数。采用测试集对模型进行检验,畅通组、轻微拥堵组、中度拥堵组的识别准确率分别达到93.617%、91.304%、93.333%,符合换道辅助系统要求。然后,结合本文的研究成果提出了基于拥堵状态的车辆换道预警系统的开发思路。