随着多传感器信息融合、现代控制理论、人工智能以及大规模集成电路等先进技术的飞速发展,以提升车辆自主行驶能力和行驶安全性为目的的汽车智能化已成为车辆工程领域中的研究热点。为充分挖掘智能车辆“类人”特性,开展对动态环境下周围车辆的运动预测以及智能车辆的碰撞风险的深入研究,以提高车辆智能化程度和安全性水平。本文结合国家重点研发计划项目“智能电动汽车的感知、决策与控制关键基础问题研究”（2016YFB0100905）和重庆市自然科学基金项目“人机共驾型智能汽车险态驾驶行为多维态势感知与预警机理研究”（cstc2018jcy AX0422）的部分研究内容,对高速公路复杂场景下周围车辆的驾驶行为辨识、轨迹预测以及智能车辆的碰撞风险评估进行研究,主要研究内容如下:（1）基于GMM-HMM的周围车辆驾驶行为辨识研究。结合NGSIM数据集,通过高斯混合模型（Gaussian Mixture Model,GMM）对周围多车驾驶行为下的观测特征值进行聚类分析,以聚类结果为依据实现对各驾驶行为下的统计学描述,并利用隐马尔可夫（Hidden Markov Model,HMM）建立以概率作为结果输出的多分类驾驶行为辨识模型,通过对被辨识车辆观测数据的处理实现连续驾驶行为的辨识。（2）考虑驾驶行为的周围车辆轨迹预测模型研究。针对驾驶场景复杂、影响因素多以及轨迹预测模型准确度要求高等问题,充分挖掘影响车辆运动轨迹的影响因素并提取周围车辆的轨迹信息,在轨迹预测模型框架下,以NGSIM行驶轨迹数据为驱动,同时充分考虑周围车辆驾驶行为的变化,利用长短时记忆网络和混合密度神经网络建立车辆轨迹预测模型。（3）基于场强理论的智能车辆碰撞风险评估方法研究。综合考虑“人-车-路-环境”多因素对行车风险产生的影响,采用博弈论组合赋权法确定出不同因素对行车碰撞风险的影响程度;引入物理场中的场强值来描述各因素对行车安全的影响,同时将预测的周围车辆轨迹以场强形式进行描述,搭建高速道路环境下的车辆碰撞风险评估模型,以实时获取车辆行车风险指数,实现智能车辆对当前及未来一段时间内的碰撞风险感知。