随着我国经济的快速发展,汽车保有量、特别是私家车数量迅猛增加,道路交通系统中人-车-环境矛盾日益突出。在所发生的交通事故中,驾驶员自身因素占了较大比重。驾驶员生理心理特性与交通安全紧密相关,其对交通安全的影响主要表现为其驾驶倾向性,即在各种动态因素影响下驾驶员对现实交通状况的心理体验,以及所表现出与之相适应的决策或行为价值的偏好性。　　由于移动传感数据具有很强的实用性,越来越受到交通研究者的青睐。与此同时,伴随数据采集与处理产生的隐私保护问题,也日益受到人们的关注。如何将移动传感数据与隐私保护更加安全有效地相结合并用于科研,成为国内外学者研究的热点。　　本文以实现驾驶倾向性的辨识为目的,将驾驶倾向性分为三种类型:激进型、普通型和保守型,可进一步细分为:激进型、普通激进型、普通型、保守型、普通保守型。采用基于粗糙集理论的最小信息熵连续属性离散化算法,将样本信息进行离散化处理,再运用启发式贪心算法,对相应的样本属性进行约简,对驾驶倾向性的特征数据进行了提取;针对三车道情况并重点考虑环境因素中直接影响驾驶员情感的态势因素,运用动态贝叶斯网络建立适应环境演化的驾驶倾向性识别模型;另外,本文还立足于车辆安全他控技术研究角度,考虑以尊重和保护驾驶员隐私为前提,利用GPS实时捕获的实验路段行程时间作为特征参数,建立基于支持向量机的汽车驾驶倾向性动态辨识模型。　　研究结果表明,本文所构建驾驶倾向性辨识模型合理可行,能够在一定程度上实现驾驶倾向性的动态识别,为以人为中心的个性化汽车主动安全系统研究,特别是基于物联网的汽车安全他控技术的实现提供借鉴和理论基础。