高速公路互通立交合流区是辅助互通立交完成路网车辆转向功能的重要“阀门”。合流区内交通环境复杂、车辆合流行为频繁,驾驶员易发生错误判断及操作,容易导致交通冲突发生概率增加,引发交通事故。在互通立交数量增长和互通立交合流区安全问题突出的双重背景下,研究高速公路互通立交合流区安全问题,构建安全分析模型,对深入探究安全影响因素,提高互通立交合流区安全性,提升互通立交区域服务品质具有重要意义。基于此,本文以揭示微观层面合流冲突形成机理为目标,开展了对高速公路互通立交合流区交通冲突预测模型的研究。论文分析了高速公路互通立交合流区交通运行特征,提出了合流冲突的定义;研究了合流冲突的形成过程和冲突类型及特征;在总结现有冲突数据采集方法的基础上,提出了基于无人机航拍视频的交通冲突识别系统;并对合流冲突影响因素进行了分析。针对基于无人机航拍视频的交通冲突识别系统,论文研究了视频画面处理、视频稳定和校准等视频预处理方法;在总结常见运动目标检测算法和常见运动目标追踪算法的基础上,提出了基于Mask R-CNN（Region-CNN,Convolutional Neural Networks）和CSRT（Discriminative Correlation Filter with Channel and Spatial Reliability Tracking）结合的车辆检测和追踪方法;并结合交通冲突指标,实现交通冲突识别。最后,以马群互通立交合流区为调查对象展示了交通冲突识别方法的应用。为了从微观驾驶行为层面分析合流冲突风险,论文对合流决策行为进行了研究。从合流执行位置、合流持续时间、合流速度等方面对合流选择行为特性进行了分析。提出了一种考虑驾驶员合流行为的冲突风险预测框架,即基于随机参数多层逻辑回归模型对合流决策行为进行预测,并利用冲突风险计算模型计算每一决策点的冲突风险。研究结果表明,合流车辆速度、合流驾驶员驾驶能力、合流执行位置对合流冲突风险具有显著性影响。该模型不仅可以计算单个合流车辆在合流过程中任一时刻的合流冲突风险,也可以对合流区域总的合流冲突风险进行集计计算,可应用于交通安全评价和危险交通状态监控。针对样本关联性问题,论文提出了两种建模方法。一种是构建考虑合流持续时间和合流冲突率的联合冲突预测模型,探究合流行为和合流冲突的耦合关系;分别采用生存分析模型和Tobit模型预测合流持续时间和合流冲突率,并基于二者的联合模型来进行合流冲突风险预测。模型结果表明,合流选择行为与合流冲突风险之间存在耦合影响。另一种是构建基于贝叶斯网络的合流冲突预测模型,探究影响因素之间的关联性和不确定性关系。模型结果表明,不同离散化标准对冲突预测精度有显著影响,且众多关键因素之间存在交互影响。在贝叶斯网络模型的基础上,提出了交通冲突链的识别方法。针对冲突预测模型的应用,论文还提出了一种计算下一时间窗内合流冲突风险的主动风险预测建模策略,并采用二项逻辑回归模型、多项式逻辑回归模型和巢式逻辑回归模型对采集数据进行了建模和比较;最终提出了所构建模型在合流辅助系统中的应用方案。