个体驾驶员行为的精确建模是设计满足个性驾驶需求辅助驾驶系统的重要瓶颈。然而,驾驶行为的动态、随机等特征,对于设计实时辨识驾驶特征、满足驾驶员个性驾驶需求的智能辅助驾驶系统带来了巨大挑战。本文针对驾驶员随机动态行为机理及其在车辆辅助驾驶系统当中的应用和理论创新进行了深入研究,开展的具体工作包括:分析驾驶员行为动态随机变化过程机理,搭建个性化驾驶员模型,与车辆纵横向辅助驾驶系统相结合,考虑驾驶行为数据的非高斯分布特性和变量边界约束特性,进一步提出含约束的广义GMM-HMM(BGGMM-HMM)结构,解决了对于具有非高斯分布和物理参数边界约束特性驾驶数据建模的难题,实现精确描述动态随机驾驶行为和个性化辅助驾驶功能,满足个体驾驶员的个性驾驶需求,并进行实车验证和分析。主要研究包括:第一,针对驾驶员动态和随机行为机理的建模问题,分类介绍现有驾驶员建模理论和方法,对比并分析现有驾驶员模型的优劣,论证了引入GMM和HMM的合理性和必要性,提出基于现代统计学习理论的个性化驾驶员模型构架,解决了描述驾驶行为过程中随机和动态特征的难题,并利用驾驶员的跟驰行为大数据,对该模型进行了初步验证和分析,论证了该模型的正确性和有效性。第二,针对具有随机动态特性的驾驶员纵向控制行为建模和预测问题,基于GMM-HMM构架,提出并建立了融合感知-决策-执行过程的纵向驾驶行为模型,克服了目前利用驾驶员脚部动作方法带来的预测延迟性和光照依赖性等缺点,实现对驾驶员制动行为的精准预测,并与其它先进制动行为预测方法进行对比验证和分析,证明了该GMM-HMM模型的有效性。第三,针对具有随机动态特性的驾驶员横向控制行为建模和预测问题,基于GMM-HMM模型构架,考虑个体驾驶员之间的差异性,提出了一种含有个体驾驶员驾驶特征的车辆轨迹迭代预测算法,实现对车道偏离轨迹的准确预测,并进行实车验证,表明了所提出模型的有效性和鲁棒性。同时,设计了一种综合车辆未来状态和个体驾驶员行为特征的车道偏离预警策略,并将其应用到车道偏离预警系统中,减少车道偏离预警系统的误警率,提升驾驶员对车道偏离预警系统的信任度。第四,针对具有非高斯分布和变量边界约束特征的驾驶员纵、横向控制行为精确建模问题,分析并指出传统GMM-HMM模型的局限性,将非高斯分布特征和变量边界约束特性考虑在内,引入模型形状参数和空间约束函数,提出一种含约束的广义GMM-HMM模型,改善现有模型的性能,设计了适用于BGGMM-HMM模型参数估计的蒙特卡洛采样迭代算法,保证了个性化驾驶员模型的鲁棒性和泛化能力。第五,针对具有随机动态、非高斯分布和变量约束特征的纵向行为建模和预测问题,基于BGGMM-HMM模型构架,利用自然驾驶大数据对模型参数进行辨识,并预测车辆加/减速度,通过与SMM-HMM,GMM-HMM和GGMM-HMM三种模型进行对比和分析,论证了BGGMM-HMM模型的强鲁棒性和强泛化能力。