随着经济及汽车工业的发展,汽车保有量不断上升,给人们的生活带来了巨大的便利,但交通安全问题也成为了社会发展的隐患,交通事故造成了许多的财产损失与人员伤亡。据统计,90%以上的交通事故是由驾驶员引起的,驾驶员的危险驾驶行为成为导致交通事故的一个主要因素。危险驾驶行为的形式和定义多种多样,尽管其中的一些已经被明确列为违规违法行为,如超速、酒后驾驶等,但还有很多危险驾驶行为并没有被列入交通法规中,不能受到严格的约束和监管。因此,如何对行驶过程中的危险驾驶行为进行有效评估,提高车辆行驶安全性,减少交通事故,成为迫在眉睫的重要问题。但通过调查研究现状发现,一些风险评估方法没有考虑到不同行驶状态下危险驾驶行为存的不同,也没有考虑到不同风格驾驶员之间的差异。为了使评估结果更加准确、合理和人性化,本文提出了一种考虑驾驶员特性的行驶风险度评估方法,主要研究内容如下所示:(1)考虑到车辆的行驶过程极其复杂多变,为对行驶风险进行准确的评估,首先要确定车辆的行驶状态。将车辆行驶状态划分为自由行驶、跟驰和换道三种,考虑到现有技术已通过传感器数据很好的解决了自由行驶和跟驰状态的区分问题,因此本文针对换道状态识别进行了研究。利用NGSIM(The Next Generation Simulation)数据集选取一定轨迹长度的车辆换道行驶数据和非换道行驶数据,确定13个本车及周边车辆的行驶特征,构建车辆行驶状态样本数据集。在此样本集上训练了基于LSTM网络(Long Short Term Memory Network)的换道状态识别模型,模型准确率为0.9560,表明构建的模型在进行换道状态识别时有着良好的效果,并通过与采用不同样本、不同算法等模型的对比表明了当前模型的优越性。(2)为了对危险驾驶行为进行量化,本文针对各行驶状态建立了对应的行驶风险度评估模型。首先考虑到换道状态的复杂性将其进一步细分为自由型换道和跟驰型换道以便进行更精确的分析建模,然后分别对各个行驶状态进行了危险驾驶行为的分析及定义。选取各种危险驾驶行为的特征参数,利用模糊推理系统建立各行驶状态对应的风险评估模型,以当前行驶状态下的危险驾驶行为的特征参数为输入,输出范围在[0,1]的行驶风险度。(3)为了解决现有模型针对不同类型驾驶员应用相同算法导致结果接受度低、不够准确的问题,本文进行了驾驶风格分类并建立了驾驶风格对行驶风险度的影响因子计算模型。通过对驾驶员行为及风格的分析,选取13个体现驾驶风格的特征参数,使用因子分析进行特征降维,提取出4个公共因子,利用k-means算法对因子进行聚类从而判断驾驶员风格,通过坐标点的距离计算驾驶风格对行驶风险度的影响,得到风格优化因子,对原始的行驶风险度评估模型的结果进行优化,获得最终的行驶风险度评估结果。最后本文利用NGSIM数据中的某些车辆的行驶数据对考虑驾驶员特性的行驶风险度评估方法进行了验证,结果证明本方法针对不同驾驶风格的驾驶员实现了有效、准确、人性化的行驶风险度评估。