车辆是十分重要的交通运输工具,与人类各项社会活动的开展息息相关。随着我国机动车日益增多,道路交通事故数居高不下,提升车辆运行安全水平显得尤为迫切。驾驶行为与车辆安全行驶及道路交通安全有着密切联系,我国复杂的交通环境为安全驾驶的深度学习带来契机,基于深度学习的人工智能成为安全辅助驾驶领域关注的热点,而驾驶数据对于推动这方面的研究具有重要作用。同时,自然驾驶平台搭建技术日趋成熟,通过在真实交通场景中开展自然驾驶数据采集与分析,深入探究车辆在行驶过程中的驾驶风险等相关研究变为可能。自然驾驶试验在国内外已经逐步开展,自然驾驶数据的类型与数量也已远达到了可以分析的技术要求,但是研究工作目前面临以下问题:具备一定智能筛选功能的自然驾驶数据编码分析方法需要展开研究;整合海量数据有效串联车辆驾驶数据、车辆驾驶行为、车辆驾驶安全三者关系的方法需要进一步研究;车辆行驶过程中驾驶风险辨识模型的构建方法需要进一步研究;基于驾驶风险感知研究车辆主动安全控制技术需要展开。本文以已经积累的自然驾驶数据为基础,从自然驾驶数据编码、自然驾驶数据挖掘、车辆驾驶风险辨识以及车辆主动安全控制等方面开展了一系列研究工作,主要研究内容如下:(1)利用时间序列符号化思想,按照自然驾驶数据的特征基于符号化聚合近似方法(SAX)对其进行时空语义编码,并从视频片段捕捉、驾驶数据时域特征、哈顿矩阵描述三个视角剖析利用自然驾驶数据编码分析车辆驾驶安全的方法。(2)从宏观层面上,基于数据挖掘技术针对多样本车辆在长时区间的驾驶风险进行分级聚类,准确捕捉具有较高驾驶风险的车辆,建立一套有效串联车辆驾驶数据、车辆驾驶行为、车辆驾驶安全三者关系的理论方法。(3)从微观层面上,基于数据驱动技术针对个体车辆在短时区间的驾驶风险进行有效识别,综合考虑驾驶人因素、车辆运动状态、道路环境信息等多因素对行车安全状态的影响,基于置信规则库推理方法(BRB)建立考虑上述多源异构驾驶参数的车辆驾驶风险辨识模型,并在驾驶模拟器环境下实现。(4)在未来智能网联环境下,基于车辆对周边行驶环境的风险感知结果,采用模型预测控制方法(MPC)研究车辆在复杂道路交通环境下的主动避碰控制策略,并在一个设定的复杂交通场景下对提出的主动避碰控制方法进行功能测试。本文充分利用已积累的自然驾驶数据,研究自然驾驶数据的编码分析方法,重点围绕车辆驾驶风险的聚类及辨识开展相关研究,以期找到通过自然驾驶数据推动车辆驾驶风险研究的通道,最后在智能网联环境下,研究基于驾驶风险感知的车辆主动避碰控制策略。研究成果对于实现高度的智能驾驶服务,提高驾驶安全性,以及未来在智能网联环境下高度自动驾驶的功能实现均有着重要的理论意义与广泛的应用前景。