随着城市机动化进程的加快,城市交通拥堵问题日渐突出,在城市路段早晚高峰期间车辆变道是造成交通拥堵的一个关键问题。车辆随意变道或强制变道会恶化交通环境,造成目标车道后车产生减速或停车现象,严重时引发交通事故等风险。本文以快速路（西安市南二环快速路）高密度交通流（0.80≤V/C≤0.90）条件为研究背景,以车辆变道为研究内容,探讨了车辆变道过程及变道对目标车道后车造成的影响。首先,提取变道数据,采用无人机垂直拍摄快速路段,用Tracker软件提取车辆信息,用LOWESS平滑法对提取的数据进行平滑处理。根据调查数据从系统的角度对变道车辆的速度、插入角度和车辆间距等因素进行分析,构建贝叶斯网络变道模型,采用MMHC算法和基于I-CH评分准则的MMHC算法对贝叶斯网络变道模型进行学习,其中改进后I-CH评分准则的MMHC算法效果更好。采用Asia网络对变道模型进行检验,得出车辆变道模型预测精度为86.41%。通过对目标车插入角度、速度和间距进行贝叶斯网络学习后,得出当车辆初始插入角度单位时间的变化率大于3.0°时,可大概率判定车辆要进行变道,同时还得出当前后车安全间距小于4.0m时,目标车道后1车速度在1.0--3.0m/s范围内时车辆变道成功率最高;当前后车安全间距大于4.0m时,目标车道后1车速度在3.0--6.0m/s范围时,车辆变道成功率最高。其次,根据目标车变道过程与目标车道后车的关系特性,构建了高斯混合隐马尔科夫延误模型,将建模过程划分为两个阶段,第一阶段是目标车变道对目标车道后1车的影响,主要考虑的因素是目标车的纵坐标、速度等;第二阶段是目标车道后1车对后2车及后n车对后n+1车的影响,主要考虑的因素是车辆速度、间距等。根据上述两个阶段构建高斯混合隐马尔科夫延误模型,预测出目标车在变道时间（8）内,后1车至后5车分别有81.20%、66.71%、52.24%、27.36%和10.95%的时间在减速,同时还得出目标车在进行变道时会造成目标车道后车产生5.0--10.0s延误的比例约为50%,产生10.0s以上的延误所占比例约为28%,产生5.0s以下延误所占比例约为22%。模型的平均预测绝对误差为12.81%。最后,根据车辆变道风险发生概率和车辆变道后果,建立车辆变道风险评估模型,对车辆变道风险进行评估,预测车辆变道对目标车道后车产生的风险值,根据车辆变道风险值大小将车辆变道风险划分为四个等级,一级风险为重大风险,其值为[2.091,+∞;二级风险为较大风险,其值为[1.404,2.091);三级风险为一般风险,其值为[0.717,1.404);四级风险为低风险,其值为[0.03,0.717)。从系统的角度构建了车辆变道风险预警系统,该系统包括数据采集模块、变道识别模块、变道风险评估模块及预警模块四个模块,其中在进行变道预警时,根据熵值法得出目标车插入角度和速度是产生车辆变道风险的关键因素。从关键风险因素出发制定风险控制措施,即快速路交通负荷度在0.80--0.90状态下,建议目标车在变道时插入角度尽量在15.0°--21.0°范围内,速度保持在5.0m/s以下,这样目标车变道对后车造成的风险相对小。本文在对高密度交通流状态下快速路车辆变道行为研究的基础上,提出了面向车辆变道风险分析的方法。研究成果可为城市快速路车辆行驶管控及政策制定提供理论支撑。