针对传统神经网络模型进行车辆换道意图识别时，手动调整超参数耗时效率低下且求解空间有限的问题，提出一种基于PSO-GRU的换道意图识别模型。首先，针对NGSIM数据集横纵向轨迹的特点提出了多步轨迹平滑方法。然后，对轨迹数据进行参数挖掘并将其重构到数据集中，构建车辆换道轨迹数据库，使用随机森林算法评估数据库特征的重要性。最后，建立了基于PSO-GRU的换道意图识别组合模型，使用PSO算法优化GRU网络的超参数，以找到最佳的网络配置。结果表明，相较于传统的深度学习算法和机器学习算法，本文提出的PSO-GRU换道意图识别组合模型具有更高的识别准确率和更稳定的性能。