La investigación en la comprensión del comportamiento humano es un campo en crecimiento dentro del desarrollo de los Sistemas Avanzados de Asistencia a la Conducción (ADAS). En esta contribución, se propone un enfoque de máquina de estados para desarrollar un modelo de reconocimiento del comportamiento de conducción. El enfoque de máquina de estados es un modelo de comportamiento basado en el estado actual y un conjunto dado de entradas. Las transiciones a diferentes estados ocurren o permanecemos en el mismo estado produciendo salidas. La transición entre estados depende de un conjunto de variables ambientales y de conducción. Basado en una comprensión heurística de las situaciones de conducción modeladas como estados, así como en una de las acciones relacionadas que modelan el estado, utilizando una relación asumida entre ellas como la topología de la máquina de estados, en este documento se aplica un enfoque preciso para adaptar el modelo a comportamientos reales. Un aspecto importante de la contribución es introducir un modelo basado en máquina de estados que sea entrenable para describir el comportamiento de cambio de carril de los conductores. Se definen tres maniobras de conducción como estados. El entrenamiento del modelo está relacionado con la definición/ajuste de las variables de transición (y definiciones de estado). Aquí, se utilizan datos de conducción como entrada para el entrenamiento. Se utiliza el algoritmo genético de clasificación no dominada II para generar el umbral de transición optimizado. Al comparar los datos de los comportamientos de conducción humana reales recopilados mediante experimentos con simuladores de conducción y los comportamientos de conducción calculados, este enfoque es capaz de desarrollar un modelo de reconocimiento de comportamiento personalizado. El nuevo algoritmo establecido presenta un enfoque de IA fácil de aplicar, confiable e interpretable.