[pt] O estudo da dinâmica lateral é de grande importância para análise do comportamento de um veículo durante manobras e fundamental para a implementação de sistemas de controle de estabilidade e de trajetória em veículos autônomos. Nesse contexto, baseado em medições experimentais de um veículo militar de três eixos durante manobras de mudança dupla de faixa a diferentes velocidades, o presente trabalho apresenta métodos de identificação de sistemas para obtenção de modelos lineares por meio da ferramenta CONTSID (CONTinuous-Time System IDentification), disponível no MATLAB; de modelos não lineares baseados em Redes Neurais; e, por fim, a proposta de emprego de modelos híbridos com o intuito de minimizar o erro associado à primeira abordagem, somando-se ao modelo linear, o valor estimado do resíduo com a aplicação de redes neurais. Por se tratarem de modelos obtidos a partir de dados observados, como parâmetros de entrada e de saída do sistema, foram selecionados o ângulo do volante e a taxa de guinada do veículo, respectivamente. Com a utilização do dados observados, foi realizada a identificação das funções de transferência para cada velocidade, o que possibilitou a análise da influência dessa variável no comportamento dinâmico do sistema. Em seguida, empregou-se uma abordagem via redes neurais ao mesmo conjunto de dados, com a construção de arquiteturas distintas por meio da modificação do número de neurônios, número de camadas e função de ativação. Por fim, um modelo híbrido foi combinado utilizando-se a modelagem linear e não linear para obtenção de melhorias na resposta do modelo final estimado. De acordo com os resultados, as técnicas empregadas apresentaram viabilidade de aplicação e resultados satisfatórios, destacando-se o aprimoramento do modelo linear por meio de sua substituição pelo modelo híbrido baseado em redes neurais. Do exposto, objetiva-se destacar o potencial dos métodos apresentados de forma que, posteriormente, esses estudos possam ser aprofundados para implementação de malhas de controle veicular, com o intuito de contribuir com o aumento da segurança, melhoria do conforto e no desenvolvimento de veículos autônomos. / [en] The study of lateral dynamics is of great importance for the vehicle behavior analysis during turning maneuvers, and it is fundamental to stability or path control systems used in autonomous vehicles. In this context, based on experimental measurements of a three-axle military wheeled vehicle during double lane changes maneuvers at different speed, this work presents methods for the identification of linear models using the CONTSID (CONTinuous-Time System IDentification) toolbox, available in MATLAB; nonlinear models based on artificial neural networks; and, the application of hybrid models to reduce the error associated with the first approach, combining the linear model to the estimated error using neural networks. Since those are data-driven methods, as input and output parameters of the system, the wheel steering angle and the yaw rate of the vehicle were respectively selected. Using the CONTSID toolbox, the identification of the transfer functions for each speed was performed, making it possible to evaluate the influence of this variable in the system s dynamics behavior. Thereafter, a neural network approach was applied to the same data set, changing architecture s parameters, such as number of neurons, layers and the activation function. At last, a hybrid model approach was presented through the combination of previous linear and nonlinear approaches to improve the estimated model response. The proposed methods showed satisfatory results, highlighting the improvement in the linear model through its replacement by the hybrid model based on neural networks. Therefore, this work aims to show the potential of the methods presented, and posteriorly contribute to studies on the implementation of vehicle control systems to increase safety, improve comfort and in the development of autonomous vehicles.