本文针对无人驾驶汽车遭遇危险工况时所面临的决策困境,以驾驶员的决策过程作为研究的切入点,选取典型危险工况进行研究,建立了以模糊神经网络为基础的典型危险工况下无人驾驶汽车的决策模型,并进行了虚拟驾驶决策实验。通过分析实验数据,对决策模型进行了训练和验证。具体内容如下:首先,总结了无人驾驶汽车智能决策的国内外研究现状,探究驾驶员的决策过程及驾驶员决策的主要影响因素,对危险工况进行了描述和总结,明确了无人驾驶汽车危险工况下所面临的人伦道德、法律法规决策难题。以人行横道内突发的“闯红灯”行为造成的危险工况作为典型危险工况,并根据交通事故责任认定方面的相关规定,将其细分为4类,以控制变量的方式建立了 12种具体危险工况场景,讨论了每种场景下驾驶员不同决策造成的后果。其次,介绍了 UC-win/Road软件的基本功能及操作方法,论述了实现虚拟场景建模的步骤,并详细描述了危险工况在虚拟场景内的设置方法。通过对“闯红灯”行为特点的分析,结合测试场景内的问卷反馈,确定了具体危险工况下的决策指标集,并选取实验车速度、周边车辆类型、周边车辆速度、交通信号、碰撞时的角度、被撞车受损区域等参数作为输入量,以驾驶决策作为输出量,建立了无人驾驶汽车典型危险工况下基于T-S模糊神经网络的决策模型。最后,设计了典型虚拟危险工况下的决策实验,安排有经验的驾驶员进行虚拟决策。利用UC-win/Road软件的输出模块对实验过程进行记录并导出决策模型需要的实验数据。通过分析驾驶员的决策,剔除因驾驶员操作失误等因素造成的错误决策数据。利用实验得到的样本对决策模型进行训练及验证。实验结果显示,本文建立的决策模型能较好地对危险工况下驾驶员的决策进行仿真,同时考虑了人伦道德、法律法规因素对决策的影响,一定程度上有助于无人驾驶汽车危险工况下决策困境的解决。