自动驾驶是智能汽车的核心技术,也是目前学术界和企业界重点研究和关注的领域,安全性是自动驾驶车辆的重要研究课题之一。人类驾驶员感知当前近处和远处的行驶环境信息,对未来行驶轨迹进行预瞄,并根据周围环境的动态变化适时调整策略,给出具体的驾驶动作,人类驾驶是实时滚动、优化和调整的过程。从控制理论的角度讲,汽车自动驾驶是“环境-决策-规划-控制”的分层闭环系统,决策层解读感知信息,给出驾驶决策指令。当前面临的挑战和困难主要是让车辆具有与周围车辆和其他智能体进行实时交互的能力,因此理解人类驾驶员在真实交通环境下的驾驶行为,使自动驾驶车辆具有像人类驾驶员一样的交互决策逻辑成为了研究的重点。本文围绕博弈场景下自动驾驶车辆于典型的无信号灯交叉路口通行避撞问题展开研究,以期提高自动驾驶车辆决策的类脑智能化。本文的主要研究内容如下:1.为更好地处理复杂场景中随机和复杂的交互过程,提高自动驾驶车辆自主决策的拟人化程度,提出了无信号灯交叉路口自动驾驶车辆非合作动态博弈决策算法来研究多车之间具有交互处理能力的决策行为,参数化表示运动的物理量。通过博弈论的范式解决自动驾驶车辆类人地与周车交互并自主决策分配路权的问题,对驾驶需求进行建模,精细化为融合心理预期的安全性、考虑舒适节油的平顺性、利于道路通行效率的快速通行和考虑车间距的周围空间四项博弈收益。在满足通行要求的基础上通过引入权重系数表征驾驶风格的多样化和个性化,建立了多智能体博弈交互决策的含约束优化目标函数。2.对不同量纲的收益指标进行归一化处理,采用逆向递归法求解各阶段多车非合作动态博弈交互决策的子博弈精炼纳什均衡解。对各智能体车辆决策的离散最优行动进行三次样条插值处理,并推导了三次样条插值的分段表达式。提出了智能体车辆实时加入或退出博弈的机制,实时对任意车辆是否有参与到交互博弈中的需要进行判断,并结合任意车辆是否已经通过冲突区域,全面制定可切换的博弈模式,降低博弈系统复杂度,精简决策问题计算量,也实现博弈系统的轻量化。同时,通过建立的驾驶风格指数进行风格辨识,时变重规划各阶段博弈的序贯行动顺序。3.通过Matlab/Simulink和Pre Scan的联合仿真,对基于可切换博弈模式的多车非合作动态博弈交互决策算法进行多种仿真实验。验证本文所提出方法的有效性,有效化解了潜在冲突,实现了自动驾驶车辆拟人化决策和个性化驾驶的效果。