无人驾驶车辆在信息时代最主要的特点是驾驶行为拟人化、认知决策智能化,其发展方向是在真实道路交通环境下替代驾驶员高效节能、安全可靠地完成驾驶任务。以驾驶员特性为核心,跟驰、换道等微观模型为载体,运用机器学习理论对驾驶员行为决策进行建模,建立符合人类驾驶习惯的驾驶决策模型,是无人驾驶车辆以及智能辅助驾驶系统开发和实现的关键技术,对无人驾驶车辆真实城市道路自主行驶具有十分重要的理论价值和现实意义。城区环境中,交通要素复杂多变,其状态难以预测。大量动态性、不确定信息为无人驾驶车辆的驾驶行为决策带来巨大挑战。本文针对复杂动态城市环境无人驾驶车辆的换道决策,综合考虑周边车辆运动状态的影响,利用Google Sketchup和PreScan/Matlab搭建城市道路模型和车辆动力学模型,构建典型城市道路环境下的驾驶仿真平台,进行虚拟仿真和真实环境下实验;获取经验驾驶员车辆换道决策过程中车辆加速度、本车速度以及周边车辆的相对位置、速度等基本运动数据,分析影响驾驶员决策的因素,基于粗糙集提取经验驾驶员换道行为决策规则;深入研究经验驾驶员认知决策过程,建立经验驾驶知识库,对驾驶员的换道决策进行知识获取与表达,制订基于安全阈值的速度选择策略,基于间隙可接受理论,结合换道决策规则,依据换道动机的显著性差异,构建自由换道决策模型,同时结合间隙判定条件,根据协同行为判定准则以及驾驶员汇入规则,研究分析强制换道特征表征明显的城市典型路段汇入行为,搭建汇入决策流程图以及决策模型,有效判定安全换道间隙,明确复杂动态城市环境下的仿生认知决策机理,实现车辆准确换道决策;最后通过虚拟仿真和真实环境,验证城市道路环境正常交通流状况下,仿生换道决策模型的可靠性和有效性。研究结果可为进一步研究复杂环境下无人驾驶车辆的仿生决策提供基础,同时也可为无人驾驶车辆真实城市环境道路行驶提供理论支撑。