双向车道道路在我国的道路系统中占据着主体地位,从双向车道的事故形态及诱发原因的分析结果来看,借道超车频繁引发交通事故,并且事故的伤亡率和财产损失也远远超过其它类型的事故。借道超车事故高发的根本原因在于驾驶员的操作失误难以避免,为了保护驾驶员的生命财产安全,改善道路交通安全状况,在L3、L4级自动驾驶中将借道超车列为了关键应用场景之一,可见对借道超车自主化的研究具有重要的理论意义和实用价值。然而目前对于借道超车的研究仍不够充分,尚不足以支撑其在自动驾驶中的实现,无法为我国的双向车道交通安全问题提供有效解决方案。针对这一现状,本文提出了一种基于交互预测的借道超车轨迹规划方法,论文的主要工作内容如下:（1）针对轨迹预测的数据依赖问题及预测结果难以落地问题,提出了场景风险评估和场景规则解析的方法,实现了场景先验知识的有效表达,解决了轨迹预测中难以有效利用场景信息的难题。首先基于抽象化方法描述驾驶场景中的实体概念和实体关系,从安全性、稳定性两个方面对驾驶场景进行评估,建立场景规则实体,并基于先验模型考察场景碰撞风险。最后根据评估结果和风险程度推理驾驶意图,并转化为参考基线的形式,实现了场景知识的有效表达,避免了复杂场景的信息组合爆炸问题。（2）针对轨迹预测方法的关键要点,提出了一种由场景先验知识和驾驶数据驱动的基于LSTM-GRU网络的轨迹预测模型,提升了轨迹数据的处理速度,降低了计算性能要求,并根据上文的预测参考基线改进了模型训练方法,在训练过程中将参考基线与历史轨迹数据进行结合,使网络能够更加容易地记忆并理解数据的特征,降低了网络对于训练数据集的依赖程度,提高了网络的泛化性能,避免了数据稀疏的问题。经过实验测试,本文的模型不仅预测精度相较其他模型有所提高,预测的实时性表现也优于其他模型。（3）以往的轨迹规划方法往往缺乏对于车辆交互关系的考虑,甚至将背景车辆的运动进行简化,导致轨迹规划的结果与实际情况出现较大偏差。为了解决这一问题,本文在轨迹规划中增加了主车交互分析的模块,通过建立预测轨迹时空栅格图来分析主车与背景车辆的时空交互关系,获取风险点位的相关信息,保障了轨迹规划的安全性及合理性。根据时空栅格图的纵向位移-时间关系建立了S-T图,针对不同驾驶策略生成速度曲线,进一步降低超车的风险。最后构建了轨迹代价评估函数,根据实际需求筛选最优轨迹。经过验证,本文的方法能够精准捕捉行车环境中的风险点位,规避借道超车过程中的危险,并且轨迹规划的结果满足实际行驶的需要,轨迹跟踪过程中的运动学指标符合要求。综上所述,本文的轨迹规划方法充分考虑了场景中道路条件和背景车辆运动对借道超车的影响,通过背景车辆轨迹预测和主车的交互分析合理规避了潜在的交通冲突风险,保证了轨迹规划的合理性和安全性,对实现借道超车的自主化有着积极的意义。