随着全球汽车保有量的攀升,交通安全问题日益突出,交通事故绝大部分与驾驶员的人为操作有关,因此,智能汽车得到越来越多的关注,成为世界车辆工程领域的研究热点。变更车道是智能汽车在结构化道路上的常见行为之一,对交通安全性和通行效率有重要影响。换道轨迹的生成是完成换道行为的先决条件,换道轨迹的性能决定了智能汽车在换道过程中能否安全、高效、舒适地运行。本课题针对智能汽车在结构化道路上的换道问题,开展了换道轨迹规划方法的研究。首先,提出基于周边车辆行为识别的换道决策。建立了一种基于自适应热区的轨迹特征辨识方法,当周边车辆的轨迹点落在相应的热区时,用热区值表征主车对周边环境车辆的观测,并在主车做出换道行为时,能够进行热点区域的切换,使用隐马尔可夫模型对轨迹建模,并通过纳入更高级别的条件语句来提高算法的实时性,以识别周边车辆行为。在确保周边车辆行为对主车换道没有威胁时,深度分析换道意图产生的缘由,提出了换道忍耐度的概念来量化换道意图,初步制定了一种安全而又高效的换道策略。其次,针对换道轨迹规划算法在可行性和安全性上的不足,以不同工况下的换道轨迹规划为切入点,在无障碍换道工况下提出一种改进余弦换道模型,使得换道轨迹曲率连续,解决了智能汽车在换道开始与结束时刻的前轮偏转角约束问题;在应对换道时可能遇到的碰撞问题,引入了中转位置的概念,采用双五次多项式规划的方法,确保主车换道时能有效的避开交通车,提高了算法的安全性与实时性;考虑弯道下的换道情况,采用多项式的方法,进行坐标的转化,得到以初始坐标系为基准的边界条件,把直线路段上的换道研究成果推广到圆弧形路段。然后,考虑到五次多项式算法中边界条件人为给定所带来的不确定性,提出了基于多项式与粒子群算法融合的轨迹规划方法。将智能汽车的换道纵向位移与目标车速作为变量,以离线采集的实车换道数据信息为依据,以轨迹性能评价指标为约束,利用粒子群算法的寻优能力对这两个变量进行迭代优化,从而得到最优的换道轨迹。通过PreScan与Matlab软件联合仿真,验证了该算法不仅大大提高了换道的可靠性,还使得换道轨迹兼具效率和舒适性。最后利用“江大智能行”实车实验平台,通过设置不同场景的典型工况,验证本文所研究的换道轨迹规划方法的有效性和可靠性。