伴随着人们对于良好的交通环境需求日益增高、高新科技与实体制造业结合日益紧密,有效地促进了智能车辆的发展进程。高度的无人驾驶能够使人们的出行、生活方式更加智能化,并且有效的缓解交通拥挤程度、促进行车安全,因此具有良好的发展与应用前景。车辆换道是最常见的驾驶行为,研究数据显示,在所有发生的交通事故中,其中大部分与换道操作有关,因此本文围绕无人车的换道决策机制、轨迹重规划以及轨迹跟踪控制方法进行展开研究,使无人车的自主换道操作更加的具有安全性、舒适性、效率性。本文的主要研究内容如下:（1）本文首先对无人车的自主换道决策机制进行研究。通过考虑驾驶员的个人驾驶习性、车身结构以及紧急制动距离影响因素,建立多障碍车辆影响工况下的无人车绝对安全的换道最小距离定量模型,并根据此模型界定出无人驾驶车辆行驶的安全区域与非安全区域。把期望车距和速度不满累积度作为无人车换道意图产生指标,以此制定出无人驾驶车辆的换道指令具体决策。（2）分析换道轨迹特点,利用多项式拟合换道轨迹,综合换道的舒适性、侧向稳定性和道路行驶效率等指标筛选出最优换道轨迹。基于动态环境下,建立搜索空间,预估障碍车辆轨迹,应用稳态转向模型生成换道可行轨迹簇,并将其作为NMPC的预测模型,利用滚动优化的思想,结合避障功能代价函数、局部期望轨迹横向偏差代价函数、换道稳定性代价函数以及相关控制量与控制增量约束,在每一个轨迹规划窗口进行迭代求解,从而筛选出最优轨迹点。（3）对轨迹跟踪控制的几何追踪方法和模型预测方法分别进行研究。首先对Pure Pursuit轨迹跟踪控制方法原理进行分析,由于跟踪精度受到车速与横向偏差等因素的影响,应用Stanley控制方法来补偿Pure Pursuit算法的跟踪误差。由于考虑到加速换道工况,本文采用基于模式切换的增量式PID对车辆纵向速度进行控制。为进一步提高无人车高速行驶的轨迹跟踪效果以及侧向稳定性等相关性能,设计模型预测轨迹跟踪控制器,制定优化目标函数,并加入动力学以及相关环境约束进行迭代求解。考虑到车辆模型失配、时变特性、车辆高度非线性以及状态量偏差所带来的影响,本文对模型预测控制算法进行了优化,以此适应当前的系统工作环境。可有效避免系统产生迭代误差影响轨迹跟踪效果。（4）在Matlab/Simulink和CarSim搭建联合仿真平台,进行双移线工况下的轨迹跟踪控制仿真验证。仿真结果表明,改进的Pure Pursuit算法在高速工况下轨迹跟踪能力较差。而MPC算法对于速度变化的鲁棒性较强。最终将所设计的决策机制、轨迹规划与优化的MPC轨迹跟踪控制器进行联合仿真。分别验证匀速换道与加速换道相关性能,仿真结果表明,所设计的整体算法能够在保证无人驾驶车辆换道安全的基础之上可有效地实现所设定的多目标优化的所有功能。本文所提出的无人驾驶车辆的自主换道与轨迹跟随控制方法,对无人驾驶汽车决策与控制系统的开发具有理论指导与实际应用的价值。