近年来,全国汽车保有量逐渐增加,对交通运输安全和效率提出了极大挑战,智能车辆通过搭载传感器,在感知、决策、控制过程中替代人类驾驶员完成驾驶行为,可大大降低交通事故率,缓解交通压力。而实现安全、高效的自主换道是汽车智能化的关键一步。本文通过设计搭载先进传感器的数据采集平台,对实际驾驶场景进行数据采集,通过数据处理和标注,完成换道场景的提取,为换道研究提供数据支撑。通过对换道过程进行定义,总结归纳换道成功与失败的原因,按照不同原因统计场景数,对换道场景进行简化,分析换道过程中车辆参数变化。建立换道安全距离模型,保证换道车辆不发生碰撞。由于换道过程具有很大的主观性,因此采用模糊控制理论对换道进行控制决策,构建向左换道场景,引入相对速度和相对距离两个指标作为换道的决策条件,从数据中提取换道过程规则,通过与实际换道场景的对比验证了该方法的有效性。接下来是对换道轨迹的选择,通过拟合真实数据点,选择与实际轨迹相近的轨迹形状,通过对换道过程的定义建立轨迹约束条件,并从多个维度对比了不同轨迹,通过设定评价函数改进了多项式轨迹,得到了兼顾换道舒适性和换道效率的最优换道轨迹,并对比了不同驾驶风格下的换道轨迹。建立了转向半径约束条件,确保换道过程在极限条件下的可行性。最后,运用模型控制理论完成轨迹跟踪控制。建立了车辆动力学模型和轮胎模型,并通过合理假设实现非线性动力学模型的简化。由于非线性模型实现复杂、计算量大,故进行模型的线性化和离散化,建立高速环境换道过程约束条件,构建了线性离散化的模型预测控制器,最终在CarSim和Simulink环境下,基于不同的驾驶工况进行验证,结果表明该方法在不同车速、不同换道时间、不同路面摩擦系数的环境下具有极强的鲁棒性。