车联网环境下,自动驾驶的出现不仅能节省道路资源、提高出行效率,同时也能保障道路安全性。受技术发展阶段等制约,交通流很长一段时间会处于自动驾驶车辆与传统人类驾驶车辆混合行驶的状态,因此,研究这种新型混合交通流下车辆的微观行为是十分有必要的,尤其是其中较为复杂的车辆换道行为。而现有的换道模型缺乏对人类驾驶员驾驶异质性的考虑与分析,难以在混有传统人类驾驶车辆的道路上为自动驾驶车辆提供换道决策依据。为了对混合交通流下的换道决策进行建模,本文首先确定了研究场景与对象,通过引入信号传递博弈理论,对车辆换道过程进行分析,梳理博弈换道顺序,并考虑人类驾驶员驾驶风格的异质性,建立了不同换道场景下各个博弈参与人的收益函数,形成了基于信号传递博弈的换道决策模型,并基于精炼贝叶斯均衡理论对模型所有均衡解及其均衡条件进行求解。其次,论文利用NGSIM轨迹数据设立了数据清洗规则,依据换道过程的特征和稳态理论对车辆的换道决策点进行提取,同时,通过考虑预测误差及模型均衡解确定了模型的双层参数标定框架,并使用遗传算法对模型的参数进行迭代寻优,利用分类器评价指标对参数标定的结果进行验证。最后,论文基于Python搭建了车辆仿真平台,该平台包括道路及车辆初始化、道路信息更新、车辆微观行为控制、模型评估等模块,并选择经典MOBIL换道模型作为对比模型,从安全与效率两方面对所提出的模型进行有效性验证。实验结果表明,相较于MOBIL换道决策模型,随着道路上交通流密度的变化,论文提出的模型在换道成功率方面有更好的表现效果。在道路安全性保障方面,两模型的平均碰撞时间倒数均较为稳定且接近于0,具有较好的安全性。此外,论文对所提出的模型进行了参数灵敏度分析,结果显示,该模型在不同激进型驾驶人比例下仍具有较为良好且稳定的表现效果,可以为混合交通流下的自动驾驶车辆提供一定的换道决策支持。