换道作为常见的驾驶行为之一,也是智能驾驶研究中重要的一部分。本文以换道作为研究对象,对换道场景下的车辆运动状态预测、换道决策、轨迹规划与轨迹跟踪四个方面进行分析研究。本文首先基于长短时记忆神经网络的跟驰模型对车辆运动状态进行建模,以此为基础建立考虑速度不满预期的换道决策模型,并为车辆建立了换道可行域的筛选功能。随后基于多项式形式的曲线对换道过程进行了轨迹规划,最后基于模型预测控制对规划完成的轨迹进行跟随。首先在车辆运动状态建模方面,提出了基于长短时记忆神经网络跟驰模型的车辆运动状态模型,从而确定换道场景下各车辆的运动状态。理论驱动类跟驰模型具有较好的可解释性,其中的智能驾驶员模型能够表现多种交通流情况下的车辆跟驰状态,但由于车辆的跟驰状态会受到驾驶员性格、外部环境等多种因素影响,因此基于表达式固定的跟驰模型难以真实反映各种跟驰情况。由于车辆的行驶过程在时间维度上连续,故本文基于数据驱动类跟驰模型中的长短时记忆神经网络模型对车辆的运动状态进行建模,该模型能够表征过去一段时间的行驶情况对于车辆运动状态的影响。其次,在换道决策方面,本文建立了基于速度不满预期的换道决策模型,并通过最小安全距离模型与车头时距对换道的可行性进行判断。本文对车辆在当前道路下行驶的车速进行预测,通过计算速度不满预期累积值来表征车辆的换道意愿,并基于车速与相对距离等指标对目标车道进行了选择。由于仅考虑最小安全距离模型可能在某些特定场景下导致换道过程中车辆之间间距过小的情况,故引入了车头时距这一变量对该模型进行修正,在保证换道安全性的同时降低了换道行为的影响。再次,在轨迹规划方面,本文通过对比不同类型换道轨迹的特点,选取五次多项式作为换道轨迹形式。当车辆的换道意愿强烈但当前的道路环境不满足换道条件时,本文设计了换道可行域的筛选功能,即规划车辆在未来一段时间的车速,通过控制车辆进行主动的加减速操作,从而为自身创造可行的换道空间。当换道安全性得到满足后,本文考虑到道路曲率的影响,分别为直道和弯道建立对应的轨迹规划模型,并建立考虑换道舒适性与效率的目标函数,对其求解完成轨迹的寻优。最后本文基于模型预测控制建立了换道轨迹跟随模型。首先建立了三自由度的车辆模型并对其进行线性化处理。通过建立车辆的相关运动约束、兼顾跟随效果与控制量变化的目标函数,以滚动优化的方法最终获取最优控制量,在保证输出控制量合理的条件下,有效提高了轨迹跟随的效果。本文在Prescan中建立不同的测试场景,通过Prescan/Carsim/Simulink联合仿真的形式对本文提出的控制策略进行仿真验证。