复杂交通道路环境下的智能汽车自主换道系统是目前汽车行业的研究热点之一。换道是一个复杂的车辆行为,不仅影响车辆自身的安全性、高效性与舒适性等,同时作为交通流的一部分,也将极大地影响整个交通系统的性能。因此,研发一套满足多目标优化的智能汽车自主换道系统意义重大。本文依托国家重点研发计划子项:“复杂道路环境协同感知与目标跟踪技术”（No.2017YFB0102601）,针对目前智能汽车自主换道系统存在的诸多共性问题,利用动态占用网格概率地图实现换道行驶环境的语义表达,建立了交通动态态势下车辆交互行为预测模型,在综合考虑安全性、高效性、舒适性的基础上,构建了一套多目标优化的自主换道决策与控制策略。本文研究从“环境感知与场景建模”、“智能决策与路径规划”、“轨迹跟踪与智能控制”三个方面展开。具体内容包括:1)智能汽车换道过程中的车辆行为轨迹预测。在目前经典的预测算法长短期记忆（Long Short-Term Memory,LSTM）神经网络模型基础上引入残差注意力机制,在神经网络卷积池化层之前融合了一种Bottom-up Top-down结构的残差注意力模块,由此提出一种改进型Res-LSTM（Residual Attention LSTM）轨迹预测算法,通过计算周围车辆对目标车未来行驶轨迹影响的权重系数,提高了轨迹预测精度,采用NGSIM（Next Generation Simulation）数据集对算法进行了训练与分析,验证了车辆换道轨迹预测的准确性。2)动态占用网格换道概率地图的搭建。在实现车辆轨迹预测的基础上,将自车行驶状态、车道线信息、障碍物网格占用、障碍车辆行为预测等影响因素,映射到一张网格离散化的语义地图,搭建四层动态占用网格换道概率地图,实现了环感数据在语义地图上的有效表达。通过动态概率地图的搭建,利用占用网格离散化的处理方式,为自主换道智能决策提供准确的可换道行驶概率信息。3)基于换道触发与态势变化判断的智能汽车换道决策。以车辆“换道期望累积度”作为换道触发条件,同时提出一种占用网格与“矩形聚类碰撞锥模型”相结合的换道安全区域计算方法,根据碰撞锥原理推导的碰撞约束条件计算换道可行驶区域。在以上研究基础上,结合动态占用网格概率地图的输出结果,形成智能汽车自主换道决策流程。4)换道路径轨迹规划与跟踪控制。提出一种考虑换道安全性、高效性、舒适性的“换道代价因子”,作为换道轨迹评价方法,通过“次优轨迹+最优轨迹”的二级筛选机制确定最优换道轨迹。期望轨迹跟踪控制采用状态空间模型的模型预测控制算法,综合考虑换道过程中的侧向加速度与横摆角速度等约束,在目标函数中对状态量差值、控制增量、控制量进行奖惩并加入了松弛因子,实现了智能汽车自主换道轨迹跟踪效果。5)Car Sim/Simulink联合仿真及实车试验平台验证。分别对本文设计的自主换道算法进行了典型工况的仿真分析与实车验证,结果表明本文提出的Res-LSTM模型在复杂道路环境中比传统LSTM算法预测更有优势,预测轨迹更符合真实驾驶态势;动态占用网格换道概率地图可实现准确的换道决策;“换道代价因子”的换道轨迹二级筛选机制可完成最优轨迹的有效筛选,通过状态空间模型的模型预测控制算法进行换道轨迹跟踪控制,跟踪误差控制在合理范围之内。