随着智能驾驶技术的不断发展和国家政策法规的推进,自动驾驶车辆作为未来智能交通系统的重要组成部分,目前已经进入了场地测试和初步商业化的阶段。在自动驾驶车辆与人类驾驶车辆共同行驶的混合驾驶场景里,为了满足无人驾驶车辆上乘员的安全、高效、舒适性要求,除了驾驶路径规划与障碍规避外,还需要对自动驾驶车辆与他车的交互行为决策进行研究。针对直道上的换道汇入交互行为,本文以驾驶行为数据为基础,利用考虑交互车辆驾驶风格的主从博弈模型对换道交互行为进行了建模,并对自动驾驶车辆在此场景下的换道决策进行了研究。主要研究工作如下:（1）基于high D驾驶数据集的数据筛选与分析。在选定的high D驾驶数据集中,通过车辆的尺寸类型、操作模式以及交互形式对本文所研究的驾驶换道数据进行提取。并进一步对其中换道关键阶段进行划分,以研究换道不同阶段的换道行为特征。并且对换道前和换道试探时这两个阶段中目标车道后车的驾驶行为进行数值检验,分析前车的换道试探行为对目标车道后车的影响。（2）换道目标车道后车驾驶风格的分类与识别。提取出换道试探时段的目标车道后车驾驶特征量,在剔除异常值后进行标准化处理。使用主成分分析法将特征向量降维成低维主成分向量。通过K均值算法将主成分特征向量聚类为谨慎、普通和激进三种类型。并使用BP神经网络、LVQ神经网络以及支持向量机这三种有监督学习方法对特征主成分和驾驶风格之间的联系进行识别学习,通过参数优化后对三种算法的识别效果进行对比,最终将优化参数后的支持向量机算法确认为驾驶风格识别算法。（3）考虑目标车道后车的驾驶风格建立换道博弈决策模型。通过主从博弈理论对实际换道交互行为进行了解释,明确换道阶段的博弈类型、参与者和策略集。通过建立换道轨迹模型确立换道的可行空间和博弈起止条件,并且通过分析换道参与双方驾驶风险和驾驶意愿确定各决策的博弈收益函数,利用主从博弈推演确立换道双方的最优决策。建立仿真场景对建立的主从博弈模型进行求解,并对换道时的安全性进行了分析验证。最终通过扩展仿真场景,研究了不同初始间隔下的最优收益和决策差异,并为自动驾驶车辆在不同换道场景中的决策提供了参考。