切入场景是自动驾驶车辆在交通流中较难处理的场景,传统的基于规则的决策规划方法对于车辆行为的预测依赖度较高,且规划与预测解耦式的切入处理方法忽略了车辆之间的行为交互影响,车辆的行为决策缺乏类人性,由此造成车辆在切入场景下的决策规划单一、经常性的不合理减速、刹停。因此有必要开发一种针对强交互切入场景的行为决策与规划算法。考虑切入具有天然的冲突性,使用动态博弈理论来对此进行建模描述,研究一种分层式动态博弈行为决策与避障轨迹规划算法,实现智能车辆在切入场景中安全、舒适、高效的行驶,并使其具有一定的类人性。主要研究工作如下:（1）参考模型是决策规划的依据,对切入场景进行细化区分,根据场景内车辆所扮演角色建立动力学模型,综合考虑切入场景参与者的车辆运动形式,建立车辆联合动力学模型,阐述运动状态参数对切入场景下车辆行为交互的影响。以非合作博弈为基础,建立切入场景下的车辆动态博弈行为决策模型,并通过策略映射的方式,将参与者的行为动作指令与下层的运动控制参数相关联。设计车辆安全性、舒适性以及行驶高效性的博弈决策收益函数,并考虑旁车驾驶员驾驶风格的不确定性,对三种收益函数进行加权,得到决策目标优化函数,提高决策系统合理性和稳定性。（2）在轨迹规划方面,使用带有可变曲率参数的Sigmoid函数曲线表达切入车辆的行驶轨迹,用单个参数表征切入交互对切入轨迹的影响,提高车辆轨迹规划对于行为决策的响应速度。考虑环境车辆的行为的不确定性,在轨迹规划的碰撞检查时,使用参数化车辆几何轮廓对其进行碰撞化处理,以此表征行为动作的不可控性,增强冗余安全。（3）通过试验车对真实切入场景的数据采集,利用Prescan仿真软件还原切入场景,借助Carsim构建车辆动力学模型,使用数据注入的方式验证博弈行为决策和轨迹规划算法的真实性能。结果表明,所建立的分层动态博弈行为决策和轨迹规划算法能够实现自动驾驶车辆在切入场景中快速做出决策并且进行实时规划与精准控制,更符合一般驾驶习惯,提高了类人性和舒适性。综上所述,针对切入场景的强交互性质,考虑切入场景形式和车辆角色任务,搭建面向切入场景的分层博弈与避撞规划系统,使自动驾驶车辆在不同的切入场景下能够更主动的与人类驾驶员进行行为交互决策,在保证安全性与舒适性的前提下,提升了车辆在场景下的类人性。