近年来车-车/车-路通信和车辆自动驾驶技术的持续进步极大地推动了智能网联汽车的发展。同时,在相关政策的引导下,智能网联汽车的开放道路测试得到了进一步推广。因而,包含智能网联汽车、自动驾驶汽车和人工驾驶汽车在内的混合交通流场景将会是未来较长时间内不可避免的趋势。由于人工驾驶行为的动态性和随机性,混合交通流场景对于智能网联汽车与人工驾驶汽车之间的协作提出了更高的要求。车辆换道作为车辆间协作的一个典型应用场景具有重要的理论研究和产业应用价值。当前对于智能汽车换道策略的研究集中在单个车辆的换道行为,尚缺少关于智能网联汽车动态换道策略及多辆智能网联汽车之间协作换道策略的研究。针对这一现状,本文以现有的智能网联汽车技术为基础,针对混合交通流场景下人工驾驶车辆行为的动态性、换道行为对交通流的影响、车辆间协同强制换道等研究空白构建了完善的换道模型,并在多种交通场景下进行了全面的实验验证。具体研究内容有:(1)提出了一种考虑人工驾驶车辆动态行为特性的智能网联汽车换道模型。通过线性化跟车模型、换道安全决策、动态换道轨迹规划和高精度轨迹跟踪这四个步骤的紧密配合实现了对人工驾驶车辆在换道过程中可能出现的急加速/减速、配合/不配合换道、同时换道等动态行为的合理应对。并且创新性地提出了换道失败的应对机制,详细阐述了动态环境下换道失败时的应对措施。设计并实现了四种典型交通场景下的仿真实验。实验结果证实了所提出模型的动态性和适用性。(2)针对混合交通流场景中多智能网联汽车协同换道策略展开研究,提出了一种基于集中式控制的多车协同换道控制策略。在构建车辆纵向运动动力学模型的基础上,通过预测车辆的运动轨迹进行换道决策,并以最小化对目标车道后方车辆队列的影响为目标进行协同换道轨迹规划。在仿真实验中设置了97461种交通场景对所提出协同式换道模型的效果进行了验证,并与传统换道模型的效果进行了对比。实验结果表明,所提出的协同式换道模型较之传统换道模型提升了36.7%的换道成功率,并且极大地减小了对目标车道后方车辆队列的影响。(3)针对车-车/车-路通信环境下智能网联汽车强制换道场景展开研究,提出了一种基于多车协同的智能网联汽车强制换道策略。为了更好地应对车辆驶出高速公路、前方车道减少、避让本车道障碍物等强制换道场景,本研究立足于车辆间协作,通过三次曲线计算换道时的横向加速度进行道路区域划分,实现了在自由换道区域内以不影响目标车道后方车辆的正常行驶为前提进行换道操作;在强制换道区域内,多辆车之间协同配合进行换道轨迹规划确保了强制换道任务的安全顺利完成。囊括两种典型交通场景和735种交通状况的仿真实验证实了所提出强制换道模型的适用性和可靠性。(4)设计并开发了智能网联汽车,从车-车/车-路通信、定位与导航、环境感知、决策与规划、轨迹跟踪、车辆线控六个部分详细介绍了智能网联汽车开发过程中的关键技术,并改进了现有的线控制动技术。此外,结合研发的智能网联汽车平台和测试环境,建立了整车三自由度动态动力学模型,并改进了基于模型预测控制的高精度轨迹跟踪算法,在满足轨迹跟踪精度的前提下提升了运算效率,确保了算法实时性。(5)为了对所提出的换道模型进行更加全面的测试和应用,在试验场开展了实车实验对所提出的模型进行了验证。通过设置多种不同的测试场景对研发的智能网联汽车平台和换道模型进行了全面的测试和验证。实验结果表明,所提出的换道模型可以适应多种不同的交通场景和不同人工驾驶车辆的动态行为,并且确保了换道过程中的安全性和舒适性。相比同等场景下人工驾驶员的换道行为,所提出的换道模型在不降低换道效率的前提下,实现了更加安全且舒适的换道操作。论文根据实验结果总结了研究中所提出的多个换道模型的优势和不足,同时也对下一步的研究工作提出了展望。