智能化是汽车未来必然的发展方向之一,它可以减轻驾驶员的负担,并且可以提高汽车品牌的竞争力。目前,传统车企大都面向L3级自动驾驶进行技术研究,在搭载智能控制系统的汽车量产之前,需要进行大量的测试以确保车辆行驶的安全性与可靠性。与真实道路测试相比,虚拟场景测试可以进行包括极端工况在内的各种工况下的测试,在控制算法开发初期进行虚拟测试也显得更加安全,并且可以节省大量的人力、物力和财力。因此,虚拟场景测试逐渐得到了众多传统车企和自动驾驶科技公司的认可。为了使得虚拟场景测试更具有参考价值,如何创建更加符合真实道路的虚拟场景成为亟待解决的问题。决策规划和运动控制是智能车辆重要技术研究模块,为了使得车辆执行的操作能够满足驾驶员乘坐的舒适性与信任感,需要对驾驶员的行为意图进行分析建模,并根据车辆所处的状态和环境进行轨迹规划。此外,为了使得车辆可以完美地追踪期望轨迹,还需要开发较为优秀的轨迹追踪控制算法。针对上述内容,本文进行了以下三方面的研究:(1)面向L3级自动驾驶常见的落地场景,提出了一种VTD创建接近中国真实道路虚拟场景的技术路线,并创建了中国国际无人驾驶汽车大赛的常熟九宫格区域内的城市道路以及三公里左右的环城高速公路。此外,还提出了一种ArcGIS和CarSim联合创建智能驾驶虚拟道路场景的技术路线,并创建了以重庆市沙坪坝区沙中路为例的城市道路。(2)建立了一种高斯混合隐马尔科夫模型用于识别驾驶员意图,并选用从NGSIM数据库中筛选出的数据对其进行训练测试。针对混合模型中不同高斯模型的个数对驾驶员意图识别正确率具有较大影响的问题,利用粒子群优化算法对高斯模型个数进行寻优,通过训练获得驾驶员意图识别正确率最高时混合模型中的各重要参数值。(3)设计了一种基于模型预测控制的智能换道控制系统。运用多项式生成车辆横向和纵向轨迹备选集,并根据设定的约束条件和目标函数优化求解得到最优轨迹。基于模型预测控制设计了一种轨迹追踪控制算法,并通过建立的车辆逆动力学模型获得车辆的期望控制变量输入。此外,搭建了智能换道控制系统的CarSim和Simulink联合仿真模型,在不同的初始车速工况下进行仿真测试验证了系统的稳定性,探究了预测时域对控制器性能的影响,并验证了车辆处于极端的路面附着系数工况时系统的有效性。