近年来,随着传感器技术、信息处理技术与计算机技术的发展,智能交通系统也得到了飞速的发展,为社会带来了巨大的经济效益。人们在出行方面也越来越注重舒适性,自主车辆由于具有感知周围环境、自主导航的能力得到了大家的青睐。智能交通系统主要领域包括预防和减轻事故、安全问题、提高能源和基础设施利用效率,其中安全问题一直是人们所关注的热点问题之一。有数据表明,每年都会有120万人死于交通事故,如果不采取措施,预计到2020年,交通事故数量会持续增加,其中由于超车操作不当引起的交通事故碰撞约占4-10%。因此在众多驾驶过程中可能出现的操作中,超车由于其操作较复杂困难,成为了智能驾驶的难点之一。如果车辆在超车过程中可以获取周围车辆的驾驶状态,则会显著降低碰撞事故的发生。本文在未知被超越车辆的行车轨迹的前提下,以车载雷达为主要感知途径获得的相对位置信息对车辆进行驾驶特性分析,将其结果作为后车选择超车控制的重要依据,从而得到安全性较高的超车策略。具体的研究内容主要包括以下几个方面:本文利用通过雷达获得的距离、角度和速度等相对位置信息,对前车的异常驾驶行为进行检测,为后续超车模型打下基础。由于获得的相对位置信息变化较频繁,很难判断当前车辆的驾驶特性,因此本文采用了模糊推理系统对信息进行融合处理,得到目标车辆的异常驾驶分析结果。其中模糊化、模糊规则库和去模糊化过程的设计均以实际超车场景为参照,为了简化后车的超车控制策略,目标车辆的驾驶状态被离散为安全和危险。基于模糊推理系统对前车异常驾驶行为的判断,建立了后车安全的最优超越模型。本文首先通过有限状态机(FSM)对整个超车过程进行状态描述,结合前车的驾驶状态,采用强化学习中的经典算法Q学习实现各个状态之间的转换,完成整个超车过程。通过一系列的仿真实验,验证了本文所提出的方法可以在未知被超越车辆行车轨迹的前提下,获得较安全的超车策略。