换道是最常见的微观驾驶行为之一,在复杂的动态环境中,智能车辆能否做出正确的换道决策且实现安全、舒适的换道是自动驾驶技术的一个难点。本文针对智能车辆换道决策和轨迹规划等方面展开了详细的研究,旨在避免不当的智能车辆换道行为,实现智能车辆安全、舒适的动态换道,同时在缓解交通压力、减少交通事故的方面也具有重要的意义。首先,本文将智能车辆换道过程分为常见的两个阶段-换道决策阶段和换道实施阶段。在换道决策阶段,本文探讨高速公路上为了达到期望驾驶速度或避开前方低速行驶的障碍交通车而执行的自由换道,提出了影响自由换道的11个影响因素,包括目标车辆与周围障碍交通车纵向距离、速度等,并依据此11个影响因素提取了NGSIM项目的实际车辆行驶轨迹数据并且进行了轨迹平滑处理和换道轨迹点的提取,后分别建立基于BP神经网络的换道决策模型和基于模拟退火遗传算法优化BP神经网络的换道决策模型,以11个影响因素为输入,车辆是否换道为输出,对智能车辆换道行为进行预测,后者换道决策模型预测准确率达到89%,不换道预测准确率高达92%,在智能车辆换道决策模型的预测准确率上有一定的提高,具有十分重要的意义。在智能车辆换道实施阶段,针对智能车辆换道轨迹规划以及换道过程中周围障碍交通车切入或障碍交通车运动状态发生变化所带来的换道实时性差、安全性低等一系列问题,基于车车通信技术,在不同的换道场景,对智能车辆的换道轨迹进行规划。在简单无障碍换道时,采用了改进正弦函数换道轨迹曲线,存在障碍交通车下换道时,采用了多项式曲线对换道轨迹进行了描述。在安全性等约束下,建立了带约束的且以换道舒适性和换道效率为评价标准的最优换道多目标函数,在周围障碍交通车运动状态发生变化或者切入等动态环境时,调整多目标函数的比例系数,规划出当前环境下的最优换道轨迹曲线,通过轨迹重规划适应动态环境,实现智能车辆安全、舒适、高效的换道。最后对不同场景下智能车辆轨迹曲线利用Matlab和Car Sim软件进行仿真验证,结果表明:通过车车通信进行实时信息交互,在周围交通障碍车运动状态突然发生变化或者突然切入等情况,能通过轨迹重规划,避免汽车发生碰撞,提高换道过程的安全性,同时换道时间最大缩短了23.9%。可见,提出的轨迹规划方法能很好解决周围车辆运动状态突变和车辆切入等动态情况,实现智能车辆安全、舒适、高效的换道。