汽车智能化已经成为了汽车工业的重要发展方向之一。智能汽车应该像成熟的驾驶员一样安全、合法、高效、令乘坐人员舒适地完成驾驶任务。从路测报告来看,现有智能汽车不能做到完全合法的行驶。驾驶员在驾驶过程中地决策分为战略规划,战术规划,运动规划。战略规划是确定应该直行、转弯、掉头等驾驶行为,战术规划是确定驶入哪个车道。这些驾驶行为的决策是保证完全符合交通法规并高效行驶的最关键步骤。当前战略规划研究较为成熟,战术规划对如何处理交通法规的研究并不完善。根据调研,当前大多数智能汽车决策系统将交通法规与交通参与物的避让混杂在运动规划中处理。其特点是在运动规划中将交通法规和交通参与物同时作为约束条件进行多目标优化求解最优轨迹。交通法规作为约束条件存在约束函数不连续的问题,导致优化困难。针对上述问题,本课题基于交通法规与交通参与物解耦处理的决策架构对智能汽车战术规划关键方法进行研究包括以下内容:第一、提出了一种智能汽车车道选择决策方法。本文对交通法规进行归纳总结,分析交通法规对车辆行驶过程中的约束,并根据本文对战术规划层的功能划分,将车道选择决策规划划分为候选车道集生成模块、最优车道选择模块、预期行驶车道及转向灯状态确定模块,推荐路径规划模块及推荐车速规划模块。第二、提出了一种基于驾驶意图识别的运动预测方法。本文建立了一种分区域的驾驶意图识别方法,将识别方法分为路段区域内的驾驶行为识别方法和路口区域内的目标车道识别方法。针对不同区域建立相应的驾驶意图模型,建立基于隐含马尔可夫模型的驾驶行为模型,建立基于高斯模型的目标车道模型。建立基于驾驶经验和交通法规的先验概率模型,综合先验概率和由意图模型计算得到的似然概率利用贝叶斯原理综合计算各驾驶意图概率,选取概率最大的驾驶意图作为驾驶意图识别结果,根据驾驶意图识别结果及当前交通参与物的运动状态进行运动预测。搭建智能汽车仿真验证平台,选取典型工况对本文所建立的目标车道选择决策方法进行验证。验证结果表明,本文所建立的车道选择决策方法可以保证智能汽车合法、高效地完成驾驶任务。利用NGSIM数据对本文所建立的驾驶意图识别方法和运动预测方法进行验证。结果表明本文所建立的驾驶意图识别方法可以快速识别出交通参与物的驾驶意图,运动预测方法相较常用运动学模型预测具有更高的准确度。