近十年来，随着我国国民经济的快速发展，汽车保有量急剧增长，交通运输繁忙，引发的各类城市交通问题日趋严重，已成为当前社会所面临的重大问题之一。因此，开展辅助驾驶系统的相关技术研究，对于改善交通安全状况具有重要的理论意义和应用价值。其中，作为辅助驾驶系统的重要组成部分之一，换道辅助系统可以降低换道过程中的潜在风险。然而，由于缺乏对驾驶意图的准确判断，且驾驶人对换道环境风险感知的认知程度不一，导致目前该系统的可接受程度不高。此外，换道辅助系统的主动干预模式受到换道轨迹规划及跟踪控制方法的理论及技术制约，实际应用难度颇大。为此，本文基于真实换道试验数据，研究换道决策机制，提出车辆换道决策表征方法；建立识别时效性更高的驾驶人换道意图识别模型，提出基于换道环境风险客观感知的换道安全性预测方法；开展基于动态环境的换道轨迹规划模型研究。本文利用试验研究、理论分析、仿真模拟等手段对上述关键理论与技术进行了深入研究，主要研究内容如下：　　（1）实车道路试验。在现有的试验车辆上加装各类传感器、雷达、陀螺仪、GPS等设备，搭建了驾驶行为数据采集平台，选取镇江市金港大道及江宜高速公路，开展了驾驶行为实车试验，获得了车辆运动状态参数、交通环境参数以及驾驶员操作行为参数，标定并处理车道保持、换道意图、换道执行三种工况的驾驶员操控信息、自车运行状态信息和周围交通状况信息数据，为后续研究提供数据来源。　　（2）换道决策机制的研究。基于真实道路试验数据，采用决策树法分析驾驶人决策过程，以及影响换道决策的三大因素：自车与当前车道前车的相对速度，自车与当前车道前车的相对距离，目标车道的可接受间隙及自车与目标车道后车的相对速度。分析了换道意图阶段车间距、车头时距、碰撞时间、相对速度等参数的分布，提出了换道决策的识别指标：速度期望满足度RV、危险感知参数RP和换道可行性参数RS，并确定其量化方法。进而，建立了基于模糊神经网络的驾驶人换道行为预测模型。计算结果表明，模型预测准确率达到89.93％，具有较好的准确性。　　（3）换道意图识别模型的研究。在研究驾驶人换道意图特征参数的基础上，对车辆运行状态参数、车辆控制行为参数进行差异性分析，综合反映周围环境的换道决策模糊神经网络的输出结果，确定了以方向盘转角、相对横向速度及换道决策参数作为换道意图的特征参量。基于GMM-HMM理论，建立了驾驶人换道意图识别模型。经试验数据的验证表明，GMM-HMM模型的识别时效性与连续输出换道意图的次数有关，在准确性和识别效率上尚有欠缺。在此基础上，提出将基于GMM-HMM模型的驾驶人换道意图识别结果作为初步的分类结果，结合贝叶斯滤波（BF）理论，建立改进的驾驶意图识别模型。试验验证表明，该改进模型具有较高的识别准确性和识别效率。　　（4）换道安全性预测模型的研究。提出了“换道影响”的概念，用于换道安全性评价及换道数据集的分类。采用SVM及Logistic模型分别建立换道运行条件参数与安全性评价结果之间的对应关系模型。利用实际换道数据分别进行模型验证，在比较两类模型的分类准确性基础上，提出了SVM-LR换道安全性预测的优化算法，优化算法对危险的换道条件具有较高的预测精度。　　（5）换道轨迹规划模型的研究。提出了椭圆形障碍车辆影响区域模型，解决了传统圆形影响区域涵盖非车辆运动方向区域的缺陷问题。提出了改进的道路人工势场模型：车道边界斥力场的建立，保证了车辆在换道过程中不偏移出预定车道以外；改进的动态障碍车斥力场保证了整个势场仅在目标点全局最小；建立动态的目标点引力场实现了对连续目标的跟踪。最后，根据实际换道场景建立换道仿真环境，进行轨迹规划，并以CARSIM软件开展仿真模拟。结果表明，规划轨迹与实际安全的换道轨迹接近，规划轨迹满足安全及舒适性的要求。