安全合理的行为决策是智能驾驶车辆实现拟人化驾驶的必要前提。冰雪路面长期存在于我国北方地区,在这种极端工况下路面的附着系数降低、车辆的轮胎力发生变化,容易导致驾驶员出现精神紧张、汽车发生打滑等问题,进而影响到车辆行驶的安全性。本文针对冰雪路面下驾驶员的驾驶经验不尽相同导致的驾驶行为不确定和驾驶风险提升的问题,研究基于认知推理的智能驾驶行为决策方法,具体研究内容包含以下几个方面:（1）对冰雪路面下智能驾驶行为决策系统进行分析与设计。针对冰雪路面下车辆的制动距离变大、驾驶员的换道意图减弱等问题分析了车辆的驾驶行为决策机制与行为决策系统的设计准则。对本文智能驾驶行为决策系统的整体框架结构进行介绍,并设计了冰雪路面下智能驾驶推理决策模型的结构。（2）冰雪路面下驾驶规则的提取与知识库的建立。针对冰雪路面下驾驶场景信息丰富、难以通过人工经验和专家知识对驾驶规则进行有效编写的问题,通过CART决策树算法对冰雪路面下各种典型驾驶场景的驾驶规则进行提取。通过本体论的方法将提取、归纳的驾驶规则存储在驾驶行为决策知识库,并使用模块化的存储方式改善知识库的结构。将CART决策树剪枝前后提取的驾驶规则进行对比来验证本文设计的驾驶规则提取方法的有效性。（3）设计了一种基于知识推理的智能驾驶行为决策模型。基于层次状态机模型完成驾驶场景和路面条件的状态转换,通过基于条件属性频率的排序算法和基于TLB的规则快速匹配算法对Rete网络进行优化,通过仿真实验验证了本文设计的基于改进Rete网络的推理决策算法在构造网络的内存消耗和匹配推理的时间消耗上的优势。并通过Pre Scan、Car Sim与Matlab/Simulink的联合仿真来验证冰雪路面下智能驾驶推理决策模型的有效性。