车辆换道始终是交通领域的研究热点之一,换道决策模型是其重要组成部分。车辆换道过程不仅受车辆运行状态影响,还与驾驶员异质性紧密相关,信号博弈能够充分利用智能车获取的实时信息,考虑车行状态和驾驶员异质性的影响,实现安全、高效地换道。本文将基于信号博弈原理开展智能车换道决策模型研究。首先,通过实测获取车辆轨迹数据,筛选出换道数据并对其进行平滑处理,分析车辆换道行为特性,探究换道失败原因,选取后侵入时间PET（Post Encroachment Time）、换道时车头时距LTH（Lane-changing Time Headway）为实测换道安全性度量指标,并确定安全阈值。然后,考虑驾驶员异质性对换道决策的影响,选取急动度比例为反应驾驶员心理类型的量化指标并确定阈值,平均加速度为先验信息的判断指标。基于信号博弈原理构建智能车换道决策模型,简称SIG（Signaling Game）模型,使用双层规划框架法标定参数,并验证模型的有效性。最后,结合SUMO（Simulation of Urban Mobility）和Python设计混行环境下车辆换道仿真实验。由于无法从仿真结果中准确获取PET,故选取距离碰撞时间TTC（Time to Collision）、换道时车头时距LTH为换道安全性评价指标,选取换道强度、换道成功率为换道效率评价指标。将SIG模型与元胞自动机（Cellular Automaton,CA）模型和斯坦伯格博弈（Stackelberg Game,STG）模型进行对比分析,验证其合理性。结果表明:模型F值为0.705,达到可接受水平;SIG模型能较好地兼顾换道安全性及效率,安全性高于CA模型,效率高于STG模型。例如,不同车流密度下,SIG模型的平均距离碰撞时间较CA模型至少增长23.9%;SIG模型平均换道强度较STG模型至少提升8.0%。本文所建基于信号博弈的智能车换道决策模型,可为混行环境下智能车换道决策提供理论支持,为实现安全、高效地换道提供有效途径。