车辆换道行为是很常见的一种交通现象,车辆换道会影响其它相关车辆的运行状态,智能车辆的换道行为应该以实际车辆的换道为原型,以智能车辆自身特点为基础进行研究。智能车辆换道行为的研究主要包括换道轨迹规划与轨迹跟踪控制两方面。　　首先,详细分析了智能车辆的换道需求,将智能车辆换道分为四种不同情形。研究智能车辆换道的目的是服务于实际交通场景,因此将实际车辆的驾驶员因素考虑进来,并针对不同类型驾驶员在四种不同换道情形下对安全距离的敏感度不同,提出了一种新的基于不同速度及不同驾驶员类型的最小安全距离模型——动态椭圆最小安全距离模型。在此基础上,考虑换道车辆的安全性,运用车辆运动学理论生成换道约束空间。通过Matlab仿真对比发现,该最小安全距离模型较之传统最小安全距离模型在相同换道情形下生成约束空间具有更高的安全性和灵活性。　　第二,通过图像处理提取了北京市朝阳区西大望路上低速情况下实际车辆换道的运行轨迹和速度曲线,依此为原型将之与传统换道轨迹模型相比较发现:圆弧换道轨迹更适合双车道低速情况下的换道。为提高换道安全性,我们在换道约束空间下生成圆弧换道轨迹簇,并采用clothoid回旋曲线解决了圆弧换道模型的侧向加速度过大,曲率不连续等问题,最后将安全性、舒适性和快速性作为决策单元,利用多目标规划算法获得最优的期望换道轨迹。　　第三,在最优的期望换道轨迹的基础上,针对运动学描述的四轮车辆换道轨迹跟踪问题,利用改进的指数趋近律及自适应边界层改进传统的滑模变结构跟踪控制律,改进的跟踪控制律是李亚普诺夫渐进稳定的。该控制律不但能有效的减弱抖振,而且能够保证系统在有限时间内平滑的到达平衡状态。在该控制律的基础上,考虑车辆实际换道实施过程中,换道环境内相关车辆运行状态突变对换道车辆期望轨迹的影响,将车辆换道过程分为四个不同的模态,根据各模态特点设计切换函数,并设计多模态滑模控制律,较为理想的跟踪了多模态换道轨迹。　　最后,用OpenGL+VC6.0建立动态虚拟仿真平台,并将期望换道轨迹的规划算法和改进的滑模变结构控制律以及多模态滑模变结构控制方法在仿真平台实现,可完整的模拟换道过程。