换道行为作为微观交通流模型中最核心的驾驶行为之一,控制着车辆行驶过程中的侧向运动。频繁、不合理的换道行为会干扰周围车辆的正常行驶,可能产生交通拥堵,甚至引发交通事故。除此之外,换道行为对高速公路路面宽度过渡段的几何设计指标具有重要的影响。近年来随着无人机和视频提取技术的不断成熟,为轨迹数据的获取提供了新的途径和方法。本文以高速公路换道车辆为研究对象,根据换道车辆换道轨迹数据深入分析车辆在高速公路不同路段的换道特性。首先,本文通过收集、查阅国内外相关文献,总结了换道过程和换道行为影响因素,并对现有常用的换道轨迹模型进行描述和理论分析,对模型的优缺点和特征进行深入分析。在此基础上,选取西安绕城高速公路上一般路段、高速公路出入口共6个采集点,采用无人机和UMRR交通管理传感器相结合的方法来获取交通信息数据和车辆运行轨迹数据,通过VBA编程软件和Simi-Motion软件对轨迹数据进行统计处理,对车辆的轨迹数据从运行速度、换道方向、换道持续时间、换道长度等方面进行分析,探索了高速公路不同路段、不同车型的换道特性。通过卡尔曼滤波算法对轨迹数据进行数据清洗,提取并重现换道车辆的横向位置,提出了基于双曲正切函数的换道轨迹模型。在新模型的基础上,明确了模型参数的物理意义并对模型中紧急系数进行了敏感性分析,利用Car-Sim和Truck-Sim软件对双曲正切换道模型产生的换道轨迹进行仿真试验。结果表明:双曲正切换道模型相比于五次多项式模型具有更小的横向加速度值,且可以通过调整双曲正切换道模型中紧急系数的值,生成更适应驾驶环境的换道轨迹。最后将研究结果应用于道路线形指标设计和智能车辆轨迹规划,提出了渐变段最小长度计算模型和车辆轨迹优化模型,计算得到了不同类型渐变过渡段最小值和最大渐变率的建议值。论文的研究结合实测数据解决了目前规范对于路面宽度过渡段设计指标规定的局限性,且研究成果对于车联网及智能车辆辅助驾驶系统具有一定的应用潜力。