智能驾驶是机器辅助人进行驾驶,以及在特殊情况下完全取代人类驾驶的技术,是提高道路交通安全的重要途径之一。具体来说,智能驾驶可通过将多种传感器数据融合实现车辆周围环境的精确感知,让智能驾驶车获得自身所处的确切环境,实现车辆自主驾驶。但是,车载传感器都有其感知的局限性,特别是感知区域被其他物体遮挡导致感知盲区时,仅凭单一车载感知设备来实现智能驾驶的挑战非常巨大,因此,为实现车辆的感知盲区补充,如何选择合适的可被共享车载传感器的车辆节点是一个重要研究方向。本论文主要针对感知范围具有一定深度、广度的传感器（如摄像头、激光雷达和毫米波雷达）的感知盲区,研究面向智能驾驶感知盲区补充的传感器共享策略。首先,为分析传感器盲区范围,提出了动态交通流中传感器感知盲区模型;其次,通过对候选节点的多维指标进行综合考量,提出了一种基于传感器共享节点选择的盲区补充策略。具体研究如下:（1）针对车辆之间的遮挡导致传感器无法感知盲区范围,而当前传感器共享领域缺少分析传感器感知的盲区数学模型的问题,本文从动态交通流的车辆密度出发,利用动态交通流中车辆分布模型分析车辆间距与车辆密度之间的关系,同时利用动态交通流中车辆的位置信息来选择最合适的分布形式并估计分布参数。随后,基于运动学模型提出了智能驾驶中车辆匀速行驶下的安全距离模型,定义了车辆为保证安全性所需的感知范围。最后,提出一个动态交通流中传感器感知盲区模型,该模型结合车辆分布模型与安全距离模型定义了传感器感知盲区与盲区补充,并从理论上分析了感知盲区与车辆密度之间的映射关系。实验结果表明,该模型对动态交通流中的车辆间距和感知盲区面积的数学关系进行了良好表征。（2）针对当前节点选择策略忽略了智能驾驶汽车对弥补盲区这一需求的问题,设计了一种盲区补充面积量化算法,该算法通过利用当前车辆的安全范围及处在其中的遮挡物位置信息,确定当前车辆的传感器感知盲区范围。随后,基于周围车辆的定位及其感知范围数据,使用几何方法量化其对于当前车辆的盲区补充面积。另外,针对当前节点选择策略未考虑到传感器数据质量及通信系统性能对共享质量的影响的问题,基于上述算法提出了一种基于熵权法的传感器共享节点选择策略。该策略将交通环境中周围车辆对当前车辆的盲区补充面积与智能驾驶敏感的传感器数据可靠性指标和通信性能指标进行汇总,使用熵权法对车辆进行对比评分,基于该评分实现了综合考量多维指标的传感器共享节点选择。实验结果表明,该策略实现了较高的盲区补充比例,同时能有效地对多维指标进行对比。