随着多传感器信息融合、现代控制理论、人工智能以及大规模集成电路等先进技术的飞速发展，以提升车辆自主行驶能力和行驶安全性为目的的汽车智能化已成为车辆工程领域中的研究热点。通过对动态复杂环境下智能车辆环境感知、换道决策以及换道轨迹规划深入研究，可以充分挖掘智能车辆“类人”特性，提高车辆智能化程度和安全性。　　本文结合国家自然科学基金项目(51278514)和国家重点研发计划项目“智能电动汽车的感知、决策与控制关键基础问题研究”(2016YFB0100905)对复杂道路场景下车道线和前方车辆检测方法、换道决策以及换道轨迹规划进行研究。本文的研究内容主要包括:　　(1)基于机器视觉的道路图像处理及车道线、前方车辆检测研究。在摄像机成像模型的基础上，应用数字图像处理相关知识进行道路图像预处理，针对边缘检测过程中出现弱边缘漏检现象，提出基于梯度幅值和边缘方向的边缘点检测算法，在此基础上结合车道线几何特征约束，采用双向扫描道路图像像素点的方法完成车道线特征点筛选和提取，并运用最小二乘法实现车道特征点拟合;基于车辆尾部图像HOG特征和支持向量机训练前方车辆识别模型，采用可变窗口扫描道路图像完成前方车辆检测。　　(2)基于数据挖掘的车辆换道决策模型研究。针对换道场景复杂、影响因素众多以及对换道模型准确度要求提高等问题，分析了车辆换道行为特性，在智能车辆换道决策模型框架下，以下一代仿真(NGSIM)行驶轨迹数据为驱动，提取换道轨迹数据，挖掘换道起始点处各影响因素参数以重建换道决策场景，建立多种换道场景下换道决策规则，在此基础上建立基于贝叶斯理论的换道决策模型。　　(3)基于多性能目标协同优化的车辆换道轨迹规划方法研究。基于灰色预测理论和车辆运动学分析换道车辆与同车道前车、目标车道后车临界碰撞点，确立道路环境下安全换道边界，建立车辆安全换道域;在安全换道域内，采用多项式轨迹模型表征换道过程动态特性，生成换道轨迹簇;以车辆换道过程中安全性、舒适性和经济性多项性能目标综合建立轨迹评价函数，规划最优换道轨迹。