为了降低人为因素引起的各类交通事故,减少道路拥挤造成的能源消耗,自动驾驶汽车已受到世界广泛关注。决策控制作为自动驾驶汽车的关键共性技术,主要负责对环境信息理解和推理以做出合理驾驶行为和生成可行域内最优轨迹,最后控制车辆执行机构执行相应动作。本文对自动驾驶车辆行为决策、运动规划和控制执行算法分别进行了研究,然后通过实车试验验证建立的决策控制算法的可行性和有效性。本文主要研究内容包括:(1)自动驾驶车辆行为决策研究。根据封闭场景驾驶任务,基于有限状态机原理建立了行为决策算法,分析了换道、跟驰及期望速度决策机理;对NGSIM轨迹数据集预处理,将其分为车道保持及自由行驶下左换道、右换道三类数据,在此基础上提取特征向量训练LSTM模型,以建立基于LSTM神经网络行为决策算法。(2)自动驾驶车辆运动规划研究。分析了基于五次多项式的轨迹规划原理,分析不同轨迹预测时间对规划轨迹的影响;在曲线坐标系下将车辆运动规划分解为纵向和横向两个方向运动,然后结合纵横向生成最优运动轨迹;对跟车、合流、停车和车道保持场景进行仿真,仿真结果与对应场景任务要求一致;考虑生成的最优轨迹潜在的碰撞风险,提出使用基于速度障碍法的碰撞风险模型,对生成的轨迹进行风险评估。(3)自动驾驶车辆控制执行研究。研究基于预瞄的轨迹跟踪原理,提出考虑道路弯曲度的可变预瞄距离,使用PID控制算法对传统预瞄算法进行改进,并建立了PID纵向速度控制器;采用模型预测控制算法,将非线性的车辆运动学模型线性化,在约束条件下建立线性模型待优化的目标函数,使用滚动优化的方法求解最优序列,最后通过直线、”M”形、圆形的轨迹跟踪仿真实验对算法进行验证。(4)自动驾驶车辆决策控制实验。以自主开发的“行远”自动驾驶汽车为实验对象,在校园封闭测试区域内对本文提出的决策规划和控制执行算法进行验证,完成了主动换道、静态避障、定点停车和前车跟随等实车实验,实验结果验证了本文建立的决策控制算法的有效性。