自动驾驶技术作为未来汽车发展方向,不仅可以解放驾驶员双手以减轻驾驶员负担,还能提高行车安全性。但由于当前技术的限制、基建设施的不完善和社会接受度等问题,完全自动驾驶在商业化之前还有很长的路要走。人机共驾作为迈向完全自动化的过渡阶段,实现了人类驾驶员与低级别智能驾驶功能的共存。然而当驾驶员在“环外”时,会产生过度依赖、失去对外界信息的实时掌握和对智能驾驶信任度降低等问题。并且在人机共驾相关研究中,当人机目标不一致时,如何处理人类驾驶员和智能系统之间的协作和冲突关系是一个关键性问题。因此,针对以上问题,本文围绕驾驶员始终“在环”的人机共享控制策略展开研究,具体内容如下:（1）基于交通态势的驾驶权分配策略设计为了解决驾驶员对智能驾驶信任度降低的问题,本文围绕根据场景的复杂程度而导致驾驶员信任度变化的思想,设计了基于交通态势的驾驶权分配策略。具体内容借鉴了人工势场的思想,对车辆当前的行车风险场进行建模,针对交通场景中各种目标的特性,将行车风险场分为动态场和静态场两部分,二者分别采用速度和相对距离两个变量,相对距离单个变量作为核心变量进行建模;然后以行车风险参数与驾驶员特征参数为输入,设计了一种基于模糊规则的驾驶权重分配策略,并作用于人机共享控制策略中。（2）智能系统的换道策略设计为了获得人机共享控制系统中的智能系统期望路径,本文设计了一种简单有效的智能系统换道策略,分析当前交通场景下的交通车信息,通过换道决策机制、换道可行性分析与换道轨迹规划三个步骤得到智能系统的期望路径。其中换道决策机制根据由相对车速和相对距离计算得到的碰撞时间余量来判断,换道可行性通过建立各个车辆与本车之间的安全距离模型来保证,换道轨迹由换道横向位移和初始位置等信息推导得到的一元五次多项式来确定。（3）基于纳什博弈的人机共享控制策略设计为了解决驾驶员在“环外”的问题,采用了驾驶员始终在环的人机共享控制方法进行系统设计,并加入纳什博弈理论描述人机交互特性,解决了人机冲突与协作问题。在人机共享控制器中,针对人机共享控制系统中的横向控制问题,在模型预测控制的框架下完成了该控制问题的推导与构造,然后建立了包含横向位置,横向速度,横摆角速度和横摆角的车辆模型,并以智能系统和驾驶员转角为输入量;最后假设驾驶员的期望路径可知,通过纳什博弈的方法重构了模型预测控制器中的优化问题,使该优化问题同时优化得到驾驶员转角与控制器转角两个控制量,并将前文中求得的驾驶权重作为优化函数的权重代入,利用凸迭代的方式对该优化问题进行求解。（4）系统集成验证及驾驶员在环试验为了验证本文策略的有效性,搭建了驾驶模拟试验平台,硬件部分包括用于实时仿真的d SPACE工具SCALEXIO、Senso Wheel力矩方向盘与Kistler MSW传感器,软件部分包括用于算法搭建的Matlab/Simulink、用于车辆动力学和场景搭建的Car Sim和Control Desk等,可实现交通场景的可视化和驾驶员输入与数据采集。根据策略需求设计了包含静态障碍物和动态障碍物的换道场景,进行了驾驶员在不同场景与工况下的驾驶试验并完成数据采集和数据处理。在系统集成仿真验证和驾驶员在环试验部分,根据策略特点设计了试验场景,验证了系统在静态场景、动态场景下不仅能根据交通态势评估进行动态驾驶权分配,还实现了动态变权重下的人机博弈共享控制。