智能汽车本身具备主动的环境感知能力,也是智能交通系统的核心组成部分,通过信息交换实现人-车-环境的紧密结合,从而可以提高行车安全。车辆的换道行为是车辆行驶时最常见的交通行为,也是最容易出现交通事故的场景之一。换道过程发生交通事故的原因很多,其中,驾驶员对空间判断错误导致换道决策失误,是最主要的原因之一;而这种情况能通过自动驾驶消除人为因素,从而避免事故发生,所以在车辆换道过程中消除人为产生的换道安全隐患是研究车辆换道的重点。本文以冰雪路面为行驶条件,对智能汽车自主换道进行研究。冰雪路面下车辆的附着能力大大降低,对于车辆的换道增添了很多安全隐患,因此在冰雪路面条件下车辆自主换道的安全性则是研究重点。本文在传统方法的基础上,根据路面条件的复杂性,提出了一些解决方案,以提高车辆换道时的安全性和稳定性。具体的研究内容包括以下几个方面:(1)建立轮毂驱动电动车辆模型本文以前驱轮毂电机驱动汽车为目标车型,首先建立所研究对象的模型以便对车辆的换道决策、轨迹规划和跟踪控制进行研究。将Carsim中传统内燃机汽车模型进行修改,然后根据魔术公式建立轮胎模型,形成整车动力学模型,最后建立轮毂电机模型,将其与整车动力学模型相连,得到前驱轮毂电机驱动整车模型。(2)换道决策与轨迹规划首先对换道行为进行分析,将复杂的交通环境简化成双车道的简单换道场景,然后推导最小安全距离和行驶的期望速度,考虑车辆在冰雪路面的换道安全性,对换道决策进行初步研究。在轨迹规划方面,由于冰雪路面附着系数较低,车辆易产生侧滑等危险现象,所以对轮胎的附着特性进行分析,考虑轮胎纵向力对轨迹安全性的影响,推导出保证换道安全性的侧向加速度阈值。基于5次多项式轨迹方程,建立换道时间及纵向位移的优化目标函数,根据优化的参数得到最优轨迹,提高安全性。考虑到换道过程中的动态环境,对障碍车的轨迹进行预估,得到障碍车的轨迹空间,然后通过二自由度稳态模型得到换道车辆局部的轨迹,然后在轨迹空间中将不符合条件的轨迹剔除,以自由换道最优轨迹为目标轨迹,得到最接近的换道轨迹。(3)换道的跟踪控制换道轨迹的跟踪控制,对环境的依赖较高,当环境变化时控制器的控制效果会下降,对车辆进行控制也有别于其他系统,存在较多的动力学约束和执行机构的约束,而在冰雪路面下的跟踪控制所需要考虑的安全性更加严格。所以本文将控制器分为上下两层,上层控制器采用模型预测控制的方法,该控制器能够对多个约束目标进行处理,在冰雪路面这种低附着的条件下的跟踪控制有较好的跟踪能力;由于所研究的对象为轮毂驱动汽车,所以下层控制器采用模糊PID控制方法对车辆进行辅助控制,通过差矩控制的原理,对驱动力矩进行分配,提高车辆换道的安全性和稳定性。(4)仿真实验验证利用Pre Scan建立交通环境模型,将Carsim和Matlab/Simulink建立的动力学模型、换道决策模块、轨迹规划模块和轨迹跟踪模块联合搭载虚拟仿真验证平台,验证本文所研究的冰雪路面自主换道的有效性和可靠性。