换道是车辆行驶过程中常见而又危险的工况,尤其是在多车环境下,换道车辆与周围车辆的相对安全性非常重要。为了提高无人车在多车环境下换道过程中的安全性,本文对多车环境下的车辆轨迹预测方法及换道规划方法进行研究。首先,研究了多车环境下的周车轨迹预测模型。在现有基于长短期记忆网络（Long Short-Term Memory,LSTM）的轨迹预测模型的基础上,提出考虑车型、车辆轮廓等外部参数的轨迹预测模型,以提高模型对不同车辆进行轨迹预测的准确度。为了降低预测时的计算量,从而提高实时性,提出动态敏感区域,以过滤与目标车相关性较低的周围车辆。在NGSIM（Next Generation Simulation）数据集上训练并对比了所提模型和其他同类模型（Conv Social LSTM）,结果表明,本文所提模型在准确度和实时性上具有更好的表现,所提模型预测时的损失相比同类模型提高了7.7%。其次,研究多车环境下的车辆换道轨迹规划方法。根据自车运动状态信息,采用五次多项式规划方法得到换道轨迹簇,并根据车辆三自由度动力学模型设定轨迹簇稳定边界。为了得到一条相对周车安全的换道轨迹,在周车预测轨迹的基础上,对周车建立安全性目标优化函数,以确定轨迹簇中的最优轨迹。设置简单换道场景,验证所提换道轨迹规划方法的可行性。最后,验证换道轨迹规划方法在多车环境下的可靠性。基于车辆三自由度动力学模型,建立基于模型预测控制的车辆横向控制器,并在Carsim和Simulink上搭建仿真平台。设立前车与侧方后车干扰本车换道的多车场景,分别采用预测所得轨迹及真实轨迹作为参考,进行换道轨迹规划。通过分析换道过程中本车与周车的纵向距离及相对速度,验证所提换道规划方法的安全性。通过分析换道过程中车辆侧向加速度及前轮转角历程,验证所提换道规划方法具有较好的舒适性。结果表明,本文所提换道轨迹规划方法可以获得相对周车安全的换道轨迹。