近年来,汽车渐渐成为人们日常生活中使用最为频繁的交通工具,保有量增长率持久偏高,虽然国家不断斥巨资来修建道路但仍不能改善错综复杂的交通状况,交通堵塞和交通事故越来越成为人们出行所担忧的主要问题。随着技术的发展,自动驾驶技术逐渐成为未来汽车发展的方向。而其中自动换道技术是实现自动驾驶最为关键和最具挑战的问题之一。然而目前对自动换道方法的研究因只靠自身传感器来获取外界信息,不能得到周围车辆运动信息而局限于静态路径规划,其假设的换道车辆周围状态在整个换道过程中都是静止不变的,而实际道路条件多为复杂、易变的路况,换道车辆需要及时调整其速度和位置来确保安全,因此本文提出一种基于车联网信息的自动换道方法研究。智能汽车通过车联网和传感器来感知行驶环境,传感器包括毫米波雷达、GPS、摄像头和激光雷达等来获取车辆周围环境信息,这些原始数据在“传感器数据融合模块”进行融合,同时车联网收发单元接收车联网实时信息得到动静态障碍物信息。车联网实时数据用于根据车辆周围的环境变化信息来重新规划路径,系统根据障碍物的实时信息,规划出一条安全、舒适和通行效率高的动态行驶轨迹。本文首先对国内外关于路径规划和换道方法的研究做出分析和总结,选取了换道时间和加速度分别表示换道效率和舒适性的特征参数建立目标函数。然后在完成三次多项式初步规划路径的基础上,对道路边界条件和周围车辆运动状态进行分析,通过最小安全距离法来确保安全性。最后根据边界条件、目标函数、起始和终止条件求解最优换道轨迹,并利用模型预测控制和自适应模糊控制器分层进行控制运动学和动力学层面,从而跟踪控制以实现自动换道。本文主要研究内容如下:(1)构建目标函数模型。加速度是影响舒适性的主要原因,因此要考虑舒适性就必须考虑加速度;另外换道时间不仅影响自车的通行效率还影响整个交通运行状况,换道时间越短,通行效率越高,对整个交通运行的影响就越小。(2)最优动态换道轨迹模型的建立。利用三次多项式、约束条件以及目标函数求解最优换道轨迹,并且能够根据车联网提供的实时信息参考换道轨迹,数据实时更新可以在前方即将出现突发状况时及时反馈给决策单元重新进行路径规划,以防止碰撞,使得换道车辆适应周围车辆运动状态变化。(3)模型预测控制和自适应模糊控制器的设计。首先构建车辆二自由度模型,引入模型预测控制来控制车辆跟踪规划好的路径,同时能够满足各种约束和实时性问题,在动力学层面使用自适应迷糊控制器控制驱动力矩,并采用双闭环结构,这样可以同时实现轨迹跟踪和控制驱动力矩。(4)多车动态环境下的自动换道仿真和实车验证。首先设计多车换道场景,然后利用Carsim和simulink联合进行仿真,验证方法的可行性与合理性,结果表明该方法切实可行。然后开展实车验证,通过分析实验数据并与仿真结果对比发现,跟踪误差始终在?0.15m范围内,速度、横摆角速度等参数均在约束范围内,换道过程中的最大加速度值均不大于2m/s~2,保证了换道过程中的舒适性,论文所建立模型较为合理。