车辆换道是交通系统中最常见的场景,其执行的效果对交通系统的高效性、可靠性和乘客的乘坐安全性、舒适性都有显著的影响。随着无人驾驶技术的不断深入和普及,智能车辆的自主换道过程愈发成为研究的热点与重点,车车协同（V2V）技术的快速发展为这一领域的研究提供了更便捷、高效的解决方案,特别是在换道轨迹规划过程中发挥着重要的作用,也加速推进了智慧交通、智慧城市的实现。同时,更智能的车辆也需要更灵活的机械结构,目前相关领域的研究对象多为传统的前轮转向结构车辆,缺乏与更为复杂、更加机动灵活的四轮转向结构车辆的前瞻性融合,因此,本文依托于吉林省科研项目《基于耦合控制的智能车组群生态协同驾驶》（项目号:20190302077GX）,以四轮转向智能底盘为载体,研究四轮转向无人驾驶换道过程,建立一套安全、高效、舒适的轨迹规划和跟踪控制方案。本文的主要工作内容如下:1.四轮转向智能底盘建模介绍了四轮转向（Four-wheel-steering,4WS）智能底盘的硬件信息和系统架构,在传统的前轮转向二自由度车辆模型基础上,建立了四轮转向车辆动力学模型,增加了后轮转角控制量,为后续轨迹跟踪控制的研究打下基础。2.车辆换道轨迹规划算法研究分析了车辆换道的行为过程,介绍了车车协同系统相较于单车智能解决方案的特点与优势,构建了理想化的换道场景,采用五次多项式曲线作为轨迹规划方法,以换道起始、终止位置的车辆运动状态信息作为约束条件,规划出可行轨迹区间。3.避障处理与优化算法研究建立了扩展矩形车辆模型,对可行轨迹区间进行避障处理,将换道效率和乘客舒适性作为优化函数的影响因素,获得最优规划轨迹,并实时更新车辆信息,动态调整规划轨迹,保证规划轨迹的全局安全性、高效性和舒适性。4.基于模型预测控制的轨迹跟踪研究分析了四轮转向车辆前后轮转角分配策略,设计了基于模型预测控制（Model Predictive Control,MPC）算法的四轮转向轨迹跟踪控制器。以规划出的参考轨迹为输入,以轨迹各采样点的坐标、航向角等信息为跟踪目标,实现对目标轨迹的跟踪控制。5.算法集成与仿真试验设计试验工况,在PyCharm环境中进行编程,按照四轮转向智能底盘相关参数和道路信息进行轨迹规划、避障处理和优化算法的实现和仿真验证,确定最优换道轨迹,动态展示换道过程中各车的行驶路线和状态,并对轨迹动态调整的过程进行仿真。导出目标轨迹参数,通过MATLAB/Simulink平台进行车辆动力学模型搭建,对四轮转向智能底盘轨迹跟踪控制器进行仿真试验,验证算法的可行性。本文的研究意义在于,提出了无人驾驶换道过程轨迹规划、避障处理和优化算法,相较于单车智能方案更加便捷高效,降低了技术落地成本,促进了智慧交通、智慧城市的建设,并与四轮转向车辆结构进行前瞻性融合研究,通过模型预测控制方法构建了四轮转向轨迹跟踪控制器,设计了从轨迹规划到跟踪控制的一站式仿真试验,分析算法的实现效果,促进了无人驾驶技术的全栈式发展。