智能网联汽车的出现可以提高人们的交通出行效率、减少环境污染和降低事故发生概率,近年来,智能网联汽车技术随着人工智能、计算机、通信等技术的突破有了很大程度上的发展,是各领域学者研究的热点,但要想完全实现智能网联汽车在道路上安全高效行驶,还有许多问题需要解决。在智能网联汽车的组成系统中,决策系统是车辆行驶的指挥中心,好的决策方法对于车辆来说十分重要,而要研究出较优的决策算法是很有挑战性的。信号交叉口是智能网联汽车行驶的主要场景之一,车辆在信号交叉口的通行效率受其在上游路段的行驶行为影响较大,所以车辆在上游路段的行为决策方法对其高效通过信号交叉口有重要意义。现有的行为决策研究场景主要集中在信号交叉口内部,大部分是对少量车辆的速度控制,极少针对信号交叉口上游路段场景的决策研究;而且在现有决策模型中,作为行为决策技术之一的车道选择模型较少,多数是已知目标车道的换道决策或换道执行模型,少有的车道选择模型也没有考虑多辆车之间的效率影响。基于此,本文专门研究了智能网联汽车在信号交叉口上游路段的行为决策问题,建立了信号交叉口前路段上车辆的行为决策模型,和信号交叉口上游路段的多车车道选择决策模型,并对模型进行了仿真分析。首先,本文分析了智能网联汽车在信号交叉口前行为决策的影响因素,建立了车辆在交叉口前的行为决策框架,通过跟驰模型推导智能网联汽车和前方车辆在未来的行驶状态,进一步根据智能网联汽车是领头车和跟随车的情况,分别对通过交叉口停止线的条件进行判断,将换道加入到驾驶方式中来寻求更高的通行效率;其次,本文分析了多辆车在信号交叉口上游路段的车道选择过程,以及影响车道选择决策的因素,基于路段行驶特性,考虑转向需求、行驶效率和换道影响建立了车道选择的马尔科夫决策过程,并使用基于多车网络共享的DQN强化学习方法优化车道选择策略。研究和分析结果表明:信号交叉口前路段上车辆的行为决策模型可以使车辆根据车联网获取的信号倒计时间、车辆位置和速度有效预测前方车辆的状态,并对车辆自身通过交叉口的条件进行准确判断,在通过、停车和换道行为之间做出准确的选择;信号交叉口上游路段的多车车道选择决策模型可以帮助多辆车完成在路段上的行驶任务,让车辆在多个车道之间选择满足自身和系统利益平衡的最优车道,从而提升了多辆车在信号交叉口上游路段的行驶速度,减小了在信号交叉口前的排队长度,整体优化了多车通行的效率。