目前,汽车智能化已成为当今汽车行业发展的落脚点与增长点,智能车的出现可以使人类出行更便捷化、多样化以及安全化。在实际交通环境中,车辆换道是一种易引发交通问题的常见行为,在换道导致的事故中,驾驶员的不当操作是主要诱因。为了使智能车更完善的完成换道操作,弥补人为因素导致的不足,提高换道合理性与安全性,本文基于智能车的换道行为,对换道决策模型、换道轨迹与速度规划以及跟踪控制算法进行研究。首先,针对智能车在交通环境下的换道行为,进行换道决策模型的研究。通过对驾驶员换道机制与需求分析,将决策过程分为换道需求和换道可行性两部分。通过驾驶模拟器采集真实驾驶员换道数据样本,对数据处理后引入与周围障碍车的危险感知程度RP系数作为决策模型的特征参数。利用前车的RP系数设计危险积累程度值表征换道需求,将其余RP系数作为SVM模型的输入对目标车道进行换道可行性分析,构成安全合理的换道行为决策模型。通过数据样本训练后,模型决策准确率可达96%,并在换道场景下进行模型可行性验证。其次,在智能车完成换道决策后,需要对其进行换道轨迹与速度规划。为使换道轨迹与速度曲线在保证安全性的同时又兼具灵活可变性,能适应不同驾驶环境,提出基于三阶三维贝塞尔曲线的规划算法,并将换道过程分别避撞阶段和回正阶段两部分。在XY平面内进行分段轨迹规划,通过满足车辆动力学约束和边界条件得到轨迹曲线控制点坐标,并利用遗传算法求解换道终点位置。同时利用Z轴坐标进行分段速度规划,对车速范围进行划分,进行分类速度规划,利用约束条件与优化算法求解非线性规划问题得到速度曲线。通过拼接得到完整的换道轨迹与速度曲线。再次,为使智能车良好的跟踪规划的换道轨迹与速度,建立车辆动力学模型与速度跟踪驾驶员模型,并利用模型预测控制算法对轨迹跟踪控制器进行设计。通过搭建CarSim与Simulink联合仿真平台进行不同车速下的轨迹跟踪仿真分析,结果表明规划的换道轨迹与速度是有效可行的且跟踪控制算法具有较好的跟踪效果与鲁棒性。考虑到轨迹与车速的实时变化性,固定的预瞄步长难以满足多样的工况,因此提出基于多目标的变预瞄步长轨迹跟踪控制算法,将车速、轨迹曲率和跟踪偏差作为目标量,设计变预瞄步长策略适应不同的换道工况,结果表明该策略可以提高车辆轨迹跟踪精度并保证行驶稳定性。最后,搭建基于VCU控制策略的智能车HiL测试平台,包括上位机系统、实时仿真机系统与D2P快速原型控制器系统。利用Veristand进行实验环境配置,通过Motohawk与Simulink搭建应用于D2P控制器的智能车换道轨迹与速度规划以及跟踪控制算法。利用HiL测试平台进行不同车速下的换道实验分析,其结果验证了规划方法与跟踪控制算法在实际控制器中的有效可行性。