随着科学技术的发展和人民生活水平的提高,人们对车辆自主化及智能化的需求逐渐提高,智能车辆技术也在稳步发展。面对复杂的交通环境,智能车辆将会对其驾驶行为做出自主决策,实现自动驾驶功能。换道行为是最常见的驾驶行为之一,智能车辆的换道行为与驾驶员操作相比,在安全性、舒适性及高效性等方面有明显优势。本文研究工作属于车辆辅助驾驶技术研究范畴,针对动态环境下智能车辆匀速换道行为的决策、规划、执行展开研究,以下是本文的主要内容:（1）智能车辆换道决策研究。首先分析了车辆换道动机及主要影响因素,通过提取真实驾驶数据集NGSIM中的换道属性,建立车辆换道行为决策表,针对样本数据具有高维非线性的特点,设计了支持向量机决策模型,之后使用灰狼优化算法对模型中的参数及核函数因子进行优化。结果表明,与之前的模型相比,改进后的模型提高了准确度,能够根据本车状态及环境信息实现换道决策。（2）智能车辆换道轨迹研究。通过对几种常用的换道参考轨迹模型对比分析,使用五次多项式作为换道参考轨迹。将不同换道时间对应的纵向位移作为换道终点,得到一系列的换道参考轨迹簇,从主观与客观两方面评估其舒适性,建立评价函数并转化为多约束优化问题求解,通过蝙蝠优化算法对其求解得到最优换道时间,确定最优换道参考轨迹。（3）智能车辆换道跟踪控制研究。首先设计了基于小偏角假设的二自由度动力学模型的模型预测控制器,考虑相应的约束条件,建立目标函数,并将其转化为二次规划问题求解,得到的前轮偏角增量作为下一时刻的前轮偏角变化量;之后通过分析模型预测控制器中预测时域、控制时域对跟踪效果的影响,建立基于横摆角的自适应模型预测控制器,并与斯坦利控制器进行了对比,结果表明,改进后的控制器具有更小的跟踪误差,说明控制器能够有效实现智能车辆的换道任务。（4）建立道路合流区并道模型,选取NGSIM数据集中的并道车辆,分别从换道决策模型、轨迹规划模型及跟踪控制模型进行验证。结果表明,本文的算法能够实现智能车辆的自主换道行为,符合换道过程中高效、舒适及安全等要求。