1．选题的目的和意义

近年来，无人驾驶车辆逐渐成为研究热点，在全世界引起一股研究热潮。智能化车辆技术及关键技术研究对于提高交通系统的效率和安全性，实现交通系统的智能化发展具有重要意义。无人驾驶车作为一种智能车辆，是集环境感知与认知，动态规划与决策，行为控制与执行于一体的综合智能平台，涵盖机械，电子，人工智能，传感技术等，信号处理，自动控制和计算机技术等多门学科^[1][2]。它主要通过传感器获取周围道路交通环境的知识，通过计算机系统所收集数据的知识进行表达，然后智能控制车辆的行驶状况，完成许多高智能任务^[3]。

加强对无人驾驶车辆的研究对于确保道路交通安全，提高道路通行能力，保护人身财产安全具有重要意义。无人驾驶车辆研究的核心问题包括环境意识，行为决策和运动控制^[4]。对于环境感知和运动控制，来自各国的研究学者和专家进行了大量有效的研究。行为决策研究作为三个关键问题之一，尤其是对城市道路环境中直觉认知决策能力的研究相对较少。与跟驰行为相比，换道行为的研究明显不足。这是由于车道变换行为更加复杂，模型的建立更加困难，并受到数据采集技术的限制。据统计资料显示，不合理换道行为是造成交通事故频发的主要原因，特别是在复杂多变的交通环境中，车辆换道空间存在明显差异。因此，加强对城市道路环境中车道变换行为的决策研究，对于保证车辆安全，提高道路通行能力，改善绿色生态驾驶环境具有重要意义。

在现实世界中，人脑可以快速准确地对不确定或有缺损的信息进行判断。基于传统知识处理方法的系统，如无人系统，在认知领域已经足够完整和清晰的基础上，它可以很好地工作，但一旦给出的信息缺失或混淆，其认知能力就会大大降低。原因在于分析方法只能在给定的匹配模式下工作，对环境的适应性差，不适合处理不确定的知识^[5][6]。因此，无人驾驶车辆的驾驶可以借鉴驾驶员规划决策知识进行机器学习，探索具有不完全数据和不确定知识特征的驾驶规划决策知识获取算法，消除可能存在的不必要信息，减少其不确定性，对驾驶系统形成较为完整和一致的描述，以提高驾驶系统决策和响应的速度和准确性，为无人驾驶汽车的智能行为决策控制提供理论依据。

因此，针对城市道路交通环境，综合考虑多种因素对车道变换行为决策的影响，需通过对人的驾驶行为的分析和总结，从人的驾驶中学习。建立认知行为决策规则，为无人驾驶车辆建立仿生车道变换决策模型，使无人驾驶车辆在复杂的动态环境中具有仿生认知和决策能力，进一步提高驾驶安全性和稳定性无人驾驶车辆。因此，复杂动态城市环境下无人驾驶车辆仿生换道行为的决策研究具有学术价值。

2．车辆换道行为研究现状

驾驶行为的研究是无人驾驶车辆实际车辆应用的理论依据和技术难点。一般来说，驾驶行为包括跟车和换道。换道行为是日常驾驶中常见的驾驶行为，也是一种更为复杂的驾驶行为。目前，国内外对车道变换决策模型的研究大致可以分为以下几类：规则模型，离散选择模型，人工智能模型，马尔科夫模型，生理-心理模型和生存模型^[7]。在车道变换过程中，驾驶员不仅需要仔细观察车辆周围的交通情况，还需要在短时间内判断是否变道，何时开始变道，如何换道。这些都依赖于当前车道和目标车道的空间条件、时间条件、车辆状况和驾驶员的主观意图^[8]。在现有研究中，研究人员通常根据时间将车道变换过程分为两段或三段^[9]。根据换道的意图，通常将其分为自由换道，强制换道和协同换道。