中国高速公路里程已经突破14万公里,稳居世界第一,但与此同时交通事故率也高居不下。合流区的交通环境复杂,易出事故,是高速公路车辆行驶中的一大难点。合流区的换道决策研究,对早日实现L3级以上自动驾驶,缓解交通拥堵,降低交通事故发生率以及改善道路交通的生态环境具有重要意义。基于规则的决策算法虽然能够保证决策的实时性,但在遇到规则库之外的驾驶场景时容易崩溃,无法应对交通环境的变化和不确定性。深度强化学习作为强化学习领域里程碑意义的突破,能够应对具有大量动态性和不确定信息的交通环境,在复杂环境中顺利做出合理决策。本文作者选用深度强化学习作为换道决策算法,研究在高速路合流区换道的自动驾驶决策,针对现有换道决策研究中简化环境车辆运动方式和对其他交通参与者造成的影响考虑不足的问题进行了研究和改进,主要研究内容如下:（1）环境车辆自主性换道决策模型研究。用智能驾驶员模型对纵向跟车决策建模,用最小化由变道引起的整体制动模型对横向换道决策建模,使得环境车辆具有独立的行驶目标,不受限制的机动（加速、减速、换道等）行为,并在一定范围内随机选择起始位置和目标车速,能够与主车产生积极的相互作用,最大程度还原真实的换道决策场景。（2）搭建虚拟训练环境,设计底层控制器。根据中国交通相关的法律法规,设计了基础的合流区（包括加速车道形式,车道长度等）,确定了道路通过规则。权衡实验需要和实际条件,对车辆运动学进行建模,采用基于PID控制的纵向控制和横向控制方法。（3）换道决策算法研究。基于深度强化学习理论和对换道行为的马尔科夫决策过程建模,建立了基础的深度Q网络决策模型和更先进的竞争网络决策模型。考虑换道行为对其他交通参与者的影响,提出了保持右侧车道行驶和换道对后车速度影响两个新的奖励函数。对两种决策网络进行仿真训练,结果表明竞争网络决策模型相比于基础的深度Q网络决策模型有更高的换道成功率,在所有速度区间实现了超过80%的换道成功率;在对新增奖励函数有效性的验证中,带有新奖励函数的决策网络在后车速度影响和换道次数两个指标上有明显的改善;最后,对经过训练的竞争网络进行三方面的测试,其中在智能车速度变化的测试中,全部实现超过90%的换道成功率;环境车辆数量变化的测试中,决策网络在不同车辆环境中的换道成功率都超过95%,且在6辆车的环境中成功率超过99%;环境车辆驾驶风格变化的测试中,换道成功率均超过98%。通过以上仿真和测试,充分证明了基于深度强化学习的决策网络处理换道决策问题的优秀性能以及应对不确定环境的强大适应能力。