随着人类物质需求逐渐提高,智能汽车越来越受到大家的关注。汽车的环境感知、决策规划和跟踪控制三大关键技术共同保障智能汽车的自动驾驶。高速公路作为一种简单工况的交通环境,道路结构简单并且没有难以预测的交通状况,是最容易实现自动驾驶的道路环境之一。智能汽车的决策规划作为三大关键技术之一,决定汽车的换道行为和行驶路径,保障行驶的安全性、舒适性、合法性。目前针对智能汽车的决策规划,大部分学者在研究路径规划时很少考虑行为决策,这样可能导致规划的路径不符合人类的驾驶特性,本文设计了一套同时考虑换道决策、路径规划和速度规划的决策规划算法,确保智能汽车行驶轨迹能够满足人类的驾驶习惯。具体研究内容如下:本文首先通过问卷调查分析发现引发驾驶员换道的主要原因是车道前方存在障碍物,以及在换道时主要考虑本车道和目标车道车辆的相对速度与相对距离,并通过驾驶模拟器分析了驾驶员的换道行为。为了准确判断在不同工况下汽车的行为决策,基于决策树的思想设计了换道决策算法,将汽车行驶的满意度量化表示,通过判断不同车道的满意度即可快速确定换道行为。其次基于采样法设计路径规划算法,在传统的采样法上做出改进,引入驾驶员的换道时间、速度和加速度共同确定多个采样纵向距离,相较于以往的固定采样距离使得该算法具有更强的鲁棒性。引入危险势场函数来判断车辆与障碍物的碰撞风险,可以有效的分析不同障碍物对本车安全的影响程度。然后基于离散优化的方法在ST空间中求解最优速度,可以避免在某些工况下汽车的速度规划求解空间是非凸空间的问题。在ST空间中采样出符合约束的离散速度,并通过代价函数求解最优速度完成速度规划。最后本文建立决策规划算法的整体框架,并在MATLAB平台对所设计的算法进行仿真验证,在不同工况下均能实现良好的决策规划效果,证明该算法的合理性和可靠性。