在国家大力发展智能交通的大背景下,自动驾驶技术成为公路交通的新型发展方向,促进车辆不断实现各类智能化功能,进而辅助解决公路交通中的各类痛点,已经成为未来城市交通发展的必然趋势。自动驾驶技术的实现涉及定位、感知、规划、控制等多个模块技术的融合,其中规划模块是指自动驾驶汽车能够在无人控制的情况下,实时规划车辆运动方案,完成指定的驾驶任务,其直接决定着自动驾驶的安全性、合理性、实用性。本文在真实车路环境下,提取场景的车路环境数据,运用深度学习方法预测车辆的行驶轨迹,为自动驾驶车辆后续的行驶轨迹提供决策参考。本文设计了一种基于CGAN网络的轨迹模型,先通过对自动驾驶车辆的环境车辆进行轨迹预测,之后在预测结果上规划自动驾驶车辆的行驶轨迹,进而实现自动驾驶车辆在真实多样车路环境中的安全行驶。首先,本文对现有的自动驾驶轨迹研究进行了简要分析,详细讨论了自动驾驶技术在数据驱动背景下的发展。选取深度学习技术作为本文轨迹预测模型基础,将真实车路环境的行驶轨迹作为学习样本,对预测模型进行训练、验证和测试,使之能够根据环境变化调整预测结果,最终预测环境车辆的行驶轨迹。其次,本文依据上述车辆轨迹预测模型的结果,设计了考虑环境车辆行驶轨迹的自动驾驶轨迹规划验证算法。为了验证预测轨迹的有效性,该轨迹规划算法同样以CGAN模型为架构,将环境车辆的预测轨迹及自动驾驶车辆的历史行驶轨迹作为模型的输入,输出符合当前环境的规划轨迹点,进而测试预测算法安全性。此外,采用多项式拟合的方式对规划轨迹点进行曲线拟合,使拟合后的行驶轨迹安全有效,进而使自动驾驶车辆能够顺利的完成行驶目标。最后,本文通过误差计算及仿真分析,验证了模型的有效性。基于MATLAB软件及Python对模型进行测试分析。以车辆换道轨迹为例,通过对比多种轨迹预测模型的预测结果,分析本文预测模型的准确性,并在MATLAB的仿真环境中构建车路环境,模拟真实交通场景,验证本文轨迹规划模型在处理不同类型轨迹时的安全性和适用性。本文基于深度学习技术,在真实的车路环境下研究了自动驾驶车辆的轨迹预测模型和轨迹规划模型,根据模型的仿真验证结果显示,在所设计的车路环境下,应用该模型进行自动驾驶车辆的轨迹预测模型具有有效性和可靠性,并能基于预测结果给出对应的车辆行驶轨迹。通过本文对自动驾驶轨迹模型的研究,为自动驾驶车辆的轨迹研究提供思路和参考依据,助力自动驾驶技术的发展。