汽车的问世给人们的生活带来了诸多便利,但随之而产生的交通事故、环境污染等各种问题也困扰着人们。为解决这一问题,人们提出智能交通的概念,利用先进的通信、控制、计算机、人工智能等技术,来构建智能交通系统,成为解决交通拥堵、环境污染问题,提高交通运行效率的有力方式之一。智能驾驶正是构成智能交通的重要组成,而且也是智能交通未来发展的主要推力。智能驾驶的发展也有很长的时间,路径规划是其中非常重要的一个环节。根据所获得信息的详尽情况不同可分为全局和局部路径规划。在其发展研究过程中,产生了许多路径规划算法,其中向量场直方图是研究时间较长、稳定性较好的一类路径规划算法。国内外诸多学者对其进行了很多研究,提出了很多对算法的改进优化方法。本文的研究正是基于向量场直方图算法来进行,并对算法中CV值的确定进行了研究分析。由于这类算法对阈值的敏感性,所以本文在对算法的动态阈值的研究基础上,将自适应阈值用在算法中,在其投影的过程中采用阈值遍历的方法,选出最佳阈值来筛选前进方向,从而优化算法。向量场直方图算法的应用场景多为静态环境,然而智能驾驶的实现,只有静态环境的研究是远远不够的。在我国这样的国情之下,动态环境的路径规划算法研究更是十分有必有。本文在对路径规划过程中智能车辆周围环境的影响进行研究之后,提出构建动态环境下的环境复杂度模型,通过考虑环境中的各种因素:静态障碍物、动态障碍物、极坐标直方图波谷、环境变化率来计算环境复杂度系数。在计算中各要素的权值由层次分析法来确定,充分发挥了人的主观知识经验和量化计算的优势,以此令各要素的权值更具客观性。在构建完环境复杂度模型之后,开始进行动态环境的路径规划。本文在引入动态障碍物后,通过分析关键变量的影响,对路径规划过程中关键变量进行动态调整,来使得路径更加合理。在基于环境复杂度系数的基础上,分析各影响因素,利用模糊逻辑的方法来动态调整小车速度大小、视野、和阈值遍历上下限,提升了路径规划过程中的安全性。最后通过Matlab进行算法的仿真,分析了各重要变量在环境复杂度模型影响下的改变和对算法的影响,证实了动态调整的合理性。