随着汽车的普及,在便捷人类生活、提高工作效率的同时,也引发了环境污染、道路安全,交通拥堵等一系列社会问题。而无人驾驶车辆的出现,通过人工智能系统代替驾驶人进行驾驶操作的方法,可以从根源上避免由于驾驶人操作不当引发的交通事故,有效地提高道路交通安全性。决策规划系统是无人驾驶车辆智能性的核心体现,是无人驾驶车辆安全、高效、稳定行驶的重要保障。因此,本文依托国家重点研发计划项目“新型多功能智能车载终端研制及应用(2018YFB1600701)”针对城市道路交通环境下的无人驾驶车辆行为安全决策与规划系统进行研究。首先,研究基于不同道路环境的无人驾驶车辆避撞决策方法。选择城区单向直行车道环境和十字交叉口道路环境作为无人驾驶车辆应用场景,分析车辆在行驶过程中潜在的碰撞风险。依据车辆的刹车距离,建立行车最小安全距离模型,以此进行不同风险场景下的无人驾驶车辆避撞决策。然后,研究道路交通环境中其他交通车辆驾驶意图预测方法。选取车辆实时的速度信息和位置信息作为模型的可观测序列,将车辆未来的驾驶意图作为模型待预测的隐状态,建立基于隐马尔可夫序列的交通车辆驾驶意图预测模型,通过Baum-Welch算法求解模型中的参数。在Pre Scan仿真平台中,分别针对单向直行车道环境和十字交叉口道路环境下的车辆驾驶意图进行预测效果检验。在此基础上,研究基于驾驶意图的交通车辆行驶轨迹预测方法。为提高轨迹预测的精度,考虑驾驶人的驾驶风格对目标车辆行驶轨迹的影响,利用GMM算法对选取的样本轨迹,按照驾驶人在行车过程中的不同激进程度进行聚类。根据驾驶人类型分类建立基于高斯过程的轨迹回归预测模型,选取多项式函数作为描述车辆行驶轨迹的模型均值函数,分别对车辆在换道和转弯驾驶行为下的行驶轨迹预测进行了仿真实验验证。最后,研究基于改进RRT算法的无人驾驶车辆局部路径规划方法。通过设置目标导向阈值的方法,减少无效探索路径的生成,从而提高路径规划的效率。为了降低所规划路径的曲率波动,分别从最近次级节点的选择和路径转折角度两个方面对传统的RRT算法进行改进。并在静态障碍物环境下和复杂交通环境下,对路径规划算法的时效性和安全性进行仿真实验验证。