随着我国汽车保有量持续上涨,当今蓬勃发展的智能驾驶技术也面临着更大的挑战,之前贡献突出的自动驾驶辅助技术一定程度降低了交通事故的发生概率,为了进一步缓解交通拥堵等问题,提高道路的利用率并实现复杂场景下的多车规划和调度问题似乎更加值得被重视。本文以路径规划算法中的A*和动态窗口法（Dynamic Windows Approach,DWA）为核心,对其进行改进,实现多车规划,论文的主要研究工作如下:首先,处理数据集并训练神经网络模型。多车场景下对周边车辆的轨迹的预知必不可少,使用NGSIM数据集作为样本,对其进行数据筛选、误差分析,使用对指数移动平均法进行数据清洗,并对各类数据特征进行预处理,确定网络的输入特征为车辆横向和纵向位置,选取训练集和测试集,后对LSTM神经网络进行训练和验证,为后续算法融合提供支持。接着,对A*算法和DWA算法进行改进。针对A*算法,根据对应场景需求,对A*算法进行改进,主要涉及长度可变栅格、搜索邻域和启发函数三个方面,并对每个单独改进措施和综合改进措施进行仿真验证;针对DWA算法,对其添加车辆模型、侧向加速度约束,并求取车辆模型输入,使算法可以实时输出车辆模型所需输入,得到适合车辆规划的DWA算法模型。然后,确定多目标优化函数,设计融合算法流程。在多车场景下,根据不同场景需求设置三个目标函数,使用NSGA-II算法求解多目标优化问题,得到一组帕累托解集;结合NSGA-II算法、神经网络预测模型以及改进后的两种规划算法,确定多车规划的融合算法。最后,完成联合仿真。在Pre Scan/Simlink中搭建车辆模型、预测模块、感知模块以及规划模块,设置多个场景分别进行联合仿真实验验证。