自主驾驶技术具有减少交通事故,提升交通系统效率以及满足个性化出行需求的巨大潜力。尽管近年来自主驾驶技术取得较大进展,但在有其他动态车辆参与的复杂交通场景下,自主驾驶行为的安全性和平顺性仍亟待提高。规划系统是保证自主驾驶车辆行驶安全平顺的重要模块之一,但现有规划方法对复杂动态环境的适应性不强。预测环境中的车辆运动能够提高规划系统在复杂动态环境下的适应性,最终提高自主行驶的安全性和平顺性。本文围绕动态环境下自主驾驶车辆的规划技术及车辆运动预测技术展开研究。主要成果和创新点如下:1.为了理解动态环境中车辆的驾驶意图,提出一种基于概率框架的驾驶意图预测方法。该方法利用车辆行驶中三类特征的时序关系来预测驾驶意图,包括车辆物理状态、道路结构与车辆间的交互行为。根据特征间因果关系和人类驾驶员的驾驶行为模式,设计了一种基于动态贝叶斯网络的意图预测网络。为了得到意图预测网络的节点状态,设计特征提取算法,并采用影响力强度选择特征离散化参数。在得到网络节点状态的基础上,学习网络参数,对驾驶意图进行概率推理。采用高速公路场景下的真实交通数据集NGSIM对该意图预测方法的预测效果进行了验证。实验结果表明该方法在测试数据集上,F1值可达0.795,预测提前时间可达3.75秒,F1值较基于传统贝叶斯网络的预测方法提高了30.33%,预测提前时间较基于传统贝叶斯网络、基于隐马尔科夫模型和基于规则的方法分别提前了2.72秒、2.25秒和1.75秒。2.针对现有动态车辆轨迹预测方法环境适应性不强、预测精度不高的问题,提出了一种基于改进动态窗口法的轨迹预测方法。该方法针对车辆的运动学特性,采用改进窗口法来预测车辆的轨迹。为了提高轨迹预测的精度,利用意图预测结果作为先验知识,以缩减动态窗口的大小。为了考虑环境车辆对预测车辆轨迹的交互影响,分别设计了合作型交互与干扰型交互的代价函数。该方法除了在真实环境中的数据集NGSIM上,还在车辆仿真软件Prescan所搭建的动态场景中进行测试。实验结果表明,基于改进动态窗口法的轨迹预测方法能够在无训练样本的场景下进行预测,扩大了应用场景。在公开测试数据集上对换道行为的预测轨迹均方根误差、平均绝对误差较常速模型降低了8.98%和11.20%,在搭建的仿真实验环境下,其预测2-3秒后的轨迹均方根误差降低至常速模型的63.78%-67.71%。3.为了提高不确定环境下自主驾驶车辆规划轨迹的安全性与平顺性,提出了一种基于动态车辆轨迹预测的规划方法。该规划方法将自主驾驶车辆的规划解耦为路径规划与速度规划,并分别考虑了动态车辆对其影响。路径规划采用几何对称构型方法,在自主驾驶车辆的状态空间中生成符合运动学约束的路径集,以保证规划路径的可执行性与实时性。根据动态车辆的预测轨迹与自主驾驶车辆路径集碰撞概率,设计性能评价函数以得到最终路径。为了避免速度规划过于保守,通过结合考虑其他车辆的轨迹来确定碰撞交叉点和安全距离,从而规划自主驾驶车辆的期望速度。在Prescan所搭建的场景中,对基于动态车辆轨迹预测的行为理解式规划方法进行了测试,实验结果表明基于动态车辆轨迹预测的规划方法在实验场景下会朝着更安全的区域行驶,且规划路径的曲率变化和规划速度曲线较无轨迹预测的规划方法更平顺。