客车场景下的自动驾驶技术是目前的研究热点之一。轨迹规划技术直接影响车辆在结构化道路的行驶表现,因此,具有重要的研究意义。在复杂道路工况和有限计算资源等约束下,如何实现快速、安全、舒适的轨迹规划,是学术界和工业界非常关注的问题。为了解决上述问题,本文提出了一组轨迹规划算法,包含在高实时性规划框架中。主要研究内容如下:搭建自动驾驶客车轨迹规划研究软硬件基础实验平台。其中,硬件基础实验平台由一辆自动驾驶实验客车和车载计算平台组成。软件基础实验平台由轨迹规划算法模块和数据记录模块组成。自动驾驶客车实验平台为本文提供了研究对象和实验基础。提出一种基于主动优化的轨迹规划算法,以解决轨迹规划在客车结构化道路场景的安全性和舒适性问题。首先,提出Station-Lateral坐标系的横向偏移和纵向速度采样方法,结合代价函数快速生成初步轨迹。其次,提出主动优化的模型方法,进一步优化轨迹质量。最后,为了能将复杂的轨迹规划算法部署在车辆控制器平台,实现实时运行,提出采样并行计算和优化预查找表的计算加速方法。仿真和实车实验结果表明,算法满足结构化道路的安全性要求,车载低功耗计算平台上的平均计算时间为48.3 ms,轨迹曲率变化率降低18.35%,符合实时性和舒适性要求。围绕高实时性的快速轨迹规划算法展开研究。为了提高轨迹规划整体的实时性,本文提出一种规划-重规划的算法框架。重规划算法同时运行,在极端工况时介入进行快速重规划。以此为基础,本文提出一种基于动作的快速规划算法,建立基于动作的驾驶员移线动作库,使用先验的移线动作指导轨迹规划。实车实验表明,基于动作的快速规划算法能够平顺完成移线动作,平均计算时间为8.47 ms,符合快速规划算法的高实时性要求。