规划算法是自动驾驶系统中非常重要的一部分,规划算法对复杂场景的处理能力决定了自动驾驶车辆的智能化程度。规划算法的研究是自动驾驶研究中的热点和难点。自动驾驶技术的发展依赖于规划算法的发展不断进步。本文依托于科技部国家重点研发计划“电动自动驾驶汽车关键技术研究及示范运行”对自动驾驶车辆规划算法进行研究。针对目前规划算法中存在的针对场景扩展性不够好、求解规划轨迹优化程度不够高的问题,将层次状态机和模型预测控制应用到规划算法中,建立一套能够应对特定城市场景输出合理、安全、舒适轨迹的规划算法框架,使得规划算法针对不同的场景扩展性好,求解轨迹优化程度高。首先本文选择层次状态机作为行为规划的方法,顶层采用基于高精度地图信息的状态划分和状态转换,确定了高精度地图中的转换条件,阐述了部分高精度地图信息的构建方法;中间层采用基于规则的状态划分和状态转换,根据顶层的状态,采用基于规则的方式划分了中间层的状态和状态转换条件,确定了状态内需要完成的规划任务。通过C++语言实现了层次状态机,然后讨论了基于场景划分的层次状态机的可扩展性等优点。之后通过应用责任敏感安全模型,将行为规划的结果转换为运动规划输入的参考轨迹。然后借鉴降维的方法,将运动规划的三维优化问题转换为两个二维优化问题求解,将纵向位置-横向位置-时间三维优化问题转化为纵向位置-时间问题和纵向位置-横向位置问题分别求解,并且将两个问题定义为模型预测控制问题,通过选定预测模型结合行为规划的参考轨迹,从而求解得到了运动规划的解,得到了规划时域内的期望轨迹。之后利用ROS、Prescan和Simulink联合仿真,通过选取特定的城市场景,试验并评价了所研究规划算法面对不同场景时输出的轨迹的合理性、安全性、舒适性,通过仿真试验验证了所研究的规划算法的有效性。然后通过搭建实车试验平台,验证了在存在控制误差的情况下规划算法的性能。通过综合分析验证了研究的层次状态机加优化的方法作为规划算法的有效性。