威胁估计与路径规划是智能车辆领域的重要技术。威胁估计通过多传感器对环境信息进行采集和处理,进而对环境进行有效地认知和准确地评估,作为后续决策控制的基础。路径规划则是智能车辆的决策过程,在对环境认知和建模的基础上规划出合适的路径。本文研究威胁估计方法及基于威胁估计的路径规划方法,开发路径规划软件,并进行验证。为了估计目标车辆的威胁能力,本文构建了包含影响车辆威胁指数的目标特征、外部环境因素与驾驶员因素的Bayes网络模型。其中环境因素包括道路状况和能见度;目标特征包括车型大小、目标车辆与本车辆相对距离、目标车辆的绝对速度、以及其与本车辆的相对速度;驾驶员状况包括生理因素和心理因素。然后,根据影响因素之间的关系构建了网络模型。在威胁估计推理过程中,对该Bayes网络模型作变结构化处理得到变结构Bayes网络模型以提高效率。最后,利用仿真结果证明本文构建的威胁估计模型的可行性。本文提出基于威胁估计的路径规划方法。首先,本文基于威胁估计构建多值栅格地图,根据占用栅格的目标的威胁指数在对应栅格周围形成不同大小的威胁场,地图中的每个栅格状态是由占用栅格的目标威胁指数或其形成的场确定。然后在路径规划时,将栅格状态低于安全门限作为规划路径的约束条件规划出有效路径。在有车道线约束的情况下,首先在本车道的子地图中进行路径规划,当无法规划出可行路径时,将邻车道子地图加入到局部地图中进而在相邻车道规划出可行路径,从而减少路径的搜索空间,提高路径规划的效率。最后,利用仿真证明了本文方法的有效性。根据本文的威胁估计和路径规划方法,设计并开发了智能车辆的路径规划软件,包括车辆威胁估计模块、地图构建模块、路径规划模块等,实车实验验证了本文方法及软件系统的有效性。