近年来,自动驾驶汽车越来越受到社会的关注,人们已经认识到自动驾驶汽车可以在交通、物流运输等方面发挥巨大作用,可以更高效快捷的完成任务。自动驾驶汽车路径规划决策功能则为自动驾驶车辆研究中最基础以及最关键的内容。本文主要研究内容主要分为自动驾驶车辆的全局路径规划决策功能以及自动驾驶车辆的局部路径规划功能。在实验场地内,首先进行对自动驾驶车辆全局路径规划决策,根据起始点和终止点找到一条自动驾驶车辆可以行驶的最优路径。自动驾驶汽车将按照最优路径行驶,当传感器探测到车辆前方出现障碍物时,车辆将通过局部路径规划的方法避开障碍物,进而可以实现自动驾驶车辆在实验场地内的自动驾驶功能。具体研究内容在以下几个方面:对实验场地地图进行处理,通过高斯转换正反运算方法完成大地坐标和平面直角坐标之间的转换,并将地图信息转换为网络模型信息。运用迪杰斯特拉算法实现自动驾驶车辆在实验场地内的全局路径规划决策功能。给定起始点和终止点的信息,自动驾驶车辆控制器将迅速规划出一条车辆可以行驶的由起始点到终止点的最优路径。并在得到的最优路径中生成一定数量轨迹点,使得车辆可以按照轨迹点行驶。在全局路径规划规划的路径中设有障碍物,通过局部路径规划避开障碍物。当车辆按照控制器规划出来的全局最优轨迹行驶过程中,安装在车辆上的传感器探测到车辆行驶前方存在障碍物时,车辆将会通过局部路径规划避开障碍物。通过基于多目标增强学习的方法对车辆进行局部路径规划,并与基于预瞄模型局部路径规划进行比较,得出基于多目标增强学习局部路径规划的优势。最后针对多目标增强学习方法样本量较大,运算时间较慢的劣势,提出拟合多目标增强学习的方法。将多目标增强学习方法中的样本数量减小,得到的路径点间隔变大,再通过三阶贝塞尔曲线对得到的路径点进行拟合。从生成局部路径规划轨迹的时间方面有较大的改善。在MATLAB中对基于迪杰斯特拉算法的全局路径规划,基于多目标增强学习的局部路径规划以及基于拟合增强学习的局部路径规划进行仿真以及道路实验,最终验证了这些方法在实际实验道路中的实用性。