汽车智能化是应对汽车工业发展所面临的安全、拥堵和环保等诸多问题的关键技术途径,也是汽车技术发展的必然趋势。做为智能车辆的关键技术之一,轨迹规划需要对规划状态进行准确地危险评估,并基于此规划出车辆的行驶路径和速度,从而保证智能车辆在交通环境中的行驶安全性。这要求在轨迹规划中必须对交通车辆的运动轨迹做出合理的预测。但对智能车辆而言,交通车辆的未来运动是不确定的,具有一定的随机性。忽略交通车辆运动的不确定性将导致危险评估结果不够准确,从而影响智能车辆的行驶安全性。因此,在对交通车辆进行轨迹预测时,不仅不可忽略运动的不确定性,还必须获取其准确的概率特性。与此同时,确定性的危险评估结果也已经不能准确反映规划状态的安全性,其安全性仅能以碰撞概率的形式表达。为了提高轨迹规划的性能、保障智能车辆的行驶安全性,必须充分考虑由交通车辆运动不确定性引起的碰撞概率的影响。基于行为的运动模型框架是预测交通车辆运动轨迹的有效方法。但驾驶人不同的驾驶风格使得同一驾驶行为下的运动轨迹有着不同的运动模式。若忽略该差异必然导致预测所得概率特性不够准确。因此,为了提高预测准确性需建立不同模式的运动模型并实现运动模式的辨识。基于支持向量机的分类器是解决辨识问题的有效方法。传统的分类器将输入样本视为独立存在的个体,其结果依赖于分类器自身性能以及当前输入样本。但由于难以通过车载传感获取交通车辆内部参数以及驾驶员状态、车辆状态的实时数据,使得对模式辨识仅能依赖有限的外部传感信息。因此,难以保证单分类器对单样本辨识结果的准确性。在基于行为的运动模型框架下,高斯过程运动模型是描述汽车运动随机性的有效方法,建立不同运动模式所对应的运动模型是实现交通车辆轨迹预测的基础。但直接以运动模型表征交通车辆运动不确定性的概率特性并不准确,必须考虑模型中与实时运动轨迹相匹配的先验向量对预测向量概率特性的影响。而运动模式辨识仅确定了实时轨迹的运动模型,与之匹配的先验向量依然是未知的,现有研究中对该问题的解决鲜有提及。快速搜索随机树具有概率完备性及快速求得可行解的能力,是解决汽车轨迹规划问题的有效方法。传统研究多集中于对汽车运动学、动力学约束及算法实时性等问题的考虑,较少关注交通车辆运动不确定性的影响。因此,传统方法通常以逻辑判断的形式表达搜索树中节点的安全性,并基于此实现轨迹的搜索与决策。而交通车辆运动的不确定性使得上述条件不再成立。所以,即便通过碰撞概率实现对规划状态准确地危险评估,传统方法的规划机理依然不能有效地处理碰撞的概率性对搜索过程的影响,使得对不确定性的处理中一定的盲目性,从而难以保证规划方法的性能及智能车辆的行驶安全性。针对当前研究中的不足,本文对考虑交通车辆运动不确定性的轨迹规划问题进行了研究,主要研究内容如下:第一,本文提出了一种交通车辆运动模式辨识方法。方法建立了基于“一对多”纠错输出码的辨识架构,将运动模式辨识问题转化为若干二分类问题。随后通过成对比较分析,建立了概率估计模型并以最小相对熵为优化目标完成实际概率的估计,从而以多分类器取代单分类器实现对样本的辨识。建立了贝叶斯推理模型以揭示连续若干概率估计结果与最终辨识模式结果的关系,从而以多样本取代单样本实现对运动模式的辨识。本文所述方法与传统方法的实验对比结果表明,所述方法能够有效的消除单分类器以及单样本带来的错误辨识结果,从而有效地提高辨识的准确性。第二,本文提出了基于高斯过程运动模型的轨迹预测方法。首先完成运动轨迹的模式聚类并建立基于高斯过程的运动模型。在进行轨迹预测时,提出并推导了基于马氏距离的先验向量计算方法,从而有效的建立实时运动轨迹与运动模型之间的匹配关系。随后推导了基于条件高斯分布的轨迹预测方法以获得交通车辆未来运动轨迹的概率特性。实验结果表明,所述方法能够准确计算出先验向量的维数,从而保证预测所得概率特性的准确性。第三,本文提出一种考虑不确定性的轨迹规划方法。方法包括考虑汽车行驶环境特性的采样策略以及考虑汽车运动特性的节点距离度量策略。为了在轨迹规划过程中考虑由交通车辆运动不确定性引起的碰撞的概率性的影响,方法以碰撞概率表达对规划状态准确的危险评估,并将其建模为搜索树中节点的代价,从而在规划机理中考虑碰撞概率性的影响。以此为基础开展搜索树节点排序、采样节点扩张、目标偏向扩张以及轨迹评价与决策,能够保证不确定性下规划方法的性能。最后,开展了多种工况下的仿真实验:单步对比实验表明,考虑不确定性的轨迹规划可以实现更为准确的危险评估从而决策出更为安全的轨迹;动态避障实验表明,基于准确的危险评估,规划过程中搜索树朝向更为安全的区域扩张,有效地消除了不确定性下规划的盲目性、随机性。本文基于国家自然科学基金重点项目搭建了实车实验平台以验证本文研究内容和提出的方法。首先,开展了包括基于单点预瞄的路径跟随控制器设计以及基于预瞄加速度的速度跟随控制器设计的研究工作。其次,为了实现实车实验验证,完成了以某型轿车为实车平台的总体方案设计,包括平台软硬件架构设计,机械、通讯及供电系统设计,最终改装并完成了实车平台搭建。接着,根据实车实验需求,对轨迹规划、轨迹跟随控制算法中所涉及的平台参数进行了估计。最后,依托所搭建的平台中对本文所涉及方法进行了验证。实验结果表明,本文所述方法能够有效地提高智能车辆轨迹规划的准确度,进而更好地保证其行驶安全性,验证了本文所述方法的有效性。