自动驾驶技术是智慧交通、智慧城市的重要组成部分,对人类的生产、生活将会产生重要的意义。在无人驾驶技术的各个算法模块中,运动规划模块起着承上启下的作用,负责将感知系统、定位系统、预测系统的信息实时处理,以此规划出一条安全、舒适的行驶轨迹交由控制模块执行。在中高速的场景下自车周围的交通情况瞬息万变,如何高效、实时地规划出安全、舒适的行驶轨迹充满挑战。为此,本文以中高速超车场景下的无人车运动规划为研究内容展开。中高速超车场景中的运动规划问题存在以下几个特殊性:自身车辆高速行驶,其运动状态需要被精准的建模;周围的交通情况瞬息万变,与高速行驶的障碍车辆相关的免碰撞约束条件难以建立;多约束、非线性的优化问题计算复杂度高,且容易求解失败。现有的参数化曲线方法、搜索类方法、数值优化方法和学习类方法通常使用质点模型、运动学模型或光滑曲线描述自身车辆的运动状态,这样的建模方法不能准确描述车辆高速时的运动状态,所规划的轨迹控制模块难以跟踪,容易造成车辆的甩尾和倾侧。将周围车辆虚拟为多个连续静态障碍物的环境建模方法也存在不足,当交通流密度增加时这样的处理方法使得可行驶区域狭小,造成轨迹规划失败。针对中高速超车运动规划问题的特殊性和现有方法的不足,本研究基于优化理论将运动规划问题建模成一个数值优化模型。对车辆进行受力分析,使用动力学模型描述车辆高速行驶时的运动状态,依据最大轮胎侧偏角约束建立防滑移约束,依据最大零力矩点偏移约束建立防侧倾约束,对障碍车辆的后续多个时刻的运动状态进行估计构建出免碰撞约束。针对引入车辆动力学模型后造成待求解优化问题复杂度高、稳定性差的问题,本研究使用完全离散的数值优化方法进行求解,将系统的状态变量和控制变量同时作为自由变量进行优化求解,提升数值求解的稳定性。针对非线性、多约束的数值优化问题计算复杂度高、耗时较长的问题,本研究对交通场景进行分类并提前构建数据库,求解出每种场景对应的最优解,在线与该数据库进行匹配得到优化迭代的初始值,减小在线优化耗时。为了验证所提出的基于模型预测的运动规划方法的有效性,本研究构建了基于Simulink、ROS、Carsim的车辆动力学仿真平台。本研究规划出来的轨迹相比百度Apollo开源平台中的EM Planner运动规划算法,在同样的高速超车场景下,本方法使得车辆的横向载荷转移率和质心侧偏角更小,更加安全、舒适。为了验证所提出的基于数据库匹配方法的优化热启动方法的高效性,我们与“0初始值方法”、“当前状态初始值方法”、“RRT*初始值方法”、“A*初始值方法”进行了对比,实验结果证明本研究所提出的初值热启动方法总耗时最小,平均仅需20.95ms可完成一次轨迹规划,比其他初值设置方法减少了33%以上的在线求解时间。