陆瑶敏，龚建伟，王博洋,2，关海杰

(1.北京理工大学 机械与车辆学院，北京 100081；2.北京大学 信息科学技术学院，北京 100871)

0 引言

通过学习人类驾驶员的知识与经验能够有效提升无人或辅助驾驶系统的适用性与接受度[1-2]。轨迹规划系统作为无人驾驶系统中的重要组成部分，为无人车规划出了最优的可通行路径[3]，这其中将复杂的驾驶任务分解成简单的基元组合，不仅能够有效提升轨迹生成的效率[4-5]，也能提升驾驶行为学习的效率与准确度[6-7]。

目前较为实用的运动基元表征生成方法主要有基于运动学模型[5]和曲线模型[8-9]两种方法，但上述两种方法主要是从车辆模型约束与轨迹平滑度的角度研究基元的生成问题，而未能将驾驶行为数据作为生成参考融入到运动基元的生成过程中。此外，上述基元生成方法也不具备对纵向与横向耦合关系的表征能力，无法实现轨迹与其相匹配速度的协同生成；而原有各独立基元之间的拼接则主要通过增添加减速或曲率过渡基元实现平滑过渡[10-11]，但所选用的基元过渡模式较为单一，并且不具备在过渡过程中轨迹与速度的协同关联能力。

在基于驾驶数据的类人轨迹生成方面，Xu等[12]对候选换道基元和驾驶员行车轨迹进行偏差建模，并在实时路径生成时进行误差补偿；He等[13]将候选轨迹与驾驶员换道轨迹的相似性参量引入到运动基元选择的成本函数中，以实现类人轨迹生成；胡文等[14]借鉴熟练驾驶员的泊车经验提出了相应的类人自动泊车算法。……