毛莞丁，邹若冰，刘晨丽

（陕西汽车集团有限责任公司，西安 710043）

据我国道路交通事故统计，交通事故九成以上都与驾驶员自身原因有关[1]。自动驾驶车辆是由车辆的控制器、传感器等发挥主要作用，代替驾驶员驾驶车辆，可以为车辆行驶安全以及交通安全提供良好的保障[2]。决策规划是自动驾驶的关键部分之一，是自动驾驶车辆可以到达目标点的保障。它融合多传感信息，根据驾驶需求进行行为决策，指导当前自动驾驶车辆做出行为动作，如正常行驶、跟车、超车、换道、停车等，同时依据局部环境信息、行为决策结果和车辆实时位姿信息，在满足一定的运动学约束下，规划局部空间和时间内车辆期望的运动轨迹。

当前研究人员提出了很多的路径规划算法，如人工势场法[3-4]、快速随机树（Fast Random Tree，RRT）算法[5]、模糊算法[6-7]、蚁群算法[8]等，有些方法[9-10]是直接找到连接起点和终点的全局轨迹。另外一些方法[11-19]是先得到一系列有限的轨迹，从该轨迹集合中，通过最小化给定的代价函数选择最优轨迹。对于如何生成轨迹集合，需要选择参数模型，如高阶多项式。WERLING等[14]提出的基于Frenet框架的最优轨迹生成（Optimal Trajectory Generation，OTG）算法，将轨迹规划问题分解成横向和纵向两个一维空间的路径规划问题，求解轨迹集，并从横向和纵向分别考虑代价函数，加权求和得到总的代价函数，通过代价函数最小化选取最优轨迹。该方法具有较强的实用性，是目前普遍采用的局部路径规划算法之一。Apollo EM规划器[15]与OTG算法相似，同样采用降维思想，将轨迹规划问题分解为横向和纵向，再合成三维轨迹，根据代价函数筛选出最好的合成轨迹。……