彭浩楠，唐明环，查奇文，王聪，王伟达

（1.中国工业互联网研究院，北京 100102；2.北京理工大学 机械与车辆学院，北京 100081）

轨迹规划模块的作用是为智能网联汽车计算出包含路径和速度信息的安全可行轨迹，规划过程需要考虑车辆行驶安全性、稳定性、舒适性以及行驶效率等[1].目前已有许多关于自动驾驶轨迹规划的研究，典型轨迹规划方法主要可以分为3 类：包括模型预测控制方法、人工势场法等的基于优化计算的轨迹规划；包括栅格法、随机搜索法等的基于搜索的规划方法；基于特定函数的轨迹规划方法[2].近年来，人工智能为自动驾驶规划控制提供了变革性发展契机.基于智能学习算法的轨迹规划方法逐渐成为智能网联汽车决策控制领域的研究热点.

其中，包括各种群类算法如鱼群、蚁群、粒子群，遗传算法，神经网络等[3−4]的智能学习算法可解决非线性规划问题，有不过分依赖物理模型、适用范围广、易于进行移植、收敛速度较快的优点，但同时存在陷入局部最优的弊端.在模仿经验驾驶员的模型预测（model predictive control, MPC）优化轨迹规划方法中，各个优化目标函数的权重系数需要手动反复标定.在不同的复杂动态环境中，权重系数标定是一个重复且繁琐耗时的过程，并且需要丰富的驾驶经验[5].更重要地，基于非线性MPC 的优化轨迹规划方法的求解计算量和预测步长Np成指数关系，即MPC 方法的求解计算量会随着预测步长的升高成指数增长，还要处理各种约……