随着国家的发展、社会的进步以及智能科技浪潮的兴起,自动驾驶技术开始飞速发展,智能汽车高级辅助驾驶系统和自动驾驶系统得到了越来越多地应用。而目前主流的L2、L2.5级别的驾驶辅助系统和L3级别的自动驾驶系统,其在弯道路段上进行规划控制的时候,往往采用将车辆保持在行车道中心的规划控制方法,并没有考虑人类驾驶员平时的驾驶习惯和特征,降低了驾乘人员对弯道通过性的接受度和满意度。本文通过针对性的弯道驾驶试验和数据挖掘理论研究熟练驾驶员的弯道驾驶行为特征,并对不良驾驶数据进行清洗筛除,建立数据样本;其次,通过研究熟练驾驶人弯道驾驶决策信息来源,基于数据样本,设计了弯道动态轨迹规划和轨迹跟踪算法,从而提高了智能汽车在弯道处的仿人规划控制能力,优化了智能汽车自动驾驶性能,改善了驾乘人员对于智能汽车的舒适度和满意度。本文主要研究内容包括以下四部分:（1）熟练驾驶人典型弯道驾驶数据采集与分析基于dSPACE实时仿真平台、Carsim RT车辆实时动力学仿真软件、Senso Wheel力矩方向盘及配套的转角传感器、制动和加速踏板及配套的位移传感器、工控机等软硬件,搭建了驾驶数据采集系统,通过互联网招募了32名熟练驾驶人,并根据研究需求设计了具有不同特征的典型弯道驾驶工况并对驾驶人的数据进行采集。然后对采集的数据进行量化和分析处理,总结了不同转向工况下熟练驾驶人的轨迹特征,最后基于动态时间规整对得到的数据进行相似性分析和清洗,保证样本的有效性。（2）智能汽车弯道动态轨迹规划策略本章从驾驶人的视觉感知行为入手探究人类驾驶员在弯道驾驶时的视觉注意机制,研究其预瞄机理并选择合适的预瞄特征,据此进一步处理前文采集到的数据,构建完整的监督学习样本。之后采用循环神经网络并利用其在处理序列数据方面的独特优势来模拟驾驶员在弯道环境下的驾驶过程,建立动态时窗仿人轨迹规划模型,测试集的评价指标结果表明该模型具有良好的预测效果。最后考虑到深度神经网络的内部弱解释性,进一步设计了轨迹修正策略,能够对预规划轨迹进行检测和预警,并在必要的时候进行重规划,以保证车辆行驶的安全。最后的仿真工况验证了预警和修正策略的有效性。（3）智能汽车轨迹跟踪策略设计了基于预瞄前馈和H∞鲁棒反馈的跟踪控制方法。基于预瞄最优曲率模型求解理想状态下的控制量,通过引入二自由度参考模型,将车辆的横摆角速度和质心侧偏角作为系统H∞性能的衡量指标,之后建立考虑系统状态不确定性的输出反馈控制器,并基于线性矩阵不等式理论进行反馈增益求解,最后在两种工况下进行了跟踪控制方法的验证性试验。试验结果表明,预瞄前馈-鲁棒反馈跟踪控制方法能够在提高系统稳定性的同时减小轨迹跟踪误差。（4）测试验证与分析首先设计了完整的决策-控制集成架构,并据此搭建联合软件仿真平台;其次基于所研究模型的应用场景,结合研究目标针对性地设计了不同道路条件下的左转和右转工况试验,并将试验结果与真实驾驶人数据做相似性分析。结果表明,基于RNNs的弯道仿人驾驶模型能够在弯道路段下规划出符合驾驶人实际驾驶特征和过弯模式的轨迹,与熟练驾驶人轨迹相似程度很高;基于预瞄前馈-鲁棒反馈的轨迹跟踪控制器能够控制车辆沿着预规划轨迹顺利过弯,具有良好的控制性能。