无人驾驶应用在开放式环境下面临耗费大量资金、分析大量复杂而不确定的人为因素和环境因素以及政府政策批准难等问题。而在封闭环境下却能有效避免这些问题,有利于实现无人驾驶技术应用落地。在半封闭环境下实现无人驾驶运输作业,合理的路径规划是提高无人驾驶作业效率的关键。但是在路径规划过程中发现,半封闭环境内存在多种不确定影响因素,直接或者间接地影响到无人驾驶中的路径规划模块,导致规划路线不合理。而且由于无人驾驶动态路网地图信息变化过大问题,容易与实际环境信息不一致,导致规划路线异常问题。为解决半封闭环境下路径规划中出现的问题,本文从路径规划相关问题方面做出研究,为提高无人驾驶车辆运输效率做出了成果和贡献。1.选择符合环境条件的A*动态路径规划算法,在综合考虑多影响环境因素下,对A*动态路径规划算法进行完善和优化。基于A*动态路径算法的核心,采用科学层次分析法来对多影响因素影响程度进行分析,确定相关影响因素,将确定之后的影响因素通过量化的方式,改造到A*动态路径规划算法内的综合代价函数。最终根据实际环境数据结果分析,改造之后的无人驾驶车辆运输效率效果比改造之前提升近16%-20%。2.无人驾驶动态路网地图通常会存在一些异常路径规划问题,本文基于动态路网地图更新策略,首次提出针对动态路网地图的增量式更新算法,通过基于HMM构建增量式模型,适应动态变化路网数据信息。设计相关路网地图增量式更新算法,以对路网轨迹点质量控制、失配轨迹线路段提取,最后根据失配线路段和失配轨迹点对路网轨迹线路段进行重构,更新路网地图。最后基于实验结果表明,计算相关失配轨迹点覆盖率达到90%,使用HMM增量式分析更新轨迹点约占10%,极大的降低了大量轨迹点计算量。3.自主研发的车路协同调度系统通过对外部系统和环境设备的高效协同调度,对比目前其他调度系统,实现完全自动化运输,节省了人力物力资源,提高了运输效率,增加了产业收入效益。