冰雪环境长期存在于我国东北,西北等广袤的地域中,寒冷地区的车辆长期处于冰雪环境这种特殊工况中。由于冰雪环境的影响,汽车在道路上的行驶环境变差,时而会发生打滑的情况,乘员舒适性变差,驾驶员容易出现精神紧张等不适感觉,从而严重影响驾驶安全性,这些因素使得冰雪环境下的智能驾驶更有意义。而决策规划算法的研究是智能驾驶研究中最具挑战性的课题,本文研究冰雪环境下的智能驾驶,具体研究内容包含以下几个方面:（1）针对冰雪环境的特殊工况,建立了适用于冰雪环境的状态机决策模型,引入了冰雪环境对智能驾驶汽车行驶的约束条件,从而增加了状态机的鲁棒性和智能驾驶汽车在冰雪环境下的安全性。并且基于冰雪环境改进了混合A*算法,并采用三次样条插值方法进行轨迹优化,以PID控制器作为横向和纵向控制器,搭建了规划控制模块。（2）针对状态机决策模型不能处理冰雪环境下丰富的上下文信息和高不确定因素的问题,搭建了基于DQN算法的深度强化学习智能体。并针对强化学习智能体数据利用率低,收敛困难等问题,将决策规划模块和深度强化学习模型整合在一起,以决策规划模块作为深度强化学习的增广,从而提高强化学习智能体的收敛速度和驾驶能力。（3）应用CarMaker,CARLA等模拟仿真平台进行仿真实验验证。通过建立冰雪环境下城市道路场景,对所研究的决策规划算法进行评价,通过仿真试验验证了所研究的决策规划算法的有效性。并且在Linux环境下基于ROS和C++搭建了实车算法验证平台,将算法部署至实车进一步验证了决策规划算法在实车状态下的有效性。