为了降低人为因素引起的“人-车-路”各环节耦合失调导致的交通事故,无人驾驶汽车已经在全世界范围内得到广泛关注。运动规划作为无人驾驶汽车系统的共性关键技术之一,已成为该领域研究的热点。现有运动规划算法大多只考虑行驶时间、移动距离等约束条件,不涉及道路边界及车辆动力学约束;在进行环境构建时,所使用车辆状态预测模型较为单一,无法较为精确地估计车辆的状态。为此,本文以高速公路场景下行驶的无人驾驶汽车为研究对象,提出了一种基于改进可视图法的运动规划算法,并在此基础上加入随机可达集模型,来估计运动车辆的行驶状态,以提高算法的精确度。具体研究内容如下所示:(1)结合无人驾驶汽车自主决策系统的功能、原理及结构,对自主决策系统的组织结构进行分析;通过分析人类驾驶行为特性,对行为决策子系统设计准则进行总结;利用层次状态机对驾驶行为决策子系统进行建模,并根据层次状态机确定的驾驶意图选择局部目标点。(2)为了估计车辆运动状态,利用马尔科夫链获得车辆随机可达集模型。在此基础上,对影响车辆随机可达集的主要因素进行分析,以对车辆随机可达集模型准确度进行改善。(3)针对运动规划子系统的设计目的对其设计准则及组成结构进行分析;通过建立新的采样算法以及加入B-样条优化函数和路径评估函数,对传统可视图算法进行改进;将随机可达集模型加入改进可视图算法中,从而获得了最终的运动规划算法。(4)在静态环境、动态环境以及混合环境下进行运动规划,利用Carsim仿真软件对规划结果进行验证;将规划结果与RRT算法所规划结果相比进行对比。结果表明,本文所得到的规划路径具有更好的舒适性和安全性。