自动驾驶汽车的核心技术包括环境感知、决策规划及控制执行,其中决策与规划两者相辅相成,起着承上启下的关键作用。但目前全局规划、局部规划及智能决策三者的研究相对独立,并未从宏观、微观等不同层次,时间最短、油耗最低等驾驶员偏好需求,以及汽车的安全性、舒适性等不同目标进行综合考量分析,尚缺乏逻辑清晰的研究技术路线。因此,有必要进一步梳理全局规划、局部规划和智能决策三者的内在联系,建立多层次、多目标的自动驾驶汽车决策规划技术。本文以宏观与微观决策规划为主线,开展了以下几方面研究:（1）针对当前传统路径规划思想在动态路网无法规划全局最优路径的问题,提出了基于动态行程时间的全局最优路径规划思想。利用交通仿真软件Vissim建立重庆大学城局部路网并完成交通仿真,建立了路网的动态行程时间数据库;比较了Dijkstra和蚁群算法在路径规划方面的优劣,在深入分析静态路径规划和滚动路径规划思想的缺陷后,提出了一种基于动态行程时间的全局最优路径规划思想,并通过仿真试验验证了所提思想的有效性。（2）针对当前鲜见考虑油耗最低的全局路径规划研究,提出了基于动态油耗的经济性全局最优路径规划方法。首先对试验数据进行预处理,获得了实验组和对照组数据,前者用于聚类分析,后者用于分类分析;将聚类分析结果用于BP神经网络训练,获得了考虑工况类型识别的神经网络瞬态油耗估计模型,并以分类结果作为测试组,与不考虑工况类型识别的瞬态油耗估计模型及稳态油耗估计模型进行对比分析,结果表明考虑工况类型识别的瞬态油耗估计模型的估计精度最高;最后基于油耗周期相似性特点建立了动态油耗数据库,并规划了经济性全局最优路径,满足了驾驶员经济出行的偏好需求。（3）针对当前文献较少建立安全换道模型、缺乏换道路径的合理筛选等问题,建立了基于安全换道域的换道决策规划模型。分析了两种典型换道场景,并分别建立了临界安全换道角模型;对比了多项式曲线、B样条曲线等不同换道路径曲线的曲率、起讫点约束性等物理性质,筛选了B样条曲线法作为局部路径规划方法,进而结合安全换道角的概念提出了基于安全换道域的最优换道路径规划方法;在此基础上,建立了基于安全换道域的换道决策框架,最后利用Simulink和Pre Scan实现了换道场景联合仿真。（4）针对当前文献较少考虑周边车辆未来轨迹对本车换道决策规划的影响,建立了考虑周边车辆轨迹预测的换道决策与规划模型。对NGSIM数据集进行处理,获得了左转、直行和右转的换道轨迹数据集;利用该数据集训练LSTM神经网络,获得了车辆驾驶意图预测模型,进而建立了考虑驾驶意图识别的轨迹预测模型;设定换道场景,对障碍车辆的预测轨迹进行膨胀处理,将得到的轨迹预测分布带映射到ST图,以此作为约束条件,利用动态规划思想在ST图搜索最优速度序列;最后,用纯跟踪算法作为轨迹跟踪控制算法,对规划的路径及速度进行了跟踪控制验证。