1．目的及意义
进入21世纪以来，随着经济社会的快速发展，汽车保有量不断攀升，由此也带来了一系列的负面问题。首先，据联合国的统计数据显示，我国每年因交通事故死亡的人数超过20万人。而在对交通事故原因的分析中发现：在构成交通事故的人、车、交通环境三要素中，人由于驾驶经验技能不足、酒驾以及性格特征上的弱点，占到了事故原因中的比重达到了55%-90%。此外，由于汽车增加所造成的交通拥堵问题也日益成为亟待解决的城市问题。因为交通拥堵，不仅导致汽车行驶时间增加，使驾驶员频繁启动车辆，导致额外的资源消耗。交通拥堵带来的经济损失已经在城市人口可支配收入中占到了在极大的比重。
针对上述的一系列问题，发展智能汽车已经成为世界各国的共识。汽车智能化技术已成为汽车工业界的学术界的研究热点，各大汽车企业、互联网公司以及零部件供应商也在不断加大对相关技术和产品的研究开发力度，积极布局智能汽车产业，并提出了自己的自动驾驶解决方案和技术平台，如英特尔和Mobileye提出的“视觉优先” 解决方案Sb 、Waymo 和Uber等公司采用的“激光雷达”方案、百度的Apollo 自动驾驶系统、伟世通的 DriveCore#8482;自动驾驶平台、英伟达的Drive Xavier芯片等等。除此之外各国家也表现出极大重视，各国均相继出台了自己的智能汽车发展计划和落地时间表，采取了一系列的发展举措，如在“中国制造2025”中明确指出汽车智能化是我国汽车产业升级发展的方向之一以及智能车测试规范的建立。
智能车辆是在普通车辆的基础上，集成了多种先进的传感器和控制器，通过这些装置实现人－车－路的智能信息交换，使智能车辆具有自主导航、自动驾驶、自主循迹和自动跟踪等多项功能。要实现智能驾驶，需解决下面的关键问题：（1）环境传感感知问题；（2）路径规划和决策问题；（3）车辆轨迹跟随控制问题。
可见作为智能汽车的关键核心技术，路径规划与跟踪控制是智能汽车研发过程中不可避免的两个重要环节，其性能的好坏直接影响到智能汽车的行驶安全性以及所规划智能行为的实际执行效果。通过对路径规划和跟踪控制技术进行深入系统的研究不仅能够提高智能汽车本身的自主行驶能力和智能化水平，而且在一定程度上也有助于构建和完善我国的智能汽车技术体系，更好的推动我国智能汽车的发展。
目前主要的路径规划方法有图搜索法，随机采样法，曲线插值法，动态优化法等。图搜索方法的基本思想是利用栅格或晶格将自由空间转化为某种图，随后从图中搜索 符合任务要求的路径。随机采样方法的基本思想是在构型空问(configuration space)中随机生成一系列样本点，并筛选满足任务需求的样本点序列作为规划结果。曲线插值方法一般通过预设的航路点(waypoint)拟合生成连续性、平滑性较好的路径。车辆本质上属于动态系统，描述其动态特性的直接、准确方式是建立运动系统方程。在运动系统方程的基础上补充必要的约束条件及任务目标，即构成了最优控制问题 (optimal control problem), 有时也笼统将其称为动态优化(dynamic optimization)问题。以最优控制问题的形式描述车辆运动规划任务，有直观、准确、 客观的优点，这是前述几类 方法一般不具备的。在路径跟踪控制方面的研究成果有两大类，基于预瞄理论的跟踪控制和基于模型预测理论的路径跟踪控制。基于预瞄理论的跟踪控制的基本原理是在车辆前方一定距离处设置一个或多个预瞄点，并获得预瞄点处的位姿偏差、期望路径曲率等信息，然后根据这些信息和车辆当前的运动状态对智能汽车进行控制，以实现对期望路径的有效跟踪。模型预测控制又被称为滚动时域最优控制，其最初主要应用于工业过程控制领域。从本质上来讲，该控制算法是一种基于目标函数的优化求解方法。
王富奎[1]提出了一种换道决策方案，主要包括以下部分：参考速度和参考加速度规划，换道可行性分析，生成初始路径集合以及路径评价，路径优化；还有一种基于多约束的路径规划方法，并进行软件仿真验证。周伟和李军[2]主要分析了在局部危险避障环境中的优化算法，对传统算法和智能算法及其改进算法的优缺点做出了分析以及多种算法的联合求解。赵克刚等[3]根据车辆运动学方程和轨迹跟踪状态，建立轨迹跟踪误差模型，采用线性二次型最优控制方法，以动态跟踪误差、控制能量消耗综合最优为目标，通过不同速度时的目标权重系数调整，实现了车辆轨迹跟踪最优控制。张思远[4]采用了“全局规划与局部规划相结合”的路径搜索策略，对D*Lite算法和HCAA*算法进行改进；又主要对纯追踪控制算法和模糊控制算法进行了研究,分别设计了纯追踪控制器和模糊控制器,并利用直线路径和正弦曲线路径对其跟踪效果进行了
仿真验证。吴麟麟和杨俊辉[5]针对目前智能车辆中AWA*算法规划在较短时间内无法提高路径质量的问题,在原有AWA*算法的估价函数下引入了动态优化因子ε*,建立了新型的估价函数,根据AWA*算法流程中循环扩展节点的特点不断更新启发函数的权值系数Kε*，加快路径规划最优性收敛，改善智能车辆路径规划在限定时间下路径精度不佳问题，确保了优化AWA*算法可在较短时间内获得更优路径。Xiaohui Li [6]等开发了一种集成式路径规划和轨迹跟随的控制框架，其中有基于状态空间的轨迹规划方案，基于模型预测的路径生成算法，速度控制策略和一种基于舒适性和安全性的路径评判功能用于选出最优轨迹。P. Setlur[7]等考虑到线控转向系统有利于车辆完成自动和半自动操作，设计了一个连续的时变跟踪控制器用于车辆位置和方向的跟踪。文献[8-25]中针对现有的路径规划算法和轨迹追踪存在的问题提出了改进措施，并由软件仿真验证。
{title}

2. 研究的基本内容与方案

{title}

2.1研究（设计）的基本内容

在智能车辆的研究中，主要涉及三个主要问题：环境传感感知，路径规划和决策和轨迹跟随控制。路径规划和轨迹跟踪则是智能汽车的关键技术。当下，国内外已经对这两方面有了大量研究。毕业设计的内容首先是在查阅文献之后对现有的路径规划方法和轨迹跟随控制设计进行研究分析对比，明确不同算法，设计的优缺点。其后建立合理的整车运动模型，在该模型基础上对现有规划算法提出优化方案，并在现有轨迹追踪理论基础上进行追踪控制器的设计，最后在MATLAB和CarSim软件中进行联合仿真验证。

2.2 研究（设计）的目标

通过此次毕业设计，期望达成以下目标：

（1）查阅文献明确现有路径规划和轨迹跟踪控制的常见方法；

（2）对现有不同路径规划算法和轨迹跟踪控制方法进行对比分析；

（3）车辆整车模型的建立和优化；

（4）针对某一路径规划算法进行优化分析并进行仿真验证

（5）针对某一轨迹跟踪控制方法进行优化和仿真验证；