随着时代的发展,技术的进步,智能化技术越来越多的得到应用,自动驾驶汽车已经呈现出接近实用化的趋势。轨迹规划作为实现汽车自动化的关键性技术之一,可以使车辆根据当前的道路环境对轨迹进行决策,从而使汽车实现自动驾驶。目前,大多数轨迹规划方法是基于约束条件和目标函数而构建的,这种方法对驾驶员实际的驾驶习惯、驾驶特征和行为多样性的考虑还不充分。所以,本文基于UC-win Road虚拟仿真软件,利用驾驶模拟器收集驾驶员在弯道场景中的轨迹数据。通过学习真实驾驶员的行驶轨迹,建立用于实现“拟人化”预测轨迹的规划模型,该方法符合当前人工智能实现自动驾驶的大趋势。同时,模仿驾驶员经过驾驶学习和驾驶经验从而形成的行驶轨迹被认为更具备安全性、效率性和舒适性,使汽车能够在自动驾驶过程中,提供与真人驾驶一样的驾驶感受。针对弯道中的一般场景,通过对驾驶员在弯道中的驾驶行为分析,选择合适的变量,建立用于学习和预测轨迹的人工神经网络。利用人工神经网络对实验数据进行训练,找到样本和标签之间的对应关系,确定网络参数。得到可根据当前道路和车辆信息,预测下一位置车辆路径和速度的弯道轨迹规划模型。模型在能反映出驾驶员共有驾驶特性的同时,可根据当前车辆所有者驾驶汽车所产生的轨迹数据不断更新模型参数,得到更为个性化的轨迹规划模型。针对弯道中的避障场景,根据对避障过程的划分和避障行为的分析,确定避障轨迹规划方法。整个过程分为三部分,分别为起点确定、中间过程模型和换道轨迹规划模型。起点确定中根据对驾驶员避障起点分析所得阈值确定初始条件。中间过程模型根据第一次换道结束位置和中间过程距离的关系,得到规划轨迹最终条件。换道轨迹规划模型根据初始条件和最终条件,通过建立神经网络学习轨迹特征,以此预测路径点得到两次换道过程中的轨迹。利用这三个步骤可以得到完整、安全、连续的避障轨迹。