和人类驾驶员相比,无人车能够更加全面的掌握即时路况并及时对汽车巡航状态进行调整,从而改善交通拥堵状况、避免了人为失误造成的交通事故和伤亡,因此近些年来无人驾驶技术发展迅速。许多半自动驾驶技术在汽车上已经得到了大规模的普及,比如紧急制动,定速巡航和车道保持等。然而,在行车环境建模、避障轨迹优化等方面还需要深入的研究。如车载传感器精度有限的情况下如何对障碍环境建模,如何处理环境中意外出现的动态障碍物,如何针对不同的泊车位实现标准化的轨迹优化算法设计,如何优化智能无信号灯路口下的多车避障轨迹等都是值得研究的问题。本文用动态优化全联立算法对上述问题做了一些研究。主要内容和成果如下：1.对城市环境下的自主泊车问题,采用MPCC和R函数方法对车位环境建模,与车辆运动学模型、物理约束共同构成了行车系统模型,构造了联立框架下的自主泊车动态优化命题。采用有限元正交配置法将原命题离散化为非线性数学规划问题,由非线性求解器高效求解得到具有时间信息的可直接用于指导车辆跟踪的泊车轨迹。2.针对自主泊车轨迹动态优化命题含有较多复杂约束可能引起的求解困难,提出了时空分割策略来增强优化算法的收敛性。通过在轨迹优化命题中引入吸引区、塌缩区来分割泊车空间,将非线性的复杂环境约束在割裂空间下进行简化,重构泊车轨迹优化命题。仿真实验证明了时空分割策略的有效性。3.在城市环境下基于信息完整假设进行多车轨迹优化的全局规划算法研究。在多车模型、环境模型下融合了车-车、车与动态可预测障碍物的复杂避障约束,构造多车协作避让轨迹优化命题。数值实验表明了基于全联立的全局规划算法的有效性。4.对于环境感知不完整的车辆轨迹规划问题,基于障碍环境预测模型进行局部滚动优化。运用假设静态法、速度切线预测法、完整预测法对障碍环境建模,根据障碍车辆进出我车的冲突检测域来切换重构行车系统轨迹优化命题,并比较了预测模型对车辆避障性能的影响。