随着交通运输行业的日益壮大,在带给人们出行便利的同时,也导致了各种各样的道路安全和交通拥堵问题。智能交通的出现及发展,有效地帮助人们缓解了这一系列问题。其中,车辆的智能化在帮助解决道路交通安全和堵塞问题方面具有着重要意义,并长久以来一直备受广大范围内研究者的关注。本文研究是基于车联网的环境下,对道路中的行车轨迹进行规划控制,以达到辅助/自动驾驶的目的,然而想要在真实的场景下进行实验研究,需要耗费大量的物资和成本,因此,本文考虑在计算机仿真平台下,搭建完整的车联网仿真框架,从通信与计算机知识结合的角度出发,对道路行车的轨迹规划控制展开研究。本文将利用车联网中常用的通信手段来获取道路信息,综合道路区域危险度分布趋势的短时预测结果,并应用改进的轨迹规划算法,来辅助自主车辆高效、安全的通过道路区域。本文的研究成果与辅助/自动驾驶技术领域密切相关,具有良好的研究意义和实用价值。具体的研究内容如下:(1)简述当前交通现状中存在的各类行车运动模型,通过挖掘本文实验仿真车辆的行车运动行为特征,提出了基于车间关系影响的介观行车运动模型。(2)引入了以Ising模型为原型的危险度评估方法,通过对道路区域进行网格划分,得到道路网格的危险度分布信息,并对危险度分布趋势进行了简单的短时预测。之后针对传统的快速扩展随机树(Rapidly-exploring Random Trees,RRT)路径规划算法的不足,结合道路网格危险度分布趋势的预测结果,提出了改进的RRT算法策略。(3)选择合适的交通仿真和网络仿真工具,提出建立了一套完整的车联网仿真框架,并将移动边缘计算(Mobile Edge Computing,MEC)的应用嵌入到搭建的车联网仿真平台中,利用路边单元来完成道路网格危险度的计算操作,以减轻车辆本身的负载。最后在建立的仿真平台上展开实验,利用实验结果数据的对比,验证了改进的RRT算法的可行性和其有效性。