随着汽车正在向智能化和网联化发展,传统的单车智能面临着感知范围有限、单车传感器成本过高等问题,车路协同技术已经逐渐在自动驾驶领域推广应用,通过车路之间动态信息实时交互,为智能车提供更全面的交通环境感知信息。车辆换道行为是智能车面对的典型工况,是自动驾驶测试和评价的重要指标之一。基于车路协同技术的车辆换道可以提高对周围环境的感知能力,提高车辆换道的行车安全水平。因此本文基于车路协同技术,以换道避让作为典型场景,开展基于车路协同的智能车轨迹规划方法研究。车路感知与车载感知的融合决策是面临的重要问题,建立合适的决策架构是车路协同研究的关键,本文设计了一种车路协同决策级融合架构,并提出了基于车路系统感知和车载感知的双层轨迹安全校验策略。然后,对车路数据通信模块进行设计,包括通信方案选型和数据交互协议设计,在Linux下基于TCP协议和ROS机器人操作系统完成车载端程序开发,并在室内外进行功能测试。基于车路协同系统的车辆轨迹规划存在通信延迟,路侧感知和车端感知的信息异步化和多中心化问题往往导致控制过程的多阶段,因此本文采用对多阶段问题具有较好求解能力的GAUSS伪谱法进行轨迹规划,从而提升系统鲁棒性。根据交通场景建立智能车路径规划的多阶段最优控制模型,采用P-Norm函数实现对多种格式车路数据的标准化和模型化,统一刻画静动态障碍物和多种类型的道路等,建立车辆动力学模型、路径约束和边值约束等。在Legendre-Gauss(LG)配点处进行Lagrange插值对最优化问题离散化,通过正交多项式近似微分方程,将最优控制问题转化为非线性规划问题,通过序列二次规划法进行求解。搭建了基于Prescan软件的模型在环仿真平台,对换道场景进行轨迹规划,并对轨迹规划结果进行二次安全校验,然后采用MPC轨迹跟踪器进行轨迹跟踪,轨迹具有良好的可跟随性和抗干扰能力。并在广州国际生物岛进行了实车实验,完成了基于车路协同的轨迹规划方法的实车实验验证。仿真结果和实验结果表明,本文设计的车路协同决策级架构和轨迹规划方法具有较好的求解效果,有一定的研究意义和应用价值。