随着我国汽车行业的不断发展和进步,城市交通也遭遇了前所未有的拥挤。而车载导航系统的广泛应用则改善了这一问题。路径规划作为导航系统的重要组成部分,指导着驾驶员按照一条最安全、最快速的路径行驶,节约了汽车在公路上的逗留时间,提高了行车效率。无人驾驶智能车通过传感器采集的自身及环境的各种积极信息数据,然后传入车载中央计算机进行数据分析,并产生相应的控制策略,操纵无人驾驶智能车按照中央计算机计算所产生的最优路径行驶。论文首先说明了无人驾驶智能车研究的目的和意义,并对国内外无人驾驶智能车技术的研究和概况进行了介绍。通过研究车载导航系统的基本组成和常用的导航方式,对该车载导航系统提出了相关的技术要求。然后讨论了路网的表达方式及图论的相关知识,进而建立了交通道路网络的数学模型。同时在该交通路网模型的基础上,通过比较各种算法的优缺点,建立合理的估价函数及临界条件等,选择合适的搜索策略,寻找该路网上从起始点到目标点的最优路径。最后在Matlab环境下进行仿真,对该策略进行了最优性的验证。通过Matlab仿真实验,对改进后的双向A*算法和A*算法进行了比较。实验结果表明,改进后的算法在搜索时间和搜索得到的路径距离上都明显优于A*算法,说明改进后的算法实时性更好,能够搜索到最优路径的可能性更大。该搜索策略应用于车载导航系统中的路径规划,减少了搜索时间和存储空间,提高了效率。