針對車聯網環境下若干典型車輛軌跡規劃方法存在車速與軌跡波動性較大的問題，提出一種基于改進人工魚群算法的車輛軌跡規劃方法。該方法以短程通信（ DSRC）的車聯網應用場景為設計平臺，以車輛的最優行車速度為核心計算基礎，分析得到了車輛的最佳軌跡。首先，對人工魚群算法在車聯網應用場景的優勢和不足進行分析，引入萬有引力力學模型與避障模式控制，提出一種改進的人工魚群算法；然后，分析車輛在車聯網應用場景中的受力約束，利用網聯車輛的自組織行為控制策略推導最優行車速度；最后，基于最優行車速度實現對車輛的實時軌跡誘導和軌跡避障控制規劃。仿真測試結果表明，在運用了基于改進人工魚群算法的軌跡規劃模型后，車輛的駕駛速度更加平穩，軌跡波動性較小，對障礙物可實現零失誤避撞；在多車相遇情況下，測試車輛為2~40時，相對于原人工魚群算法和螢火蟲算法，運用改進人工魚群算法后車速的平均迭代次數減少，迭代效率提高3～7、4~8倍，且隨著車輛數目越多，迭代效率提升越明顯。

?

　　近年來，車聯網的研究熱潮推動了交通行業的推陳革新，現代交通逐漸向高效、安全、環保方向發展。中提出軌跡規劃作為車聯網環境中的一項重要技術，被廣泛地應用到智能車的軌跡選擇、智能機器人等領域。中提出一種對于交通路網中車輛軌跡規劃算法是建立在非線性預測算法的基礎上的觀點。中應用模糊邏輯控制方法來提高“智能繩”系統，實現區分小的非自愿力量和預定的航行運動，利用智能手機攝像頭作為機器人視覺，完成導盲犬機器人的跟蹤、導航和避障。中提出了一種基于向前預測的局部路徑規劃算法，在不依賴全局定位的情況下實現規劃時間的一致性，同時用通行區域取代原有不具有寬度的路徑規劃進行避障分析。中提出了一種利用時間狀態。

　　控制形式的車輛的新軌跡控制方法，并進行了旋轉和擴張坐標變換，進而實現任意期望的曲線軌跡的控制方法。中利用時間尺度變換和精確的線性化設計一個鉸接式車輛的軌跡跟蹤控制器，該控制器沿著任意軌跡運動，實現車輛的軌跡跟蹤。中根據車輛換道時的期望橫擺角、橫擺角速度和橫擺角加速度，利用車輛側向動力學模型，提出了一種彎道上車輛換道軌跡的規劃方法。中提出一種根據泊車終點環境障礙約束、泊車終點位置約束等，以泊車終點車輛與車位夾角最小為目標建立多約束的車輛泊車軌跡函數中基于彈性帶理論的軌跡規劃方法，提出了一種自主車輛緊急機動的軌跡規劃方法。中提出了一種最大最小螢光素值人工螢火蟲算法，通過對熒光素的變化范圍加以限定，給出最大最小螢光素值范圍，從而避免算法陷入局部最優。中在人工魚群算法的尋優策略上提出了適時調整自身視野和步長的優化改進，對魚群的收斂速度和局部極值方面均有所提高。關于車輛軌跡規劃的研究在車輛軌跡規劃中對周圍車輛的信息利用較少，導致為車輛規劃的軌跡并不適用于道路車輛數目較多的場景。在多車軌跡融合的場景，車輛很容易陷入自身軌跡最優．而個體之間軌跡最優值差異較大的情況，導致車輛的安全性以及道路整體通行效率降低。