伴随着智能科技浪潮的兴起,自动驾驶技术开始飞速发展。如今,传统车企、科研院校、科技企业以及新兴初创公司成为自动驾驶行业的主要参与者。城市道路作为车辆主要应对的道路场景,具有交通条件复杂、车流量大等特点,智能驾驶技术的应用可以有效提升城市道路场景下的道路交通安全、通行效率并降低交通运营成本。现有城市场景结构化道路下的运动规划方法主要考虑换道策略以及局部的绕障情况,未综合考虑路段限速、舒适性约束以及运行时刻表约束（对于城市公共交通工具）等多目标约束条件。此外,对于停车场等非结构化（半结构化）道路场景的运动规划,难以兼顾路径合理性和规划效率。本文旨在突破典型城市工况下,结构化与非结构化道路场景中车辆运动规划方法,主要研究内容如下:针对结构化道路环境的运动规划,提出了一种路径和速度解耦的全局轨迹规划方法以及一种基于固定采样和多项式曲线拟合的多层采样局部轨迹规划方法。首先,对于结构化道路环境下的全局轨迹规划,提出了全局路径平滑方法以及考虑多目标约束的全局速度规划方法,通过采用参数样条和基于二次规划的优化方法进行路径的参数化表示和平滑处理,提高全局路径的平滑性;根据优化后的全局路径,通过采用梯形速度规划方法与梯度下降方法结合的方式,构建全局速度迭代优化模型,为全局路径规划能同时满足路段限速、运行时刻表约束以及舒适性约束的全局速度曲线;通过将全局路径和全局速度曲线结合,得到车辆的全局运行轨迹。其次,对于结构化道路环境下的局部轨迹规划,提出了基于固定采样和多项式曲线拟合的局部轨迹规划方法,根据车辆的全局轨迹分别对轨迹的纵向速度、横向偏移量和轨迹时长进行多重采样,通过多项式曲线拟合生成候选局部轨迹;最后,根据舒适性、安全性和车辆动力学约束条件建立代价函数,选择最优局部轨迹。针对非结构化道路环境的运动规划,提出了结合改进的混合A*图搜索算法及“S-C-S”泊车模型的空旷区域路径规划方法。首先,提出基于广义泰森多边形与混合A*算法结合的路径搜索算法,通过广义泰森多边形构建可通行路径网络,并以此生成引导路径、设计混合A*算法的启发函数,从而提高路径搜索的效率和质量。其次,针对图搜索算法生成的全局路径无法精确到达目标构型（目标点的位置和角度）的问题,提出“S-C-S”泊车模型规划泊车路径,通过解析式的方式生成由直线和圆弧组成的精确到达目标构型的泊车路径,采用“S-C-S”泊车模型规划泊车路径具有很好的简便性和实用性,其以直线作为泊车路径末段的特性也更利于控制层进行泊车路径跟踪。本文第三个工作是在Matlab软件环境下进行算法实现和仿真测试,并在实际城市道路上进行实车试验,分别验证本文所提出的城市结构化道路和非结构化道路运动规划算法的有效性。试验结果表明本文所提出的运动规划方法在各城市道路场景下均可规划得到安全有效的行驶轨迹。