随着人工智能和大数据的飞速发展,无人驾驶技术在全世界掀起研究热潮,吸引了社会各界高度关注。无人驾驶技术分为环境感知、行为决策、路径规划以及路径跟踪四个部分。其中,路径跟踪部分控制车辆准确地遵循路径规划部分生成的参考路径,是无人驾驶技术中的重要研究方向。因此,研发跟踪准确性强、实时性高的路径跟踪算法是无人驾驶技术研究的重点工作。纯追踪算法是自动驾驶汽车中最有效的路径跟踪方法之一。与其他路径跟踪算法相比,纯追踪算法实现原理更简单,跟踪效果更好。然而,现有纯追踪算法的跟踪准确性受到预瞄距离的影响。过大的预瞄距离会导致跟踪路径过于平滑,在某些路径下,车辆会出现“抄近路”的现象,跟踪准确性大大降低。过小的预瞄距离会导致车辆的路径跟踪行为出现“震荡”情况,车辆运动稳定性差。针对上述问题,本文对纯追踪算法进行了系统研究,提出了基于纯追踪算法和樽海鞘优化算法的无人驾驶路径跟踪算法,其主要创新点包括以下四个方面:（1）为了生成最优的追踪算法的预瞄距离,在纯追踪算法中引入了樽海鞘算法。（2）为了增强樽海鞘算法的开发和探索能力,在樽海鞘算法中引入布朗运动,通过粒子随机运动机制提升算法优化能力。（3）为了提高樽海鞘优化算法的收敛速度,设计了一种自适应权重机制。该机制在算法搜索过程中使用两种不同的权重来快速调整樽海鞘粒子,加速接近食物源。（4）为了提高本文算法的准时性,在纯追踪算法中设计了一个速度控制器。速度控制器根据预瞄点与当前车辆位置之间的距离和时间间隔,输出下一时刻的速度,确保车辆在指定时间到达目的地。本文在四种不同的路径上进行实验,其中包括直线路径、正弦型路径、拱形路径以及换道路径,并将相应的跟踪结果与使用不同预瞄距离的其他纯追踪算法比较。实验结果显示,本文算法的跟踪准确性优于其他纯追踪算法。改进纯追踪算法是本文的研究重点,本文主要通过使用樽海鞘优化算法对纯追踪算法的关键参数预瞄距离进行优化,以提高纯追踪算法的跟踪准确性。并且,通过在樽海鞘算法中引入布朗运动以及设计了自适应权重机制,来提升算法的优化性能。最后,在纯追踪算法中加入速度控制器,确保车辆准时到达目的地,提升了准时性。