具有场景化、低速化特点的智能物流车是现阶段探索自动驾驶发展的重点。智能物流车作为自动驾驶技术的研究平台,兼具实用价值与研究价值。规划模块是智能物流车的重要组成部分,其负责在园区地图中规划出一条从起点到目标点的路径。园区环境常出现预构建地图中未记录的障碍物,如何兼顾最优化与实时性的要求,找到一条安全可行的路径是智能物流车规划模块的一大挑战。本文针对校园快件派送场景,研究智能物流车的路径规划算法,目标是在未知动态环境中规划出无碰撞风险、可行的路径,引导智能物流车安全地行驶至目标点。首先,本文基于算法研究的需求,完成规划模块上下游部分的准备工作。结合地图相关理论,构建某校园宿舍区全局栅格地图,作为规划模块的环境输入信息;建立车辆运动学模型,结合模型预测控制算法（Model Predictive Control）构建跟踪控制器,用以评估规划模块输出路径的可跟踪性,验证路径是否符合实车行驶要求。接着,本文对应用于全局路径规划模块的A*算法和应用于局部路径规划模块的快速扩展随机树算法（Rapidly-exploring Random Tree,RRT）进行研究,针对算法在应用场景下的不足提出优化方案。对于A*算法,通过增加节点扩展方向、实时优化节点代价、建立双向搜索的处理,提出改进A*算法,改善原算法的路径拓扑结构,提高路径最优性的概率。对于RRT算法,通过设计线性偏向系数、增加转角约束、实时修正搜索树的处理,提出改进RRT算法,提高原算法的效率与路径可行性。结合上述两种改进算法,本文设计了改进的分层路径规划算法:上层使用改进A*算法输出全局最优路径;下层结合局部目标点选取策略和避障规则,使用改进RRT算法完成局部路径重规划工作;最后使用B样条曲线函数进行轨迹优化,输出一条满足实车行驶要求的最终路径。为验证算法效果,本文结合校园宿舍区栅格图与MPC控制器完成分层路径规划算法的仿真实验。通过对路径跟踪偏差值、局部避障情况和耗时等实验数据进行分析,验证本文分层路径规划算法的有效性和可行性。