随着目前全球交通事故多发率以及汽车保有量的不断增加,交通安全以及拥堵问题日益严峻,使得构建智能交通系统的任务更加急迫。而无人驾驶车辆作为组建智能交通系统最为关键的环节之一,近年来更是成为各方关注的焦点。无人驾驶车辆也称为机器人车辆,属于室外移动机器人的一种。它是一个集环境感知、行为决策、运动规划与自主控制等多项功能于一体的综合智能系统,涵盖了机械、控制、传感器技术、信号处理、模式识别、人工智能和计算机技术等多学科知识。它既包括科学理论方法的研究,也包括关键技术的突破,还涉及到了大量工程实践问题的解决。因此,其具有重要的科研价值和广阔的应用前景。行为决策与运动规划子系统是无人驾驶车辆系统的重要组成部分,也是目前无人车领域的研究热点和难点。在综合道路环境中,由于驾驶场景的复杂多变、交通参与者行为的难以预测以及人们对于行车安全性、高效性和舒适性要求的提高,现有的行为决策与运动规划方法已无法给出一个合理的解决方案。为此,本文通过研究人类在综合交通场景下的驾驶行为决策过程,构建一种基于决策树的驾驶行为决策模型,并在此基础上通过深入研究人类在驾驶过程中的视觉行为注意机制,提出一种基于驾驶员视觉行为的RRT运动规划方法。具体研究内容如下：1)通过对国内外无人驾驶车辆的发展现状进行研究,深入了解无人驾驶车辆行为决策与运动规划的相关技术,分析比较国内外无人驾驶车辆行为决策与运动规划系统的架构和具体实现方式。2)详细介绍无人驾驶车辆平台“智能先锋Ⅱ”,分析和论述平台各个模块的功能及其相互间的协作关系。通过研究人类在驾驶过程中的行为决策模式以及其对于行车安全、行车效率和乘坐舒适性的要求,提出无人驾驶车辆行为决策与运动规划系统设计的关键问题,从而对系统的设计准则加以明确,进而完成对于行为决策子系统与运动规划子系统的构建。3)针对驾驶场景的多样性和时变性,以及在各个场景中人类驾驶员表现出的不同行为特性,利用有限状态机构建基于驾驶场景的无人驾驶车辆行为决策子系统。首先,通过研究不同驾驶场景中驾驶员行为模式的变换规律,提出一种基于有限状态机的驾驶场景转换模型,以实现不同驾驶状态的合理转换。紧接着在此基础上,从实际工程应用出发,通过研究驾驶过程中直接影响驾驶行为决策结果的相关条件属性,提出基于ID3决策树的驾驶行为决策建模方法。其对采集的人类驾驶经验样本数据集,利用基于灰关联熵的条件属性分析法,求得各个条件属性的灰熵关联度排序,以明确各个条件属性对驾驶决策行为的影响程度,分清主次因素,构建出相对紧凑的、冗余度低的驾驶行为决策树模型,从而梳理出符合人类驾驶员决策思维过程的驾驶行为决策产生式规则,以解决多源异构信息知识获取与表示不充分所引起的驾驶行为决策实时性和准确性较差的问题。4)研究基于驾驶员视觉行为的无人驾驶车辆运动规划方法。首先研究人类在驾驶过程中的视觉行为特点,分析视觉行为与运动规划之间的内在联系：其次,研究无人驾驶车辆运动规划问题的技术难点,针对综合道路环境中驾驶场景复杂多变的特点,结合行为学家研究出的两点视觉模型(Two-point Visual Model),提出一种基于驾驶员视觉行为的RRT实时运动规划方法。其根据来自行为决策层的驾驶行为决策指令,按照驾驶过程中人类视觉注意点的变化规律,在感知环境模型中通过对相机图像数据与三维激光雷达点云数据的有效融合,实现对视觉注意点的提取,从而引导RRT算法随机扩展节点的采样；继而,基于车辆运动动力学约束,发展了一种具有曲率连续特性的轨迹优化方法,最终以生成符合人的行为特性的行驶轨迹,从而能够更合理地适应各种动态道路环境。最后,本文以综合城郊道路为测试环境,基于“智能先锋Ⅱ”无人驾驶车辆平台,对所提出的行为决策与运动规划方法的有效性和可行性进行了验证。