随着科学技术与社会经济的迅速发展,自动驾驶汽车在现代交通系统中展现出高度的研究与应用价值,逐渐成为未来汽车的发展趋势,但自动驾驶的安全性依旧是研究的难点。自动驾驶汽车周边动态车辆的运动轨迹预测是决策规划系统的重要组成部分,精确的轨迹预测能够降低自动驾驶汽车与其他车辆碰撞的风险。针对动态车辆的轨迹预测问题,本文通过激光雷达实现动态车辆的检测与跟踪,提出基于交通场景特征辨识的混合轨迹预测策略。主要研究内容如下:1)搭建自动驾驶汽车硬件和软件平台,完成车辆感知与定位系统、决策规划系统、控制系统以及硬件驱动、任务日志等模块的开发,为动态车辆轨迹预测算法提供了数据采集和道路实验平台。2)提出基于激光雷达结合卡尔曼滤波的动态车辆检测与运动状态估计算法,以车辆间相似度函数为依据完成目标车辆的运动状态更新与轨迹跟踪,实验结果表明目标车辆位置跟踪误差小于0.3m,速度跟踪误差小于1km/h;通过车辆定位系统采集自动驾驶汽车位姿信息,根据目标车辆与自动驾驶汽车的相对位置关系将目标车辆状态向量转换到全局坐标系下,结合高精地图提出基于二分搜索的车道定位算法,并建立当前道路场景的状态向量作为轨迹预测模型的先验知识。3)建立驾驶员意图估计模型预测目标车辆运动模式的变化,根据车辆运动模式与道路类型将交通场景划分为路口通行、非路口车道保持和非路口变道,提出基于交通场景特征辨识的混合轨迹预测策略。当交通场景为路口时,通过车辆状态匹配的方法预测车辆轨迹;当交通场景为非路口车道保持时,采用运动学模型预测车辆运动轨迹;当交通场景为非路口变道时,采用马尔可夫决策过程对道路环境和车辆间交互关系建模,通过策略迭代算法预测车辆的运动轨迹。最后在天津大学自动驾驶试验场和津港高速开展实车道路实验,实验结果表明,基于交通场景特征辨识的混合轨迹预测策略能够实时准确的预测目标车辆运动轨迹,当预测时域为8s时,三种轨迹预测方法的平均位置误差分别为0.3m、0.2m和0.6m。