基于iLQR的智能车辆换道轨迹规划算法研究

doi:10.19562/j.chinasae.qcgc.2026.03.006

摘要/Abstract

摘要：

针对智能车辆换道过程中高效性、安全性和舒适性的协调兼顾问题，本文提出一种基于迭代线性二次调节器（iLQR）算法的换道轨迹规划方法。首先，在横向路径规划方面，于Frenet坐标系下采用改进的五次多项式生成初步横向轨迹；在纵向速度规划方面，利用引入启发信息的动态规划（DP）方法，快速生成满足车辆运动学约束的速度规划序列。其次，通过iLQR算法对初始轨迹进行二次优化，将碰撞风险、舒适性及控制约束纳入优化目标，得到高效、安全且平滑的最优换道轨迹。最后，通过CarSim、Matlab/Simulink及Prescan进行联合仿真验证。仿真结果表明，该方法较传统DP算法换道效率提升约20%，纵向加速度更平稳，显著提升了换道的安全性与舒适性，可为自动驾驶车辆在复杂交通环境下的换道决策提供高效、可靠的技术支撑。

关键词: 智能车辆, 迭代线性二次调节器, 改进五次多项式, 动态规划算法, 换道轨迹规划

Abstract:

For balancing efficiency， safety and comfort during lane-changing of intelligent vehicles， this paper proposes a lane-changing trajectory planning method based on the iterative linear quadratic regulator （iLQR） algorithm. Firstly， in the lateral path planning， an improved quintic polynomial is used in the Frenet coordinate system to generate an initial lateral trajectory. In the longitudinal speed planning， a dynamic programming （DP） method with heuristic information is utilized to quickly generate a speed planning sequence that meets the kinematic constraints of the vehicle. Secondly， the initial trajectory is further optimized by the iLQR algorithm， incorporating collision risk， comfort and control constraints into the optimization objective， to obtain an efficient， safe and smooth optimal lane-changing trajectory. Finally， the method is verified through a joint simulation using CarSim， Matlab/Simulink and Prescan. The simulation results show that this method improves the lane-changing efficiency by approximately 20% compared to the traditional DP algorithm， with a more stable longitudinal acceleration， and significant improvement in the safety and comfort of lane-changing， which can provide efficient and reliable technical support for lane-changing decision-making of autonomous vehicles in complex traffic environment.

Key words: intelligent vehicles, iLQR, improved fifth degree polynomials, DP algorithm, lane change trajectory planning

刘永涛,亢浩宇,纳林奇,李智鹏,朱屹晨,陈轶嵩. 基于iLQR的智能车辆换道轨迹规划算法研究[J]. 汽车工程, 2026, 48(3): 553-565.

Yongtao Liu,Haoyu Kang,Linqi Na,Zhipeng Li,Yichen Zhu,Yisong Chen. Research on Lane-Change Trajectory Planning Algorithm for Intelligent Connected Vehicles Based on iLQR[J]. Automotive Engineering, 2026, 48(3): 553-565.

图/表 15

图1

图2

图3

图4

图5

图6

图7

图8

图9

图10

图11

图12

图13

图14

图15

参考文献 33

[1]	SEN B， SMITH J D， NAJM W G. Analysis of lane change crashes［R］. United States Department of Transportation： National Highway Traffic Safety Administration， 2003.
[2]	PIVTORAIKO M， KELLY A. Efficient constrained path planning via search in state lattices［C］. 8th International Symposium on Artifical Intelligence， Robotics and Automation in Space （i-SAIRAS 2005）， 2005： 709-715.
[3]	GUPTA N， MANGLA K， JHA A K， et al. Applying Dijkstra’s algorithm in routing process［J］. International Journal of New Technology and Research， 2016， 2（5）： 122-124.
[4]	BOHREN J， FOOTE T， KELLER J， et al. Little Ben： The Ben franklin racing team’s entry in the 2007 DARPA urban challenge［J］. Journal of Field Robotics， 2008， 25（9）： 598-614.
[5]	ZHANG J D， FENG Y J， SHI F F， et al. Vehicle routing in urban areas based on the Oil Consumption Weight-Dijkstra algorithm［J］. IET Intelligent Transport Systems， 2016， 10（7）： 495-502.
[6]	LIKHACHEV M， FERGUSON D. Planning long dynamically feasible maneuvers for autonomous vehicles［J］. The International Journal of Robotics Research， 2009， 28（8）： 933-945.
[7]	LIN Z， WU K， SHEN R L， et al. An efficient and accurate A-star algorithm for autonomous vehicle path planning［J］. IEEE Transactions on Vehicular Technology， 2024， 73（6）： 9003-9008.
[8]	GAN X L， HUO Z H， LI W. DP-A*： for path planing of UGV and contactless delivery［J］. IEEE Transactions on Intelligent Transportation Systems， 2024， 25（1）： 907-919.
[9]	STENTZ A. Optimal and efficient path planning for partially-known environments［C］. Proceedings of the 1994 IEEE International Conference on Robotics and Automation. IEEE， 2002： 3310-3317.
[10]	SUN Z， HSU D， JIANG T T， et al. Narrow passage sampling for probabilistic roadmap planning［J］. IEEE Transactions on Robotics， 2005， 21（6）： 1105-1115.
[11]	CHIANG H L， TAPIA L. COLREG-RRT： an RRT-based COLREGS-compliant motion planner for surface vehicle navigation［J］. IEEE Robotics and Automation Letters， 2018， 3（3）： 2024-2031.
[12]	王元民，王亚飞，秦文刚，等. 基于SMPA的半挂车自动泊车运动规划方法研究［J］. 汽车工程， 2024， 46（4）： 691-702.
	WANG Y M， WANG Y F， QIN W G， et al. Study on automatic parking motion planning method for tractor-semitrailer based on SMPA［J］. Automotive Engineering， 2024， 46（4）： 691-702.
[13]	朱冰，韩嘉懿，赵健，等. 基于安全场改进RRT^*算法的智能汽车路径规划方法［J］. 汽车工程， 2020， 42（9）： 1145-1150.
	ZHU B， HAN J Y， ZHAO J， et al. Safety field-based improved RRT^* algorithm for path planning of intelligent vehicle［J］. Automotive Engineering， 2020， 42（9）： 1145-1150.
[14]	ZANG Z， ZHANG X， SONG J R， et al. A coordinated behavior planning and trajectory planning framework for multi-UGVs in unstructured narrow interaction scenarios［J］. IEEE Transactions on Intelligent Vehicles， 2025， 10（4）： 2781-2794.
[15]	LIN X Y， WANG T F， ZENG S R， et al. Autonomous vehicles lane-changing trajectory planning based on hierarchical decoupling［J］. IEEE Transactions on Intelligent Transportation Systems， 2024， 25（12）： 20741-20752.
[16]	FAN H， ZHU F， LIU C，et al. Baidu Apollo EM motion planner［J］. arXiv preprint arXiv：， 2018.
[17]	ESFAHANI P M， CHATTERJEE D， LYGEROS J. Motion planning for continuous-time stochastic processes： a dynamic programming approach［J］. IEEE Transactions on Automatic Control， 2016， 61（8）： 2155-2170.
[18]	FERRENTINO E， SAVINO H J， FRANCHI A， et al. A dynamic programming framework for optimal planning of redundant robots along prescribed paths with kineto-dynamic constraints［J］. IEEE Transactions on Automation Science and Engineering， 2024， 21（4）： 6744-6757.
[19]	王莹，卫翀，马路. 基于二次规划的智能车辆动态换道轨迹规划研究［J］. 中国公路学报， 2021， 34（7）： 79-94.
	WANG Y， WEI C， MA L. Research on dynamic lane-change trajectory planning for intelligent vehicles based on quadratic programming［J］. China Journal of Highway and Transport， 2021， 34（7）： 79-94.
[20]	WERLING M， ZIEGLER J， KAMMEL S， et al. Optimal trajectory generation for dynamic street scenarios in a Frenét Frame［C］. 2010 IEEE International Conference on Robotics and Automation. IEEE， 2010： 987-993.
[21]	任少杰，杨正才，张英泽. 基于栅格化四边形区域与改进人工势场的车辆行驶轨迹研究［J］. 湖北汽车工业学院学报， 2020， 34（3）： 6-10.
	REN S J， YANG Z C， ZHANG Y Z. Research on vehicle trajectory based on grid quadrilateral region and improved artificial potential field method［J］. Journal of Hubei University of Automotive Technology， 2020， 34（3）： 6-10.
[22]	XU W D， WEI J Q， DOLAN J M， et al. A real-time motion planner with trajectory optimization for autonomous vehicles［C］. 2012 IEEE International Conference on Robotics and Automation. IEEE， 2012： 2061-2067.
[23]	胡杰，张志豪，陈瑞楠，等. 基于改进混合A^*的智能汽车时空联合规划方法［J］. 汽车工程， 2023， 45（7）： 1123-1133.
	HU J， ZHANG Z H， CHEN R N， et al. Spatio-temporal joint planning method of intelligent vehicles based on improved hybrid A^*［J］. Automotive Engineering， 2023， 45（7）： 1123-1133.
[24]	刘福深，王永祥，张学习，等. 基于AUBO机器人力矩与轨迹跟踪耦合控制［J/OL］. （2024-01-25）［2025-10-20］. https：//doi.org/10.14107/j.cnki.kzgc.20230952.
	LIU F S， WANG Y X， ZHANG X X， et al. Coupling control of torque and trajectory tracking of robot based on AUBO［J/OL］. （2024-01-25）［2025-10-20］. https：//doi.org/10.14107/j.cnki.kzgc. 20230952.
[25]	苏卫星，赵晓雯，温永刚，等. 基于环境风险的自动驾驶局部路径规划算法［J］. 信息与控制， 2023， 52（3）： 369-381.
	SU W X， ZHAO X W， WEN Y G， et al. Local path planning algorithm for autonomous driving based on environmental risk［J］. Information and Control， 2023， 52（3）： 369-381.
[26]	HAN Z C， WU Y W， LI T， et al. An efficient spatial-temporal trajectory planner for autonomous vehicles in unstructured environments［J］. IEEE Transactions on Intelligent Transportation Systems， 2024， 25（2）： 1797-1814.
[27]	JOHNSON J， HAUSER K. Optimal longitudinal control planning with moving obstacles［C］. 2013 IEEE Intelligent Vehicles Symposium （IV）. IEEE， 2013： 605-611.
[28]	高少帅. 考虑实时性的主动变道运动规划与模型预测控制研究［D］. 长春：吉林大学， 2023.
	GAO S S. Research on proactive lane change motion planning and model predictive control considering real-time performance［D］. Changchun： Jilin University， 2023.
[29]	芦勇，何一超，田贺，等. 面向量产的自适应巡航控制系统纵向加速度规划方法研究［J］. 汽车工程， 2023， 45（10）： 1803-1814.
	LU Y， HE Y C， TIAN H， et al. Research on longitudinal acceleration planning method of adaptive cruise control system for mass production［J］. Automotive Engineering， 2023， 45（10）： 1803-1814.
[30]	钱颂迪. 运筹学［M］. 2版. 北京：清华大学出版社， 1990.QIAN S D. Operational research［M］. 2nd ed. Beijing： Tsinghua University Press， 1990.
[31]	SILVANO A P， KOUTSOPOULOS H N， FARAH H. Free flow speed estimation： a probabilistic， latent approach. impact of speed limit changes and road characteristics［J］. Transportation Research Part A： Policy and Practice， 2020， 138： 283-298.
[32]	刘鹏，贾寒冰，张雷，等. 结构化道路下智能汽车自主换道轨迹规划研究［J］. 机械工程学报， 2023， 59（24）： 271-281.
	LIU P， JIA H B， ZHANG L， et al. Research on autonomous lane-changing trajectory planning of intelligent vehicles on structured roads［J］. Journal of Mechanical Engineering， 2023， 59（24）： 271-281.
[33]	江浩斌，洪阳珂，冯张棋，等. 基于虚拟安全边界的智能车辆动态换道轨迹规划［J］. 江苏大学学报（自然科学版）， 2023， 44（6）： 621-629.
	JIANG H B， HONG Y K， FENG Z Q， et al. Dynamic lane change trajectory planning of intelligent vehicles based on virtual safety boundary［J］. Journal of Jiangsu University （Natural Science Edition）， 2023， 44（6）： 621-629.