目的：公路轨迹规划是辅助驾驶和无人驾驶领域中的关键问题。为解决该问题，作者针对传统方法（如势场法、RRT）在求解质量和求解效率方面的不足，提出基于候选曲线的规划算法OODE。OODE分轨迹曲线和加速度变化两部分规划轨迹，采用差分进化（DE）算法通过求解子问题计算各候选曲线的评价，然后通过比较曲线评价从候选者中选取最优曲线。DE的迭代次数越多，曲线评价越准确。本文考虑对不同曲线智能分配迭代计算量，以减少总计算量消耗，同时保证所选最优曲线以足够高的概率是真实最优曲线，从而提高OODE算法的效率。
创新点：提出基于智能计算量分配（ICBA）的轨迹规划算法框架；设计曲线评价预测模型和优质曲线选拔模型，提出基于ICBA的轨迹规划算法IOODE。
方法：基于对优质曲线迭代分配计算量的思想，设计智能计算量分配（ICBA）机制，提出基于ICBA的轨迹规划算法框架（图4）；设计曲线评价预测模型（EPM）和优质曲线选拔模型（CSM），提出基于ICBA的轨迹规划算法IOODE；通过仿真分析IOODE算法的轨迹规划结果（图9、10），验证所提出计算量分配机制的有效性（图12、13）和ICBA对算法效率的提升作用（图14、表5）。
结论：本文中提出的IOODE算法与OODE算法相比，求解质量没有明显区别，但求解速度提升约20%（表5）。

关键词： 智能计算量分配,  轨迹规划,  公路规划,  智能汽车,  序优化