近几年来，我国汽车拥有量以15[％]以上的速度递增，而公路里程的增长率只有3[％]左右，目前中国每千人拥有不到50辆汽车，全球平均水平为120辆，美国为750辆，中国消费者对汽车还有着巨大需求，在未来相当长一段时间里，中国汽车市场将继续保持快速发展，因此车与路的矛盾日益突出。ITS是解决这一矛盾的有效手段，车辆定位导航系统是ITS的重要组成部分，可以为出行者提供实时定位，进行最优路径规划，优化城市交通流，提高运输效率。近年来，许多研究机构都在十分活跃地研究车辆定位导航领域的各种关键技术，以提高车辆定位导航系统的性能、减低成本和解决实际应用中的问题，但车辆定位导航系统在实际应用和测试中表现出了许多不足。在这种情况下，本文围绕车辆定位与路径规划这两个车辆定位导航系统的关键技术进行了深入研究，以学术意义和实用价值并重为原则，在车辆定位、地图匹配方法、信息融合技术、动态路径规划等方面取得了一定成果。最后自主开发了一个低成本的车辆定位导航系统。本文工作的主要贡献和创新总结如下：　　 1.提出基于改进卡尔曼滤波的传感器融合的车辆定位技术：从成本、可靠性和精度综合考虑，采用两个光学编码器作为当地传感器，一个廉价的GPS接收器作为全球传感器，GPS和编码器组合成一对互补的传感器，对车辆来进行高精度的定位。传感器融合软件由2部分组成：一是基于车辆运动学的动态模型，它用于结合GPS和光学编码器，另一部分是用一个改进的卡尔曼滤波器来整合随时间变化的传感器数据。为了验证滤波器的滤波效果，进行了仿真和实验，其结果表明本文提出的定位系统效果很好，可实时地精确地预测车辆位置和方位角，GPS信号中混杂的噪声可消除80[％]，同时成本也很低。　　 2.设计了基于改进D-S证据的地图匹配方法：由于地图匹配中传统D-S证据理论算法存在判别信息之间的相互关系时过于绝对化和经验化的问题，我们对此进行了改进，采用Pignistic概率的决策理论和基于权值D-S证据推理的地图匹配新算法，建立车辆位置信息和方向信息判决规则，有效地利用现有信息扩大各匹配道路之间的信度差异，提高了算法的鲁棒性。解决了证据的可信度和决策规则问题，使新的组合推理规则能够有效地处理证据中的冲突信息。充分利用导航系统的位置和方向信息，能够根据道路网的特点，选择适当的方向和位置可靠性参数，利用现有信息有效扩大各假设命题之间的信度差异，在不提高决策风险的前提下，使得决策更准确有效。　　 3.基于ANFIS的车辆定位系统信息融合的技术：采用一种分层级联的信息融合结构，对车辆定位与路径规划系统中应用不同导航定位技术得到的定位信息进行融合，构造了应用于决策级融合的ANFIS结构，讨论了实际应用中ANFIS的初始设置和训练，采用实际跑车数据对提出的方案进行试验验证，并与采用另外两种决策级融合方法的结果进行了比较分析。　　 4.对城市间动态路径规划提出了混合遗传算法：利用人类对道路网络和路径搜索过程的认知，引入了分层算法，缩减搜索规模，对城市间路网以改进A*算法来产生初始种群，利用GA的全局搜索和λ-交换局部搜索技术的局部搜索性能，大大加快了对最优路径的求解速度。　　 5.在城市内路径规划中考虑了路口交通信号所导致的延时，并首次提出了一种标签修正新算法——ARSC算法：对城市内路网，考虑十字路口交通信号的延时，对信号控制规律已知的STV路网，基于LET适应路径策略，提出了惩罚函数算法；对于信号规律不确定，只知道其概率的情况以及由于错过时间而造成不可预测的等待的情况下，提出了一种标签修正算法——ARSC算法，它是对ELB算法的扩展，明确地考虑了由于信号控制而导致的附加延迟，且只需要概率性地了解信号规律和延迟时间。