为解决智能汽车换道避障轨迹规划难以兼顾性能优化与实时性的问题,提出基于案例推理(CBR)机制的智能汽车换道避障轨迹规划方法。利用五次多项式轨迹参数离线优化得到典型场景下的最优轨迹,形成状态量与决策量相对应的最优案例库,探明新案例场景下最优轨迹修正规律,建立轨迹关键参数更新函数,从而在相似案例场景下直接调用现有案例轨迹,在新案例场景下根据车速、位置等状态量在线更新换道避障轨迹,并进行案例库更新。对比测试结果表明:所提出方法与五次多项式在线优化方法的轨迹性能基本一致,且明显优于A*和快速随机探索树星(RRT*)方法。其中,所提出方法与五次多项式在线优化方法在相似案例场景下,所得轨迹最大曲率均为0.001 2 m-1,最大侧向加速度均为1.245 7 m/s2;在新案例场景下,两者轨迹最大曲率均为0.001 4 m-1,而最大侧向加速度分别为1.194 9和1.136 5 m/s2。同时,所提出方法与五次多项式在线优化、A*和RRT*这3种对比方法相比,具有最小的规划耗时,新案例场景下的规划耗时为0.001 1 s,而相似案例场景下的规划耗时仅为0.000 1 s。