在智能无人车路径规划研究中,路径规划算法的效率一直是重要的研究问题。搜索状态空间过大、时间复杂度过高以及低效率一直是路径规划算法的瓶颈。本论文提出一种增维启发式搜索算法来解决的这一问题。该方法通过多阶段增加搜索空间维度,降低了搜索算法的状态空间从而提高算法效率。仿真实验结果显示,与一般的高维启发式搜索算法相比,该方法减少了87%的搜索状态,执行效率提高了近10倍。实验结果表明,该算法在算法效率与生成轨迹质量两方面取得一个非常好的平衡。