随着以专用短程通讯技术为代表的低延时高可靠性通讯技术的快速发展,自动驾驶技术逐渐成熟。运动控制作为自动驾驶汽车研究领域的关键问题之一,是实现自动驾驶的基础。国内外学者围绕自动驾驶汽车运动控制的研究,其主要内容包括横向运动控制、纵向运动控制及多车协同控制。因此,制定合适的控制方法克服车辆的非线性及行驶工况的复杂性,具有深远的研究意义。针对于此,本研究工作基于模型预测控制(model predictive control,MPC)理论对自动驾驶汽车的运动控制展开了研究。针对自动驾驶汽车的横向运动控制,为减小跟踪误差,提高车辆运动的稳定性,本文构建了基于跟踪误差的线性时变模型预测控制器。首先,以横向误差、横向误差变化率、航向误差及航向误差变化率为状态变量,建立非线性车辆动力学模型;然后,对动力学模型进行线性化和离散化处理,提高运算实时性;最后,基于MPC理论,构建基于线性误差模型的MPC控制器。仿真结果表明,本文MPC控制器对速度具有较强的鲁棒性,同时,跟踪误差低于普通MPC控制器,控制性能更优。针对自动驾驶汽车的纵向运动控制,考虑跟车工况的复杂性,本文设计了多目标自适应巡航控制(multi-objective adaptive cruise control,MOACC)系统。首先,建立车间纵向运动学模型;其次,上层控制器采用MPC理论,考虑行驶安全性、驾乘舒适性、动态追踪性和燃油经济性等多个控制目标,构建综合性能指标函数,优化得到期望加速度;最后,下层控制器采用前馈加反馈的方法,修正建立的逆纵向动力学模型,实现车辆对期望加速度的跟踪。仿真结果表明,本文MOACC系统能够有效适应各种工况下的跟随前车,同时跟踪精度高、舒适性良好。针对多车协同经济性驾驶,为了提高车辆通过连续信号灯路口时的燃油经济性,减轻驾驶员误差对网联车辆经济性驾驶的负面影响,提出一种考虑驾驶员误差的网联车辆经济性驾驶控制方法。基于交通信号灯正时(signal phase and timing,SPa T)方法规划目标车速,采用马尔科夫过程建立驾驶员误差模型,应用随机模型预测控制算法求解最优车速序列,根据近似燃油消耗模型计算网联车辆的燃油消耗。仿真结果表明,本文控制方法与理想情况基本吻合;与基准方法对比,本文的最优车速序列波动较小,平均燃油经济性得到了改善。