随着信息感知以及处理技术的不断发展,我们正在迈向一个万物互联的时代,当然这其中也包括了我们日常出行所需的汽车。在车联网的发展过程中,无人驾驶技术是其中不可或缺的一环,因此也成为了近年来的研究热点。自无人驾驶这个概念提出以来,该领域已经取得了巨大的进展。但是要在任意复杂的道路环境中实现最高级别的自动驾驶则可能还需要数十年的发展。十字路口区域虽然在道路占比中较少,但是却在现代交通系统中发挥着重大的作用,因此也成为了近年来无人驾驶领域的一个热点研究场景。通过无人车与无人车,无人车与基础设施之间的信息交互,无人车可以获取到超视距的感知信息。因此相比于有人驾驶汽车,能够大大降低由于盲区视野等信息获取不完善而所造成的安全事故。十字路口区域位于多条道路的汇合之处,会有不同方向的车流汇入,因目的地不同也会导向不同的分支。因此设计调度系统时,不仅要保证无人车之间的安全问题,还要提高无人车的路口调度速率,不然会产生严重的交通堵塞。也就是说,该系统需要在资源受限的路口区域完成安全和高效的无人车调度。本文主要针对了无人车在复杂的十字路口区域易发生交通事故和交通堵塞等问题,提出了多种安全高效的无人车十字路口调度方案。首先对路口区域建立多碰撞集模型,基于该路口模型,考虑在集中式调度和分布式调度的情况下,分别采取优化求解以及多智能体强化学习的方式去求解调度方案,并考虑定位精度对调度算法的影响。在多智能体强化学习策略中,为了解决维数爆炸问题,引入分治Q学习算法去提高算法收敛的速度。另外,针对一经典的无人车动态调度策略,根据十字路口的实际情况以及调度算法的特殊性建立了对应的任务量模型和通信模型,并根据设定的评价指标提出了多种任务卸载策略,减少了无人车路口调度过程中所需要消耗的资源量。针对上述的调度策略进行了仿真验证,结果表明在保证无人车安全性的情况下,本文所提出的调度策略在调度速率上有大幅的提升。在复杂的动态调度策略中,利用文章所提出的任务卸载策略可以满足充分减少路口调度所需要的资源,满足实时性的要求。