智能交通系统的提出,为汽车行业解决环境污染与能源消耗的问题开拓了崭新的道路。智能网联汽车技术是汽车行业当前研究方向的主流。本文以网联环境下串联式混合动力汽车为研究对象,以模型预测控制（Model Predictive Control,MPC）为主要研究方法,以提高车辆燃油经济性、通行效率、安全性、乘坐舒适性为目标,设计了混合动力汽车能量管理的分层控制系统框架。本文的主要研究工作如下:首先,构建了网联环境下混合动力汽车的分层控制架构;为了模拟智能交通环境,基于Matlab/Simulink软件搭建了网联环境模型,用以实现车辆与交通基础设施（V2I）、车辆与车辆（V2V）之间的通信过程;建立Simulink与Carsim联合仿真平台以验证上层目标速度优化算法;针对所选的混合动力汽车的构型,基于Simulink软件对混合动力系统建立准静态数学模型。其次,为了降低车辆在信号灯路口停车等待的次数与发动机空转造成的资源消耗、提高车辆通行效率,利用车联网技术获得前方交通灯信号的状态,提前进行规划。在网联环境下的车辆可根据获得的信号灯配时信息,规划车辆的目标车速范围,行驶在此范围内就可避免在红灯时间窗口时到达路口而停车等待的情况发生。并阐述了模型预测控制的基本原理以及求解的过程。然后,以车辆位移和行驶车速为状态变量,车辆加速度为控制变量,分别建立了纵向运动学和动力学模型进行对比,依据此模型构建MPC的预测模型,并设计了上层速度优化控制器,求解出最优加速度,从而得到最优车速。在上层速度优化中分为无前车和有前车出现两个场景。在出现前车的场景中,利用前车位移与速度信息,实时调整车辆的跟车距离;利用车辆行驶的功率平衡方程建立近似油耗模型,结合交通灯状态信息,基于MPC建立一个多目标优化的问题,并利用序列二次规划（SQP）算法进行求解,得到最优的控制量。最后,在基于MPC速度规划算法的基础上,为了保证车辆动力性的同时提高燃油经济性,设计了基于MPC的下层能量管理算法。在满足各约束的条件下,根据上层控制器计算出的最优车速,得到车辆行驶的需求功率;并以电池SOC作为状态变量,发动机转速与发电机转矩作为控制变量,建立基于MPC的能量管理控制算法,使发动机大多数情况处于高效率区,提高车辆燃油经济性的同时保持电池SOC处于合理的范围中,并利用动态规划算法作为对比,验证MPC算法的性能。