随着汽车保有量的不断增加,交通拥堵与交通安全等问题日益突出。为了从根本上减少汽车交通事故、缓解交通压力,并提升车辆驾乘体验,世界各国都在争相研制能够安全、舒适、高效地完成驾驶任务的智能驾驶车辆。针对当前阶段智能驾驶车辆存在的规划效率低、决策不合理以及轨迹跟踪控制自调整能力不足等问题,本文综合考虑车辆行驶的横向、纵向、时间三个维度对车辆行驶轨迹进行决策规划,另外基于分散式控制框架分别设计了横、纵向控制器实现车辆的轨迹跟踪。主要研究内容如下:（1）分析了基于模型的轨迹跟踪控制器主要涉及的车辆自由度,搭建了控制器参考动力学模型以及被控车辆模型;基于魔术公式搭建了轮胎模型,并在忽略车辆载荷转移的条件下将轮胎模型进行了线性化处理;分别建立了单轨车辆动力学模型和车辆逆纵向动力学模型,为车辆轨迹跟踪控制器提供参考模型;介绍了LQR控制的工作原理,并运用拉格朗日乘子法对LQR问题进行了求解,为轨迹跟踪控制器设计提供理论支撑。（2）设定直线道路场景,分析了车辆主动避障存在的多种可能性,考虑到采样点过多会导致维度爆炸的问题,分别对横向、纵向和时间三个维度进行了规则离散采样以避免采样的盲目性;基于五次多项式拟合出所有可能的避障候选轨迹;根据道路边界、车速、加速度、曲率、路面附着等车辆稳定行驶条件,对候选轨迹进行筛选以确保轨迹的可行性;为了保证避障决策的合理性,综合轨迹的舒适性、效率、安全性以及利他性建立了避障评价指标,由此选取出最优的避障参考轨迹;基于避障参考轨迹求解无碰撞可行凸空间,利用二次规划对轨迹进行了平滑处理,仿真结果表明算法可以完成无碰撞避障,且轨迹曲率以及加速度等均控制在较为合理区间,确保了车辆的行驶稳定性。（3）为了简化控制器设计和提升轨迹跟踪精度,对车辆运动关系进行解耦,分别得到横向误差模型和纵向误差模型并进行离散化处理;为了消除横向跟踪误差,设计了基于LQR的横向跟踪控制器,针对横向路径干扰的影响,引入了前馈控制量使得横向稳态误差收敛为0,为进一步提高控制精度设计了模糊控制器动态调整LQR权重矩阵;为了消除纵向跟踪误差,设计了基于LQR控制的纵向跟踪控制器;基于Carsim/Simulink仿真平台,首先验证了横向跟踪控制器,相较于LQR、前馈LQR,模糊前馈LQR在跟踪精度上有较大提升,跟踪精度与MPC相当,但运算速度提升了约3倍;其次验证了纵向跟踪控制器,相较于PID在跟踪精度上有较大提升;最后验证了联合横纵向的轨迹跟踪控制器,相较于PID,本文设计的控制方法在控制响应速度和控制精度方面都有较大提升。（4）基于Carsim/Simulink平台搭建了道路、障碍车辆、传感器等仿真测试环境,联合轨迹规划与轨迹跟踪控制算法在线验证避障效果;在静态避障工况和动态避障工况下,智能驾驶车辆的最大碰撞风险值分别为0.4和0.45,均小于0.6,说明主车在避障过程中无碰撞风险,且主车的横摆角速度与车辆加速度均远小于边界值,说明具有较高的避障稳定性;最后搭建了Hi L测试系统,用于验证轨迹跟踪算法的有效性,结果表明,Hi L测试相较于仿真结果跟踪误差稍有增加,但基本保持一致,验证了算法的可行性。