随着近年来科学技术飞速发展,自动驾驶逐渐部分或全面取代了驾驶员的工作,能够极大地解决交通安全问题。在众多自动驾驶的应用场景中,限定场景下的载货商用车比开放道路环境中的乘用车能更率先实现商业化落地,园区自动驾驶成为时代研究方向的热点。在各类园区场景中,港口集装箱码头基础建设完善,道路规范,适合推动自动驾驶技术发展。并且港口目前面临集卡（集装箱卡车）司机劳动力紧缺的问题,港口发展无人驾驶集卡车队与智能化改造的变革刻不容缓。随着5G通信技术应用的推广,本文研究了基于车联网的云端港口系统后台针对无人驾驶车队的调度控制方法,并在港口实际试运营阶段和仿真平台上进行验证。主要工作如下:首先,针对无人集卡的引导方法,由于挂车的局部路径规划和车辆控制较为复杂,本文提出云端系统后台通过车联网传输虚拟路径关键点的方法。取代在场地内铺设导航磁钉的传统方案。并且基于人类集卡驾驶员的车辆历史轨迹进行数据分析,利用k次多项式进行曲线拟合,并从中生成虚拟路径关键点。其次,本文针对无人集卡的全局路径规划问题,利用港口高精度地图的道路网数据,抽象成以车道为最小单元节点的有向图的数据结构,利用Dijkstra算法生成静态路网下的全局路径样本库。利用Frenet坐标系下的车辆姿态,实现无人集卡在路网节点中的车道定位。并且,提出了一种能够反应车道级交通流状态的动态路网模型,使全局路径规划的成本代价不再仅考虑路径里程。再者,对于港口系统后台对无人集卡的任务管理方法和车队调度方法。本文使用有限状态机模型,实现无人集卡车辆任务流程自动跳转、故障恢复逻辑。基于规则引擎,结合动态窗口法,实现无人集卡车队的多车碰撞检测、交叉路口避让功能;结合安全换道模型,实现堆场区域内换道触发。最后,基于港口实际无人集卡车队和仿真平台对功能进行验证。针对典型作业流程全局路径规划进行正确性验证。并通过试运营阶段的数据分析和佐证了港口云端系统后台对车队调度的有效性。