随着车辆智能化及网联化程度的逐步加深,车联网中的实时交通信息为柴油汽车的节能减排提供了更大的优化空间。在网联环境下,车辆可以通过车载传感以及V2V、V2I获得前车信息、信号灯信息、道路坡度信息等重要实时交通信息。综合考虑这些交通信息,在保证安全性能的前提下对车辆的行驶车速进行规划可以提高整车能源利用率,达到进一步的节能减排效果。本文以智能网联环境下的柴油汽车为研究对象,在节能减排的需求下,针对智能网联柴油汽车行驶优化的控制方法展开研究。首先,针对柴油汽车油耗及排放生成机理复杂,难以进行精确机理建模的问题,本文采用“机理+数据”的建模方式,建立了巡航场景下面向实时优化控制的柴油汽车整车模型。在机理建模框架的基础上加入了实车采集数据,从而增强了模型的真实性,兼顾了对于模型计算实时性以及模型精度的要求。该模型选取车辆行驶加速度作为控制量,并通过模块化建模方式,将整车模型划分为车辆纵向动力学模型、变速器模型、发动机模型、尾气后处理模型几个子模型。然后,针对巡航场景下柴油汽车面向油耗和排放的行驶车速规划问题,提出了基于动态规划的柴油汽车行驶过程离线全局优化方法,通过对巡航场景中相对车距的优化,对车辆节能减排的潜力进行了定量分析。进一步,在假设前车车速信息全局已知的情况下,在几种不同的经典工况下分别验证了此离线全局优化方法的有效性。在此基础上,从不同控制策略以及不同跟车特性的维度展开,针对不同控制参数对优化结果进行了分析,并得到了油耗与排放全局优化的近似帕累托前沿曲线。最后,针对未来一段时间内前车车速已知的情况,提出了基于预测控制的柴油车辆行驶滚动时域优化方法。为了满足算法实时性以及基于梯度的优化方法需求,采用最小二乘法对柴油汽车的油耗及NOx排放进行多项式拟合,并通过对过拟合现象的分析,选取了合理的模型阶次。针对控制问题中存在的非线性环节,提出了基于序列二次规划的控制问题求解方法,在考虑实际交通场景约束的前提下,在各个典型工况中对控制系统的实时性和可靠性进行了仿真验证。最后针对实际交通场景中道路坡度、交通信号灯等长时域实时信息,设计了基于长时域网联信息的车速规划控制器,并基于ECOSM 2021 Benchmark挑战赛中的交通场景验证了设计的行驶优化控制系统的可靠性和有效性。