智能车辆作为智能交通系统的重要研究内容之一，它是一个集环境感知、路径规划、决策控制等技术于一体的复杂系统。其中，决策控制技术占有重要地位，相当于人的大脑，现有的决策控制技术主要采用传统控制方法和智能控制控制方法。　　 智能模拟是获得人工智能、实现智能控制的重要途径。智能模拟在一定程度上讲，就是模拟人的思维，模仿人类从不同层面上看待问题和处理问题。粒计算是当前计算智能研究领域中模拟人类思维和解决问题的新方法，其根本思想是在分析问题时，用粒来对问题进行描述，并通过选择不同层次的粒度空间将待解决问题分解成更为简单的问题子集，并应用粒的合成或分解、各层次粒之间的转换来解决问题。　　 缩微智能车（缩微车）为模拟真车的驾驶行为提供了可重复、可验证的实验平台，本文根据缩微车的实际特点，结合粒计算理论，提出了一种基于粒计算的缩微车智能控制方法。具体包括:　　 首先，定义了缩微车粒子和粒子运算规则。将缩微车的整个驾驶过程作为一个时间段，自主驾驶过程中缩微车的每一次控制决策作为一个控制时间点;在每个控制时间点，采集缩微车的实时环境感知数据及该环境下经过下一步决策得到的运动状态（速度和转角）作为一个样本，并将这些信息构建成控制决策信息表。在此基础上，结合缩微车的运动状态是由交通环境所决定，从语法和语义两个方面定义了缩微车粒子，并定义了缩微车粒子的交运算规则（粒子的分解运算规则）。　　 其次，根据缩微车的不同运动状态划分了多层次的粒子空间，并在各个粒空间中获取控制规则。依据分析的缩微车的运动状态组成划分了不同层次的粒子空间（驾驶全程的粒子空间;行驶或者停止的粒子空间;行驶状态下的左转、直行、右转的粒子空间;左转和右转下的转角区间粒子空间）;在各个粒子空间中，结合粒子的分解运算规则和粒子置信度计算公式，设计了一种规则获取算法，根据这个规则获取算法可以从划分的多层次粒子空间中获得控制不同运动状态的规则。　　 最后，依据不同粒空间中获取的控制规则，设计了一个多层次的缩微车控制模块。通过与PID控制算法的对比仿真实验中可以发现本文的控制方法稳态性更佳;在缩微车实时控制实验中，缩微车的驾驶状态良好，与预期驾驶状态的一致，在耗时方面能保证在缩微车整个控制周期内进行正常的实时控制。