在建设交通强国的背景下,智能网联汽车不仅成为我国汽车产业发展的战略方向,更是国际社会技术与产业竞争的制高点。智能化和网联化是智能网联汽车目前发展的两个关键任务,协同决策规划技术则是智能网联汽车智能化的直接体现。然而,智能网联汽车的普及仍需数十年的时间,对于智能网联汽车和人类驾驶车辆共存的混合交通流,其对交通的影响还未得到充分的认识,人类驾驶行为的不可控性、随机性及自利性更是增加了协同决策与规划控制的难度。因此,混合交通流环境下的协同决策与规划技术研究具有重要的理论价值和实践意义。目前交通工程与管理领域对混合交通流环境下的协同决策研究更多是集中在单个车辆的轨迹设计问题上,不能保证系统有效的解决方案。基于此,本文从多车、系统优化的角度出发,以高速公路入口匝道汇流场景为研究对象,运用最优控制、数学优化、交通工程与规划理论构建了混合交通流环境下的协同决策机制。本文的研究工作主要从以下几个方面开展:（1）基于一个较为理想的高速公路匝道汇流路段（包含一条主路和一条匝道）,构建了适用于不同确定性跟驰模型的匝道汇流决策模型,该模型同时考虑了汇流机动过程中的安全性和礼貌性,并做出确定性的合并决策。利用Matlab编程建立了微观交通流仿真环境,从微观和宏观角度分析了在不同交通条件、不同智能车渗透率下的交通影响情况。（2）对于确定性系统（智能网联汽车的轨迹是可控的和确定的,人类驾驶车辆的轨迹不可控制,但在短期内是可精确预测）,利用离散优化方法,提出了一种混合交通流环境下的协同决策机制,应用于高速公路匝道汇流场景。混合交通流环境下的协同决策机制可以描述为一个双层优化模型,将基于最优控制的多车轨迹优化问题作为底层问题嵌入上层的决策问题。由于复杂约束的轨迹设计问题与排序类的决策问题通常为NP-hard问题,本文设计了一种双层动态规划的高效算法进行一体化求解。通过建立混合交通流微观仿真环境,探讨了协同决策机制在不同车辆跟驰模型、不同智能网联汽车渗透率下的有效性。（3）建立非确定性系统下的混合交通流协同决策机制,应用闭环最优控制方法扩展先前建立的混合交通的确定性协同决策框架。引入驾驶员对速度和距离的感知误差来描述人类驾驶特性,刻画系统不确定性。为了更好地处理系统中的随机性,本文将双层优化问题嵌入到基于模型预测控制的闭环最优控制框架中,上层汇流顺序决策问题通过基于动态规划的递归问题求解以保证系统优化的有效性,下层汇流轨迹优化问题采用动态矩阵预测控制、动态规划以及Bang-Bang控制三种算法求解,对比优化效果与计算效率。（4）建立了基于最优控制形式的模型来描述车辆详细汇流轨迹,在对一般性的汇流轨迹规划进行建模求得轨迹离散点后,利用五次多项式曲线进行平滑性处理。在考虑车辆可控性的前提下,建立两阶段协同汇流轨迹规划方法,在汇流轨迹规划之前加入速度调整阶段,以协调车辆之间的速度和间隙,从而弥补以往轨迹规划方法在协同控制方面考虑的不足。同时利用基于线性时变模型预测控制的轨迹跟踪模型,对规划轨迹的可跟踪性进行测试。本文上述研究工作可为智能网联汽车市场化提供数据支撑,也为将来混合交通流环境下交通状态分析、交通管理与控制提供理论基础。