具备精确控制与传感能力的自治汽车的出现，给安全驾驶带来了新的希望。当前存在的人工智能技术已经能有效的解决自治汽车在开放道路中行驶问题。但面对情景复杂、拥堵较严重、交通事故多发的交叉口来说，车辆的安全和交叉口的通行效率目前都无法保证。本文介绍一种自治交叉口管理方案，尝试利用全球定位技术、无线通讯技术、车内传感和计算技术使得自治车辆能够安全高效地通过交叉口。　　控制策略作为整个自治交叉口管理系统的“大脑”直接影响系统的性能。本文提出了一种基于车路通信预留的控制策略Batch-Light，该策略能够充分利用现有的智能交通领域的信号控制技术，自适应的应对不断变化的交通流;建立时空板模型，对车辆的时空轨迹进行数据离散化建模;在时空板模型基础上，提出一种贪心的冲突矩阵决策算法，在保证不同方向通行优先权的前提下，使得更多的车辆预留成功。此外，为更大限度程度地提高路口的服务效率，减少时间和空间的浪费，本文又提出一种K平移优化算法，来协助原本无法成功预留的车辆，尽量避免二次请求，通过加速或减速尽可能的通过交叉口。　　本文还对自治交叉口仿真器AIM(AutonomousIntersectionManagement)进行了扩展，利用双向耦合的仿真器互连技术，用NS3进行更逼真的网络传输仿真取代AIM中简单网络传输模型，以实现具备反馈环的自治交叉口仿真。该工作用以支持研究不同的交通控制策略对数据传输的需求程度，以及反过来网络传输性能对交通控制效率的影响。　　最后对本文的提出的控制策略在搭建的仿真平台上进行仿真验证，实验结果显示Batch-Light无论是在平衡的交通状况下还是不平衡的交通状况下都优于FCFS(FirstComeFirstServed)和传统的交通信号控制。而且Batch-Light的数据传输量较小，随着噪声的增加，服务效率虽然有所下降，但性能稳定。而FCFS数据传输量很大，网络性能对控制效率的影响不定，有时随着丢包率的增加，控制效率反而会上升。