随着近些年来计算处理、感知融合、通信交互以及人工智能等技术快速地发展与不断地突破,下一代智能交通系统和智能网联汽车的研究探索已被提上日程。而交叉路口作为道路环境中车辆最为频繁交汇与疏散的区域备受关注,越来越多的经济损失与安全事故也与路口区域的交通拥堵相关。因此,智能交通系统中最重要的目标之一是解决多车在路口区域协作通行的问题,从而显著地提升交通系统的通行安全、通行效率、节能减排等性能指标;而智能网联车辆的理想功能也应当包括通过车辆间的信息共享,控制自主车辆安全、平顺、经济、舒适地通过路口区域。本文分别基于极小值原理和模型预测控制两种方法来解决无信号灯路口智能网联车辆多目标协同调度问题,并通过仿真验证其有效性。另外,在此基础上分别设计三组仿真,分析和对比所提出的两种方法在不同性能评价指标下的优劣性。本文主要的研究内容和创新点包括:(1)建立考虑多种约束的路口-车辆模型。本文在第二章基于极小值原理的车速规划中,所使用的车辆模型为纵向运动学模型;在第三章基于模型预测控制的车速规划控制中,采用纵向动力学模型作为车辆模型。考虑到路口内空间有限,无论选择哪种方法都需要在路口附近设有足够空间的功能区,用以控制车速和调整车辆进入路口的时机。此时,车辆模型结合路口各功能区构成路口-车辆模型。此外,在真实场景下车辆通过路口区域需要考虑安全、执行器饱和、交通法规等问题。因此设置六种约束条件,分别为:(1)路口内冲突点上最小安全时间间隔;(2)同一车道上最小安全车距;(3)入口车道上车速限制;(4)路口内车速限制;(5)加速度限制;(6)加速度变化率(加加速度)限制。(2)设计基于极小值原理的路口车辆多目标调度方法。首先提出了智能网联车辆在路口可能面临的四种交通状况,并分析不同场景下自主车辆到达冲突点的最优时刻。其次,在保证安全的前提下,基于运动学关系将车辆到达一系列冲突点的最优时刻映射为车辆进入路口的最优时刻。从而将复杂的路口多车协同问题转化为控制车速以最优时刻进入路口的问题。最后,基于自主车辆进入路口的最优时刻和极小值原理,提出两种速度优化模式。在车速得到优化后,理论上将会提升自主车辆的通行安全、通行效率、燃油经济性和乘坐舒适性等性能指标。此外,极小值原理无法应对的同道上车辆潜在追尾和加加速度过大的问题也被解决。以上为本文第一个创新点。(3)设计基于共享模型预测控制的路口车辆多目标调度方法。首先分析了自主车辆行驶在路口区域与其它智能网联车辆发生冲突碰撞的可能,并设计了适用于自主车辆安全控制的四种场景。基于不同场景设计对应模型预测控制器的多目标优化函数,用以提高自主车辆在路口区域的通行安全、通行效率、燃油经济性和乘坐舒适性等。由于车辆所受到的约束和车速目标是由其行驶位置确定的,设置了不同目标优化函数对应的触发条件。此外,通过仿真结果也验证了此方法可以应对突发场景下的车辆安全控制。以上为本文第二个创新点。(4)统一仿真条件,对比分析两种方法的优劣。在研究了基于两种不同理论的路口多车调度方法后,为了分析对比两种方法在不同性能评价指标下的优劣性,统一设计了三种车速下的仿真环境和约束条件。通过MATLAB/Simulink仿真验证可知,基于模型预测控制的方法在提升车辆安全、通行效率和可计算性上更胜一筹,而基于极小值原理的方法则在节能减排、改善乘坐舒适和节约计算成本上占有优势。这也为后续的研究提供思路。