在传统的“人-车-路”交通系统中,人是最薄弱的环节,也是造成交通事故的主要原因。在自动驾驶环境中,由于部分或全部替换了驾驶人环节,所以自动驾驶技术被认为可以极大地解决交通安全问题。在自动驾驶技术的众多应用场景中,园区场景由于速度较低、工况较为简单而受到众多企业和高校的关注,是自动驾驶可率先实现的场景之一,园区自动驾驶成为近几年的研究热点。本文依托科技部重点专项“电动自动驾驶汽车关键技术研究及示范运行”,在园区场景内研究了局部规划与跟踪控制技术,并基于仿真和实车平台进行了算法验证。针对局部规划问题,首先本文引入了弗莱纳框架,将局部规划问题分解为两个一维问题,降低了规划难度。随后考虑到自动驾驶车辆行车环境动态变化,本文对交通环境的行车风险进行了分析,并基于势场法对行车环境进行建模,通过引入自适应调节因子,实现动态障碍物的风险影响范围随相对速度变化而自动调节。最后通过五次多项式曲线实现候选轨迹的生成,本文通过对状态空间中的目标状态进行合理采样,分别构建横纵向轨迹簇并进行组合处理,作为候选集合。本文设计了考虑安全性、舒适性和高效性的多目标评价函数,来对候选轨迹进行评价决策,筛选出本周期内最优轨迹。在下一时刻重复以上步骤,如此滚动进行,以实现局部规划的动态更新。针对轨迹跟踪问题,本文采用解耦控制策略分别构建了车辆横纵向控制器。首先基于模型预测控制理论构建了车辆横向控制器,采用车辆横向动力学模型作为预测模型,设计控制量和输出量约束条件,建立MPC优化问题,并通过将其转化为二次规划问题进行求解,该方法兼顾了跟踪的准确性与舒适性。对于纵向控制,本文依据最优预瞄理论设计了上位控制器,实现期望加速度决策,通过车辆纵向逆动力学模型建立下位控制器,实现加速度到车辆输入的转换,从而实现了分层式纵向控制策略。最后,本文基于仿真和实车平台对规划控制算法进行了验证。首先搭建了基于多机通讯的Prescan&Ros联合仿真平台,并设计园区典型工况对规划控制算法进行功能验证。然后基于哈弗H7实验车搭建实车测试平台,以工控机作为自动驾驶控制器,采用RTKGPS/IMU组合导航设备获取车辆的高精度定位及运动状态信息,通过CAN通讯实现与车辆的信息交互,并在校园内对规划控制算法进行了验证实验。仿真与实车实验结果均验证了本文算法的有效性和准确性。