换道与超车是车辆在高速公路上广泛的驾驶行为,不合理的换道与超车行为可能导致道路交通拥堵。与此同时,75%的换道事故是因为驾驶员对周围环境的感知不足。随着传感器和通信技术在车辆上的应用,智能网联汽车（Connected and Automated Vehicle,CAV）能实时与周围车辆分享路况信息,已有大量的研究成果表明CAV环境下的协同驾驶策略能有效提高交通瓶颈的通行效率。车车通信技术发展的同时,新的拓扑网络的出现以及拓扑网络随时间变化给多车控制带来很大挑战,而多智能体系统（Multi-Agent System,MAS）理论是研究分布式系统控制的利器。因此本文以智能联网车辆为研究对象,参考多智能体理论设计分布式控制器,研究在车联网场景下多车协同换道及超车策略。首先,本文以多车集群为主要应用场景,针对多车协同换道问题,设计基于多集群系统的车辆协同控制框架。车辆单元（On Board Unit,OBU）装有传感器进行环境感知,并能通过无线网络进行车间通信（Vehicle-to-Vehicle,V2V）。以此为基础该框架建立起分层的控制结构,智能联网车辆在通信层通过分布式划分集群算法选取邻居车辆、领导者、虚拟领导者作为控制协议的状态演化;决策层设计适用于集群空间分配的间距控制算法解决多车同时换道导致的换道冲突问题;控制层建立基于领导者跟随者的集群控制协议约束智能联网车辆的运动轨迹,并给出理论证明。仿真实验表明,所提算法及控制协议在网联技术下能实现多集群收敛一致,并实现安全准确的换道。超车是比换道更为复杂的驾驶行为。车辆在超车过程从原车道到超车道再返回到原车道,都将存在不确定情况下的换道冲突问题。为此,本文分别以单车超越单车、队列内车辆超车为应用场景,针对车辆超车控制问题,提出基于队列控制的分步式超车协同策略。超车车辆首先选取对超车安全有潜在威胁的其他车辆作为邻居,建立自组织网络进行通信;系统在纵向上采用基于编队误差的控制模型,横向上采用基于反馈的一致性控制模型,在超车过程的不同阶段每辆智能联网车辆依据横纵向控制器的配合实现协同,动态调整编队完成整个换道过程。仿真实验验证了单车超越单车协同控制策略和队列内车辆超车协同控制策略的有效性。