随着自动驾驶出行服务行业的蓬勃发展,优化车内乘客乘坐体验愈发重要。乘坐舒适性是评价出行服务优劣的重要指标,其中对乘坐舒适性影响最大的当属晕动。不同于当下通过优化人机功效,改善座舱环境的手段减弱乘员晕动,本文从车辆运动角度出发,利用自动驾驶车辆运动状态完全可控的优势,提出考虑乘员晕动的车辆控制算法和轨迹规划算法。通过优化自动驾驶车辆运行时的运动状态,减弱车内乘员晕动。首先,通过实验数据拟合的方式建立被控车辆纵向响应模型,通过车辆模型理论推导和实验数据结合的方式建立被控车辆俯仰模型。结合车辆模型、跟车模型和乘员晕动模型,建立统一的人-车-环境系统模型。根据建立的人-车-环境系统模型和自动跟车目标设计模型预测控制器,通过直接优化乘员晕动发生率MSI(Motion Sickness Incidence)的方式,建立考虑乘员晕动的自动跟车算法。仿真结果表明,对比一般自动跟车算法,在人-车系统敏感工况下,本文提出的自动跟车算法可以降低乘员晕动水平6.9%;在其他工况下,本文提出的自动跟车算法最高可降低乘员晕动水平27.75%。其次,从频率角度出发,优化乘员晕动剂量值MSDV(Motion Sickness Dose Value),设计基于频率整型的轨迹规划算法。针对出行服务常见工况对算法进行仿真验证。仿真结果表明,相比不使用频率整型的规划算法,本文提出的轨迹规划算法可降低乘员晕动水平5.36%。同时,本文还对算法的关键参数进行敏感性分析,为算法关键参数的选取以及算法在实车上的应用提供指导思路。最后,通过人在环实车验证的方式,对考虑乘员晕动的轨迹规划算法的有效性进行验证。使用实验室已有开源算法框架,实现车辆路径跟踪。结合实验车辆特性,开发车速跟踪算法。邀请16名被试参与实验,体验本文提出算法和常规规划算法。使用主观问卷与客观生理数据相结合的方式,评估被试的晕动状态。通过对比被试体验两种规划算法时的晕动程度,验证算法的有效性。实验工况下,相比基于多项式拟合的规划算法,本文提出算法可以降低乘员晕动水平16.98%。实验结果表明,本文提出的基于频率整型的轨迹规划算法能够有效抑制乘客晕动程度的提升,保证乘客始终处于较低的晕动水平。论文提出了考虑乘员晕动的自动跟车算法和考虑乘员晕动的轨迹规划算法,仿真结果与人在环实车实验结果证明,所提出的算法能够有效降低自动驾驶车辆内乘员的晕动水平。同时本文提出的以降低晕动的轨迹规划算法并不针对特定车辆开发,且所引入的频率整型思想也不拘泥于特定优化算法,具有广阔的应用前景。