自动驾驶车辆在节约能源消耗、保障交通安全、提高交通运输效率等方面有重大的应用价值。自动驾驶车辆是强动态高实时系统，交通场景复杂，驾驶任务多变。如何实现复杂场景下自动驾驶车辆节能、安全、舒适地行驶，是这项技术应用所面临的问题。本文以汽油机驱动的自动驾驶乘用车为研究对象，以降低行驶能耗为目标，从轨迹规划和车辆行驶控制两方面开展研究，力图探索自动驾驶车辆规划与控制的新方法。
　　首先，针对分层递阶规划中的节能路径规划问题，提出了基于驾驶员意图估计模型的周边交通参与车辆轨迹预测算法，获得有效的安全可行驶区域。使用车辆动力学模型辅以车道中心线高精度地图数据修正，有效提高了预测窗口宽度和预测精度；提出了基于空间非均匀采样的路径动态规划算法，将车辆行驶能耗与安全性、动力性和舒适性等条件，以动态加权方式构成代价函数，提升了能耗在路径规划中的权重。
　　其次，针对分层递阶规划中的节能速度规划问题，提出了基于车辆动力学与能耗模型的凸优化方法：基于车辆能耗机理模型建立能耗目标函数，通过调整凸优化目标函数的权重系数，实现了以能耗优化为基本要求的速度多目标优化。在PreScan、Simulink和CarSim组成的联合仿真平台上，验证了轨迹规划算法的节能效果。结果表明，加入能耗优化目标后，可使行驶能耗降低28%。
　　再次，为了低能耗地跟踪轨迹规划输出的期望路径和速度，提出了车辆动力学模型前馈结合即时扰动观测的主动抗扰高效循迹控制算法。建立了包含汽油机均值模型的车辆纵向动力学模型和基于稳态转向假设的车辆横向动力学模型。为了补偿前馈模型的建模误差和抑制外界环境条件的随机干扰，提出了基于扩张状态观测器(ESO)的即时观测方法。以加速踏板最大开度和加速踏板正向变化率为关键指标构建驾驶行为空间，基于粒子群算法在车辆行驶过程中自动搜索最优值，使车辆具备驾驶行为自趋优能力。CarSim仿真结果表明：相同工况下，本文的速度控制器相比CarSim速度控制器能耗降低1.9%；通过驾驶行为关键参数优化改善驾驶行为后，能耗进一步降低2.37%。
　　建立了用于自动驾驶算法测试的自动驾驶样车平台，采用Python编程语言开发了目标车辆轨迹预测、节能轨迹规划和循迹控制算法，在XAVIER嵌入式车载计算单元中运行。在天津大学自动驾驶实验场开展了道路实验，对算法的实时性和节能效果进行了验证。实验结果表明，算法执行时间小于100毫秒，节能轨迹规划算法使车辆能耗最大降低11.3%；规划与控制算法可比激进型驾驶员降低能耗10.4%，比温和型驾驶员降低能耗4.9%。