汽车行业的迅速发展给人们的出行带来极大的便利,同时也带来拥堵、交通事故频发、尾气排放和能源消耗等一系列问题。为了应对严重的交通问题,车辆自动驾驶和车联网(Internet of vehicle,IoV)技术成为研究热点。车辆自动驾驶技术依赖对周围交通环境(周围车辆定位等)的感知来进行车辆自身控制。车联网技术使得车辆与车辆、行人、路边节点等能够进行通信,为车辆驾驶及智能交通管理提供辅助信息。在自动驾驶技术基础上,车辆编队行驶(Platooning)技术通过车辆之间保持较小而稳定的间距来减小风阻,降低能耗并减少排放,同时保证车辆安全。论文针对车联网辅助的邻居车辆定位和车辆编队行驶技术进行研究,提高邻居车辆定位精度以及车队队列的稳定性和安全性。首先,我们研究了基于粒子滤波和V2V(Vehicle-to-vehicle)通信的协作邻居车辆定位方法。具体而言,测量车辆能够利用传感器对邻居车辆状态进行测量,同时利用无线通信接收邻居车辆发送的自身状态采样信息。考虑到车辆之间状态采样时间不同步,我们将邻居车辆定位问题转化为多传感器异步数据融合问题。我们设计了基于粒子滤波的异步数据融合方法,在获得邻居车辆的状态信息时能够实时地进行滤波融合,提高对邻居车辆的定位精度。我们利用SUMO和NS-3软件进行了车辆运动轨迹和车辆间通信的模拟,并进行了仿真实验,验证了我们所提协作邻居车辆定位方法对于提高定位精度的有效性。然后,我们研究了车辆编队行驶应用中队列通信和控制的联合系统设计问题。在考虑车辆编队行驶队列控制目标后,我们设计了两阶段的队列通信方案,将领航车和跟随车信息分发分开进行。我们使用中继来转发领航车的信息以扩大领航车通信范围,并给出了中继选择算法。另一方面,我们设计了自适应的队列内车辆分布式模型预测控制(Distributed model predictive control,DMPC)策略,该控制策略能够根据队列内通信结果自动调整控制参数。为了提高车辆队列安全性,我们在控制策略里增加了安全距离的限制条件,并设计了在有车辆故障情况下的车队控制方案。最后,我们研究了自动驾驶专用道场景下多车队的控制和管理问题。在单车道单车队的基础上,我们研究了多车队的控制方法,主要是领航车根据前一车队运动状态进行自身控制。考虑有车辆加入/脱离车队的场景,我们设计了不同车队和车辆的通信控制协调方案,并给出相应流程设计。仿真结果说明了我们所提多车队控制和管理方案的有效性。