自动驾驶技术的发展为交通安全问题提供了新的解决方案,并为产业升级提供了强大的推动力。车辆运动控制是车辆底盘与自动驾驶系统沟通的桥梁,对整体算法架构起支撑与实现的作用。模型预测控制具备考虑预测信息和处理多约束的能力,为多应用场景、多控制目标的车辆运动控制提供了新途径。因此,研究MPC在车辆跟踪控制方面的应用,提高车辆在多控制目标下的跟踪效果、行驶稳定性及求解实时性具有重要意义。构建了适用于规划与跟踪控制的车辆模型及道路模型。在弗莱纳公式的基础上,结合曲线型路径的Frenet参数化方法,设计了一种边界型道路的Frenet参数化方法,便于获取中心线与边界的对应关系;考虑路面附着系数的变化,构建了基于Brush轮胎模型的横纵向动力学车辆模型。针对单一曲线型目标路径,提出了基于近似跟踪误差的MPC路径跟踪横向控制方法(KNMPC)。通过设计一种车辆坐标系下的近似跟踪误差,避免了MPC在迭代时搜索最近点产生的两重迭代问题;提出了一种自适应修正机制,解决了在大曲率路径下的拟合问题;实现了对连续路径的直接跟踪控制,摆脱对外部轨迹点生成模块的依赖。仿真结果表明,所提方法能够有效降低跟踪误差,提高解算速度;在实车实验中,展现了良好的跟踪能力和实时性,能够满足智能汽车在中低速城市工况下的控制要求。考虑到非线性MPC复杂程度高,提出了一种基于分段线性近似误差的线性时变路径跟踪控制方法(DLMPC)。通过对所提出的近似跟踪误差进行分段线性化,并结合线性离散动力学车辆模型,构建二次规划路径跟踪优化问题,实现对KNMPC的线性简化。仿真结果表明,所提方法在改善高速工况跟踪效果的同时,提高了求解效率及稳定性。针对边界型目标道路,提出了一种考虑行驶稳定性的MPC轨迹规划与跟踪联合控制方法。通过设计一种近似路程计算方法,提高车辆与路径相对关系的计算效率;结合滑移稳定性约束和轮胎摩擦圆,构建线性的横纵向行驶稳定性联合约束,提高横纵向行驶稳定性;构建规划跟踪优化问题,实现在无碰赛道内的轨迹规划与跟踪联合控制。仿真结果表明,所提方法具备良好的自主规划能力,能够考虑路面附着系数的影响,避免了轮胎打滑现象,并能够利用路面条件,较为充分地发挥汽车性能。