在汽车高度普及的今天,由人类驾驶员自身原因引起的交通事故频繁发生。发展智能汽车技术对于减少人为引发的交通事故有着十分重要的意义。路径规划和跟随控制技术决定智能汽车最终的行驶行为,是模块化自动驾驶系统的关键技术之一。本文基于最优控制理论提出了一种面向智能汽车的一体化轨迹规划控制框架,该框架以环境信息、车辆状态信息和车辆行驶目标为输入,以车辆方向盘转角变化率和轮胎控制力矩为输出控制量,旨在解决现有分层式路径规划和跟随控制技术普遍存在的规划层路径不连续、违背车辆动力学特性,从而导致控制层跟随精度不高、车辆的行驶行为质量差等问题。本文的主要研究内容如下:（1）为权衡不同工况下的车辆控制精度和计算代价,搭建了多种车辆模型和轮胎模型:1)为满足不同工况下的车辆动力学特性,根据简单到复杂的原则,依次搭建了运动学模型、五自由度以及七自由度车辆模型。2)为了准确地计算轮胎力,搭建了基于滑移的线性轮胎模型和基于魔术公式的非线性轮胎模型,以及一种用于描述轮胎动态特性的动态迟滞轮胎模型。使用Carsim软件在转向阶跃和正弦停滞两种试验条件下,对三种车辆模型进行了对比验证。结果表明,三种车辆模型的全局轨迹误差都在0.2m以内,其中,七自由度模型最贴近于Carsim实车模型。（2）为了给一体化算法提供车辆初始状态配置,设计了一种基于扩展卡尔曼滤波的车辆关键状态估计算法:本文设计的状态估计算法利用较为常见的轮速传感器等,以迭代递推的方式估计了车辆横纵向速度等关键状态量。在Simulink平台上对上述状态估计算法进行了验证,仿真结果表明该算法可以较为准确地估计车辆的关键状态。（3）为一体化框架设计了一种车辆一体化轨迹规划控制算法:根据换道工况、超车工况和紧急避障工况等不同实际场景设计相应的性能指标函数;根据道路边界和障碍物免碰撞条件等行车安全条件建立行车约束;根据车辆在道路中的运动规律建立“车辆-道路”动力学约束;依照最优控制理论,将车辆的规划控制任务转化为最优控制问题求解。本文采用“直接单点打靶法”对上述最优化问题进行离线求解,其结果表明:所提出的一体化轨迹规划控制算法可以得到符合人类驾驶员操作习惯的最优控制量序列。（4）设计了一种车辆一体化轨迹规划控制框架,并在三种工况下开展了在线仿真实验:本文设计的框架主要包括:1)一体化规划控制模块;2)车辆状态估计模块。其中,车辆状态估计模块根据传感器输入信息实时估计车辆的状态信息,一体化规划控制模块根据车辆状态信息计算得到控制量。基于Carsim/Simulink联合仿真平台,验证了本文设计的一体化轨迹规划控制框架的可行性。结果表明,在换道、超车和紧急避障工况下,所提车辆一体化轨迹规划控制框架均能有效地控制车辆完成预定的驾驶任务。