由于机动车辆的迅猛增加,环境污染和能源危机等问题日益严峻,研究如何有效地降低车辆燃油消耗具有重大的理论和应用价值。如今,智能交通系统(ITS)的快速发展为车-路协同和车-车协同提供了理论基础。该系统可以为车辆提供所需的交通信息,包括道路内车辆的位置、速度和加速度等信息。本文基于ITS,分别就坡路影响下最优车速的前瞻优化、自主重型车队的最优合并策略以及车辆匝道汇入的最优化等问题进行了研究。首先,对坡度影响下车辆的油耗优化问题进行了研究。通过合理调节车辆的运动状态,有效降低其燃油消耗。基于ITS系统车辆可以获取外界道路坡度信息,在模型滚动时域优化控制框架内,采用鸽群优化算法来实现车速的实时优化。通过滚动优化车辆参考速度来得到未来一段时间内的车速最优曲线。该方法兼顾了滚动优化框架的抗扰特性与智能优化算法的快速求解能力。通过仿真分析验证了本文算法,能够有效降低坡路下车辆的燃油消耗。其次,研究了自主重型车队合并过程中的最优决策问题。提出了一种以三车合并为基础,先对同一道路内的车辆进行聚类分层,然后再进行逐层合并的多车辆合并算法。与传统的两车合并方式相对比,以三车合并为基础的多车合并算法的策略数目的数量级更大,且合并决策效果更接近于全局最优。通过仿真分析验证本文所提出的算法具有更大的节油潜能。最后,对匝道影响下的车辆汇入过程的最优化问题进行了研究。针对匝道的加速车道附近易成为限制主路通行的瓶颈区域这一问题,对不同的汇入情形设计不同的引导方法。针对车辆汇入到主路车流中的情形,先判断是否存在理想的汇入间隙。当存在理想间隙时,通过优化其汇入过程来保证在油耗和主路通行能力上的综合最优。当车流密度较大而不存在理想间隙时,通过优化目标间隙前后车的运动状态来找到最优的汇入策略。而针对匝道车辆需要汇入到主路车队这一情形,需要遍历所有队内间隙并优化目标间隙前后车的运动状态来找到最优的汇入策略。通过算例分析结果验证了本文提出的引导方法能够有效降低车辆汇入过程的燃油消耗。