智能网联车辆队列是自动驾驶技术和车联网技术的重要应用,在减缓交通拥堵、提高驾驶安全性和改进燃油经济性等方面具有很大优势。车辆换道是常见的交通行为,车辆队列由于自身行车需要或道路结构变化等原因也需要进行换道,主要涉及换道策略、安全换道路径规划以及车辆换道控制。相较于单车换道研究,队列整体换道还需要考虑该过程中队列内部安全性,即在换道过程中保持合适的队列构型,需要规划合适的换道路径并设计安全的队列换道控制算法。对此,本文依托国家重点研发计划项目(2018YFB0105104),对安全换道路径规划、基于车辆非线性动力学模型的纵向分布式模型预测控制器以及基于强化学习的队列纵向控制方法进行了研究。首先在对车辆制动过程进行精确分析的基础上,得到车辆安全制动距离与车速的关系,提出了基于安全刹车距离和换道侧向加速度约束的高阶贝塞尔换道曲线控制点选择方法,并以道路总体曲率为优化目标从安全换道曲线簇选取最优换道曲线。其次,实际场景中的异构队列并不能满足车辆类型和动力学参数完全已知的理想情况,为了对车辆进行精确的纵向控制,本文对易于获取车辆动力学模型及参数的小型车辆进行纵向非线性动力学建模,并使用分布式模型预测控制器进行该类车辆的控制;对于不易获取车辆动力学模型参数且载荷质量和分布经常发生变化的卡车等重型车辆,本文采用基于DDPG的强化学习的方法进行此类型车辆的控制策略学习。此外,设计了基于模型预测控制的通用车辆横向控制方法。本文对所设计的异构车辆队列纵横向控制方法进行了仿真实验,使用所设计控制器进行均质队列和异质队列条件下的数值仿真实验,结果表明在车辆具有随机初始间距和速度,并在领航车速度出现波动的情况下该控制器可以控制队列达到行驶目标。对所设计的横向控制器进行了对比试验,证明了在同类控制器中,该控制器具有更好的控制性能。在基于强化学习的车辆纵向控制方面,分别使用Double DQN和DDPG进行纵向控制策略的学习,并将DDPG纵向控制策略应用于重型车辆队列的控制中,仿真结果表明学习后的策略可以控制车辆达到期望队列行驶目标。