城市交通系统是一个典型的复杂巨系统，交通拥堵等一系列问题成为亟待解决的世界性难题。通过智能交通系统实现科学的交通流管理和控制是解决该问题的最有效、低成本的方法。而交通流建模与仿真是实现智能交通系统的要点之一。已有的一些针对交通流建模与仿真的研究采用基于软件仿真的研究方法，然而，软件仿真存在真实性不足以及难以模拟人的驾驶行为等问题；另一方面，真实环境的交通流实验往往面临复杂、耗时、费力等问题，且难以实现多智能车同时进行自主驾驶的交通流。因此，本文提出基于多缩微智能车的智能交通系统仿真平台进行交通流硬件仿真，该平台具有不受限于诸多外界因素的优点。通过等比例缩小典型交通场景与智能车，可避免其他研究方法中存在的难题，但同时也衍生一系列其它问题。首先，针对缩微智能车在缩微交通场景中难以获取全局定位信息的问题，提出了分层拓扑地图的定位导航方法，该方法采用第一层地图描述全局范围车道与路口的拓扑结构，采用第二层地图描述路口局部范围车道与可行路线的拓扑结构，实现了缩微交通环境中车道级的定位与导航。在此基础上，针对特定路口存在特殊行驶路线的限制问题，提出了基于分层拓扑地图的全局路径规划方法，可获得全局合法的最短路径。其次，针对缩微智能车硬件计算平台受限但其功能需求覆盖真实自主驾驶任务的问题，本文提出了基于选择性注意的交通信号灯与交通标志检测方法，通过建立特征显著图缩小兴趣区范围优化计算资源，提高了交通信号灯与交通标志检测的效率。实验结果表明，该方法能够满足缩微智能车关于交通信号灯与交通标志检测的实时性要求。在此基础上，本文采用了基于改进特征空间包的交通标志识别方法，提高了缩微智能车交通标志识别的实时性。实验结果表明，该方法能够满足缩微智能车的交通标志识别要求。再次，针对具有非完整性约束的车体欠驱动系统的控制问题，本文通过将基于羊群算法的两轮差动模型的控制架构应用到缩微智能车的自主驾驶控制中，实现了具有不同行驶任务的缩微智能车控制系统架构。实验证明，该控制系统架构可满足缩微智能车对于不同行驶任务的需求。最后，在自动泊车研究领域中，针对传统基于正射影像的车位检测方法难以实现远距离检测且对路面平整度要求较高的问题，本文采用了基于轮廓查找的车位检测方法。在此基础上，采用基于直方图统计的车位角点检测方法确定车体与车位的相对位置，再通过局部路径规划得到泊车路径。该自动泊车方法实现了不同距离不同视角的车位检测，以及车体不同姿态下对于车位角点的实时检测。实验结果表明，该方法能够满足缩微智能车的自动泊车行驶任务要求。综上所述，该缩微智能车能够模拟真实环境中各种基本的自主驾驶行驶任务，适用于缩微交通流仿真与智能交通系统的研究。