随着科技的进步,汽车不断朝着智能化和信息化的方向发展,无人驾驶技术成为了当前的一个热点研究领域。智能小车作为无人驾驶汽车的简化研究模型与控制基础,能够实现自动避障、路径规划和轨迹跟踪等无人驾驶汽车的基本功能,具有良好的发展前景和重要的实用价值。在路径规划方面,为了更好地规划出一条自起始点至目标点的无碰撞最短路径,本文对传统蚁群算法进行了优化改进。在轨迹跟踪方面,为了实现智能小车对所规划的参考轨迹以较高性能进行跟踪,本文设计了基于事件触发机制的轨迹跟踪预测控制器。本文主要研究内容如下:（1）通过对智能小车行驶过程的分析和推导,建立了智能小车的运动学模型,同时根据栅格地图法建立了路径规划的栅格环境:对障碍物进行膨胀补充处理、将地图中的序号和坐标进行转换并给出了路径的编码方式。（2）对传统蚁群算法进行研究与分析,并设计了三种栅格环境下的仿真实验,其结果表明:传统的蚁群算法对于维数较小的栅格地图能够有效规划出全局最优路径,但对于复杂环境,其路径规划效果较差,存在继续改进的空间。（3）针对传统蚁群算法所存在的问题,本文提出了改进的粒子群-蚁群混合算法。对蚁群算法的主要改进之处包括:提出了基于动态因子法的信息素浓度因子和启发函数因子调整策略、定义了基于虚拟最短距离的启发系数、采用了线性递减的挥发因子和基于路径长度排序的信息素增量系数并引入了惩罚函数和信息素浓度限定机制。在此基础上,首先利用粒子群算法进行路径预规划得到参考路径,并根据栅格环境信息素与参考路径转化的预规划信息素得到改进蚁群算法的初始信息素分布,然后由改进蚁群算法进行路径二次规划,实现了算法的快速性和准确性的大幅提高,并得到了全局最优路径。（4）对于所建立的智能小车运动学模型进行基于事件触发机制的轨迹跟踪预测控制器的设计。首先对小车模型进行线性化和离散化得到误差预测模型,其次进行预测方程的推导得到未来的系统预测输出,然后进行带有约束条件的目标函数的设计得到轨迹跟踪控制器并通过求解得出最优预测控制输入,最后将事件触发机制引入控制器中。实验结果表明,本文的控制方法有效减少了预测控制器的计算次数,并实现了对直线型轨迹、曲线型轨迹和改进的粒子群-蚁群混合算法规划的路径所对应轨迹的有效跟踪。