汽车的普及极大地改善了人们的生活,但随着汽车保有量的日益增长,由此引起的问题也日益凸显,交通事故频繁地发生、汽车燃油消耗引发的空气污染和交通堵塞等问题成为了影响公路交通发展的重要因素。近年来,随着自动驾驶技术和智能化交通技术的发展,制约道路交通发展的困境得以改善,其中,高速公路场景下汽车队列行驶被认为是提高道路安全性和交通容量,降低燃油消耗的重要技术,因此开展高速公路场景下的汽车队列控制技术研究有着十分重要的意义。目前虽然已经有多种队列行驶技术被提出并部分商用落地,但仍存在部分不足:比如以往大部分工作主要集中在减小队列内部车辆间距,通过降低空气阻力的方法达到节省燃油的目的,但却忽略了控制方法对节油的影响;在队列控制过程中,常假设队列内部车辆具动力学特性已知,而忽略了车辆的动力学参数变化或辨识不精确等因素对控制精度的影响。因此,为进一步提高队列控制的精度并降低队列控制过程中的燃油消耗,本文将对高速公路场景下汽车队列控制的方法进行详细的研究,主要研究内容如下:（1）队列系统建模:本文以高速公路上行驶的内燃机型汽车为被控对象,对被控车辆的运动学特性和动力学特性进行了分析,搭建了被控车辆的运动学模型以及动力学模型,并基于Car Sim软件环境搭建了被控对象的高精度物理模型;然后,根据发动机特性曲线构建燃油消耗模型,并采用EPA城市工况测试和EPA高速公路工况测试对燃油消耗模型进行标定,为后续实现队列的燃油消耗优化提供基础;不同于其他同行研究中常采用的单车建模方法,本文将队列内部的所有被控车辆作为一个整体,搭建了队列系统的统一的状态空间模型描述队列内部各对象的状态行为。（2）队列上位控制方法研究:本文采用分层式控制架构,建立了基于模型预测控制方法的队列系统上位控制器。在上位控制过程中,本文以队列内部各车的期望加速度为输入,以各车的速度误差和位置误差等为输出,以队列行驶的安全性、舒适性和燃油经济性等为指标,以道路边界和车辆边界为约束条件,进行多目标同时优化求解。在求解的过程中为提高求解速度,保证实时计算性,一方面本文对队列的非线性状态空间模型进行处理,转换为线性化的模型,另一方面将待求解的目标函数转化为标准二次型,采用二次规划（QP）算法求解器对目标函数进行求解,最终得出当前时刻队列内部各被控对象的最优期望加速度。（3）队列下位控制方法研究:为解决控制过程中因建模与实际被控对象模型不匹配造成的控制扰动的问题,在下位控制过程中,根据上位控制器计算出的车辆期望加速度,下位控制器基于模型参考自适应控制方法,计算出车辆的节气门开度和制动压力等车辆底盘执行器控制量,实现车辆的实时稳定控制。与基于逆动力学模型的下位控制方法相比,本文所提出的方法在求解时不需要确定的参数真实初值,而只需要给定参数的上下界;并且可以在有限时域内根据设计的自适应率对参数进行逼近,实现精确控制。因此,本文提出的下位控制器能有效解决因建模偏差造成的控制扰动问题,具有参数辨识要求低,鲁棒性强的特点。（4）仿真验证:本文联合Car Sim和Matlab/Simulink进行了多工况的多车队列行驶虚拟仿真验证。具体而言:在Matlab/Simulink环境下搭建了队列的控制器,基于闭环反馈控制的思想,利用上位控制器求解当前仿真步长内队列的最优开环控制序列,将该序列的第一组向量施加到下位控制器以计算每个被控对象的执行器执行量,将该执行量作为Carsim被控对象的输入,并将被控对象的状态响应输出反馈给队列控制器以实现闭环控制。通过普通变速工况和EPA高速工况等仿真实验,验证了建模的准确性和队列上下位控制方法的有效性。