随着自动驾驶技术的迅速发展,无人车辆将逐步进入商业市场,由最初的只在专有道路内行驶逐渐向公共道路过渡。目前的智能交通系统着眼于车辆协调使用公共资源,提高路网内行车效率、能耗和安全性。这是一个极具挑战性的变革,需要状态感知、无线通信和控制理论的相互协调统一。十字路口的车流量大,路况复杂,已成为现代交通系统的交通瓶颈。当前针对十字路口车辆调度的研究非常多,但往往假设有可靠的通信、计算和控制,无法实现真正的鲁棒调度。此外,无线通信对车辆控制可靠性的影响不可忽视,信道估计误差对信息块错误率有影响,车路协同通信过程中可能存在深度衰落,连续的数据包丢失将造成设备长时间无控制指令可用,即造成系统中断。本文提出了鲁棒的集中式车辆调度框架,能适应感知误差、控制误差、通信丢包等不理想因素。为保证车辆调度过程中不发生碰撞,本文引入轨迹冗余度,以应对控制噪声带来的累积轨迹偏差。然而,这是以降低路口吞吐量为代价的。为了最大化路口吞吐量,本文推导给出了车辆轨迹偏差的数学表达式,分析基于载波侦听多路访问（Carrier Sense Multiple Access,CSMA）指数退避通信策略的退避延迟,并提出了请求间隔的优化方案。考虑到车辆需要不断向调度中心请求重规划,在收到新的控制向量时将丢弃缓存中的旧控制向量,浪费了计算、通信和缓存资源,因此本文引入数据包预测控制（Packetized Prediction Control,PPC）,并研究了短包通信的特性,对包的结构和长度进行了优化。考虑衰落信道中断概率的约束,得到编码率的约束。考虑基于导频的信道估计误差对有效信噪比的影响,得到了准静态衰落信道下的块错误率和导频长度约束。通信包碰撞带来的丢包和信道衰落引起的块错误率被同时考虑,得到了车路通信的丢包率,并根据车辆控制的中断概率得到了基于PPC的预测控制指令长度约束。最后,根据车辆控制性能的不同,请求间隔被差异化,并被仿真证明比请求间隔固定的方案调度性能更好。通过仿真验证,本文所提的鲁棒集中式调度框架能有效应对车辆定位噪声和控制噪声带来的轨迹偏差,并在最优请求间隔处能使路口吞吐量达到最大。通过优化包结构和长度,对通信包碰撞和信道衰落的折中,使丢包率达到了最小,满足车辆车辆控制中断概率的要求。