无人驾驶车辆是智能交通系统的重要组成部分，其研究的主要目的在于降低日趋严重的交通事故发生率，提高现有道路交通安全和运输效率，在某种程度上缓解能源消耗和环境污染等问题。该技术的研究日益受到国内外学者的关注。本文针对无人驾驶车辆技术中的转向控制问题，对基于“规划-控制”的主流转向控制算法以及一种新的“拟人转向控制模型”进行了较深入的研究，具体研究内容归纳如下：（1）提出一种可行轨迹规划方法。可行运动轨迹规划是车辆自主驾驶的关键环节。所规划出的轨迹应具有连续曲率，且同时满足运动学和动力学条件约束。研究无滑移约束下给定起止点位置及状态的可行运动轨迹规划方法。基于前轮转向的单轨车辆模型，建立7维非线性车辆动力学模型。根据无滑移假设，推导前轮转角及其转角变化率的无滑移表达式。基于MNC轮胎/路面模型推导满足车辆无滑移的动力学约束，将车辆的运动学和动力学特性转化为对可行轨迹的约束条件。根据操纵性评价指标对轨迹进行优化，规划出具有连续曲率的车辆运动轨迹，并据其给出最大速度轮廓曲线。利用闭环操纵稳定性评价指标来优化生成的轨迹。采用单移线的仿真结果验证了该方法的有效性。（2）提出一种轨迹跟踪控制律。针对车辆的转向轨迹跟踪问题，根据车辆动力学模型中侧向位置和横摆角度之间的耦合关系提出一种基于动态面的跟踪控制律。与以往的控制策略不同，新方法考虑了侧向位置和横摆角度的联合控制。采用一阶低通滤波器来获得期望侧向位置和期望横摆角的微分项，使最终的闭环控制律中不含有误差量的高阶导数，便于工程设计实现。利用Lyapunov方法对系统的稳定性进行了分析，证明了所设计的控制律能够稳定收敛。通过仿真验证了方法的有效性，具有优异的轨迹跟踪性能。（3）建立一种拟人转向控制模型。针对城市工况下的大角度转向问题，通过模仿驾驶员转向过程中的视觉注意机制，建立视觉环境计算模型，实时获取拟人转向控制器的状态反馈参数；同时模仿驾驶员估计方向盘转角的方式和调整方向盘的动作，建立了一种拟人转向行为的瀑布式决策控制模型。根据驾驶员的预瞄特性，采用模糊逻辑对预瞄航偏角和预瞄侧向误差分别估计出转向意愿的强度，并考虑道路曲率的不同，利用杠杆原理决策出方向盘的调整角度；再结合方向盘调整角和车辆速度信息来决策出方向盘的调整速度，用于实现驾驶员调整方向盘的动作。对锐角和直角弯等大曲率转向场景进行了仿真分析。结果表明：本文建立的拟人转向控制模型泛化能力较强，能够适应道路曲率变化，对交叉路口等道路曲率发生突变的路况也具有非常好的适应性，车辆运动轨迹与优秀驾驶员的驾驶轨迹非常相近。综上所述，本文研究了主流的无人驾驶车辆转向控制算法和一种新的拟人转向控制模型，并通过对单移线、双移线以及直角弯等典型的城市路况进行了仿真，研究结果表明由于非线性的影响，主流的基于“规划-跟踪”的控制算法在直角弯等大转角条件下精度不高；而拟人转向控制模型对各种转向场景具有广泛的适应性，在相关领域中有较重要的理论指导意义和工程应用价值。