针对具有自适应巡航功能的纯电动汽车所面临的行驶工况复杂和续驶里程不足的问题,本文提出一种面向工况适应性的速度规划及控制方法。通过对城市道路中典型的车辆行驶场景进行定义并重点对速度规划算法的约束条件和通行及编队策略进行设计以使规划车速适应复杂的交通环境,在基于模型预测控制算法所设计的（Model Predictive Control,MPC）的多目标协同优化控制器和基于滑模控制（Sliding Mode Control,SMC）所设计的跟踪控制器作用下对不同场景中的参考车速或车间距进行跟踪,测试结果表明基于分层结构实现速度规划和运动控制解耦可以有效提高车辆在多工况多场景下的性能表现。因此,本文主要提出一种基于速度规划的经济性巡航控制（Economic Adaptive Cruise Control,EACC）以提高电动汽车在复杂交通环境下的行驶经济性及通行效率,所开展的研究工作主要包含以下几个方面:（1）速度规划模型构建。针对常见车速规划方法存在工况适应性不足的问题,提出一种具有多场景适应性的速度规划方法。通过对比分析基于规则和基于优化的车速预测模型预测精度,本文提出将具有外部输入的非线性自回归神经网络（Nonlinear Autoregressive Neural Network With External Input,NARX）预测的前车车速作为跟驰模式下的主车参考车速以减少前车扰动对车辆行驶经济性的影响。根据车辆属性、信号灯状态及交叉口数目对交叉口通行场景进行具体定义并对通行策略、编队策略和信号灯约束进行制定以设计一种基于遗传算法（Genetic Algorithm,GA）的速度规划方法。（2）经济性巡航控制策略设计。为了适配上层速度规划模块输出的规划车速,针对跟驰行驶和交叉口通行两种场景分别构建经济性巡航控制器。对于前者,基于模型预测控制框架使用建立的简化电机能耗模型作为经济性评价指标并使用模糊控制动态调整其权重系数以权衡不同工况下的多个性能需求;对于后者,基于SMC设计速度控制器和距离控制器分别实现经济车速跟踪和复杂环境下的模式切换。（3）基于速度规划的经济性巡航控制策略测试与验证。基于模型在环验证所提出的车速规划算法在各行驶场景下降低整车能耗和改善道路通行效率等方面的有效性和优越性,同时对交叉口场景下速度规划算法影响因素进行灵敏度分析以最大化规划车速所带来的节能效果。基于硬件在环平台验证基于速度规划的经济性巡航控制的有效性和实时性。研究结果表明:跟驰场景下在多目标协同优化控制器中引入前车预测车速和选择电机能耗作为代价函数可以有效减少电池荷电状态（State Of Charge,SOC）的下降;交叉口通行场景下引入速度规划可以有效平滑纵向速度以减少频繁加减速和起停工况下的大功率输出,从而降低整车能耗。交叉口下车速规划算法影响因素的灵敏度分析结果表明在使得车辆基本保持匀速或适当加减速驶过交叉口的初始状态下进行速度规划可以最大化优化车速带来的经济性能改善。本文在基于速度规划的经济性巡航控制方面的研究成果对降低控制器模块开发的复杂程度以及将经济性巡航控制应用到考虑换道、避障以及自主编队等更加复杂的场景具有重要的启示作用。