智能车的发展有助于提高道路交通安全,目前面向于智能车已开发出众多高级驾驶辅助系统,并且得到了广泛应用,但这些功能仅适用于简单工况。随着城市化进程不断推进,城市汽车保有量和快速公路里程也不断增加。快速公路中车流量大、车辆驾驶员的行为差异等因素导致快速公路匝道口的行驶环境多变,容易引发交通事故。面对这些复杂环境,目前的高级驾驶辅助系统可能不再适用,这就对智能车提出了更高要求。本文主要针对城市快速公路匝道口这一场景研究智能车的路径规划方法和运动控制策略,来提高智能车在匝道分流区行驶的安全性。首先改进人工势场模型,实现智能车在匝道分流区的行驶路径规划;运用BP神经网络模型优化斥力势场系数,提高路径规划模型适应性;然后,搭建了PID速度控制器以及模型预测（Model Predictive Control,MPC）和Stanley两种横向控制器,并对比分析了控制器的跟踪效果。最后,基于构建的联合仿真平台建立城市快速路匝道口场景开展联合仿真,通过跟踪轨迹、前轮转角和车身横摆角等参数验证控制模型的有效性。具体研究内容如下:第一,使用改进后的人工势场模型和BP神经网络,完成了匝道口分流区的路径规划。基于人工势场法建立了符合匝道分流区的动态障碍物斥力模型、道路模型和引力模型,并合成人工势场的综合约束模型。运用BP神经网络解决了不同工况下斥力系数选取的问题,和综合约束模型共同实现了对城市快速公路匝道口的动态路径规划。利用构建的模型开展仿真计算分析规划路径的曲率以及等效前轮转角验证了模型有效性。第二,搭建了智能车运动控制模型,通过跟踪双移线轨迹分析不同边界条件对横向控制器的影响。为确保智能车辆在行驶过程中对规划路径的有效跟踪,在纵向方向上基于PID控制算法设计车速控制器;另外,基于二自由度运动学模型和三自由度动力学模型分别构建了Stanley控制器和模型预测控制器,并探讨了不同路面附着系数和车辆行驶速度对MPC和Stanley两种控制器的控制影响。第三,基于Car Sim车辆动力学软件、Pre Scan场景仿真软件和本研究建立的车辆运动控制模型,搭建了联合仿真平台。运用搭建的联合仿真平台,建立快速公路匝道分流区4种仿真工况,完成了不同工况下智能车运动控制的有效性验证。综上所述,本文改进之后的人工势场法可以在匝道分流区规划出一条理想的行驶路径;通过仿真分析发现,路面附着系数和车辆行驶速度对MPC横向控制器的影响效果小于Stanley控制器;联合仿真结果表明,本文提出的路径规划算法和运动控制算法仿真结果良好,具有较好的控制性和适应性。