随着经济社会的高速发展,我国的汽车保有量逐年增长。近些年来人工智能与移动终端加快结合,智能车成为新的研究热点。智能车是集外界感知、决策规划、多个辅助驾驶等级于一体的综合系统。它不仅是新时代研究智能交通领域的重要参与者,同时也代表着未来汽车工业结合的发展方向。为了保证智能车按既定的规划路径行驶,智能车的轨迹跟踪运动控制研究至关重要,不仅要保证车辆能够对期望轨迹进行更加准确的追踪,还要保证其在行驶过程中的安全性与稳定性。本文针对智能车精确、安全、稳定行驶的要求,对其纵、横向运动控制开展深入研究,主要包括:（1）针对纯纵向运动控制,考虑车辆动力传动系统,搭建车辆纵向动力学模型。针对传统PID控制器的控制过程参数不变,控制效果不佳的问题,利用BP神经网络,实现控制器的自学习调节,构建了改进式BP神经网络PID控制。利用Matlab/Simulink搭建智能车加速仿真工况,分析纯纵向控制器的准确性与可靠性。（2）针对纯横向控制,构建简化车辆动力学模型,对其进行线性离散化处理得到线性时变模型,利用模型预测控制（Model Predictive Control,MPC）算法,合理设定控制目标函数,构建MPC控制器,实现车辆对期望路径的准确跟踪。考虑车辆自身及道路环境的影响,合理设定车辆系统质心、轮胎侧偏角等约束条件,确保控制车辆轨迹跟踪的准确性、运动稳定性和行驶安全性。利用Carsim与Matlab/Simulink联合仿真,通过智能车定车速换道工况仿真实验,验证不同车速下,车辆纯横向控制器的有效性。（3）针对变速换道复杂工况下的运动控制问题,考虑路面附着等因素,分析车辆纵横向耦合特性,提出车辆纵横向综合控制策略,构建神经网络PID纵向速度控制与MPC横向控制的综合控制框架。考虑车辆横向动力学安全性约束条件,以车辆速度为耦合点,对不同道路附着系数下的车辆行驶速度进行调整,利用MPC算法对车辆进行转向控制,保证车辆轨迹跟踪性与安全性。仿真实验结果表明,在一定的车速范围内,提出的控制策略能够较好地保证车辆纵向速度可控性与横向运动轨迹跟踪性。