本书旨在系统梳理智能汽车决策控制的知识体系，既涵盖经典的理论方法，也聚焦最新的研究进展。本书主要内容包括智能汽车决策控制概况、智能汽车运动预测方法、智能汽车行为决策方法、智能汽车路径规划方法、智能汽车主动避撞技术、智能汽车经济性车速规划与控制、智能汽车运动控制方法、智能汽车端到端决策控制、智能网联多车队列控制、智能网联多车协同决策控制。本书力求在阐述基本原理的同时，结合编写团队的实际研究案例与工程开发的实践经验，使内容兼具理论深度与实践指导价值。希望本书能够为高等院校车辆工程、自动化、计算机等相关专业的师生提供一本系统性的教材或参考书，同时也为汽车行业及相关领域的科研人员与工程技术人员提供有益的借鉴与参考。

前 言
第1 章
智能汽车决策控制概况
1. 1　智能汽车系统架构概述/ 001
1. 1. 1　智能汽车的发展背景/ 001
1. 1. 2　智能驾驶系统架构/ 003
1. 1. 3　决策控制在系统架构中的功能定位/ 005
1. 2　智能汽车决策控制的定义与方法体系/ 006
1. 2. 1　决策控制的基本概念/ 006
1. 2. 2　决策控制的层级划分/ 008
1. 2. 3　决策控制的主要方法体系/ 010
1. 3　智能汽车决策控制的发展趋势与挑战/ 013
参考文献/ 015
第2 章
智能汽车运动预测方法
2. 1　智能汽车运动预测问题建模及分类/ 016
2. 1. 1　智能汽车运动预测问题建模/ 016
2. 1. 2　智能汽车运动预测问题分类/ 017
2. 2　基于机理模型的行人运动行为及轨迹预测/ 022
2. 2. 1　行人预测场景定义与问题构建/ 023
2. 2. 2　基于机理模型的行人过街行为预测/ 023
2. 2. 3　仿真试验与结果分析/ 034
2. 3　基于数据驱动的车辆运动轨迹预测/ 041
2. 3. 1　车辆轨迹预测场景定义与问题构建/ 041
2. 3. 2　基于图神经网络的车辆轨迹预测/ 042
2. 3. 3　轨迹预测试验与结果分析/ 047
参考文献/ 055
第3 章
智能汽车行为决策方法
3. 1　基于规则的驾驶行为决策方法/ 058
3. 1. 1　基于规则的驾驶行为决策方法简介/ 058
3. 1. 2　常见的典型规则型决策方法/ 059
3. 1. 3　基于规则的典型换道决策方法/ 063
3. 2　基于优化的驾驶行为决策方法/ 066
3. 2. 1　基于优化的驾驶行为决策方法简介/ 066
3. 2. 2　驾驶行为决策优化问题构建/ 067
3. 2. 3　典型优化型决策方法/ 069
3. 3　基于学习的驾驶行为决策方法/ 073
3. 3. 1　基于学习的驾驶行为决策方法简介/ 073
3. 3. 2　常见的典型学习型决策方法/ 073
3. 3. 3　基于强化学习的智能汽车匝道合流决策方法/ 078
参考文献/ 085
第4 章
智能汽车路径规划方法
　4. 1　智能汽车全局路径规划方法/ 088
4. 1. 1　全局路径规划问题/ 089
4. 1. 2　车辆定位技术/ 092
4. 1. 3　典型的全局路径规划算法/ 096
4. 2　智能汽车局部路径规划方法/ 101
4. 2. 1　局部路径规划问题/ 101
4. 2. 2　局部路径规划算法/ 105
4. 2. 3　轨迹平滑与可行性约束分析/ 108
4. 3　智能汽车换道路径规划方法/ 111
4. 3. 1　换道路径规划问题/ 111
4. 3. 2　基于多项式风险评估的时空耦合路径规划算法/ 111
4. 3. 3　换道路径规划仿真验证试验与结果分析/ 115
4. 4　智能汽车自主泊车路径规划方法/ 118
4. 4. 1　自主泊车路径规划问题/ 118
4. 4. 2　基于贝塞尔曲线优化的批量启发式路径规划算法/ 119
4. 4. 3　自主泊车路径规划试验与结果分析/ 123
参考文献/ 127
第5 章
智能汽车主动避撞技术
5. 1　智能汽车自动紧急制动避撞方法/ 129
5. 1. 1　安全距离模型/ 129
5. 1. 2　碰撞预警策略/ 134
5. 1. 3　主动避撞试验与结果分析/ 138
5. 2　智能汽车转向- 制动协同避撞方法/ 147
5. 2. 1　安全距离模型/ 148
5. 2. 2　避撞策略/ 155
5. 2. 3　转向避撞轨迹规划/ 158
5. 2. 4　避撞轨迹跟踪控制器设计/ 162
5. 2. 5　主动避撞试验与结果分析/ 166
5. 3　考虑行车稳定性的智能汽车主动避撞方法/ 171
5. 3. 1　无约束广义换道轨迹簇/ 171
5. 3. 2　全局可行域划分/ 172
5. 3. 3　多目标协同轨迹优化方法/ 178
5. 3. 4　主动避撞试验与结果分析/ 183
参考文献/ 186
第6 章
智能汽车经济性车速规划与控制
　6. 1　智能汽车高速巡航经济性车速规划与控制/ 189
6. 1. 1　高速经济性巡航问题构建与控制架构/ 190
6. 1. 2　可持续能效最优车速规划方法/ 195
6. 1. 3　安全保障型滚动时域速度控制方法/ 198
6. 1. 4　仿真试验与结果分析/ 202
6. 2　考虑预测不确定性的智能汽车跟车巡航车速规划/ 207
6. 2. 1　跟车巡航经济性车速规划问题构建/ 207
6. 2. 2　基于Transformer 的宏微观融合前车速度预测/ 210
6. 2. 3　基于鲁棒MPC 的车速控制方法/ 213
6. 2. 4　仿真试验与结果分析/ 215
6. 3　面向信号灯路口的智能汽车绿波车速规划/ 219
6. 3. 1　多路口经济性通行优化问题与控制架构/ 219
6. 3. 2　智能汽车高效通行绿灯窗口规划方法/ 222
6. 3. 3　兼顾通行效率与能效的车速优化方法/ 225
6. 3. 4　仿真试验与结果分析/ 229
参考文献/ 237
第7 章
智能汽车运动控制方法
7. 1　智能汽车运动控制基础模型/ 240
7. 1. 1　车辆运动学/ 240
7. 1. 2　车辆运动学模型/ 243
7. 1. 3　车辆动力学模型/ 245
7. 2　智能汽车高精度轨迹跟踪控制方法/ 251
7. 2. 1　智能汽车轨迹跟踪控制问题/ 251
7. 2. 2　基于简化模型预测控制的轨迹跟踪控制方法/ 253
7. 2. 3　基于非线性模型预测控制的轨迹跟踪控制方法/ 257
7. 2. 4　轨迹跟踪控制试验与结果分析/ 261
7. 3　考虑横摆稳定性的智能汽车轨迹跟踪控制方法/ 267
7. 3. 1　分布式驱动车辆AFS 和DYC 集成控制技术概述/ 268
7. 3. 2　分布式驱动电动车辆轨迹跟踪控制问题构建/ 268
7. 3. 3　基于多智能体协同的集成控制架构与优化控制方法/ 270
7. 3. 4　轨迹跟踪试验与结果分析/ 275
7. 4　考虑侧倾稳定性的智能汽车轨迹跟踪控制方法/ 279
7. 4. 1　分布式驱动车辆AFS 和ASS 集成控制技术概述/ 279
7. 4. 2　基于多智能体的AFS 和ASS 协同控制策略/ 280
7. 4. 3　轨迹跟踪试验与结果分析/ 287
参考文献/ 291
第8 章
智能汽车端到端决策控制
8. 1　端到端决策控制方法概述/ 294
8. 1. 1　端到端决策控制方法简介/ 294
8. 1. 2　端到端决策控制方法分类/ 296
8. 1. 3　端到端决策控制数据集/ 301
8. 1. 4　端到端决策控制模型的测试评估方法/ 303
8. 2　基于逆强化学习的端到端决策控制算法/ 305
8. 2. 1　最大熵深度逆强化学习方法介绍/ 306
8. 2. 2　逆强化学习模型训练/ 309
8. 2. 3　仿真试验与结果分析/ 312
8. 3　基于强化学习的端到端决策规划算法/ 323
8. 3. 1　车辆运动控制贝叶斯策略网络构建/ 324
8. 3. 2　车辆运动控制贝叶斯策略网络结构分析/ 326
8. 3. 3　基于MPSAC 的端到端极限运动控制算法/ 329
8. 3. 4　仿真试验与结果分析/ 332
参考文献/ 337
第9 章
智能网联多车队列控制
9. 1　智能网联多车队列成形控制/ 340
9. 1. 1　多智能体群集运动控制简介/ 340
9. 1. 2　多车系统车辆模型/ 342
9. 1. 3　队列成形分布式协同控制策略/ 346
9. 1. 4　多车队列成形仿真试验与结果分析/ 351
9. 2　多车队列纵向稳定性控制/ 354
9. 2. 1　异质队列纵向动力学模型/ 354
9. 2. 2　多车队列鲁棒稳定性控制方法/ 360
9. 2. 3　多车队列仿真试验与结果分析/ 366
9. 3　兼顾节能与稳定性的多车队列巡航控制/ 371
9. 3. 1　面向能效最优的多车队列系统建模/ 371
9. 3. 2　多车队列能耗最低车速规划与稳定性控制方法/ 378
9. 3. 3　多车队列仿真试验与结果分析/ 383
参考文献/ 387
第10 章
智能网联多车协同决策控制
10. 1　匝道合流区混合交通多车协同合流决策与控制/ 389
10. 1. 1　匝道合流区多车协同合流问题构建/ 389
10. 1. 2　多车协同合流轨迹滚动优化方法/ 397
10. 1. 3　仿真试验与结果分析/ 403
10. 2　城市交叉路口车辆协同调度控制/ 409
10. 2. 1　交叉路口- 车辆模型建立/ 409
10. 2. 2　交叉路口多车协同控制器设计/ 415
10. 2. 3　仿真试验与结果分析/ 422
10. 3　智能网联汽车微缩测试平台及试验研究/ 426
10. 3. 1　智能网联汽车微缩测试平台/ 426
10. 3. 2　混合交通多车运动控制试验/ 435
参考文献/ 438

智能网联汽车作为集智能感知、自主决策与协同控制等功能的新一代智能终端与移动运载平台，已成为全球科技与产业竞争的战略制高点。决策控制系统作为智能网联汽车的核心“大脑”，是链接环境感知与底层执行的关键环节，也是智能汽车智能化水平的直接体现，对智能汽车的行车安全性、操纵稳定性与通行效率等起着决定性作用。

过去十五年，随着人工智能、信息通信等技术的高速发展，智能网联汽车技术经历了由“技术验证”向“规模应用”快速演进的关键阶段。以高精度传感器、深度学习算法、车路云协同和线控底盘等技术突破为支撑，行业已从早期的辅助驾驶功能发展到高速领航、城市领航、自动泊车等复杂场景应用，L2级辅助驾驶加速普及，部分限定场景下的L3级及以上自动驾驶开始落地。技术迭代速度显著加快，产品开发周期持续缩短，智能化正由汽车的附加功能逐步转变为核心竞争力，并推动汽车产业向软件定义汽车和智能交通融合发展的新阶段迈进。

本书围绕智能网联汽车决策控制方向，以“运动预测-行为决策-轨迹规划-运动控制-网联协同”为主线，系统阐述智能汽车决策控制的基本理论、关键方法及工程实践。首先，介绍智能汽车系统架构、决策控制的功能定位及技术发展趋势；面向行人、车辆等交通参与者，系统梳理基于机理模型与数据驱动的运动预测方法；重点论述基于规则、优化和学习的驾驶行为决策方法，介绍基于搜索、采样与优化的轨迹规划方法，深入剖析车辆与环境的交互机理；聚焦主动安全与能效优化，分别介绍在智能汽车自动紧急制动、转向-制动协同避撞等主动避撞技术，以及经济性车速规划方面的技术突破；在运动控制方面，重点介绍智能汽车高精度轨迹跟踪及横摆侧倾稳定性控制方法所取得的研究进展。针对智能驾驶前沿发展，书中还讨论了基于逆强化学习和强化学习的端到端决策控制，以及面向匝道合流、城市交叉路口等典型场景的多车队列控制与协同决策方法，并结合缩微测试平台和仿真试验进行验证。全书注重理论基础、算法方法与工程案例相结合，可作为车辆工程、自动化、人工智能等相关专业高年级本科生和研究生的教材或参考书，也可为智能汽车领域科研人员与工程技术人员提供参考。

本书立足于东南大学智能电动运载装备团队在智能汽车决策与控制领域二十余年的科研积累，系统凝练了团队长期潜心研究、持续探索所形成的理论成果与实践经验。全书在系统阐释基本原理与关键方法的基础上，注重融入团队的实际研究案例和工程实践经验，力求兼具理论深度与实践指导价值。

学问之道，贵在求真，亦贵在传承与分享。本书的撰写与成稿，凝聚了团队每一位成员的辛勤付出与智慧贡献。在此，衷心感谢董昊轩、王子威、邱春龙、丁昊楠、周闪星、刘泳志、董锋威、柏硕、王凡勋、胡敬宇、刘昊吉、李荣璨、梁晋豪、童非凡、赵幸、张苏男、许锦昌、程志敏等已毕业和在读博士生、硕士生的刻苦钻研与无私投入。正是大家十年如一日的持续探索，汇聚成了本书今日的篇章。同时，谨向所有支持团队研究工作的合作单位、同行专家，以及为本书出版付出辛勤劳动的出版社编辑致以诚挚谢意。

本书的撰写得到了教育部基础学科和交叉学科突破计划（项目编号：JYB2025XDXM305），国家自然科学基金项目（52025121、52441204、52394263），江苏省基础研究计划自然科学基金重点项目（BK20243063）、优秀青年基金项目（BK20250172）等项目的资助。在此，谨向国家自然科学基金委员会、教育部、江苏省科学技术厅、东南大学及其他给予本书撰写支持的有关单位，致以诚挚感谢。

由于智能汽车技术发展日新月异，加之编者水平所限，书中难免存在疏漏与不足之处，恳请广大读者不吝赐教，以期未来不断完善。

著 者

2026年8月