车辆网和自动驾驶作为当今科学研究的热点领域,二者相辅相成并在人们的智能出行中扮演了重要的角色。车联网技术将人、车、路三者联系起来并实现了信息交互,车辆可以通过车联网感知彼此的位置变化,进而调整车速错峰通过交叉口,加强了车辆通过交叉口的安全性和通行效率。而自动驾驶汽车则是利用自身的感知系统、运动规划和运动控制系统实现对周围环境的感知,然后规划出期望路径并对该路径进行跟踪。在复杂的十字路口交通环境中,仅靠自动驾驶本身的感知系统不仅加大了时间计算成本,而且发生事故的风险也比较高。车联网通过人、车、路之间的信息交互很好的弥补了这一缺点。本文基于车联网的前提下对十字路口的危险场景进行划分,并针对现有的十字路口自动驾驶运动规划与控制框架及算法计算量大的问题和规划阶段对车辆动力学约束考虑不足等问题进行了研究,主要研究内容如下:（1）建立了车辆动力学模型,并基于合理的假设利用线性轮胎模型对非线性轮胎模型进行了近似线性化,大大的减少了模型预测控制的计算量的同时保证了控制效果的稳定性。（2）研究了非线性模型预测控制和线性时变模型预测控制两种模型预测的原理;推导了线性时变模型预测控制算法以及非线性模型预测控制线性化的方法。针对多约束线性时变模型预测控制优化问题进行了研究并将其转化为二次规划问题。（3）针对十字路口场景提出了一种新的自动驾驶汽车运动规划与控制框架及算法。将来自不同行驶方向的冲突车辆抵达十字路口冲突区域的时间差和阈值加入车辆的控制约束中,而对于本车道则采取基于纵向安全优先的方法确保车辆安全通行。在车辆运动控制方面,基于多约束线性时变模型预测控制和前馈控制方法和车辆动力学模型以及线性轮胎模型提出了基于纵横向耦合的运动规划和运动控制算法。（4）对十字路口的危险场景基于全排列组合的方法从交通参与者数量和通行方式（直行或转向）两个角度进行了场景建模。并对所有危险场景进行仿真验证。结果表明所提出的自动驾驶汽车运动规划和控制框架及算法在规划和控制等方面具有良好的性能,该方法不仅能够适用于低速的无信号十字路口场景,对于大型高速的有信号十字路口的场景同样适用。