道路交通系统是一个由多个交通参与者共同作用、相互影响、彼此制约而存在的复杂体系。在有限的道路资源条件下,随着汽车保有量的增加,车辆之间发生正面、侧面碰撞的比例不断增长,目前已成为道路交通事故中最常见的事故类型。为了提高复杂道路场景下的行车安全性,本文考虑周围车辆行车状态对主车纵向行驶产生的影响,围绕智能车辆纵向控制策略,基于车路信息交互,从环境车辆行驶模式的识别、智能车辆纵向控制策略的提出和纵向控制器的设计等方面开展了研究。首先,根据车路信息交互获取的行车环境数据,建立了一种基于隐马尔可夫的环境车辆行驶模式识别方法。对高速公路多车道场景下车辆行车状态进行了分析,将环境车辆的行驶模式划分为左换道、保持直行、右换道三种。通过对隐马尔可夫模型的基本理论以及经典算法进行研究,选取车辆质心相对于车道中心侧向偏移量和侧向偏移速度作为观测变量,车辆的行驶模式作为隐藏变量,建立了一种基于GMM-HMM（Gaussian Mixture-Hidden Markov Model）的环境车辆行驶模式识别方法。通过NGSIM数据集对所建立的模型进行了训练并得到模型参数,并使用前向-后向算法根据环境车辆的行车状态对其行驶模式进行识别。其次,对环境车辆换道切入时可能发生的交通冲突及其安全性进行了分析,针对不同跟随目标分别建立了纵向行驶安全距离模型,提出了智能车辆纵向控制策略。针对可能影响智能车辆纵向行驶的环境车辆换道行驶模式,建立了基于五次多项式的环境车辆换道轨迹模型。根据环境车辆换道切入时可能与主车发生的交通冲突,分别对两种主要的交通冲突类型进行了安全性分析,定义了环境车辆在换道切入过程中的最小纵向安全距离。针对智能车辆纵向行驶时跟随目标的不同,分别建立了主车跟随同车道前方环境车辆纵向行驶以及主车跟随换道切入环境车辆纵向行驶的安全距离模型。对主车作出跟车行为的反应车间距进行了界定,将智能车辆的纵向行驶模式划分为巡航模式和跟车模式两种。并在对环境车辆行驶模式进行识别的基础上,建立了考虑周围环境车辆状态的智能车辆纵向控制策略。然后,为了实现对期望速度、距离的准确跟随,设计了智能车辆纵向控制器。针对智能车辆纵向行驶模式,分别基于PID算法和模型预测控制算法设计了巡航模式和跟车模式上层控制器,并基于车辆逆纵向动力学模型设计了智能车辆的下层控制器。最后,为了对建立的智能车辆纵向控制策略以及纵向控制器的可靠性进行分析和验证,使用MATLAB/Simulink与Carsim仿真软件进行联合,分别对巡航工况以及环境车辆直行、环境车辆换道切入场景下的跟车工况进行了仿真,并通过仿真数据对所建立的智能车辆纵向控制策略和纵向控制器的可靠性进行分析和验证。