眼下,城市里随处可见的车流都可以表明汽车已经成为人们短途代步出行的工具,所以关于汽车出行的安全与舒适已经变成了大家所关心的热门话题,随着人工智能的蓬勃发展,智能汽车成为能够全面切实地提高车辆性能的有效途径,但是受电子技术以及伦理道德的限制,完全自动驾驶汽车还很难落地应用,所以在目前和未来很长一段时间里,人类和智能控制器将以共享车辆驾驶权的方式存在在整个车辆的决策控制过程中。从现存的大量的文献研究中看,目前关于人车共享控制在冰雪路面情况下的数据和实验较少,车辆在冰雪天气低附着、不对称路面下行驶时,其运行状态必然会受到显著的不利影响,车轮更易打滑,车辆就更容易失稳酿成事故,从而,在冰雪路面情况下探讨人机共享控制问题是很有必要和意义的。为此,本文在冰雪路面情况下针对人车共享问题展开讨论,提升车辆跟踪精度和行车稳定性,具体研究内容包括如下方面:（1）在冰雪路面情况下,车辆更易失稳。在这种情况下,常用的单轨模型不能很好地表示车辆非线性、不对称的特征,因此,本文要建立能够表征以上特性的高维车辆模型,为后续人车共享问题的研究提供较为精准匹配的模型;（2）针对人车共享控制问题,考虑驾驶员和自动系统直接相互影响通信再混合输出的方案较为复杂,并且会影响驾驶员的驾驶体验,与辅助系统的初衷背道而驰。因此本文将人机共享转向问题转化为优化求解问题,设计间接共享结构使最后直接获得车辆行驶所需的修正后的前轮转角,该结构能在一定程度上改善了直接共享控制的缺陷。同时,将车辆行驶的稳定性约束转化为模型预测控制中的约束,将车辆路径跟踪精度和操作平稳性作为模型预测控制中的主要优化目标;（3）利用模糊推理来实现人和机器之间的权重分配,即通过设定的模糊推理规则来自适应地调整自主驾驶权重系数,同时充分考虑跟踪精度与司机意图,从而实现了驾驶权的合理分配。并在Matlab/Simulink和Car Sim系统中联合模拟,检验了控制器的控制有效性。试验结果表明该结构即使在驾驶员存在危险操作时或控制器失灵操作下,同样可以保证很好的轨迹追踪特性。