En los últimos años, el enfoque de la industria del transporte inteligente se ha estado desplazando hacia la investigación y desarrollo de automóviles inteligentes con control autónomo. Los automóviles inteligentes son considerados una inversión inteligente, ya que promueven la conducción segura al centrarse en una fuente de combustible de transporte alternativa, lo que los hace también respetuosos con el medio ambiente. La conducción segura es una de las preocupaciones cruciales en los automóviles inteligentes autónomos. El principal problema para una mejor provisión de la conducción segura es la gestión de tareas en tiempo real y un sistema de inferencia eficiente para el control autónomo. La gestión de tareas en tiempo real es de gran importancia en los sistemas de control de automóviles inteligentes. Un sistema de control óptimo consta de una base de conocimientos y una unidad de control; donde la base de conocimientos contiene los datos y umbrales para las reglas y la unidad de control contiene la funcionalidad para el control autónomo de vehículos inteligentes. En este trabajo, proponemos un híbrido de un motor de inferencia y un programador de tareas en tiempo real para una gestión eficiente de tareas y consumo de recursos. Nuestro mecanismo propuesto de motor de inferencia híbrido y programador de tareas proporciona una forma eficiente de controlar automóviles inteligentes en diferentes escenarios como lluvia intensa, detección de obstáculos, desviación del enfoque del conductor, etc., asegurando las prácticas de conducción segura. Para el análisis de rendimiento de nuestro mecanismo de programación basado en inferencia híbrida propuesto, hemos simulado una versión no híbrida con las mismas restricciones del sistema y una implementación básica del motor de inferencia. Para la evaluación del rendimiento, se utilizan la utilización del tiempo de CPU, la tasa de pérdida de tareas y el tiempo de respuesta promedio como métricas de rendimiento.