面对只增不减的汽车保有量和巨大的交通安全事故损失,汽车主动安全技术已成为衡量智能车辆驾驶安全性的重要指标。智能车前方碰撞预警技术的发展,能有效预防碰撞事故的发生,对于减少伤亡损失和保证道路安全具有重大意义。随着传感器技术、信息处理技术、智能控制技术等的不断发展,车辆防碰撞预警技术可通过智能算法融合自车与周边环境的信息,并考虑驾驶员特性,改善目前存在的问题,使之更加智能化,精准化。本文以城市中智能车辆为研究对象,对前方碰撞预警系统的信息采集、安全距离模型和控制预警决策进行了研究,将智能车辆运动状态估计与碰撞预警系统相结合,考虑驾驶环境改进安全距离模型,建立集前方目标车辆跟踪、驾驶意图辨识于一体的前方碰撞预警系统。首先对智能车辆前向目标运动状态估计进行研究,提出了基于当前统计模型的无损卡尔曼滤波算法,在MATLAB中对前车做匀加速运动和变速运动两种工况下的相对距离和相对速度进行估计。仿真结果表明:当前统计模型更加贴近机动目标车辆运动规律,所提算法的估计误差小于扩展卡尔曼滤波算法的误差,可有效跟踪前车的运动状态。其次针对目前碰撞预警系统安全距离模型适应性不够的问题,基于车辆制动过程和前车运动状态建立最小安全距离模型。运用模糊推理算法,讨论不同天气状况和路面条件下的驾驶员反应时间和最大制动减速度。在此基础上,对前方碰撞预警系统进行设计,计算提醒报警距离和危险报警距离,引入驾驶意图模糊辨识模型,提出了不同驾驶意图下的三级碰撞预警策略。最后应用MATLAB的Fuzzy工具箱和Simulink模块,对比基于模糊推理修正后的最小安全距离计算结果和传统模型的计算结果,验证了驾驶环境对安全距离的影响,得出高适应性的模型有助于降低虚警率;应用PreScan/Simulink联合仿真,建立低速和高速工况下的虚拟测试场景,验证引入车辆运动状态估计后碰撞预警系统的效果,仿真结果表明预警系统更加合理可靠,可以成功避免碰撞事故发生。