近年来,交通事故呈不断上升的趋势,尤其是高速公路上的追尾事故频发。因此人们越来越关心汽车的行驶安全问题。提升行驶安全的措施有被动安全措施和主动安全措施。被动安全措施不能有效地避免事故的发生,只能在一定程度上减轻事故的损失,而主动安全措施能够从源头上抑制交通事故的发生。所以对车辆主动安全的研究具有重要的理论价值和实际意义。根据以往车辆主动避撞控制系统的成果,本文针对车辆碰撞的风险评估和主动避撞控制展开了探讨。主要研究内容如下:针对现有的避撞预警方法不能保证驾驶员在接受预警后有充足的时间正确操作车辆,本文提出了一种新的追尾碰撞风险评估模型。首先,系统地分析了人、车、路及环境这些因素对追尾事故的影响。其次,在对前后车辆发生追尾碰撞的概率进行评估之前,先通过训练数据集构建关于追尾碰撞的贝叶斯网络,其中根据追尾碰撞模型得到训练数据集。在已知当前状态信息的前提下,利用卡尔曼滤波器(KF)预测下一采样时刻前后车辆的状态信息。根据获得的贝叶斯网络和下一采样时刻车辆的状态信息预测下一时刻发生追尾事故的概率。为了简化主动控制单元,本文仅将追尾碰撞风险划分为两个等级:高风险、低风险。并利用实验,检验该风险评估模型的准确性。若下一时刻发生追尾事故的概率高,后车应及时启动控制单元以避撞;反之,若概率低,后车不需要向本车驾驶员发送预警。就主动避撞系统而言,人们提出了多种解决方案。例如PID和LQG,然而这些控制器建立在数学模型的基础上。本文研究在车辆制动系统的模型不清楚的情况下,设计适用于车辆的模糊控制器(FLC)。但FLC的性能取决于模糊规则的数量,因此本文利用遗传算法(GA)对规则进行优化。若利用GA实时地优化模糊规则,那么达到最优值的时间取决于规则的数量。因此本文采取了离线的方式对模糊规则进行优化。通过MATLAB软件中的SIMULINK工具包,建立了基于GA的模糊控制器的模型。实验结果显示,本文设计的模糊控制器能够达到避撞的目的。