开展汽车运动状态在线测量及预报技术研究，提前预报汽车未来时刻的行驶运动状态，预先警示驾驶员，甚至直接驱动车辆控制系统，对于提高车辆行驶主动安全、减少道路交通事故将起到十分重要的作用。　　 汽车运动状态在线测量及预报技术是指汽车在道路行驶过程中，通过布置在汽车上的惯性传感器在线地监测汽车行驶运动状态的基础上，运用一定的技术和手段进一步准确可靠地预测出汽车未来短时间(1至3秒)内的行驶运动状态。　　 为实现对汽车运动状态参数在线测量的目的，自主设计了微惯性测量单元MIMU(Micro Inertial Measurement Unit)，对其误差模型进行了分析，同时设计了MIMU的标定系统和开展了传感器的标定工作。进一步研究了汽车的姿态和速度积分算法，考虑到MEMS(Micro-Electro-Mechanical Systems)传感器精度相对较低的因素，设计了Kalman滤波器来完成传感器信号的融合处理以获得汽车运动状态参数的最优估计值。并进一步开展了Matlab仿真工作，仿真结果表明汽车姿态与速度积分算法以及Kalman滤波器设计的准确性和可靠性。　　 在获得汽车行驶运动状态参数的基础上，基于自回归(Auto-Regressive，AR)模型、多层递阶(Multi-Level Recursive，MLR)模型开展了汽车运动状态参数的预报研究。详细分析了两者的具体建模预报过程，并着重对与行车安全密切相关的6个主要的运动状态参数开展了Matlab仿真工作，仿真结果表明两种预报方法都达到了一定的预报效果，多层递阶方法由于考虑到汽车运动的时变性和非线性特性，其预报精度要高于AR预报方法。　　 基于VB2005、NI Measurement studio和Matlab.NET生成器开发了汽车运动状态在线测量及预报软件。通过引入VB与Matlab混合编程的思想，充分发挥了VB的界面优势和Matlab的数学运算优势，减少编程工作量，提高了软件开发效率。所开发的软件不但能够实现对汽车运动状态参数在线测量和实时预报的目的，同时还具有良好的人机交互界面。　　 最后搭建了车载试验平台并开展了实车道路试验。试验结果表明AR建模预报方法对汽车的状态参数中自相关性较强的横摆角速度、横摆角、侧倾角、纵向车速4者取得了很好的预报效果，向前1秒预报的平均相对误差率为5％～6％，向前2秒为12％～13％，向前3秒为20％～22％。并且试验与仿真结果具有很好的一致性，充分说明所开展的汽车运动状态在线测量及预报研究的正确性和可行性。