随着科技的不断进步,经济的不断发展,汽车在人们日常生活中占有越来越重要的地位,交通情况也越来越复杂,导致交通事故发生概率逐年上升。在造成交通碰撞事故的众多因素中,主要分为外部环境因素和汽车本身因素两个方面。而在这些影响因素中,通过粗糙集理论可以分析出哪些是主要因素,这对于汽车安全检测系统建模及评价机制的研究有很重要的意义。对于影响汽车安全的各种因素,可将汽车安全分为主动安全和被动安全。本文在国内外大量文献分析的基础上,针对汽车安全检测系统建模展开研究,具体内容为:首先,在汽车被动安全中,针对汽车发动机故障问题,提出了一种改进的SOM聚类连续属性离散化计算方法,弥补了粗糙集算法仅仅能够对离散数据作出处理的不足。该方法首先使用SOM方法对目标数据做出离散化处理,获得初始聚类的中心和最优权值,然后使用K-means聚类算法对经过SOM方法得到的初始输出结果做出二次聚类处理,得到样本数量,并对样本进行整理和归入所属簇,得到最终离散化结果。其次,利用粗糙集理论对其进行建模,并且对于同一组数据,利用邻域粗糙集进行了处理。最后,在传统粗糙集的基础上提出了以粒子群优化算法为基础的粗糙集约简算法,将三种方法得到的约简结果进行了比较,并利用MATLAB进行仿真。结果表明,基于粒子群的粗糙集约简算法可以达到对汽车安全检测的目的。通过针对汽车主动安全的建模,再次证明了以粒子群优化算法为基础的粗糙集属性约简算法的可靠性。通过对汽车安全检测系统建模及与评价机制分析,可以提高汽车故障检测的精度,减少汽车碰撞几率,从而保证汽车辆的安全性和稳定性。