人-车-路是道路交通安全研究不可分割的整体,随着人们对车辆主动安全性的要求越来越高,准确实时地获取车辆行驶的状态参数信息显得尤为重要。现有的针对人-车-路闭环系统下的车辆状态参数估计研究较少,且普遍将车辆运动做了较大程度的简化。鉴于此,本文设计基于卡尔曼滤波算法的车辆状态参数估计模型,拟探究考虑驾驶员（人）、车辆（车）和道路环境（路）综合影响下的车辆状态参数估计问题。首先,分析了人-车-路闭环系统的理论依据、建立方法和总体结构,在MATLAB/Simulink环境下建立整车仿真模型,通过移线、蛇形等常用试验工况验证所建模型的可靠性。其次,在闭环系统的基础上,结合扩展卡尔曼滤波算法的原理和特点,以前轮转角信号作为控制输入,纵向加速度、侧向加速度和横摆角速度信号作为测量输出进行状态估计器的设计,实现了对车辆纵向速度、侧向速度和横摆角速度的准确估计。最后,针对所建驾驶员模型在汽车速度高、方向盘转角大等复杂条件下不能再模拟驾驶员操作行为的问题,设计汽车驾驶员模糊PID控制模型,利用模糊推理的方法实现了对PID参数的在线自动整定,将驾驶员输出转角信息输入到Carsim闭环整车系统中,用于设计考虑滑移率影响的车辆纵向车速估计模型。结合闭环系统特点和驾驶员操作行为,选定Carsim自带的A/B/C三种车型验证估计模型的有效性,以初始速度、路面附着系数和卡尔曼滤波器参数(v_x0,μ,Q_k-1/R_k/X₀/P_k0)三类指标作为评价状态参数估计效果的依据,在v_x0和μ确定的情况下,讨论了滤波器的参数配置对状态参数估计的影响。典型工况下的闭环仿真结果表明,文中所设计的两种状态参数估计模型具有较高的估计精度,在特定工况和合理的滤波器参数配置下能够满足车辆主动安全系统的要求;另一方面,由v_x0、μ和Q_k-1/R_k/X₀/P_k0可以更加全面地描述仿真估计模型的可靠性,三类评价指标的评价结果在一定程度上相互联系,弥补了单一评价指标的缺陷;从影响程度看,测量噪声方差矩阵R_k对估计效果影响最大、初始状态X₀次之,再其次为过程噪声方差矩阵Q_k-1,而初始方差矩阵P_k0影响最低。