随着汽车行业智能化的研究逐渐深入,先进驾驶辅助系统越来越被厂商和消费者重视。车道偏离预警系统(LDWS)和车道保持辅助系统(LKAS)作为两种基础的先进驾驶辅助系统,可在驾驶员出现疲劳驾驶或注意力不集中时有效减少因无意识车道偏离而引发的交通事故。为适应复杂多变的行驶环境,LDWS和LKAS应具备在干扰信息下准确识别出车道信息并及时向驾驶人员发出偏离警报的能力和在低、中、高速的全速工况下良好的车道保持主动控制能力。本文基于Tesla Model S车型参数研究了车道偏离预警和车道保持算法。首先研究了基于图像信息的车道识别,以校园周边道路的图像信息为输入,在MATLAB中完成了图像预处理、分割、边缘检测提取等操作,获取了参数化的车道模型,并建立了基于图像信息的车道中心线偏差模型。选取基于预瞄偏移量车道偏离预警(FOD)算法,根据不同驾驶员驾驶习惯和倾向调整预瞄时间和预瞄位置偏移量,根据国家标准设计车道偏离预警仿真工况,使用CARSIM软件搭建仿真场景并验证了FOD车道偏离预警判断算法有效性。运用模型预测控制原理,基于车道中心保持思想,考虑车道保持跟踪过程中汽车行驶平稳性的要求,对带有质心侧偏角、轮胎侧偏角、横摆角速度、前轮转角多约束的模型预测控制过程进行了研究,基于多约束预测控制理论设计了车道保持主动控制算法。根据车道保持主动控制过程的工作特点,设计存在初始偏移量的偏移修正工况和双移线轨迹跟踪工况。根据两种工况对应的车道保持工作阶段选取不同参数条件的模型预测控制策略,结合仿真结果分析控制算法对车道偏离的修正能力和低、中、高速下轨迹跟踪效果,认为模型预测控制算法可快速完成初始位置偏离修正并在全速工况下实现不偏离出车道的车道轨迹跟踪。分析了不同预测时域和控制时域对车道轨迹跟踪效果的影响,认为增大预测时域或减小控制时域可使控制灵敏度下降、控制稳定性提高。分析了高速工况轨迹跟踪出现超调和振荡的原因,认为在高速工况下应采用较大预测时域来提高控制的稳定性,在低速工况下应采用较小预测时域以减少计算负担,基于此思想设计预测时域可变的模型预测控制算法,并进行了SIMULINK与CARSIM联合仿真,仿真结果表明可变预测时域多约束模型预测控制算法可控制汽车在不同车速下平稳地完成车道保持跟踪过程。