随着配备高级辅助驾驶功能的车辆数目的不断增加,由于辅助驾驶系统的可靠性而导致的事故数量也在不断增加,随着研发速度与技术更迭速度的不断加快,汽车辅助驾驶系统也在朝着复杂化和多元化的方向发展,传统的简单道路场景和测试技术已经无法快速且有效的对搭载智能驾驶技术的车辆进行测试。因此如何对智能车控制算法进行高效和全面的评价成为了智能车研发过程中亟待解决的问题。本篇论文主要阐述了一种基于模型在环理论构建的智能车仿真测试平台系统,并对车辆模型的构建过程、虚拟试验场景的搭建、算法测试以及优化过程进行详细的介绍。除了对智能车仿真测试平台的构建以外,本文还将利用实际的事故案例,在Prescan中进行事故还原,并将原事故车辆替换为Apollo智能算法控制的试验车辆,通过整套模型在环实时仿真系统来对Apollo智能车控制算法在事故场景下的具体表现进行仿真测试。首先对国内外智能车和智能车测试方法的研究现状进行详细的调查研究,并对传统方法所存在的不足和问题进行讨论,然后提出利用模型在环的方式来构建整套智能车测试仿真平台。然后对测试平台的构建思路进行详细的介绍:利用Trucksim和Prescan软件来构建虚拟的测试场景与车辆模型,Apollo开源平台的搭建与模块选择、利用ROS通讯系统来实现linux系统与windows系统的通讯,从而实现控制算法对车辆的控制。最后根据PC-CRASH中根据事故原始数据进行事故重建并导出场景GIDAS格式数据,在Prescan中导入GIDAS数据进行事故场景的重建,然后将原事故车辆替换为由Apollo控制算法所控制的虚拟车辆模型,并在搭建好的模型在环平台中进行实时的仿真测试,然后根据可视化结果中车辆的具体表现来对Apollo控制算法进行优化和修改,最后将该套智能车软件在环测试仿真系统在具体实验测试中的表现与传统的测试方法进行对比和讨论。证明了该套智能车测试仿真平台在保证一定精度的情况下,测试周期更短,更加适合在智能车开发前期阶段对整车算法进行快速的概念验证与前期功能测试,并且事故场景仿真测试的加入对智能车开发具有重要的推动作用。