智能汽车是智能交通系统的重要组成部分,可有效缓解交通拥堵、减少交通事故发生、降低能源消耗。随着我国经济社会发展,货运物流需求日益增长,在商用车行业,尤其是货运车辆,将是最早实现自动驾驶产业化的领域。纵向控制作为智能汽车最重要的系统之一,其最终功能是实现对车辆纵向运动的自动控制,包括速度决策和控制2个方面。本文建立基于卡尔曼滤波与递推最小二乘(Kalman Filter-Recursive Least Square,KF-RLS)的联合参数估计方法,可实现车辆与道路关键参数的准确识别。同时,搭建考虑驾驶员行为特性的车速模型,设计可适应道路几何特征与前方目标车辆的自适应巡航控制系统(Adaptive Cruise Control,ACC)。具体的研究内容包括以下几个方面:首先,研究基于KF-RLS的联合参数估计方法。该方法由2部分组成,KF用于滤除传感器检测的状态噪声;RLS利用滤除噪声后的状态量,结合车辆纵向动力学模型进行参数估计。整个方法可分为3层,先估计整车质量,接着获取车辆质心位置,在此基础上实现路面附着系数的识别。仿真实验表明,联合估计算法比单一的RLS具有更高的精度和抗干扰能力。然后,分析车辆转向时的动力学模型,从横向与纵向安全的角度进行车速建模。同时考虑驾驶员的速度选择特性及前车对自车速度的影响,通过引入驾驶员因子和车间反应距离,建立考虑人车路耦合的车速决策模型,为自动驾驶速度决策提供支撑。最后,在前2部分的基础上,设计可适应道路几何特征与前方目标车辆的ACC系统。整个系统由上下2层控制器构成:基于模型预测控制(Model Predictive Control,MPC)滚动优化思想设计的上层控制器,以及由卡车执行机构特性设计的下层控制器。并根据车辆行驶状态的不同将控制系统分为自由巡航、紧急制动与跟车行驶3种模式,可由行驶工况的变化自动切换。并且针对不同的控制模式重新调节目标函数中的权重系数和约束范围,从而获得最优的控制效果。为了验证多模式控制系统的有效性,先在直线道路下利用4种典型工况进行验证。其次,针对高速公路易发生事故的弯道路段,设置2组不同路面附着系数的弯道综合行驶工况。研究结果表明:本文设计的ACC系统可根据行驶道路信息和目标车辆状态进行合理的速度决策,并实现不同模式的自动切换,同时兼顾车辆行驶的多个目标,实现安全、舒适行驶,从而提升了ACC系统的性能,扩大了使用范围。