智能汽车的发展日益迅速,随之而来的智能驾驶功能也越来越丰富,针对驾驶员的主被动安全功能开发一直备受关注,而关乎弱势道路使用者的安全问题也逐渐被重视。在繁忙的交通环境中,汽车配备的主动安全功能在很大程度上能够避免交通事故的发生,而驾驶员和交通环境中的弱势道路使用者均属于被防护的对象。本文研究的主题是在典型的城市工况下,探讨实时评估碰撞风险指数和决策主动制动时机的方法。本文研究的主要内容包括:主车和行人运动状态估计算法,主车行人碰撞风险评估算法,主动制动决策算法和制动系统响应特性等,重点研究碰撞风险评估和行人运动状态估计。针对主车和行人的运动状态估计主要运用了基于运动学模型推导的Kalman滤波算法,主车运动学模型是参考恒转率匀速运动模型,行人运动学模型是参考匀变速运动模型,然后通过坐标变换,基于当前时刻车辆坐标系推导系统状态向量的关系映射矩阵,进而构建Kalman滤波算法中的相关系数矩阵。结合对行人和主车的运动状态估计结果,设计了基于运动学和几何学的碰撞风险评估算法,计算碰撞风险特征参数——碰撞时间,基于该特征参数,设计了模糊逻辑决策算法,根据当前的碰撞时间来输出期望的制动减速度。为了匹配仿真系统中制动系统的控制接口,基于实车制动实验数据搭建了一阶惯性纯滞后的制动系统响应模型,并通过数据拟合手段建立制动减速度与制动主缸压力之间的近似关系,从而将决策期望与制动执行贯通。借鉴E-NCAP中针对行人避撞的相关测试规范,本文基于PreScan场景建模软件搭建了相关的测试场景,并结合Matlab/Simulink开发相关算法模块,构建场景—算法联合仿真平台,最终完成了相关的仿真测试。本文一共设计了五种典型测试工况(CPFA、CPNA、CPNC、CPLA和CPTA),主动制动决策算法采用模糊逻辑决策,从仿真测试结果来看,行人主车运动状态估计算法效果良好,碰撞风险评估算法也能及时反馈当前的紧急状态,主动制动决策算法能够连续请求合理的减速度,在完整的仿真测试工况下,本文设计的避撞行人的主动制动决策算法能够完全避撞行人。