先進的駕駛系統（AdvancedDriverAssistanceSystems）即高級駕駛員輔助系統，簡稱ADAS，是利用安裝于車上各式各樣的傳感器（可偵測光、熱、壓力等變數），在第一時間收集車內的環境數據，進行靜、動態物體的辨識、偵測與追蹤等技術上的處理，從而能夠讓駕駛者在最快的時間察覺可能發生的危險。，以引起注意和提高安全性的主動安全技術。

近年來ADAS市場增長迅速，原來這類系統局限于高端市場，而現在正在進入中端市場，與此同時，許多低技術應用在入門級乘用車領域更加常見，經過改進的新型傳感器技術也在為系統布署創造新的機會與策略。

駕駛輔助系統主要由GPS和CCD相機探測模塊、通信模塊和控制模塊等組成。其中，GPS和CCD相機探測模塊通過GPS接收機接收GPS衛星信號，求出該車的經緯度坐標、速度、時間等信息，利用安裝在汽車前部和后部的CCD相機，實時觀察道路兩旁的狀況；通信模塊可以發送檢測到的相關信息并在相互靠近的汽車之間實時地傳輸行駛信息；控制模塊可以在即將出現事故的時候做出主動控制，從而避免事故的發生。

ADAS采用的傳感器主要有攝像頭、雷達、激光和超聲波等，可以探測光、熱、壓力或其它用于監測汽車狀態的變量，通常位于車輛的前后保險杠、側視鏡、駕駛桿內部或者擋風玻璃上。早期的ADAS技術主要以被動式報警為主，當車輛檢測到潛在危險時，會發出警報提醒駕車者注意異常的車輛或道路情況。對于最新的ADAS技術來說，主動式干預也很常見。

ADAS通常包括以下系統

信息感知、決策算法、預警信息發布

前方防碰撞預警系統決策算法

在國內外的諸多研究中，前方防碰撞預警系統決策算法可以分為兩種形式，一種是通過比較本車與前方目標車輛之間的相對距離與安全距離的大小以判斷本車的行駛安全，稱為安全距離邏輯算法；另一種形式是通過輸入信息計算車輛間的潛在碰撞時間，并把此時間與安全時間門限值進行比較來判斷系統車輛的行駛安全性，稱為安全時間邏輯算法。美國哈弗大學學者Fancher 、南安普敦大學的Sultan 等人都先后研究過安全時間邏輯算法[9]。由于不同的駕駛員其駕駛行為存在很大差異性，所以對安全時間門限值的設定也有不同的要求[18]，為此，多數研究還是采用更為直觀的相對距離與相對速度對應的安全距離邏輯算法來判斷汽車的行駛安全狀態。安全距離邏輯算法研究其原理是基于牛頓運動定律，但對車輛行駛危險性進行評估的方法各不相同，下面介紹幾種典型的安全距離邏輯算法。Knipling 等人在1993 年提出如公式(1.1)所示的算法，得到了包括日本馬自達公司、等多家企業與科研院所的普遍采用。

式中， 1 v 為本車速度； 2 v 為前方有效目標車輛的速度， 1 a 為本車制動減速度； 2 a 為有效目標的制動減速度， 1 t 為駕駛員反應時間； 2 t 為制動系統延遲時間； w d 為預警。在此公式下，一般為了計算的簡化，對公式中的本車制動減速度1 a 與前車制動減速度2 a設定固定值，常假設2 a 略小于1 a 或等于1 a ，并取當前道路附著系數下制動車輛減速度的最大值。日本馬自達公司研制開發的防碰撞預警系統決策算法在公式(1.1)形式基礎上引入停車間距0 d ，其系統應用于在高速公路上行駛的車輛之間。馬自達系統通過大量實驗

測定公式中系統延遲時間和本車減速時間兩個參數。在實際工作中，當車輛間的相對距離接近w d 時，馬自達的系統就會發出報警，即在相對距離小于 +ε w d 時刻駕駛員將收到報警信息，ε 為系統參數；當兩車間距離小于w d 時系統啟動剎車裝置。馬自達模型使用了停車間距的概念，使安全距離模型更為安全化與合理化，但是沒有考慮前后車輛間的相對運動關系和路面因素對安全車距的影響[22]。

相對前面所述Knipling 等人提出的簡單算法，一些公司和科研院所對行駛工況進行了分類，在Knipling 等人算法的基礎上，制定出更為細化的安全距離計算方法。

(1)CAMP(Crash Avoidance Metrics Partnership)的各成員通過對比FCW 系統的全部行駛工況與各工況的發生率，從中挑選出9 種最典型工況，進行了大量的主觀評價與實車實驗，重點研究人的不同反應時間與不同制動強度對碰撞預警信息發布時刻的影響[2]。CAMP 的線性算法由Kiefer 等人提出，算法中很多公式的參數是都在大量實驗基礎上得出的經驗數值，其線性算法流程如圖1.5 所示。