自动驾驶汽车是集环境感知、决策规划、控制执行于一体的智能交通工具,代表着未来汽车科技的发展方向。自动紧急制动系统（Automatic Emergency Braking System,AEB）作为能够主动检测碰撞风险并自主制动避撞的主动安全系统,是L3级以下自动驾驶汽车重要的组成部分,也是当前应用最广泛的辅助驾驶系统。真实交通环境复杂多变,针对AEB系统安全性、有效性的测试评价是其大规模应用的必要前提。然而,目前国内外AEB测试标准法规和测试方法多面向直道测试场景,测试结果多采用基于专家经验的主观评价方法,缺少适应复杂道路环境的AEB测试方法和多场景条件下的AEB综合评价方法。本文分析现有AEB测试评价方法,参考国内外AEB测试评价标准法规,针对城市道路特点,设计了十字路口环境中的AEB测试场景及其测试方法,与法规直道场景共同组成AEB典型测试场景,形成典型测试场景下的AEB测试方法。在此基础上,本文提出一种主客观结合的AEB综合评价方法,构建了仿真与实车测试系统,实现了面向典型测试场景的AEB仿真测试评价与实车测试分析。论文主要研究工作如下:构建AEB典型测试场景及其测试方法。本文在分析目前国内外AEB测试标准法规的基础上,从中国城市道路交通实际出发,以车辆在十字路口左转弯工况为核心,设计了十字路口环境中的AEB测试场景,覆盖了车辆在转弯时可能遭遇的多种碰撞风险,并结合测试法规要求提出了相应测试方法,利用本文设计的十字路口测试场景与法规中设定的直道测试场景构建了AEB典型测试场景。提出一种面向典型测试场景的AEB主客观综合评价方法。评价方法以目标物的相对距离、碰撞时间TTC、制动减速度为指标,建立AEB三层评价指标模型,通过层次分析法确定各评价指标和各测试场景权重。应用模糊变化原理和最大隶属度原则,实现AEB系统单一测试场景中的测试评价和所有典型测试场景中的综合性量化评价,形成典型测试场景下的AEB评价流程。基于Prescan仿真环境构建AEB测试系统,实现典型测试场景下的AEB测试评价。利用Prescan搭建AEB直道测试场景和十字路口左转测试场景。运用Matlab构建三种AEB控制算法,实现Prescan-Matlab联合仿真测试,根据本文提出的评价方法,对AEB典型测试场景下的仿真测试结果进行综合性的评价。仿真结果表明:设计的典型测试场景和测试方法符合AEB系统测试要求;提出的综合评价方法能够对搭载三种不同算法的AEB系统性能做出综合性的量化评价,由最终评价结果可知,基于TTC模型的AEB系统最终得分为78.97,基于Mazda模型的AEB系统最终得分为64.63,基于Honda模型的AEB系统最终得分为56.65,因此可知TTC模型较好于其他两种算法。基于封闭试验场,构建AEB实车测试系统,开展实车试验。根据实车场地测试需求,设计了实车场地测试系统的架构,提出了假人目标物、行人驱动系统、差分定位系统、上位机控制系统设计方案,基于构建的AEB实车测试系统开展了实车试验。试验结果表明,实车场地测试能够贴近真实交通道路环境,获取车辆在实际交通环境下的运行状态,对本文提出的理论方法提供了进一步验证。