无论技术如何发展安全始终是汽车第一要素。高级驾驶辅助系统（ADAS,Advanced Driver Assistance Systems）作为当今汽车领域的研究热点之一,能够减少道路事故总体数量,降低无法避免事故的严重程度,提高驾驶的安全性。并且,ADAS可以校正驾驶员的不良操作习惯,增强驾驶员的安全意识。由于ADAS具有的安全优势,使其市场认可度不断提高。但是,ADAS研发过程中也面临着产品开发周期长、测试成本高等问题。仿真测试技术能够很好地解决ADAS这一痛点,从而提高开发效率,加快产品落地。本文以ADAS系统建模、仿真测试为研究对象,主要从仿真模型、算法建模、仿真测试、结果分析四个层面进行论述。在仿真模型方面,以实际园区为对象,建立场景模型。以参数化、模块化的建模思想对标金龙联合汽车工业（苏州）有限公司某智能网联车型,建立14自由度车辆动力学模型。使用仿真软件Prescan的传感器模型,分析传感器的技术原理,在参考实际传感器性能参数的基础上,设置传感器模型参数。所建立的系统仿真模型提供了运行场景、车辆对象、环境感知等仿真要素,为ADAS的仿真测试奠定了良好的基础。在算法建模方面,针对ADAS不同的功能和性能需求,建立纵向辅助系统算法模型和横向辅助系统算法模型。纵向辅助系统算法模型包括基于模型预测控制（MPC,Model Predictive Control）的自适应巡航算法模型和基于碰撞时间（TTC,Time-to-collision）的自动紧急制动算法模型。横向辅助系统为基于模型预测控制的车道保持算法模型。所建立的算法模型为ADAS提供了良好的控制算法。在仿真测试方面,使用快速原型控制器、实时仿真目标机、驾驶员模拟装置、高性能工作站等硬件以及Prescan、Matlab/Simulink等软件,搭建了硬件在环测试平台。设计测试工况,分别验证了纵向辅助系统算法模型和横向辅助系统算法模型的性能。在此基础上,设计连续测试工况,验证了复杂场景下高级驾驶辅助系统的性能。在结果分析方面,为了分析“熟练驾驶员”的操纵特性和控制效果,通过驾驶员模拟平台采集若干位驾驶员的操纵数据,使用欧式距离和、确定系数、变异系数三个评价指标对驾驶员数据和“熟练驾驶员”进行评价。进一步地,采集ADAS辅助驾驶的操纵数据,将“熟练驾驶员”和ADAS辅助驾驶结果横向对比。最后,利用层次分析法构建评价体系,在该体系下评价两种驾驶行为。结果表明,本文建立的高级驾驶辅助系统可以提高驾驶员的驾驶能力,并在驾驶安全性、稳定性、舒适性方面具有优势。搭建的硬件在环测试平台稳定可靠,可以实现ADAS系统的全面测试。