随着全球机动车保有量的剧增,交通事故、交通拥挤等问题日益突出,已成为严重制约国民经济健康发展的重要因素。而今,智能交通行业正迅速发展,车路协同控制技术逐渐成为保证道路交通安全的主要研究热点,被作为能有效消除驾驶员不稳定性因素、提高道路通行效率的解决方案而备受关注。其中,智能车辆作为人-车-路协同驾驶系统的重要组成部分,它是在普通车辆的基础上增加了先进的传感器、控制器及执行器等装置,通过车载传感系统和信息终端实现与人、车、路的信息交互,具备针对车辆安全、舒适、节能等多种目标的实时行车环境感知、决策与控制能力,因此对实现驾驶功能优化、构建良好的道路交通环境具有十分重要的应用价值。本文主要针对车辆跟随过程,重点考虑纵向控制问题,建立了安全距离控制模型和油门/制动切换控制模型,并根据不同的控制策略设计出控制器,通过仿真对比分析控制效果,最终基于缩微环境下的智能车辆系统实验平台完成了实验验证。本文首先深入了解了国内外车路协同技术的发展现状,总结了智能车跟随行驶的研究情况。由于智能车作为实现自动驾驶的核心,文章制定了自动驾驶方案,根据方案设计了智能车的整体构架,详细介绍了车载传感器及工控机的选型和功能,由底层执行系统的结构设计了相应的控制系统,为车辆跟随控制的理论研究和实验测试奠定了基础。其次,建立了车辆动力学模型得出加速度的表达式,根据固定车头时距算法的思想,提出了安全距离控制模型,并设计了油门/制动切换控制规则和控制流程,完成了智能车跟随系统的整体控制设计。然后主要针对跟随系统的控制器展开研究,分别采用模糊PID控制和BP神经网络PID控制策略设计了控制器。最后,使用Matlab/Simulink软件进行计算机仿真,由相对距离误差仿真结果分析可知,模糊PID控制相对于传统PID控制在准确性上有所提升,而BP神经网络利用其自学习能力提高了控制精度,使得BP神经网络PID控制的效果明显优于传统PID控制和模糊PID控制,因此将神经网络PID控制算法用于实验测试。由于真实场景测试困难,运用缩微环境下的智能车辆系统实验台进行了跟随实验验证,实验结果表明BP神经网络PID控制器确实减小了车间距误差,能满足智能车安全跟随行驶。