目前汽车保有量不断增加,公路交通网路日趋复杂,复杂交通场景中由于驾驶人视线受影响或者车速、安全距离控制不当等原因极易造成交通事故。基于雷达和机器视觉的车辆防撞预警技术在视距范围内预警作用明显,但在超视距范围的防撞预警作用势弱,易受环境、道路状况影响。V2X(vehicle to everything)车联网技术的发展有效实现了超视距范围内车辆的感知、识别,为基于V2X通信的车辆防撞预警提供了技术基础。论文通过对V2X车联网防撞预警的研究分析,设计了一种基于V2X通信技术的车路协同防撞预警方案。该方案设计改进了安全距离模型和隐马尔科夫模型(Hidden Markov Model,HMM)用以实现不同场景下的防撞预警功能。针对传统安全距离模型中存在的没有合理量化驾驶人反应时间、消除制动间隙时间、“looming效应”参数,使得危险判断准确性较低的问题,论文提出一种改进的安全距离模型进行优化、提高模型准确性。改进的安全距离模型在传统安全距离模型的基础上,引入统计值量化驾驶人反应时间和消除制动间隙时间,参数_cT量化“looming效应”以对模型进行优化。同时,通过V2X通信数据交互的高实时性,有效的提高模型准确性。改进的安全距离模型预测车道路和车辆提醒场景,准确性较高,时延较低,能显著的提高驾驶安全。针对车辆跟驰场景中仅通过运动模型判断危险状况准确性较低的问题,论文提出了改进的隐马尔科夫模型,通过分析驾驶人驾驶行为数据训练模型参数,采用K-means算法进行数据处理,将车辆数据离散化,通过监督学习方法训练模型参数,同时设计采用改进的安全距离模型对状态数据进行危险状态标记,提高维特比预测的实时性和准确性。车路协同防撞预警实现方案采用模块化设计思想,根据系统功能分为通信模块、数据模块、防撞预警判断模块,将数据获取,数据处理和同步,防撞预警业务处理和同步进行并发运算,充分提高系统的实时性和预警判断的可靠性。论文通过搭建IPG CarMaker仿真平台、Simulink工具和车载终端设备等组成的仿真验证平台进行测试验证,然后通过对部分场景在保证交通安全的条件下进行了外场测试,充分验证防撞预警功能的实现情况。