车速预测作为车辆智能化的重要组成部分,可为车辆的决策系统提供未来的行驶数据,对智能车辆、安全辅助驾驶及动力系统控制等研究有着重要意义。由于车速受多种因素的影响,具有显著的时变性与非线性,所以对预测有较高的要求。本文以本车车速预测为研究对象,分析车速数据时间序列特性,利用NAR神经网络在处理非线性与时变性时间序列上的优势建立预测模型对车速进行预测,并将建立的预测模型应用于防碰撞预警系统,对预测方法的有效性进行验证。本文首先通过车载OBD-Ⅱ设备与单目视觉相机采集本车车速数据及前车距离数据,并通过卡尔曼滤波对采集的数据进行滤波,为神经网络的训练提供数据支持。然后,建立了基于车速自回归的NAR网络结构,并通过反向传播算法以串联的形式对网络参数训练优化,通过与HMM车速预测方法的对比以及城市公交车工况的预测分析,验证NAR网络具有很好的预测精度、时变性能和长期预测能力。最后,将NAR神经网络预测算法应用在防碰撞预警系统中,以临界跟车安全距离模型为碰撞判断依据,预测模型预测的车速及车距用于计算临界车距,从而将预警时间提前。试验结果表明NAR神经网络预测模型可对车速有效预测。