安全一直是汽车行业持续健康发展的核心要素。伴随着安全问题越来越被重视,预期功能安全（SOTIF）应运而生,即不存在由于预期功能或其实施的功能不足或合理可预见的人员误用所产生的危害进而产生的不合理风险。目前针对SOTIF的研究依然停留在理论层面,尚难实现其落地研究。另外,随着汽车技术的不断进步,自动驾驶汽车依靠大数据、人工智能、计算机视觉、高精地图、高精定位、协同计算等技术,将汽车智能化水平逐步提高。自动紧急制动（AEB）作为自动驾驶汽车中一项常见的主动安全技术,其对于汽车以及驾乘人员的安全也十分重要。因此,本文将AEB系统作为载体,对预期功能安全的各个流程进行分析与研究,进行AEB设计,采用STPA即系统理论过程分析方法对AEB系统SOTIF进行安全性分析,并通过批量化仿真找出相关验证场景的安全边界以及不安全场景。通过遗传算法调节AEB算法参数,将AEB系统对应的部分不安全场景转化为安全场景,扩大安全边界,增大已知安全区域,改善AEB系统的SOTIF。首先,依托AEB系统,将其作为载体,对预期功能安全的分析框架进行设计,对功能和系统规范进行描述,进行危害识别和风险评估,以及识别和评估相关触发事件。针对AEB系统的算法制定了SOTIF的验证方法和策略,对验证场景进行选取,以及对改善SOTIF的措施进行分析研究。接着,根据AEB系统架构,对AEB总体方案进行了设计。根据毫米波雷达传感器获取到的前方目标信息,设计了最危险目标选取算法,从众多危险目标中选取最危险目标,考虑了直道和弯道两种情景。此外,进行了AEB系统分级预警/制动策略的设计,确定了制动强度、TTC阈值等相关参数,搭建相关模型,采用PID对主车速度进行跟随控制,并基于E-NCAP经典测试工况对本文的AEB系统进行合理性验证。然后,利用STPA对AEB系统SOTIF进行安全性分析。根据AEB系统定义系统级危险,进行危害识别和风险评估,明确系统的安全约束,建立了AEB的分层控制结构。针对城市场景和高速公路场景对分层结构进行了更加详细的建模,并根据建立的两种场景下的分层控制结构,对可能导致危险的控制行为进行了识别,识别出不安全的控制行为,细化安全约束,进而识别出两种场景下的致因场景,并针对其中高速公路场景的触发事件进行选定和评估。最后,根据选取的验证场景,采用Prescan软件和Simulink软件批量化联合仿真的测试方法,找出所设计的AEB系统中直道场景以及部分弯道场景的安全边界,并找出相关AEB误触发场景。通过对AEB算法进行改进,即通过遗传算法对AEB算法中的关键参数进行调节寻优,最终扩大部分弯道场景的安全边界,避免AEB误触发场景的出现,将不安全区域转化为已知的安全区域,从而实现改善AEB系统预期功能安全的目的。