据统计，由汽车追尾引发的交通事故占事故总量的20％以上，是交通事故主要发生形式。为降低交通事故发生率，近年来国内外研究人员进行了大量汽车主动安全方面的研究。其中驾驶行为特性研究作为汽车辅助驾驶系统研究一部分，是降低交通事故发生率的重要方法。随着研究的深入，驾驶行为研究成果不仅可以应用于交通事故预防方面，也可用于准确识别驾驶意图上。　　制动系统对汽车行驶安全起重要作用，对驾驶人的制动行为特性进行研究可以有效减免追尾事故的发生，也可准确识别驾驶员制动意图。但由于汽车驾驶是由人-车-路三者共同组成的，跟驰避险过程中驾驶员判断决策的复杂性和差异性，导致传统方法无法对制动行为作出详细、准确的量化和建模。本文在总结国内外对跟驰过程中制动行为和制动意图识别研究成果基础上，采用主成分分析方法确立了4个与制动减速度相关的参数作为BP神经网络输入值建立了制动行为模型，用k-means聚类分析确立了3个决策因子的隶属度函数作为模糊推理输入值建立制动意图识别模型。主要研究内容如下:　　1.理论分析及实验设计。详细分析了国内外制动行为及制动意图研究意义和现状，在阐述制动行为机理基础上总结出能促使驾驶员做出制动决策的跟车参数，结合本文研究目的，以“江苏大学交通安全研究平台——QJ-481型6自由度模拟驾驶器”为实验平台，进行虚拟交通实验场景设计、实验数据采集模型搭建、实验人员选取等工作。　　2.制动行为模型建立。通过对实验采集的相对距离、相对速度、前车加速度、后车速度、后车加速度、THW车头时距、TTCi碰撞时间倒数等与制动行为相关参数的分析，采用主成分分析法提取了4个对制动减速度累积贡献率达97％的参数作为BP神经网络模型输入，采用试凑法确定了神经网络中间层神经元数为13，神经网络结构确立为4-13-1，同样用对比法确立神经网络各训练参数，确保所建立的制动行为模型有较高的精确度。最后对所建立的模型进行了适用性仿真验证，证明采用神经网络建立制动行为模型的可行性。　　3.制动意图辨识模型建立。通过对当前行车环境参数、自车状态参数、踏板操作参数等与制动意图的相关性分析，确定了采用三者信息相融合的BP神经网络与模糊推理搭建文中的制动意图识别模型。首先采用滤波对踏板参数进行处理，使数据变得平滑。利用k-means聚类方法建立了模糊决策因子的隶属度函数，在matlab的Fuzzy工具箱中搭建了制动意图辨识模型，并最终产生了63条控制规则，经仿真验证表明，本章所建立的制动意图辨识系统可以及时有效的识别驾驶员的制动意图。