随着人均汽车保有量不断增加，交通事故发生的越来越频繁，对预警系统的需求不断增加。统计结果表明，大约90%的道路交通事故与人的因素有关。制动行为作为一种伴随危险交通情况的典型驾驶行为，直接关系着道路交通的安全性。因此，车辆的制动预警系统研究一直是汽车安全领域的重要研究内容之一。
　　以往关于驾驶员制动预警系统的研究主要建立自车与前车的安全车距模型，从车辆的行驶参数来预警，没有考虑驾驶员的主观影响。针对该问题，本研究将驾驶员下肢表面肌电信号(EMG)引入到驾驶员制动预警系统中，通过表面肌电信号计算出制动减速度的实际值，接着根据构建的BP(back propagation)神经网络模型计算出制动减速度的预测值，将制动减速度的实际值和预测值之差作为制定预警策略的参数，提高了预警系统的性能，同时使得预警系统更加人性化。
　　首先，对表面肌电信号和足底压力值的采集和预处理过程进行分析。通过分析车辆制动过程，在Matlab软件平台上利用制动实验数据建立了表面肌电信号和足底压力值的数学函数关系；并利用实验数据拟合建立了足底压力和车辆制动减速度的数学函数关系；最终将两者结合得到基于驾驶员下肢表面肌电信号的车辆制动减速度计算模型。
　　然后，鉴于神经网络具有优秀的自主学习和预测的能力，设计了基于BP神经网络的驾驶员制动减速度的预测模型。针对模型没有考虑不同驾驶员的驾驶特性而预测精度不够高的问题，设计了双隐含层BP神经网络对模型进行优化。
　　最后，根据制动减速度的预测值和实际值之差建立四级预警策略，出于安全性的考虑，采用驾驶模拟器开展模拟驾驶实验。结果表明，该预警系统能够很好的预测出驾驶员制动时的危险程度，并给出报警。