近20年来汽车的快速增长和大量普及使我国成为汽车产销第一大国，随之产生的交通事故及人员的伤亡，也使我国面对越来越严峻的交通安全问题。随着社会经济的发展进步和人民生活水平的提高，对传统的车辆交通安全技术提出了更高的要求。在进一步发展被动安全技术的同时，车辆的主动安全技术开始得到高度的重视。本文旨在设计一种以车辆驾驶临界跟随距离数学模型和BP神经网络相结合的在线智能系统，用于安全车距分析和预警，减少事故发生率。通过对现有的车辆主动碰撞报警/避免碰撞(CW/CA)技术的研究，注意到大多数临界跟随距离数学模型对于驾驶员在行车过程中的个体特性考虑不足。由此，建立了一个BP神经网络模型，以跟随车辆的初始速度(v1)和前车初始速度(v2)作为输入变量，以在行车过程中体现驾驶员个体特性的参数相对减速度(a)和最终跟随距离(sfl)定义为输出变量，通过BP神经网络计算获取相对减速度(a)和最终跟随距离(sfl)。进而使用MATLAB对建立的BP神经网络模型进行了可行性论证与仿真分析。利用BP神经网络的误差反向传播的特性，将BP神经网络预测数值与驾驶员实际行车过程产生的数值相比较，并通过对网络的权值和阀值进行实时的调整，使得BP神经网络产生的预测值更加贴近于驾驶员实际行车过程产生的数值。使用最终的临界安全距离数学模型作为报警的依据，以确保获取的距离数值的准确性。最后开发了跟随距离数学模型和BP神经网络相结合的原型系统，对整个跟车过程进行了模拟及仿真分析，以获得符合实际工况中尽量多样驾驶员的行车习惯，从而提高报警的临界车距的预测精度，减少误报和不报的情形。本文结果可为车辆主动碰撞报警/避免碰撞(CW/CA)的系统设计提供理论依据和应用参考。