汽车行驶安全是交通发展的永恒主题。随着汽车保有量的迅速增加,公路交通事故发生率居高不下,交通安全问题日益突出。汽车纵向避撞预警系统能够及时地向驾驶员提供前方危险警示信号,避免可能发生的追尾碰撞事故,提高汽车的主动安全性。但是目前已有的汽车纵向避撞预警算法(Vehicles’Frontal Collision Warning Algorithm, VFCWA)还不能很好地保障汽车的安全。此外,由于驾驶员行为特性对VFCWA有不同要求,而目前大多数VFCWA不能满足驾驶员行为特性的需求,学术界对这方面的研究很少。因此,设计和实现合理的VFCWA对减少或避免追尾碰撞事故的发生、满足驾驶行为特性的需求具有十分重要的应用价值。安全车距模型是VFCWA的基础。本文通过分析以往的安全车距模型的不足,对安全车距模型提出了修正方案,建立了一种有效的安全车距模型。同时,基于VFCWA应该适合驾驶员驾驶行为特性的要求,提出利用BP神经网络建立驾驶员减速制动行为模型(Driving-Braking Behavior Model, DBBM)的方案。然后,提出将DBBM与安全车距模型相结合以制定有效避撞预警策略的VFCWA。文章首先介绍了现有的VFCWA,在分析汽车制动过程的基础上,建立了安全车距模型,解决了以往安全车距模型建立不够精确的问题。其次,基于VFCWA的适应性要求和驾驶行为理论,提出利用驾驶员减速制动行为来描述危险情况下驾驶特性的方法。接着,利用BP神经网络建立了DBBM,通过仿真实验验证了该模型的学习和预测结果。然后,基于改进的安全车距模型和DBBM,提出了反映驾驶行为的VFCWA。为了验证算法的正确性和适应性,在VC++下用OpenGL API实现虚拟驾驶系统,并将安全车距模型算法和在MATLAB环境下建立的BP神经网络载入到VC++环境中,在此系统上进行实验,并对实验结果进行分析。实验表明算法具有很强的正确性和适应性。最后,对VFCWA进行总结,分析算法中存在的不足,提出下一步研究的方向。