随着先进驾驶辅助技术的发展,驾驶员对驾驶辅助系统的需求已经由最基本的安全性转变为安全性与个性化兼顾。如何在保证行车安全性的同时满足驾驶员对车辆的个性化需求已成为当前研究热点。考虑驾驶员行为特性及路面附着系数的纵向主动安全控制系统对于全面提升行车安全性、改善驾乘舒适性等方面具有极其重要的意义。本文以具有先进驾驶辅助系统的车辆为研究对象,充分挖掘先进驾驶辅助车辆的“适人”特性,开展纵向主动安全控系统的研究,以提高车辆个性化程度和安全性水平。主要研究内容如下:（1）基于GMM-SVM的驾驶员行为特性辨识。对NGSIM中的驾驶员纵向跟车时的行为数据进行筛选与处理,并基于高斯混合模型（Gaussian Mixture Model,GMM）对驾驶员纵向跟车时的个性化特征参数进行聚类分析,划分驾驶员类型;基于支持向量机（Support Vector Machine,SVM）建立个性化驾驶员类型辨识模型,并采用聚类后的特征数据训练模型,完成个性化驾驶员行为特性辨识模型的建立;采用NGSIM数据集中纵向跟车行为特征的数据测试模型,以验证驾驶员风格识别模型的准确性。（2）基于无迹卡尔曼滤波的路面附着系数估计。为及时有效的获得路面附着系数,提高估计算法的收敛速度和精度,基于修正之后的Dugoff轮胎模型和三自由度车辆动力学模型,采用无迹卡尔曼滤波（Unscented Kalman Filter,UKF）算法对路面附着系数进行实时估计;结合Carsim对不同路面工况进行仿真验证,结果表明,该算法能够实时有效的估计出路面附着系数,具有较强的自适应能力。（3）基于LQR-PID的纵向主动安全控制研究。建立自适应驾驶员行为特性及路面附着系数的安全距离模型;以安全距离模型确定的期望跟车距离为基础,采用分层控制方法设计纵向主动安全控制器,基于线性二次型最优控制（Linear Quadratic Regulator,LQR）与PID控制器联合设计纵向主动安全控制器;然后,基于径向基函数神经网络自整定PID（Proportional Integral Differential,PID）参数,完成对控制量的底层控制;搭建联合仿真平台对不同工况下的控制效果进行仿真分析,结果表明设计的纵向主动安全控制系统具有良好的控制效果。