随着国家经济蓬勃发展,人民生活越来越好,我国汽车保有量急剧上升,导致目前我国道路交通事故频繁发生,给人们的生命财产安全带来了极大的风险。为了实现国家“十四五”规划纲要提出的“碳中和”、“碳达峰”战略政策,汽车主动安全技术逐渐成为汽车领域的研究热点。因此,研究人员对各种先进驾驶辅助系统进行研究来缓解道路安全隐患问题,然而目前大部分研究人员采用不考虑驾驶员风格的单一辅助驾驶系统,无法满足不同风格驾驶员的舒适性及安全性。因此,本文对考虑驾驶员风格的车辆主动避撞控制策略的研究至关重要。本课题来源于江西省科技创新高端人才项目、江西省重点研发计划项目及研究生创新基金项目。本文对车辆主动避撞控制系统展开研究,并在此基础上提出了考虑驾驶风格的主动避撞控制策略。本文首先分析了国内外关于驾驶员风格特性及主动避撞控制策略的相关研究现状,对目前研究所存在的问题进行分析。其次以车辆动力学模型、聚类模型、识别模型及控制理论为基础,设计了考虑不同驾驶员风格的车辆主动避撞控制策略,最后采用Prescan、Carsim和Matlab/Simulink三种软件搭建联合仿真平台,通过仿真来验证本文设计的主动避撞控制策略。本文主要工作如下:（1）主动避撞控制系统总体方案设计及车辆动力学建模。将控制系统整体划分为感知、决策及执行三层。主要在决策层中建立驾驶员风格分类模型与识别模型进行优化设计,并设计主动避撞功能切换策略;然后建立整车纵向动力学模型及整车逆纵向动力学模型,包括发动机及制动系统模型等,为仿真验证提供车辆动力学基础。（2）NGSIM数据集预处理及驾驶员风格分类模型的建立。首先对开源自然驾驶数据集NGSIM进行数据预处理,随后进行样本段选取及描述展示,对驾驶员风格特性进行分析,其次对驾驶员风格特征参数进行提取与优化,由于初始构建的特征参数数量较多,本文采用因子分析方法对冗余特征参数进行降维分析,最后基于公共因子采用K-means++聚类算法对驾驶员风格进行分类。结果表明:本文将驾驶员风格分为激进型、偏激进型、普通型、慎重型、迟缓型共五种类型,最后对驾驶员风格聚类算法结果进行验证,证明分类模型较为合理。（3）驾驶员风格识别模型的建立。确定了以卷积神经网络CNN理论为基础的驾驶员风格识别模型,以识别准确率和损失值大小为评价标准,设计本文驾驶员风格识别模型的卷积神经网络结构,以及对反向传播算法和优化器的设计,对样本数据集进行训练。结果表明:根据迭代次数的逐渐增加,训练集及验证集样本段的损失函数值逐渐减小,训练集,验证集及测试集的准确率均在90%以上,建立了符合驾驶员风格识别的卷积神经网络模型,表明该模型对驾驶员风格能够精准预测。（4）考虑驾驶员风格的主动避撞控制策略的建立。首先基于最小安全碰撞时间模型建立碰撞发生时间TTC指标,提出不同风格驾驶员反应时间修正模型对最小碰撞时间TTC进行优化,建立报警功能触发时间TTCw与紧急制动功能触发时间TTCb的控制策略,通过比较TTC与两者大小关系,实现对主车纵向危险状态的判断,符合不同风格驾驶员避撞时的操作特性,并且基于PID控制理论设计了车辆控制器,结合车辆逆纵向动力学模型,实现对实际减速度的准确控制。最后根据不同风格驾驶员在不同预警信号下的反应时间,在Matlab/Simulink上搭建整个车辆主动避撞控制策略模型。研究结果显示,考虑驾驶员风格的主动避撞控制策略适用于不同风格的驾驶员,能够保持较高的安全性与舒适性。（5）联合仿真测试平台的建立及仿真测试验证。对考虑驾驶员风格的主动避撞控制系统在前车静止、前车制动、前车匀速行驶虚拟测试场景下的预警和避撞效果进行了仿真测试,对仿真结果中的报警信号TTCw和紧急制动信号TTCb、车辆速度和加速度、制动压力、TTC值和相对距离变化曲线进行分析,仿真结果表明本文所提出的不同风格驾驶员在车辆主动避撞控制策略具有差异性,同时考虑驾驶员风格的主动避撞控制策略防撞的有效性得到了验证,满足本文考虑驾驶员风格的主动避撞控制系统的要求。