基于脑电信号对紧急制动行为的分类识别和预测，是开发以人为中心的智能辅助驾驶系统的关键问题。为实现对驾驶过程中紧急制动和正常驾驶行为的分类识别，提出了基于PLV的特征表示方法来构建功能性脑网络，结合对网络特征参数的统计分析，确定显著性差异的特征参数，以及通过对数欧式距离提取脑电信号空域特征，并结合机器学习算法完成对紧急制动和正常驾驶行为的分类识别。实验结果表明，针对17名被试的紧急制动和正常驾驶的分类准确率均高于84%，最高准确率达到95.7%；对功能性脑网络的分析结果表明，在两种驾驶行为过程中，脑区间的交互都涉及全脑区，且在紧急制动过程中，脑区间的交互主要出现在额-中央-颞叶区，这与紧急制动下大脑更专注于判断决策相符。研究结果对理解驾驶过程中，尤其是紧急制动过程中驾驶员对应脑区间的依赖关系，以及开发智能辅助驾驶系统在驾驶过程中提前识别紧急制动意图具有一定的参考价值。