En este documento, se propone un modelo de seguimiento de vehículos que considera el tipo de vehículo precedente para describir el comportamiento de conducción longitudinal más cercano a la realidad. Basado en datos de conducción naturalista muestreados en tráfico real durante más de medio año, se analizó la relación entre la velocidad del vehículo propio y la distancia relativa mediante un modelo de mezcla gaussiana multivariable, del cual se encontró que el comportamiento de seguimiento del conductor está influenciado por el tipo de vehículo líder. Luego se diseñó un modelo de Markov oculto para identificar el tipo de vehículo. Este modelo de seguimiento de vehículos fue entrenado y probado utilizando los datos de conducción naturalista. Puede identificar el tipo de vehículo líder, es decir, automóvil de pasajeros, autobús y camión, y predecir la velocidad del vehículo propio y la distancia relativa basándose en una serie de datos históricos limitados en tiempo real. Los resultados de validación experimental muestran que la precisión de identificación del tipo de vehículo bajo condiciones estáticas y dinámicas es del 96.6% y 83.1%, respectivamente. Además, al comparar los resultados con el modelo de evasión de colisiones bien conocido y el modelo de conductor inteligente se muestra que este nuevo modelo es más preciso y puede utilizarse para diseñar sistemas avanzados de asistencia al conductor para una mejor adaptabilidad a las condiciones del tráfico.