我国机动车保有量和驾驶人数量呈逐年递增趋势,交通安全态势严峻。据统计,大多数交通事故直接与驾驶员相关。情境意识作为影响驾驶决策和驾驶行为的关键因素,是驾驶任务中导致错误的常见原因,因此对驾驶员的情境意识进行深入研究具有重要意义。然而,情境意识的测量一直是个难点问题,目前测量技术存在主观性强、准确性差等不足。针对这些不足,在情境意识建模研究的基础上,本文提出融合多种SA表征指标评估情境意识水平的构想,以期提高情境意识在道路交通安全领域的研究水平,并为驾驶员的筛选提供理论依据,为道路设施有效性评价提供方法。从情境意识感知、理解和预测角度出发,采用眼动指标表征感知水平,脑电指标表征理解水平、驾驶行为指标表征预测水平,初步确定情境意识评价指标。在此基础上设计模拟驾驶实验,由交通量和信息量（3*3）组合成9种实验条件,招募41名新手参与实验获取相关数据。经过数据预处理,最终获得365组有效数据。采用SPSS对数据进行方差分析,采用Matlab进行灰色关联度分析和BP神经网络构建与验证。相关内容及结论如下:（1）数据分析结果表明:随着交通量/信息量的增加,注视频率、扫视频率、θ波能量和速度标准差显著增加;然而,平均注视时间、NNI指数、α波能量,β波能量,速度均值,方向盘转角均值和情境意识显著降低。而且,交通量和信息量除了各自对NNI指数、Dθ、Dɑ、Eɑ/θ、Eθ/（ɑ+β）和SA的显著影响,他们的组合还存在附加影响,即交互作用。（2）将初定指标体系中的眼动、脑电、驾驶行为指标分别与情境意识做灰色关联度分析,选取灰色关联度r＞0.8的指标。经过指标优选,最终确定10个情境意识评估指标,分别为:平均注视时间、NNI指数、瞳孔面积、Dθ、Dɑ、Dβ、Eɑ/θ、速度均值、速度标准差和加速度标准差。（3）将优选后的10个指标作为模型输入,情境意识得分作为模型输出,构建拓扑结构为10-8-1的BP神经网络模型。随机抽取75%的数据进行模型训练,最终网络的训练误差MSE为0.0025。利用剩余25%的数据进行验证,模型预测值与实际数据值十分相近,平均相对误差为0.046。这说明该模型有效,即利用眼动、脑电和驾驶行为参数数据对情境意识进行评估是可行的。