近年来,轨道交通行业迅猛发展,其快速便利的优点,使得越来越多的人选择轨道交通作为自己的第一出行方式。由于轨道交通的路权大多是独占的,可以较少担忧前方路况,因此轨道交通通常比公路交通要安全得多,但是轨道交通仍有其自身独特的安全问题。例如轨道交通的驾驶环境与公路驾驶环境不一样,驾驶员会长时间在同样的轨道上进行单调反复的驾驶操作,因而产生惰性,不能集中自己的注意力,反而容易引发疲劳,导致发生事故。研究轨道交通驾驶员的疲劳识别问题,防止安全事故的发生,对轨道交通的长久持续安全运行具有重要的现实意义。本文以轨道交通的驾驶员疲劳识别为目标,主要研究了以下三个方面的内容:(1)疲劳驾驶实验:进行多位驾驶人员的疲劳驾驶实验,记录驾驶员的脉搏、呼吸和皮电信号的数据,再根据驾驶员主观填写的疲劳状态自我评价和驾驶员发现障碍物的距离,判别驾驶员是否处于疲劳状态,为后续研究提供数据支撑。(2)信号预处理及特征提取:用巴特沃斯滤波器对采集到的3种信号进行滤波,应用小波变换去除脉搏信号的基线漂移,提取3种信号的特征点,进而提取信号的各种特征,并进行特性有效性分析,选取更适合作为疲劳判断的特征。(3)疲劳状态识别:针对有多个实验被试的情况及实验中存在的个体差异性和不同人员数据的不确定性、随机性,提出一种融合K均值聚类算法建立疲劳驾驶模型,并对实验识别结果进行对比分析。通过上述研究,本文提出了一个适用于多个体的疲劳驾驶检测模型,实验结果表明该模型具有良好的驾驶员状态识别率,总体识别率达到了80%以上。