近年来管制员在岗疲劳的现象日益凸出,疲劳不仅会削弱管制员正常的工作能力,导致其反应变慢和认知能力下降,更是诱发管制员“错忘漏”,造成民航不安全事件乃至事故的重要因素。如何通过技术手段检测管制疲劳并及时预警是减少管制员疲劳差错,保障空管安全至关重要又急需解决的难题。目前检测管制疲劳的手段主要有主观量表、生理生化指标和眼动追踪技术等。其中眼动追踪技术不仅具有客观、非侵入性等优点,而且比生理生化指标有更好的可应用性,同时在汽车驾驶疲劳领域已经有了较为成功的应用可供参考,是开发管制疲劳实时检测和预警技术值得研究的方向。然而目前国内尚无研究系统全面地对众多眼动指标检测管制疲劳的性能进行考察。鉴于此,本研究招募20名管制学员参与模拟塔台管制实验,采集被试由清醒逐渐进入疲劳状态的眼动数据和主观疲劳程度值。通过疲劳前后眼动指标的差异显著性,与疲劳的相关性以及受试者工作特征曲线(Receiver Operating Characteristic,ROC)分析对各个眼动指标检测管制疲劳的性能进行考察。最后利用支持向量机和BP神经网络算法将可用眼动指标融合起来建立管制疲劳检测模型。本研究得出结论如下:1、眼动指标中的注视点,扫视速度,PERCLOS和CFF四个指标不仅清醒和疲劳时变化差异显著,与疲劳存在强相关性,而且ROC分析检测性能较好,可以作为检测管制疲劳的可用指标。2、利用支持向量机和BP神经网络模型融合注视点,扫视速度,PERCLOS和CFF四个可用指标建立管制疲劳检测模型,对管制疲劳的识别准确率分别为95.68%和91.67%,效果较好。未来可以实现根据管制员当前的眼动参数自动判定其是清醒还是疲劳状态,并为进入疲劳状态的管制员及时提供告警。