随着道路交通网络建设的发展和汽车保有量的增加,道路交通事故成为影响社会发展的严重问题。对近十年道路交通事故统计资料的分析发现,近年来道路交通事故的发生起数和伤亡人数都有所下降,但是平均每起事故的伤亡人数有上升趋势,恶性事故时有发生,疲劳驾驶往往是引发这类事故的重要原因。研究驾驶疲劳检测问题具有重要的现实意义。本文的主要工作有:在综述驾驶疲劳检测方法研究状况的基础上,指出了多数研究只在室内虚拟环境中进行,不重视驾驶员生理、心理感受等问题。针对具体问题,设计了转向盘转角采集装置,在真实道路环境下实施了汽车行驶试验,得到了驾驶员正常驾驶和疲劳驾驶两种状态下的转向盘转角数据,并进行了对比分析,提出了驾驶状态分类标准,为驾驶疲劳检测提供了数据支持。在对人工神经网络基本理论,BP神经网络结构,误差反向传播算法及其改进算法深入分析的基础上,选取转向盘转角为切入点,研究了基于BP神经网络的驾驶疲劳检测模型建模过程。讨论了数据的预处理,隐层节点数的选择,训练算法的确定等问题,并对模型进行实际应用。试验数据和模型输出的对比分析表明,模型对驾驶疲劳的检出率为71.4%,同时也证明了BP神经网络应用于驾驶疲劳检测的可行性。针对BP神经网络易于陷入局部极小等不足,把遗传算法与BP神经网络相结合,利用遗传算法擅长全局搜索的优点,将其用于BP神经网络初始权值和阈值的优化。仿真实验结果表明,模型对驾驶疲劳的检出率达到78.2%,提高了9.5%,遗传算法的优化增强了BP神经网络的泛化能力,使模型的检测精度得到了提高。