由于运输是物流行业中的重要环节,货运司机往往需要在有限时间内安全有效的完成运输任务,这造成了货运司机疲劳驾驶的现象层出不穷,极易引发重大交通事故。因此,对货运司机疲劳驾驶进行研究及风险防控具有重要现实意义。本文设计了模拟驾驶实验,采集了驾驶员生理信号、反应时间以及眼部数据,利用反应时间和眼部数据来划分疲劳等级。然后,提取各个疲劳状态下的生理信号特征指标,并建立疲劳检测模型以实现不同疲劳状态的识别。首先,本文利用德国Ergoneers公司开发的Si Lab模拟驾驶平台搭建了高速公路场景,召集了20名驾驶对象进行模拟驾驶实验,并采集了脉搏信号、肌电、皮电等生理信号（合计6665万条）以及面部视频;同时,为了客观确定疲劳状态,提出了以反应时间和每分钟平均闭眼时间为依据实现疲劳分级的方法。为此,设计了反应时间检测装置以采集反应时间,并利用算法从面部视频中提取出每分钟平均闭眼时间。最终,将驾驶疲劳细分成清醒、轻度疲劳、中度疲劳和重度疲劳四个等级。其次,依据客观分级确定的疲劳状态,提取了4种疲劳等级下3个生理信号的非线性特征;分析了各个特征指标随驾驶时长的变化规律,并筛选出能有效表征驾驶疲劳的指标,包括:脉搏主波峰间期序列的复杂度和关联维数、肌电信号的复杂度和样本熵以及皮电信号的样本熵。同时,还对各个疲劳状态下的特征指标进行显著性检验。检验结果表明,所有指标在不同疲劳状态下均存在显著性差异。最后,结合一维卷积神经网络和长短期记忆网络的原理建立了疲劳检测模型,实现了对4种疲劳等级的有效识别,模型识别准确率达到了91.39%;在货运司机疲劳驾驶的背景下,针对不同疲劳状态,提出相应的预警建议,实现疲劳风险分级预警。综上,为了避免主观评价疲劳带来的不确定问题,本文创新性地提出了以反应时间和每分钟平均闭眼时间为依据,实现疲劳客观分级的方法。该方法有利于后期准确提取出各个疲劳状态下的生理信号特征以及建立疲劳检测模型,以期为货运司机疲劳状态分级提供新的研究视角,为开发更加有效的车载疲劳预警系统奠定理论基础。