随着我国经济和社会的发展,在国家公路网越来越密集,汽车保有量持续增加的同时,交通事故的发生频率也在不断提高。通过分析交通事故的成因可以发现,疲劳驾驶是引发交通事故的重要因为之一,而且疲劳驾驶往往会导致重大交通事故。因此,为了降低疲劳驾驶引发的交通事故,提出有效的检测疲劳驾驶的技术和方法,实现驾驶疲劳提前预警具有十分重要的现实意义。本文做的研究工作主要有:　　 对目前的疲劳驾驶检测方法进行了概述,分析了目前疲劳驾驶检测方法的技术关键和问题。在对多种方法进行分析研究的基础上,提出了把驾驶员的心电信号指标和转向行为特征结合起来判断驾驶员是否疲劳的方法。设计了有效的试验方案,采集了20名驾驶员在特定的路段上进行驾驶的试验数据。　　 研究了医学上对心电信号进行分析的方法。以心率变异性为切入点,在总结了时域、频域及非线性分析方法的基本原理,比较了三种方法的优缺点后,对心电信号的心率(HR)、相邻两个RR间期差值的均方根(RMSSD)、低频段功率标化值(LFNU)和低频功率与高频功率比值(LF／HF)等四个指标进行了统计分析,发现随着驾驶时间的延长和驾驶员的精神状态的下降,驾驶员的心率变异性发生了变化:RMSSD的值会下降,LFNU的值会变大,LF／HF的值会增大,这也反映了驾驶疲劳与心电信号之间的关系。在此基础上,采用主成分分析方法,以RMSSD、LFNU和LF／HF指标为基础建立了综合的心电信号评价指标,从而实现了对驾驶疲劳的评价。在判断出驾驶员的疲劳状态后,分析了驾驶员在不同状态,不同道路线形下的转向特征,运用转向熵方法对转向盘转角的变化进行了定量分析。　　 在对人工神经网络的基本原理和网络结构进行分析的基础上,选取驾驶员在清醒时期和疲劳时期的转向数据为神经网络的输入,建立了基于BP神经网络的驾驶员疲劳检测模型。讨论了数据的预处理和离散化,BP网络的输入层和输出层神经元的确定,隐含层层数和神经元的选择,训练函数的确定等,然后对试验数据进行了训练和测试。通过对比模型输出数据与试验的真实数据,可以得知该模型对驾驶员疲劳的检测正确率为75.7％。为了提高驾驶疲劳检测率,从另一个角度分析了转角特征,引入了一个新的输入向量,从而提高了模型的检测率。结果证明此方法在驾驶疲劳检测方面具有实用价值。