随着世界经济的高速发展,汽车的持有规模日渐提升,驾驶安全问题也成为了世界性难题。驾驶员作为安全驾驶的关键一环,需要在驾驶过程中对外界保持高度警觉,一旦警觉度水平过低就有可能造成安全事故。因此,对驾驶员在驾驶过程中的警觉度水平进行实时有效的检测,并在警觉度水平过低进行预警,对提升道路交通安全具有重要意义。然而目前相关研究几乎都是基于单一信源进行的,为了克服单一信源在驾驶警觉度检测中的局限性,本文结合眼动信号和心电信号提出了一种信息融合的驾驶警觉度水平检测方法,综合考虑了不同信息的相关性和互补性,以期提高驾驶警觉度水平检测的准确性。主要研究内容如下:(1)首先对刺激反应时进行三角滑动平均处理,然后使用警觉度标注指标(即三角滑动平均处理后的刺激反应时)对驾驶过程中被试的警觉度水平进行划分,最后通过对处于不同警觉度水平下的驾驶行为绩效进行分析,验证了以刺激反应时为标注指标划分驾驶警觉度水平的有效性。(2)对驾驶员的眼动信号进行预处理并筛选出注视、扫视、眨眼及瞳孔的相应特征指标,随后对驾驶员的心电信号进行预处理并筛选出时域及频域的相应特征指标,最后结合支持向量机分别构建基于单模态眼动信号和心电信号的驾驶警觉度识别模型,其识别准确率分别为84.36%和81.65%。(3)基于核主成分分析和Fisher判别分析对眼动信号和心电信号进行特征层融合,分别构建基于信息融合的驾驶警觉度水平识别模型,其识别准确率为89.23%和87.28%。此外,再基于D-S证据理论从决策层对两类信号融合并构建识别模型,模型识别准确率达到了91.37%。