近年来，我国铁路运输特别是高速列车的发展，对列车的运行安全提出了更高的要求，列车驾驶员在“人-机-环境”三要素中承担着列车运行安全的重要责任。全世界每年由于驾驶员疲劳驾驶导致的列车事故屡见不鲜，如何有效检测列车驾驶员疲劳驾驶，对于减少列车安全事故有着非常重要的现实意义。　　目前在机车领域中，主要通过完善管理制度缓解驾驶疲劳，但是该方法不能实时监控驾驶员精神状态。本文借鉴机动车领域中驾驶疲劳检测方法，针对列车驾驶的特殊性，选用基于眼动特征的驾驶疲劳检测方法。围绕眼动特征参数提取及分析、个体差异性分析、检测模型参数优化及模型搭建等核心问题展开研究，本文主要贡献如下：　　（1）设计了轨道交通环境下驾驶员疲劳驾驶模拟实验。基于眼动仪和动车模拟驾驶实验平台，设计正常驾驶实验和疲劳驾驶实验，同步记录被试的眼动数据、KSS等级、睡眠记录以及发现障碍物距离，建立样本数据库。对上午和下午实验中的睡眠时间、睡眠质量、KSS和发现距离进行差异性检验，验证实验设计的合理性。　　（2）从原始眼动数据中提取并分析眼动特征参数。从原始眼动数据中提取瞳孔直径、眨眼时间、注视时间比例三种特征值，研究不同疲劳水平下眼动特征的变化规律，通过配对样本t检验分析特征参数之间和驾驶员个体之间的差异性。　　（3）设计驾驶疲劳检测模型。对比分析BP神经网络、遗传算法优化的BP神经网络、SVM模型识别疲劳状态的性能，基于驾驶员的自身稳定性搭建基于SVM的小样本个性化驾驶疲劳检测模型，并对16名被试进行了模型验证，结果表明模型的平均准确率为90.10％、平均灵敏度为92.09%、平均特异度为86.16%。因此，基于SVM的小样本个性化模型为列车驾驶疲劳检测提供了一种思路。