驾驶疲劳导致驾驶员的思考判断能力、反应能力和执行能力减弱,进而使得对车辆的控制能力下降。各国的法律法规都禁止长时间连续驾驶,以防止驾驶疲劳的产生,但由于个人原因,疲劳驾驶也会出现在法律法规允许的驾驶时间内。尤其是营运车辆的驾驶员,为了追求经济效益导致疲劳驾驶的情况时有发生,事后分析与教训总结已无法满足安全行车的需要,从被动安全管理转为主动预防预警显得尤其重要。驾驶员在疲劳时最直接的表现就是反应迟钝,反应能力下降,操作反应时间变长,从车辆方面的表现就是车辆行驶状态异常。基于以上两点,论文以生理指标为桥梁,对疲劳状态下驾驶员的反应时间规律与车道偏离规律进行研究,设计开发了一种基于驾驶员反应时间的驾驶疲劳状态监测与预警技术,具体研究内容如下:1)驾驶员反应时间与生理指标特征参量关联度分析首先对脑电信号(EEG)和心电信号(ECG)进行处理,利用快速傅里叶变换、Welch功率法、Haar小波变换等技术提取了α波、β波、δ波和EEG波段的功率谱密度积分、α波与β波功率谱密度积分比值、α波与β波功率谱的平均值的比值、α波与θ波功率谱平均值之和再与β波功率谱平均值的比值、心率和RR间期标准差共9个生理指标特征参量作为驾驶员反应能力的影响因子;建立了灰色关联模型,分析9个影响因子与反应时间的关联程度,结果表明α波与β波功率谱平均值的比值与反应时间关联度最大。2)基于反应时间的驾驶疲劳状态判别模型构建将驾驶员的精神状态分为清醒(Level 1)、轻度疲劳(Level 2)和重度疲劳(Level 3)三个等级;采用支持向量机(SVM)建立疲劳状态判别模型,将灰色关联分析优选出的影响因子即α波与β波功率谱的平均值的比值、反应时间作为模型的输入变量,将疲劳等级作为模型的输出变量;利用遗传算法(GA)对SVM模型中的惩罚系数和核函数参数进行优化,通过试验进行模型验证,结果表明模型的判别准确率为86%;在反应时间作为模型输入变量的基础上,对其它输入变量的改变进行了验证,结果表明通过灰色关联分析优选的参数作为输入变量,模型判别准确率最高。3)疲劳状态下驾驶员反应能力规律分析利用SVM判别模型,分别从不同角度对驾驶员的反应时间变化规律进行分析。从时域角度分析了反应时间、α波与β波功率谱的平均值的比值(α/β)、驾驶疲劳之间的关系,在轻度疲劳与重度疲劳阶段,反应时间与α/β呈现出了正向关系;从频域角度分别建立了反应时间在驾驶全过程和重度疲劳阶段的概率密度函数;从性别、年龄两个角度分析了不同疲劳等级下的反应时间变化规律。4)基于车辆行驶状态的驾驶员反应时间检测时机研究设计了车道偏离图像采集方法,利用数字图像处理技术对所采集的图像进行处理,通过图像灰度化、均值滤波方法对图像进行预处理,突出图像特征;利用Sobel横向边缘算子对图像进行分割,提取车辆边缘与车道线边缘;进行距离计算,得到车辆边缘与车道线边缘之间的距离;利用SVM疲劳状态判别模型分析了不同疲劳等级下车道偏离变化规律,结果表明,车道偏离在重度疲劳状态下变化明显。5)驾驶员疲劳状态监测与预警系统开发分别分析了系统的硬件需求和软件需求,对系统进行整体设计;分别对系统的硬件进行选型及设计、对系统的软件进行设计;基于Android平台和ARM 9开发板对系统的各项功能逐一实现;对系统的界面进行设计;实现软件和硬件的集成,并对系统进行了实车测试。论文所开发的驾驶员疲劳状态监测与预警系统能够在途实时监测驾驶员疲劳状态,设备小巧易于车载,为营运车辆行车安全主动预警技术提供了一种新的思路。