疲劳驾驶是造成道路交通事故的重要原因之一,对驾驶员的疲劳驾驶状态进行检测及预警具有十分重要的意义。本文在深入分析目前国内外在疲劳驾驶检测及预警方面研究的基础上,将光电容积脉搏波信号应用于疲劳驾驶检测研究中,分析驾驶员疲劳状态下光电容积脉搏波信号的变化特征,并提出了一种基于支持向量机的驾驶员疲劳驾驶检测及预警算法。首先,本文利用驾驶员在环实验平台和脉搏血氧仪,设计并实施了疲劳驾驶模拟实验,获得了实验驾驶员在高速公路场景长时间驾驶时从清醒状态到疲劳状态的主观评价疲劳等级、光电容积脉搏波信号等数据,为接下来检测驾驶员的疲劳状态以及设计疲劳驾驶预警算法提供了数据样本。其次,由于光电容积脉搏波信号具有微弱性,在特征提取前对采集到的原始信号进行了去除噪声、去除基线漂移等预处理。本文采用微分阈值法对特征点进行识别,进而提取出光电容积脉搏波主波相对幅值、降中峡归一化幅值、重搏波归一化幅值、心动周期、快速射血期比率和左心室射血期比率等6个特征指标。通过研究发现,随着疲劳程度的加深,多数特征指标存在比较明显的变化趋势,且在不同的疲劳等级间存在显著的差异,说明所选取的特征指标可以用于判定驾驶员的状态。然后,利用核主成分分析方法对特征指标进行了降维,从6个特征指标中提取出两个主成分作为新的特征指标,来有效地反映驾驶员的疲劳等级。在此基础上对三组数据样本进行了分类分析,结果表明,通过选取恰当的核函数,可以有效地对三组样本进行分离,选取的光电容积脉搏波信号的两个主成分检测驾驶员的疲劳状态是可行的,同时特征指标数量的减少有助于降低分类器的训练成本,提高分类器的分类速度。最后,设计了基于支持向量机的驾驶员疲劳驾驶预警算法。该算法在检测周期1min内计算驾驶员光电容积脉搏波主波相对幅值、降中峡归一化幅值、重搏波归一化幅值、心动周期、快速射血期比率和左心室射血期比率的均值,然后计算得出两个主成分,进而利用支持向量机分类器判断驾驶员的疲劳等级。若检测到驾驶员的疲劳等级为二级,则对其进行弱预警;若检测到驾驶员的疲劳等级为三级,则对其进行强预警。利用MATLAB软件编写程序实现算法的开发,并对数据样本进行了离线分析,完成了算法的训练和测试;最后将疲劳驾驶预警算法程序嵌入至驾驶员在环实验平台,通过对比算法输出结果与真实驾驶员主观评价疲劳等级,验证了本文提出的基于支持向量机的疲劳驾驶预警算法的有效性。