疲劳驾驶是造成交通事故的主要原因,尤其是重特大交通事故,会对人员的生命安全造成威胁,对社会财产造成极大的损失。疲劳会降低驾驶员对周围环境的感知能力以及对车辆的操控能力,具有很大的安全隐患。而疲劳驾驶是广泛存在的客观现象,许多驾驶员都曾在疲劳状态下继续驾驶车辆。特别是在高速公路上,单调的驾驶环境更容易引起驾驶员的疲劳,并且在高速公路上不能随时随地获得停车休息的条件。因此,探究驾驶疲劳生成机理、研究驾驶疲劳识别方法以及设计驾驶疲劳缓解手段对行车安全具有重大意义。目前,对驾驶疲劳的生成机理并没有统一的定论。本文基于高速公路驾驶环境的特点,建立了基于视、听觉刺激的驾驶疲劳生成机理模型。借助近红外光谱技术（Near-infrared spectroscopy,NIRS）采集驾驶员大脑额叶、颞叶和枕叶区域的含氧血红蛋白浓度变化数据（ΔHbO）,然后基于动态贝叶斯推论的方法分析了大脑各区域疲劳前后的耦合强度。结果表明,持续的听觉刺激会使驾驶员颞叶与额叶的ΔHbO信号在第Ⅲ频段的耦合强度降低,而视觉刺激则不会影响疲劳前后枕叶与额叶的耦合强度。此外,疲劳后驾驶员左右前额叶的ΔHbO信号在第Ⅲ和第Ⅳ频段的耦合强度都有明显的下降。本文根据驾驶疲劳机理的研究结果,采用左侧颞叶与左右前额叶的ΔHbO信号作为驾驶疲劳识别的数据来源。结合驾驶疲劳生成的时序性特征建立了基于深度学习网络的双层并联门控循环单元（GRU）算法。该算法可充分利用ΔHbO信号的时序性特点,并具备较强的特征提取能力,实现了对驾驶疲劳的三分类识别（清醒状态、轻度疲劳和重度疲劳）,平均准确率达到了85%。然后,本文探究了嗅觉刺激对驾驶疲劳缓解的脑功能机理。利用NIRS技术采集了驾驶员左右前额叶的ΔHbO信号,并结合动态贝叶斯推论分析了疲劳前后以及吸入嗅觉刺激前后的左右额叶耦合强度。研究结果表明,嗅觉刺激可以显著提升大脑左右额叶的第Ⅲ和第Ⅳ频段的耦合强度。耦合强度的提升表明大脑左右额叶血管平滑肌收缩扩张对称性和神经活动协同性加强,有助于提升驾驶员的反应、方向判断和决策执行能力。通过潜在危险躲避实验进一步证实了嗅觉刺激在驾驶员避障能力提升方面的效果。具体表现为,吸入气味的驾驶员在躲避前方潜在危险过程中有更快的反应、更温和的刹车和转向以及更小的车道偏离,其整体的避障操作更合理安全。最后,分析了不同嗅觉刺激参数（气味浓度、释放时长）对驾驶疲劳缓解效果的影响。实验设置了3种气味浓度（5%、10%和15%）和2种释放时长（5s、10s）。研究结果表明,在10%浓度和5s释放时长的条件下具有最好的疲劳缓解效果。同时,嗅觉刺激参数与疲劳缓解效果存在一定的个体差异,并不是所有参与者都在10%浓度和5s释放时长的条件下获得最好的疲劳缓解效果。因此,本文基于个体差异的客观现象,建立了基于个体的嗅觉刺激参数优化算法。该算法可以针对驾驶员个体进行参数优化,以实现最好的疲劳缓解效果。实验结果表明,参数优化算法可以提升嗅觉刺激的疲劳缓解效果,在不断的重复优化过程中其效果会越来越明显:10次疲劳缓解平均持续时间高出对照组（固定10%浓度和5s释放时长）5.19分钟,后5次测试中,平均高出对照组7.42分钟。