驾驶持续性注意水平是影响驾驶安全的关键性因素,而脑电信号的变化与驾驶持续性注意水平存在着直接联系,因此为了对驾驶持续性注意水平予以有效识别,本文以脑电信号作为识别特征指标,构建了一种驾驶持续性注意水平识别方法。首先,为了对驾驶持续性注意水平进行等级划分,本文采用驾驶反应时间作为客观划分指标,提出了一种驾驶持续性注意水平等级划分方法。在此基础上,利用高效的筛选算法对脑电特征参数进行择优筛选,所得到的脑电特征参数作为驾驶持续性注意水平识别特征指标。最后,采用粒子群算法对支持向量机进行参数优化,构建了驾驶持续性注意水平识别模型。基于已有的模拟驾驶平台,设计了驾驶持续性注意水平实验,将实验所采集的脑电数据对该模型予以试算,得到如下结论:(1)采用反应时间对驾驶持续性注意水平进行等级划分,将从属不同等级的驾驶行为绩效进行差异性对比分析,分析结果认为不同等级的驾驶行为绩效存在着显著差异,验证了文中所提方法的合理性。(2)采用Kruskal-Wallis检验和Relief算法对脑电特征参数进行择优筛选,得出位于FP1电极的合成参数(α+θ)/β、P7电极的合成参数θ/β、CZ电极的合成参数(α+θ)/β、P8电极的合成参数(α+θ)/β及FZ电极的合成参数(α+θ)/β在不同驾驶持续性注意水平等级下差异最为显著,可作为驾驶持续性注意水平的识别特征指标。(3)模型识别平均正确率为92.19%,说明所提模型和方法的可行性和适用性,认为可用于对驾驶持续性注意水平的识别。