疲劳驾驶是造成交通事故的重要原因之一,因此研究一个可以实时检测驾驶员状态的识别系统有很大意义。一个高效实时地疲劳驾驶状态检测系统可以很大程度上避免驾驶员进行疲劳驾驶,进而避免交通事故的发生。而检测系统的核心就是一个可以准确判断驾驶员状态的识别算法。由于生理检测法对驾驶员有严重的侵入性,而基于外部特征变化检测的方法又很受光线环境影响。因此,本文采用的是基于驾驶操作及车辆状态的疲劳驾驶行为检测算法。通过驾驶模拟器开展疲劳驾驶实验获取驾驶员正常状态和疲劳驾驶时的操作特征以及车辆状态,以此为基础开展了疲劳驾驶状态识别的算法研究。首先,使用驾驶模拟器搭建了模拟驾驶场景,并根据需要确定要获取的数据,包括方向盘转向角、车辆横摆角、车辆横向位置等。招募共14名驾驶员开展模拟驾驶实验,实验包括正常状态和疲劳状态两类模拟驾驶。其中12名驾驶员的数据样本作为算法训练的输入,2名驾驶员的数据样本作为算法检验的输入。根据SSS自主评估法,确定实验过程中驾驶员的状态,建立疲劳样本的数据库。其次,处理分析实验采集的数据,发现隐含在各指标中能够区分正常状态和疲劳状态的特性。随后根据以往研究经验,提出117个特征指标选项并采用因素方差分析法对这117个特征指标变量的有效性进行分析。最后根据分析结果,提取出7个特征指标变量构成后续疲劳驾驶状态识别算法的输入集。最后利用主成分分析法实现了疲劳驾驶特征的进一步提取,设计了疲劳驾驶状态识别的模糊聚类和神经网络算法并比较各算法的识别效果。随后用2名驾驶员的实验数据对建立的识别算法进行检验,检验了算法的适用性。